Evaluation of how well different pure-tone threshold and visual acuity measures reflect self-reported sensory ability and treatment uptake: An analysis of the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
In epidemiology studies, researchers may choose to use summary scores of hearing or visionbased on self-report or clinical measures. Self-report and clinical measures may yield differentclassifications. Of the possible clinical measures, there is no consensus regarding which puretonethreshold average (PTA) or visual acuity (VA) measures are optimal. We aimed todetermine how well different PTAs and VA measures predicted self-reported measures ofsensory function. A cross-sectional analysis of 30,097 Canadians aged 45-85 years participatingin wave 1 of the Canadian Longitudinal Study on Aging in 2012-2015 was performed. Wecalculated the area under the receiver operating characteristic curves (AUC) for 9 different PTAsand 6 different VA measures. In the analysis of the PTAs, the classifiers used as comparatorsincluded self-reports of hearing and hearing aid use. In the analysis of the VA measures,comparators were self-reports of vision, and corrective lens use. The top-ranked PTA was thebinaural mid-frequency PTA (i.e., the average of hearing thresholds at 1000, 2000, 3000 and4000 Hz in both ears). The top-ranked VA measure was the average pinhole-corrected VA inboth eyes. These measures are not commonly used, but should be considered for epidemiologicalresearch.
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 | 0,014 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».