MétaCan
Menu
Retour à la cohorte
Enregistrement W2981954851 · doi:10.1177/0962280219882968

Estimating the quantile medical cost under time-dependent covariates and right censored time-to-event variable based on a state process

2019· article· en· W2981954851 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueStatistical Methods in Medical Research · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods and Inference
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésCovariateQuantileCensoring (clinical trials)EstimatorStatisticsInverse probability weightingEconometricsComputer scienceQuantile functionWeightingQuantile regressionCumulative distribution functionEvent (particle physics)MathematicsMedicineProbability density function

Résumé

récupéré en direct d'OpenAlex

Estimating the medical costs from disease diagnosis to a terminal event is of immense interest to researchers. However, most of existing literature on such research focused on the estimation of cumulative mean function (CMF) for history process. In this paper, the combined scheme of both inverse probability of censoring weighting (IPCW) technique and longitudinal quantile regression model is used to develop a novel procedure to the estimation of cumulative quantile function (CQF) based on history process with time-dependent covariates and right censored time-to-event variable. The consistency of proposed estimator is derived. The extensive simulation study is conducted to investigate the performance of the estimator given in this paper. A medical cost data from a multicenter automatic defibrillator implantation trial (MADIT) is analyzed to illustrate the application of developed method.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,045
score de la tête « metaresearch » (Gemma)0,236
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0450,236
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0640,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,098
Tête enseignante GPT0,538
Écart entre enseignants0,440 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle