MétaCan
Menu
Retour à la cohorte
Enregistrement W4255302121 · doi:10.1002/9781118445112.stat08046

<scp>G</scp>‐Estimation

2017· other· en· W4255302121 sur OpenAlexaff
Erica E. M. Moodie, David A. Stephens, Michael P. Wallace

Notice bibliographique

RevueWiley StatsRef: Statistics Reference Online · 2017
Typeother
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensUniversity of WaterlooMcGill University
Organismes subventionnairesnon disponible
Mots-clésMarginal structural modelEstimationContext (archaeology)EconometricsComputer scienceEvent (particle physics)Nested set modelRegressionStatisticsConfoundingMathematicsData miningEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract G‐estimation is a tool for estimating structural nested models, which offer causal parameters for the effect of time‐dependent exposures under the assumption of no unmeasured confounding. Similar to traditional regression models, structural nested models are typically conditional rather than marginal. G‐estimation has seen relatively little uptake in the statistical and applied literature, perhaps because it was originally presented for time‐to‐event outcomes with estimates traditionally found using grid search methods. However, G‐estimation gained some popularity in the context of dynamic treatment regimes and is, in fact, straightforward to understand and implement. It can also be shown to be equivalent to the familiar approach of propensity score regression under linear structural nested models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,250
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,166
Tête enseignante GPT0,439
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley StatsRef: Statistics Reference OnlineMême sujetAdvanced Causal Inference TechniquesTravaux en français237 207