MétaCan
Menu
Retour à la cohorte
Enregistrement W4400134637 · doi:10.1111/2041-210x.14335

Response to Discretising and validating Keyfitz' entropy for any demographic classification

2024· article· en· W4400134637 sur OpenAlexfundno aff
Connor Bernard, Charlotte de Vries, Owen R. Jones, Roberto Salguero‐Gómez

Notice bibliographique

RevueMethods in Ecology and Evolution · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNatural Environment Research CouncilSight Research UKMcGill University
Mots-clésSurvivorship curveDiscretizationLongevityMathematicsLife expectancyEntropy (arrow of time)PacePopulationEconometricsApplied mathematicsStatisticsDemographyGerontologySociologyMathematical analysisGeographyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract In recent years, demographers have parsed variation in survivorship into two distinct components: the shape and the pace of ageing. The pace of ageing is defined by measures of longevity such as mean life expectancy or maximum longevity, whereas measures of the shape of ageing attempt to classify different shapes of the survivorship curve. We recently published a paper pointing out that a commonly used discretization of a shape measure, Keyfitz' entropy, does not correctly classify survivorship curves into negatively and positively senescing curves (de Vries et al., 2023). In that paper, we also suggested an alternative, accurate discrete‐time version of Keyfitz' entropy. de Vries et al. (2023) ended with two open questions, both of which have been answered by Giaimo (2024) now: (1) Can a discrete‐time entropy measure of survivorship be generalized beyond age‐based population models? Giaimo (2024) introduce a new formula that achieves this. (2) Will a discretization of Keyfitz' derivation of his measure as the elasticity of lifespan to a uniform change in mortality lead to the same formula as a discretization of Keyfitz' result? Giaimo (2024) answers: no. Here, we briefly discuss the implications of the results obtained by Giaimo (2024), and the implementation of his new formula into the Rpackage Rage, which is widely used for comparative demographic studies. We showcase the strength of the new method by reanalysing a comparison of Keyfitz' entropy to another shape measure. We find that the comparison is significantly altered by using Giaimo's new Keyfitz' formula. This example strengthens Giaimo's (2004) words of warning in approaching discretizations with attentiveness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,048
score de la tête « metaresearch » (Gemma)0,344
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,255

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,344
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,007
Communication savante0,0030,007
Science ouverte0,0030,004
Intégrité de la recherche0,0050,010
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,042
Tête enseignante GPT0,424
Écart entre enseignants0,382 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in Ecology and EvolutionMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207