Methodological Approaches to Comparative Trend Analyses: The Case of Adolescent Toothbrushing
Notice bibliographique
Résumé
Objectives: Research questions about how and why health trends differ between populations require decisions about data analytic procedure. The objective was to document and compare the information returned from stratified, fixed effect and random effect approaches to data modelling for two prototypical descriptive research questions about comparative trends in toothbrushing. Methods: Data included five cycles of the Health Behaviour in School-aged Children 2006 to 2022, which provided a sample of 980192 11- to 15- year olds from 35 countries. Using logistic regression models and generalized linear mixed models, toothbrushing daily was regressed on time, following the three approaches to analysis of trends. Results: The stratified approach suggested a positive but non-linear trend in toothbrushing from 2006 to 2022 in most countries but provided no statistical inference on the variation. The fixed effect and the random effect approach converged on a positive but flattening overall trend, with a statistically significant country variation in trends. Conclusion: Only the fixed effect approach and the random effects approach provided clear answers to the research question. Additional methodological considerations for making an informed choice of analytical approach are discussed.
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 | 0,476 | 0,708 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».