Clinical research of kidney diseases II: problems of study design
Notice bibliographique
Résumé
Nephrol. Dial. Transplant., 2007; doi:10.1093/ndt/gfm433 Measures of association in diagnostic studies Test (T) sensitivity (SN) and specificity (SP) are the probabilities of T+ among D+ (T+|D+) and T− among D− (T−|D−), where ‘|’ means ‘given’ or ‘conditional on’. Positive predictive value (PPV; D+|T+) and negative predictive value (NPV; D−|T−) are posterior or post-test probabilities. Sensitivity and specificity are relatively stable test characteristics since they depend on the mechanism of detection/action and the population characteristics. Conversely, PPV and NPV vary depending on disease prevalence (Pr = D+/Totals). The likelihood ratio of a positive test (LR+) is the ratio of true positive and false positive rates, SN/[1−SP]. The likelihood ratio of a negative test (LR−) is the ratio of false negative and true negative rates, (1−SN)/SP. Likelihood ratios estimate how much more likely the presence and absence of the disease are when the results of the test are positive and negative respectively. Of note, the False+ rate and False− rate correspond to the type I (alpha) and type II (beta) error rates of an outcome study. This table was previously published with errors. The authors would like to apologize for this mistake and any inconvenience.
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 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 | 0,004 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».