PP036 Topic: AS04–Emerging Sciences, Methodologies, Big Data and Technology: DIRECTED ACYCLIC GRAPHS, AN EPIDEMIOLOGICAL METHOD TO IMPROVE STUDY DESIGN IN PEDIATRIC CRITICAL CARE RESEARCH
Notice bibliographique
Résumé
Aims & Objectives: Early, optimal, enteral nutrition (EN) has been shown to reduce morbidity and mortality in pediatric critical illness. Interventions aimed at improving EN delivery such as Volume-based enteral nutrition (VBEN) need to be studied to determine the true effect of intervention(X) on outcome(Y). Directed Acyclic Graphs (DAGs) graphically represent a causal relationship. Arrows connect variables representing causal links and cannot loop back on themselves. DAGs display pathways from exposure to outcome while including other relevant variables making them useful tools to identify variable inclusion for analysis plans. Objective: Explore the possible causal relationship between VBEN and PICU morbidity/mortality using a DAG. Methods: Utilize existing literature and knowledge to create a DAG of the proposed relationship between VBEN and morbidity/mortality. (Figure 1)Results: This DAG identifies that VBEN may improve morbidity/mortality directly (pathway a) or indirectly by improving enteral energy and protein intake (pathway b). Therefore, in order to understand the total effect of VBEN on outcomes there should be no adjustment for adequacy of nutrition delivery. Severity of illness is identified as being associated with both exposure and outcome (pathway c and d) and is a potential confounder that should be included in any adjusted analysis. Conclusions: This DAG provides a qualitative frame of the causal structure of VBEN and morbidity/mortality. Given their reliance on prior knowledge DAGs are only as accurate as the assumptions underlying them. Although in the absence of strong background data DAGs may be prone to misspecification, a well-informed DAG supports correct variable identification to inform study design and analysis. Keywords: epidemiology, Directed Acyclic Graph, Randomized Controlled Trial, Nutrition
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 | 0,058 | 0,181 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,004 |
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 ».