MétaCan
Menu
Retour à la cohorte
Enregistrement W3016729763 · doi:10.1177/1740774520914306

Bayesian methods for pilot studies

2020· article· en· W3016729763 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

RevueClinical Trials · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensMcMaster UniversityPublic Health OntarioSt. Joseph’s Healthcare HamiltonImpactSickKids FoundationUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialFrequentist inferencePrior probabilityBayesian probabilityStatisticsConfidence intervalComputer scienceMedicineBayesian inferenceMathematicsSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND/AIMS: The use of pilot studies to help inform the design of randomized controlled trials has increased significantly over the last couple of decades. A pilot study can provide estimates of feasibility parameters, such as the recruitment, compliance and follow-up probabilities. The use of frequentist confidence intervals of these estimates fails to provide a meaningful measure of the uncertainty as it pertains to the design of the associated randomized controlled trial. The objective of this article is to introduce Bayesian methods for the analysis of pilot studies for determining the feasibility of an associated randomized controlled trial. METHODS: An example from the literature is used to illustrate the advantages of a Bayesian approach for accounting for the uncertainty in pilot study results when assessing the feasibility of an associated randomized controlled trial. Vague beta distribution priors for the feasibility parameters are used. Based on the results from a feasibility study, simulation methods are used to determine the expected power of specified recruitment strategies for an associated randomized controlled trial. RESULTS: The vague priors used for the feasibility parameters are demonstrated to be considerably robust. Beta distribution posteriors for the feasibility parameters lead to beta-binomial predictive distributions for an associated randomized controlled trial regarding the number of patients randomized, the number of patients who are compliant and the number of patients who complete follow-up. Ignoring the uncertainty in pilot study results can lead to inadequate power for an associated randomized controlled trial. CONCLUSION: Applying Bayesian methods to pilot studies' results provides direct inference about the feasibility parameters and quantifies the uncertainty regarding the feasibility of an associated randomized controlled trial in an intuitive and meaningful way. Furthermore, Bayesian methods can identify recruitment strategies that yield the desired power for an associated randomized controlled trial.

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)0,157
score de la tête « metaresearch » (Gemma)0,976
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesMétarecherche
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 enseignants0,875
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1570,976
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,980
Tête enseignante GPT0,808
Écart entre enseignants0,172 · 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