A functional perspective on the conditional covariance comparison problem in dementia analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although there are many methods available in the literature to compare the covariance structures of two populations, few are suitable for clinical application due to the inability to account for covariate(s) that affect the dependence structure of the variables being investigated. A common method is to adjust the effect of the covariates via a linear model and work with the resulting residuals. However, removing the effects of the covariates could potentially eliminate valuable information from the analysis. We propose a functional nonparametric covariance matrix estimator to account for any given value in the covariate(s), which allows a comparison of the functional covariance structures of the multivariate data. This comparison is facilitated via a test statistic involving the first eigenvalue of the combined form of covariance matrices of the two groups. Three different approaches, namely, the parametric Tracy-Widom, the semi-parametric Forkman’s test, and the nonparametric Permutation method, are used to compute the approximate p-values of the test statistic. We have conducted extensive simulation studies to determine the type I error and power of the proposed hypothesis testing methods and developed practical recommendations for implementing this novel approach. Finally, we apply our methods to the Alzheimer’s Disease Neuroimaging Initiative (ADNI) study to compare cerebrospinal fluid (CSF) biomarkers between dementia and non-dementia cohorts, which offers a fascinating insight into the differences between covariance structures of biomarkers amyloid β (1-42) (A β 42), total tau (tau), and phosphorylated tau (ptau) for given values of age, sex, and years of education.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle