THE PREVALENCE OF NEUROLOGICAL SYMPTOMS AMONG CHINESE OLDER ADULTS IN THE GREATER CHICAGO AREA
Notice bibliographique
Résumé
applicable. The Prentice-Gloeckler (PG) model, which adapts the Cox-PH model to grouped survival data, is more appropriate, but has fewer resources. It is important to compare the PG and Cox-PH models because if they yield very similar results, we may use the Cox-PH model as a substitute for the PG model. In particular, we can utilize the many prediction modeling approaches developed for Cox-PH models. Methods: Through simulation, we compared the PG and Cox-PH models, when the data are grouped, in terms of bias and standard error of the regression coefficient estimators. We also compared the models when predicting time-to-frailty using data from the Cardiovascular Health Study (N=5888). Results: The regression coefficients were nearly identical for Cox-PH and PG models. The bias was negligibly small and essentially the same. Standard errors were also very similar between the models. For example, in a representative simulation study, bias was only 0.03 lower and standard error only 0.01 higher for the PG model. Conclusions: Age-related phenotypes are generally observed at discrete time intervals. Our results show that the PG and Cox-PH models provide similar results when applied to such data. Therefore, aging researchers can use the Cox-PH model and take advantage of the vast modeling resources available to it.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».