Heatmaps and consensus clustering for ego network exploration
Notice bibliographique
Résumé
<ns4:p> <ns4:bold>Background:</ns4:bold> Researchers need visualization methods (using statistical and interactive techniques) to efficiently perform quality assessments and glean insights from their data. Data on networks can particularly benefit from more advanced techniques since typical visualization methods, such as node-link diagrams, can be difficult to interpret. We use heatmaps and consensus clustering on network data and show they can be combined to easily and efficiently explore nonparametric relationships among the variables and networks that comprise an ego network data set. </ns4:p> <ns4:p> <ns4:bold>Methods:</ns4:bold> We used ego network data from the Québec Adipose and Lifestyle Investigation in Youth (QUALITY) cohort used to evaluate this method. The data consists of 35 networks centered on individuals (egos), each containing a maximum of 10 nodes (alters). These networks are described through 41 variables: 11 describing the ego (e.g. fat mass percentage), 18 describing the alters (e.g. frequency of physical activity) and 12 describing the network structure (e.g. degree). </ns4:p> <ns4:p> <ns4:bold>Results:</ns4:bold> Four stable clusters were detected. Cluster one consisted of variables relating to the interconnectivity of the ego networks and the locations of interaction, cluster two consisted of the ego’s age, cluster three contained lifestyle variables and obesity outcomes and cluster four was comprised of variables measuring alter importance and diet. </ns4:p> <ns4:p> <ns4:bold>Conclusions:</ns4:bold> This exploratory method using heatmaps and consensus clustering on network data identified several important associations among variables describing the alters’ lifestyle habits and the egos’ obesity outcomes. Their relevance has been identified by studies on the effect of social networks on childhood obesity. </ns4:p>
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Simulation ou modélisation | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Simulation ou modélisation | low |
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 | 0,003 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».