MétaCan
Menu
Retour à la cohorte
Enregistrement W4396723746 · doi:10.1002/sim.10104

Adaptive designs in public health: Vaccine and cluster randomized trials go Bayesian

2024· article· en· W4396723746 sur OpenAlexaff
Ofir Harari, Jay Park, Prince Kumar Lat, Edward J. Mills

Notice bibliographique

RevueStatistics in Medicine · 2024
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesNational Institute of Environmental Health SciencesNational Institute on Aging
Mots-clésBayes' theoremBayesian probabilityComputer scienceRandomized controlled trialClinical trialFlexibility (engineering)Psychological interventionNon-communicable diseaseCluster (spacecraft)Public healthMatching (statistics)Cluster randomised controlled trialMedicineEconometricsRisk analysis (engineering)StatisticsArtificial intelligenceEconomicsMathematicsNursing

Résumé

récupéré en direct d'OpenAlex

Clinical trials in public health-particularly those conducted in low- and middle-income countries-often involve communicable and non-communicable diseases with high disease burden and unmet needs. Trials conducted in these regions often are faced with resource limitations, so improving the efficiencies of these trials is critical. Adaptive trial designs have the potential to save trial time and resources and reduce the number of patients receiving ineffective interventions. In this paper, we provide a detailed account of the implementation of vaccine and cluster randomized trials within the framework of Bayesian adaptive trials, with emphasis on computational efficiency and flexibility with regard to stopping rules and allocation ratios. We offer an educated approach to selecting prior distributions and a data-driven empirical Bayes method for plug-in estimates for nuisance parameters.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,086
score de la tête « metaresearch » (Gemma)0,580
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0860,580
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,684
Tête enseignante GPT0,602
Écart entre enseignants0,082 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStatistics in MedicineMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207