MétaCan
Menu
Retour à la cohorte
Enregistrement W4403431962 · doi:10.1093/ije/dyae137

Staggered interventions with no control groups

2024· article· en· W4403431962 sur OpenAlexafffund
Brice Batomen, Tarik Benmarhnia

Notice bibliographique

RevueInternational Journal of Epidemiology · 2024
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesBanting Research Foundation
Mots-clésPsychological interventionMedicineControl (management)PsychologyEnvironmental healthFamily medicineComputer scienceNursingArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The limitations of the two-way fixed effects for the impact evaluation of interventions that occur at different times for each group have meant that 'staggered interventions' have been highlighted in recent years in the econometric literature and, more recently, in epidemiology. Although many alternative strategies (such as staggered difference-in-differences) have been proposed, the focus has predominantly been on scenarios in which one or more control groups are available. However, control groups are often unavailable, due to limitations in the available data or because all units eventually receive the intervention. In this context, interrupted time series (ITS) designs can constitute an appropriate alternative. The extent to which common model specifications for ITS analyses are limited in the case of staggered interventions remains an underexplored area in the methodological literature. In this work, we aim to demonstrate that standard ITS model specifications typically yield biased results for staggered interventions and we propose alternative model specifications that were inspired by recent developments in the difference-in-differences literature to propose adapted analytical strategies.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,841

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,250
Tête enseignante GPT0,511
Écart entre enseignants0,262 · 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 tête enseignante, 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
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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of EpidemiologyMême sujetAdvanced Causal Inference TechniquesTravaux en français237 207