Discussion of "Simple Defensible Sample Sizes Based on Cost Efficiency" by Peter Bacchetti, Charles E. McCulloch, and Mark R. Segal
Notice bibliographique
Résumé
When introducing the notion of sample size estimation we like to share the story of the statistician who responded to the question: “How many subjects do I need for my study?” with a Socratic-like: “How many bricks does it take to build a wall?” The answer of course depends on what kind of wall one seeks to build. Bacchetti, McCulloch, and Segal (BMS) put forward a new architecture for wall building. Their paper is a welcome call to others to more explicitly consider cost perspectives when planning the size of trials. The blueprints are impressive and the wall is touted as being designed in a cost-effective manner. However, at the end of the day one is left with a nagging concern about its functionality. Different types of studies have different purposes. For example, a clinical trial might be considered either exploratory or confirmatory depending upon whether it is an early phase study to generate data that will support further investigation or a late phase study designed to corroborate promising preliminary results. The requirement for the latter is typically demanding in that its intent is to affect medical practice and a strong wall is needed to support that enterprise. As Peto, Collins, and Gray (1995) note, “The medical importance of treatment effects that are only moderate in size implies the need for large-scale randomized evidence (…). Reliable detection or refutation of moderate differences requires negligible biases and small random errors.”
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 | 0,294 | 0,502 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,039 |
| Communication savante | 0,010 | 0,026 |
| Science ouverte | 0,011 | 0,007 |
| Intégrité de la recherche | 0,022 | 0,059 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».