Functional joint models for chronic kidney disease in kidney transplant recipients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This functional joint model paper is motivated by a chronic kidney disease study post kidney transplantation. The available kidney organ is a scarce resource because millions of end-stage renal patients are on the waiting list for kidney transplantation. The life of the transplanted kidney can be extended if the progression of the chronic kidney disease stage can be slowed, and so a major research question is how to extend the transplanted kidney life to maximize the usage of the scarce organ resource. The glomerular filtration rate is the best test to monitor the progression of the kidney function, and it is a continuous longitudinal outcome with repeated measures. The patient's survival status is characterized by time-to-event outcomes including kidney transplant failure, death with kidney function, and death without kidney function. Few studies have been carried out to simultaneously investigate these multiple clinical outcomes in chronic kidney disease stage patients based on a joint model. Therefore, this paper proposes a new functional joint model from this clinical chronic kidney disease study. The proposed joint models include a longitudinal sub-model with a flexible basis function for subject-level trajectories and a competing-risks sub-model for multiple time-to event outcomes. The different association structures can be accomplished through a time-dependent function of shared random effects from the longitudinal process or the whole longitudinal history in the competing-risks sub-model. The proposed joint model that utilizes basis function and competing-risks sub-model is an extension of the standard linear joint models. The application results from the proposed joint model can supply some useful clinical references for chronic kidney disease study post kidney transplantation.
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.
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 | 0,019 | 0,365 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 découle