A Longitudinal Analysis of SF-36 scores Within the Candrive Cohort: An Example of Survivor Bias
Notice bibliographique
Résumé
Abstract A bias inherent to prospective studies is focusing only on individuals who remain in the study; these individuals may differ from those who leave early. To examine this issue, we analyzed SF-36 scores by completion status for individuals enrolled in the seven-year Candrive cohort. The SF-36 provides a self-reported evaluation of health and well-being along two subscales, the Physical Component Summary (PCS) and the Mental Component Summary (MCS). Of 928 participants in the cohort, 887 had at least two consecutive years of data starting at baseline (age=76.17, SD=4.81; 61.9% male). A total of 142 participants had 7 years of data. Study discontinuation (due to withdrawal, driving cessation, or death) happened least in early years, and peaked after 6 years (n=235). When analyzed according to completion status, patterns of change in SF-36 scores varied. For example, participants with 7 years of data had mean PCS scores ranging from 51.41 (SD=7.92) at baseline to 46.93 (SD=9.46) at year 7, a change of 0.75 points per year. For those with only two years of data, scores were lower and dropped from 45.82 (SD=9.98) to 43.59 (SD=10.90), a change of 2.23 points over a single year (p<.001). Differences are also evident for other groups. While the results indicate relative stability of SF-36 scores among participants who remained in the study, participants who dropped out reported greater deterioration in scores. These results highlight important differences between participants based on completion status.
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 | 0,134 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; 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 ».