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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,003 | 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 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 ».