Some Key Issues Relating to the Reporting and Interpretation of Time-to-Event Data
Notice bibliographique
Résumé
To the Editor: Griffiths et al recently reported that in a cohort of Australian patients with ankylosing spondylitis included in the Optimising Patient outcomes in Australian RheumatoLogy (OPAL) dataset, the median persistence (persistence defined as the time to discontinuation of treatment) was longest for patients treated with golimumab (GOL) in all lines of therapy, and shortest for those treated with etanercept (ETN).1 In drawing this conclusion, the authors have overlooked some statistical aspects relating to the reporting of time-to-event data that make it difficult to evaluate the robustness of their conclusions. Griffiths et al1 stated that log-rank tests were used to investigate differences between the Kaplan-Meier (KM) estimates. … Address correspondence to Dr. I.M. Schou, NHMRC Clinical Trials Centre, University of Sydney, 92-94 Parramatta Road, Sydney, NSW 2050, Australia. Email: manjula.schou{at}sydney.edu.au.
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 | 0,074 | 0,345 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,028 | 0,037 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,006 |
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 ».