Survival analysis under the Cox proportional hazards model with pooled covariates
Notice bibliographique
Résumé
For a continuous time-to-event outcome and an expensive-to-measure exposure, we develop a pooling design and propose a likelihood-based approach to estimate the hazard ratios (HRs) of a Cox proportional hazards (PH) model. Our proposed approach fits a PH model based on pooled exposures with individually observed time-to-event outcomes. The design and estimation exploits the equivalence of the conditional logistic likelihood functions arising from a matched case-control study and the partial likelihood function of a riskset-matched, nested case-control (NCC) subset of a cohort study. To create the pools, we first focus on an NCC subcohort. Pools are formed at random while keeping the matching intact. Pool-level exposure and confounders are then evaluated and used in the likelihood to estimate the HR and the standard error of the estimates. The estimators are MLEs, provide consistent estimates of the individual-level HRs, and are asymptotically normal. Our simulation results indicate that the pooled estimates are comparable to the estimates obtained from the NCC subcohort. The units of analysis for the pooled design are the pools and not the individual participants. Hence the effective sample size is reduced. Therefore, the variance of the HR estimate increases with increasing poolsize. However, this variance inflation in small samples can be offset by including more matched controls per case within the NCC subcohort. An application is demonstrated with the Second Manifestations of ARTerial disease (SMART) study.
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 | 0,021 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».