Choosing the frequency of follow-up in longitudinal studies: Is more necessarily better?
Notice bibliographique
Résumé
Background Follow-up frequency is an important design parameter in longitudinal studies. We quantified the impact of reducing follow-up frequency on the precision of estimated regression parameters, and investigated the impact of incorrectly assuming an exchangeable correlation structure on estimates of the loss of precision resulting from reduced follow-up. Methods We estimated the loss in precision on deleting every second observation from three longitudinal cohorts: patients with Childhood Systemic Lupus Erythematosus (cSLE), the Canadian Haemophilia Prophylaxis Study (CHPS), and patients with Juvenile Dermatomyositis (JDM). We compared these results with those from a theoretical formula assuming an exchangeable correlation structure. Results The increase in sample size needed to compensate for halving follow-up frequency was 9%, 6% and 28% for the cSLE, CHPS and JDM cohorts respectively. Under the assumption of an exchangeable correlation, the estimated increases in sample size were 22%, 11% and 10% respectively. Conclusions Reducing follow-up frequency can result in minimal loss of information, as seen in the CHPS cohort. While using a theoretical formula based on an exchangeable correlation structure is convenient, it can be inaccurate when the true correlation structure is not exchangeable.
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 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 | 0,071 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes 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 ».