Bivariate Copula Model on Fitting Correlated Time‐to‐Event Outcomes: Age at First Sex and Age at First Marriage Among Youth in Tanzania
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Traditionally, age at first sex (AFS) and age at first marriage (AFM) have been analysed independently. While useful for summarising risk factors for each outcome individually, these approaches offer limited insight into the interdependence between these events. This study used an Archimedean copula model for bivariate right‐censored data to jointly model AFS and AFM reported by 9726 young people aged 15–24 years in Kisesa, Tanzania. The dependence structure was identified, the degree of association between these events and their associated factors assessed, and the trends of predicted medians examined. Various Archimedean copulas (Ali–Mikhail–Haq, Clayton, Frank, Gumbel, Copula2, and Joe) were evaluated. Copula function selection was based on the Akaike information criterion (AIC), Bayesian information criterion (BIC), and log‐likelihood values, with the Frank copula and a log‐logistic marginal distribution performing best. The Frank copula’s dependency parameter ( θ ) was highly significant, with an estimated θ of 39.49, translating to a Kendall’s τ of 0.903 in the unadjusted model, which included only sex as a covariate, indicating a strong positive correlation between AFS and AFM. Similar results were observed in the adjusted model (Kendall’s τ = 0.89), which incorporated additional variables such as education and residence area. Trends show a better estimation of AFS and AFM for both females and males over the period 1994–2016 when analysed jointly rather than separately. The strong positive correlation suggests these events are highly correlated; hence, using joint models captures interdependence and provides more accurate estimates. This approach can inform targeted interventions to improve youth health outcomes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle