Modelling time‐varying risk factors of tooth loss: Results from joint model compared with extended Cox regression model
Notice bibliographique
Résumé
AIM: To illustrate the use of joint models (JMs) for longitudinal and survival data in estimating risk factors of tooth loss as a function of time-varying endogenous periodontal biomarkers (probing pocket depth [PPD], alveolar bone loss [ABL] and mobility [MOB]). MATERIALS AND METHODS: We used data from the Veterans Affairs Dental Longitudinal Study, a longitudinal cohort study of over 30 years of follow-up. We compared the results from the JM with those from the extended Cox regression model which assumes that the time-varying covariates are exogenous. RESULTS: Our results showed that PPD is an important risk factor of tooth loss, but each model produced different estimates of the hazard. In the tooth-level analysis, based on the JM, the hazard of tooth loss increased by 4.57 (95% confidence interval [CI]: 2.13-8.50) times for a 1-mm increase in maximum PPD, whereas based on the extended Cox model, the hazard of tooth loss increased by 1.60 (95% CI: 1.37-1.87) times. CONCLUSIONS: JMs can incorporate time-varying periodontal biomarkers to estimate the hazard of tooth loss. As JMs are not commonly used in oral health research, we provide a comprehensive set of R codes and an example dataset to implement the method.
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 | 0,047 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».