Notice bibliographique
Résumé
Can a 'true' effect be built on a 'wrong' model?Thase et al use a sophisticated model to assess the 'true' effect of active antidepressant therapy v. placebo. 1 Health authorities generally evaluate the efficacy of new medications from randomised controlled trials (RCTs) v. placebo which are well documented and rely on such a simple statistical paradigm that they can resist the major financial conflicts of interest inherent in the evaluation of pharmaceuticals.Concerning antidepressants, these studies generally identify small, average drug-placebo differences.2 Using statistical modelling, other authors have addressed the question of outcome measurement 3 and found that efficacy is better understood as a large effect in a subgroup of patients.This is consistent with the common clinical viewpoint.However, Thase et al's model leads to a curious phenomenon: everything happens as if some patients were considered as non-benefiters, whereas their final score is markedly less than the score for patients considered as benefiters.As they state, 'Essentially, all models are wrong, but some are useful'.Can a 'true' effect of active antidepressant v. placebo be built on such a 'wrong' model?Surely not for a health authority.Nevertheless, it could be useful for researchers and clinicians as it generates hypotheses on the manner in which antidepressants are different from placebo.In this view, it is necessary to go further and compare the characteristics of benefiters with non-benefiters with two additional perspectives:
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 | 0,005 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,039 | 0,032 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,016 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».