Multivariate network meta‐analysis of survival function parameters
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.
Notice bibliographique
Résumé
BACKGROUND: Network meta-analysis (NMA) of survival data with a multidimensional treatment effect has been introduced as an alternative to NMA based on the proportional hazards assumption. However, these flexible models have some limitations, such as the use of an approximate likelihood based on discrete hazards, rather than a likelihood for individual event times. The aim of this article is to overcome the limitations and present an alternative implementation of these flexible NMA models for time-to-event outcomes with a two-step approach. METHODS: First, for each arm of every randomised controlled trial (RCT) connected in the network of evidence, reconstructed patient data are fit to alternative survival distributions, including the exponential, Weibull, Gompertz, log-normal, and log-logistic. Next, for each distribution, its scale and shape parameters are included in a multivariate NMA to obtain time-varying estimates of relative treatment effects between competing interventions. RESULTS: An illustrative analysis is presented for a network of RCTs evaluating multiple interventions for advanced melanoma regarding overall survival. Alternative survival distributions were compared based on model fit criteria. Based on the log-logistic distribution, the difference in shape and scale parameters for each treatment versus dacarbazine (DTIC) was identified and the corresponding log hazard and survival curves were presented. CONCLUSIONS: The presented two-step NMA approach provides an evidence synthesis framework for time-to-event outcomes grounded in standard practice of parametric survival analysis. The method allows for a more transparent and efficient model selection process.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,571 | 0,367 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,001 | 0,018 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,001 |
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.
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 découle