MétaCan
Menu
Retour à la cohorte
Enregistrement W4296371025 · doi:10.6000/1929-6029.2022.11.11

Comprehensive Evaluation of Reference Values of Parametric and Non-Parametric Effect Size Methods for Two Independent Groups

2022· article· en· W4296371025 sur OpenAlexvenueno aff
Ayşegül Yabacı, İlker Ercan

Notice bibliographique

RevueInternational Journal of Statistics in Medical Research · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParametric statisticsSkewnessMathematicsStatisticsParametric modelMeasure (data warehouse)Nonparametric statisticsValue (mathematics)Significant differenceComputer scienceData mining

Résumé

récupéré en direct d'OpenAlex

In the field of health and other sciences, effect size (ES) provides a scientific approach to the effectiveness of treatment or intervention. The p-value indicates whether the statistical difference depends on chance, while ES gives information about the effectiveness of the treatment or intervention, even if the difference is not significant. For this reason, ES has become a very popular measure in recent years. It depends on which ES will be used based on the distribution of data and the number of groups. In this study, parametric and non-parametric ES were evaluated for two independent groups. When the literature was examined, there were no studies aimed at evaluating the reference values of the parametric and non-parametric ES methods used for two independent groups. In this study, the reference values of parametric and non-parametric ES methods for two independent groups were re-evaluated by a simulation study. As a result, the very small reference value of parametric ES methods was determined differently from the literature. It has been seen that the reference values of non-parametric ES methods are valid in cases where the skewness is low, and new reference values have been proposed at the varying skewness level.

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)0,099
score de la tête « metaresearch » (Gemma)0,692
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,927

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0990,692
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
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 Opus0,643
Tête enseignante GPT0,711
Écart entre enseignants0,068 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics in Medical ResearchMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207