MétaCan
Menu
Retour à la cohorte
Enregistrement W3179197834 · doi:10.1002/jac5.1501

A practical introduction to conducting and using <scp>case‐control</scp> studies

2021· article· en· W3179197834 sur OpenAlexaff
Cynthia A. Jackevicius

Notice bibliographique

RevueJACCP JOURNAL OF THE AMERICAN COLLEGE OF CLINICAL PHARMACY · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensInstitute for Clinical Evaluative SciencesUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Observational studyControl (management)OddsSelection (genetic algorithm)Key (lock)Selection biasComputer scienceMedicineManagement scienceRisk analysis (engineering)EngineeringArtificial intelligencePathologyComputer securityInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Case‐control studies are a commonly encountered observational study design in pharmacy practice and pharmacotherapy research. This practical introduction to conducting and using case‐control studies focuses on the key risk of bias concepts related to the selection of cases and controls and measurement of the exposure. This article also explains how to calculate and interpret odds ratios for exposure in the context of case‐control studies. Finally, considerations for the applicability of case‐control study findings are provided in the context of clinical decision‐making around harmful exposures. Practical checklists are provided for users and researchers conducting case‐control studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,114
score de la tête « metaresearch » (Gemma)0,248
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,886
Score d'incertitude au seuil0,602

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1140,248
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0070,005
Études des sciences et des technologies0,0020,005
Communication savante0,0040,006
Science ouverte0,0050,005
Intégrité de la recherche0,0060,012
Charge utile insuffisante (le modèle a refusé de juger)0,0610,036

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 Opus0,740
Tête enseignante GPT0,664
Écart entre enseignants0,076 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJACCP JOURNAL OF THE AMERICAN COLLEGE OF CLINICAL PHARMACYMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207