MétaCan
Menu
Retour à la cohorte
Enregistrement W33152642 · doi:10.1016/j.placenta.2020.10.014

New Perspectives and Methods in Loss Reserving Using Generalized Linear Models

2014· dissertation· en· W33152642 sur OpenAlexfundno aff
Jian Tao

Notice bibliographique

RevuePlacenta · 2014
Typedissertation
Langueen
DomaineDecision Sciences
ThématiqueProbability and Risk Models
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentNational Institute on Alcohol Abuse and AlcoholismConcordia UniversityRaymond and Beverly Sackler Foundation
Mots-clésGeneralized linear modelEconometricsEstimatorVariance (accounting)Linear modelCredibilityMathematicsStatisticsComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

We sought to examine placentas enriched for trophoblast inclusions (TIs) in order to characterize, quantify, and examine the interrelations between subtypes of TIs to better understand their underlying biology. We examined a cohort of 600 placentas from deliveries between 20<sup>0</sup> and 43<sup>0</sup> weeks of gestation. Forty-five percent of the placentas had at least one TI in the two slides examined. Four percent of the placentas had 10 or more TIs and two placentas had more than 70 TIs. Four distinct TI subtypes were observed: inclusionoids (early forming inclusions), inclusions, calcified inclusions, and calcified bodies. We suggest this reflects a developmental trajectory of TI maturation, the timing of which might be useful when comparing TI expression to clinical outcomes.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,668
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,198
Tête enseignante GPT0,496
Écart entre enseignants0,298 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlacentaMême sujetProbability and Risk ModelsTravaux en français237 207