MétaCan
Menu
Retour à la cohorte
Enregistrement W3134974081 · doi:10.1002/cjs.11609

Interim analysis of sequential estimation‐adjusted urn models with sample size re‐estimation

2021· article· en· W3134974081 sur OpenAlexvenueno aff
Jun Yu, Dejian Lai

Notice bibliographique

RevueCanadian Journal of Statistics · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensnon disponible
Organismes subventionnairesCancer Prevention and Research Institute of Texas
Mots-clésEstimatorSequential estimationSequential analysisSample size determinationMathematicsStatisticsType I and type II errorsStatisticInterimTest statisticComputer scienceInterim analysisStatistical hypothesis testingNull hypothesisAlgorithmLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Clinical trials usually involve efficient and ethical objectives. Different adaptive designs have been proposed to satisfy these needs. We combine interim analysis, the sequential estimation‐adjusted urn model (SEU), and sample size re‐estimation (SSR) in one clinical trial. We show that the asymptotic distribution, under the null hypothesis, of the proposed sequential statistic follows Brownian motion by simultaneously addressing the three sequential procedures (allocation of patients, urn composition, and sequential parameter estimators) and the sequential statistics with revised information time due to SSR. Therefore, to control the type I error rate, traditional critical values for sequential monitoring based on Brownian motion can be used for the proposed procedure. Numerical studies with three types of urn models demonstrate that our proposed approach can control the type I error rate well and also achieve efficient and ethical objectives.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,120
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,120
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,490
Tête enseignante GPT0,490
Écart entre enseignants0,000 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of StatisticsMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207