A quantitative burden of proof risk function to evaluate environmental risk factors in comparative risk assessments
Notice bibliographique
Résumé
Background and Aims Assessing strength and quantifying risk-outcome relationships is critical for public health prioritization, policy formulation, clinical guidance and to inform personal choices related to modifiable risk factors. While meta-analyses or meta-regressions are often used as an inputs, their use in decision making is often subjective. We introduce the quantitative burden of proof risk function in the context of the Global Burden of Disease comparative risk assessment framework. Methods The burden of proof risk function combines meta-regression mean relationship between exposure and risk with unexplained between-study heterogeneity, adjusted for number of studies. We developed and applied a Bayesian meta regression framework to robustly estimate the mean and burden of proof risk function, allowing for non-linear relationships, and applied this to 197 behavioral, metabolic and environmental risk factor – outcome relationships. Relationships were summarized by a ‘star-rating’ where 1-star risks had a probability of no association after accounting for between-study heterogeneity, and 2, 3, 4, and 5-star risks indicated a 0-15%, >15-50%, >50-85% and >85% increase in risk, respectively, over the 15%-85% percentiles of exposures of included studies. Results Environmental risk factors included in the Global Burden of Disease ranged from 4-star (e.g. sanitation-diarrheal disease) to 1-star (e.g. NO2 – asthma). Across all 197 included risk-outcome pairs, 4%, 7%, 25%, 42% and 23% were 5, 4, 3, 2, and 1-star, respectively. 81% of the 32 included environmental risk factor-pairs, were 2 or 3-star. Conclusions The burden of proof risk function is a cautious interpretation of evidence, incorporating both magnitude and uncertainty in relative risks. Higher risk scores indicate a larger effect and/or a lower probability of results driven by residual confounding or other bias. Risk-outcome pairs with low star ratings indicating substantial between-study heterogeneity may suggest a need for additional studies, especially where exposure and outcome prevalence are high.
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 | 0,281 | 0,617 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,012 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».