Sample Size, Replicability, and Pre-Test Likelihoods—Essential, Overlooked, and Critical Components of Statistical Inference: A <i>Journal of Neurotrauma</i> Guide to Statistical Methods and Study Design
Notice bibliographique
Résumé
Perhaps one of the most overlooked components of statistical inference is the sample size. While in randomized controlled trials, power analysis is common and sample size justification is an integral component of the core statistical analysis plan, observational and laboratory research studies often rely on convenience samples and/or underpowered analyses. Insufficiently powered studies increase uncertainty associated with the results and limit interpretability. Moreover, they increase the likelihood that the findings might be disproved in future replication studies. A scientific study can be compared with a diagnostic test for the "truth"- i.e., whether a certain effect exists or whether a relationship is actually true. In this diagnostic analogy, the positive predictive value is dependent not only on the statistical power of the study in question, but also on the pre-test likelihood that any true relationship exists at all. The concept of using an estimate of the pre-test likelihood to interpret observed results is another critical and often overlooked component of statistical inference. Even if a statistically significant relationship or an effect is found, however, such finding alone may be insufficient. It often must be replicated, ideally in a more generalizable setting. Further, if the effect size is small, replication often requires sample sizes that are substantially larger than the original study. For most neurotrauma research, thousands of subjects are usually not required, but many studies do require substantially larger sample sizes than are typically presented in published research to increase replicability. In this methodological tutorial, choice of sample size, pre-test probability, and the concept of positive predictive value for scientific findings will be discussed, together with suggestions to improve replicability of neurotrauma research in the future.
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 | 0,475 | 0,705 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,006 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,035 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,019 | 0,009 |
| Intégrité de la recherche | 0,020 | 0,053 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,011 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».