Making Sense of Hierarchical Composite End Points in Randomized Clinical Trials—A Primer for Infectious Diseases Clinicians and Researchers
Notice bibliographique
Résumé
Hierarchical composite end points (HCEs), combining features of simple composite end points and conventional ordinal end points, are increasingly being used in infectious diseases (ID) research. However, many clinicians may be unfamiliar with these novel end points, including the variety of different target parameters that may be of interest and the methods that can be used to estimate them. In this review, we provide a conceptual overview of HCEs by defining them and providing examples from the ID literature. We explain different methods for analyzing HCEs, including (1) the Wilcoxon rank sum approach (often used in studies with a desirability of outcome ranking [DOOR] end point), (2) generalized pairwise comparisons (used to estimate a win ratio or win odds), (3) proportional odds model (and the relevance of the proportional odds assumption), and, (4) the probabilistic index model. This review will help ID clinicians and healthcare providers interpret current and future research using such end points.
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 | 0,579 | 0,692 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,008 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,034 |
| Communication savante | 0,025 | 0,028 |
| Science ouverte | 0,013 | 0,012 |
| Intégrité de la recherche | 0,016 | 0,045 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».