Transporting: What Is It and How Do You Do It?
Notice bibliographique
Résumé
Purpose of Review: Transportability, one of the twin faces of external validity (alongside generalizability), refers to the ability to use effect estimates in a study population to understand effects in a different population. In this review, we aimed to provide an overview of ongoing methodological developments in the field of transportability and provide a tutorial walking through key steps in the transportability process. Recent Findings: We cover recent work done to distinguish the concept of transportability from generalizability (or external validity more broadly), define core conditions necessary for transporting treatment effects to a different target population, outline approaches to identify sufficient adjustment sets, and design estimators to estimate transported treatment effects. We then illustrate the application of these methods through a case study comparing the effects of two adjuvant chemotherapies for breast cancer in patients within the National Cancer Database, a large national cancer registry, using effect estimates transported from a randomized controlled trial. Summary: While external validity, generalizability, and transportability have long been recognized as important elements of epidemiology, they have historically been treated interchangeably and discussed qualitatively in discussion sections of manuscripts. Over the past two decades, however, major strides have been made to formally define these concepts and introduce analytic methods for them that are valid under well-defined conditions.
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 | 0,114 | 0,401 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,010 | 0,023 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».