Quantitative Bias Analysis of misclassification in case-control studies: an example with Human Papillomavirus and Oropharyngeal Cancer.
Notice bibliographique
Résumé
OBJECTIVE: Laprise et al. (2019) observed a positive association between oral sex practices and oropharyngeal cancers (OPC) among HPV-negative individuals. Because oral HPV infections are likely to be transmitted through oral sex, these results are counterintuitive. We revisit Laprise et. al's analysis with the objective of estimating the impact of misclassification of HPV infection on the association between oral sex practices and OPC. METHODS: Data were drawn from the Head and Neck Cancer (HeNCe) Life study, a hospital-based case control study of head and neck cancer with frequency-matched controls by age and sex from 4 major referral hospitals in Montreal, Canada. We included only OPC cases (n = 188) and controls (n = 429) and used predictive value weighting, under differential and non-differential scenarios, to evaluate the misclassification. Subsequently, we used logistic regression and 95% confidence intervals to estimate the association between oral sex practice and OPC among HPV-negative individuals. RESULTS: Our results showed that the previously reported association between oral sex practices and OPC among HPV-negative individuals was attenuated or nullified both under differential and non-differential scenarios. CONCLUSION: The association between oral sex practice and OPC could be explained by biases in the data (e.g., HPV mediator misclassification). Our results highlight the need for widespread adoption of Quantitative Bias Analysis in oral health research.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,421 | 0,655 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».