How to Understand the 95% Confidence Interval Around the Relative Risk, Odds Ratio, and Hazard Ratio
Notice bibliographique
Résumé
Statistics such as the mean difference (MD), standardized mean difference (SMD), relative risk (RR), odds ratio (OR), hazard ratio (HR), and others are meant to be examined along with their 95% confidence intervals (CIs), and their significance can be understood by viewing these CIs as compatibility intervals. The 95% CIs around the MD and SMD are easily understood because they are expressed along a linear scale. The 95% CIs around the RR, OR, and HR are harder to understand because they are expressed along an exponential scale; however, when the numbers are log-transformed, they are linearized, and understanding becomes easy. Another approach to understanding the CIs around the RR, OR, or HR is to examine the reciprocal of the lower limit of the CI; however, because the reciprocal also lies along an exponential scale, this method is inferior to the log-transformation method. These approaches may seem daunting, but the difficulty is an illusion because log transformation or reciprocal transformation takes only a few seconds when a statistical calculator is opened. All terms and concepts are explained with extreme simplification and with the help of examples.
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 | 0,065 | 0,392 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,009 | 0,015 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,016 |
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 ».