Enregistrement W4280620201 · doi:10.1016/j.jclinepi.2022.05.006

Meta-analysis of multi-jurisdictional health administrative data from distributed networks approximated individual-level multivariable regression

2022· review· en· W4280620201 sur OpenAlexafffund

Aman Dheri, M Ellen Kuenzig, David R. Mack, Sanjay K. Murthy, Gilaad G. Kaplan, Jessy Donelle, Glenys Smith, Eric I. Benchimol

Notice bibliographique

RevueJournal of Clinical Epidemiology · 2022

Typereview

Langueen

DomaineMathematics

ThématiqueAdvanced Causal Inference Techniques

Établissements canadiensHospital for Sick ChildrenUniversity of CalgaryChildren's Hospital of Eastern OntarioInstitute for Clinical Evaluative SciencesUniversity of TorontoSickKids FoundationAgricultural Research Institute of OntarioUniversity of Ottawa

Organismes subventionnairesCanadian Institutes of Health Research

Mots-clésMeta-analysisRandom effects modelStatisticsOdds ratioConfidence intervalOddsLogistic regressionMedicineRegression analysisComputer scienceEconometricsMathematicsInternal medicine

DOI10.1016/j.jclinepi.2022.05.006

Résumé

récupéré en direct d'OpenAlex

Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,066

score de la tête « metaresearch » (Gemma)0,123

Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated

Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)

Catégories consensuellesMétarecherche, Intégrité de la recherche

DomaineSignal candidat: aucune · Signal consensuel: aucune

Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse

GenreSignal candidat: Synthèse · Signal consensuel: Synthèse

Score de désaccord entre enseignants0,320

Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

Catégorie	Codex	Gemma
Métarecherche	0,066	0,123
Méta-épidémiologie (sens strict)	0,001	0,001
Méta-épidémiologie (sens large)	0,034	0,007
Bibliométrie	0,001	0,001
Études des sciences et des technologies	0,000	0,001
Communication savante	0,000	0,000
Science ouverte	0,003	0,001
Intégrité de la recherche	0,001	0,005
Charge utile insuffisante (le modèle a refusé de juger)	0,002	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.

Tête enseignante Opus0,964

Tête enseignante GPT0,699

Écart entre enseignants0,266 · 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