Understanding the role of hypertension in stroke outcomes using Bayesian analysis
Notice bibliographique
Résumé
A comorbid hypertension was previously associated with survival advantages in patients with stroke. We aimed to explore how strong priors for the hypertension covariate affect the reverse association, as a way to test the sensitivity of reverse epidemiology findings to bias assumptions. The authors used stroke data from 2014 to 2019 (N = 177,947) and subsequently performed random sampling from a population of various sizes. The data were analyzed using Bayesian multiple logistic mixed-effects regression, which was further modelled in three scenarios: with informative (strong) priors, non-informative priors, and accounting for the interaction mechanism (age*hypertension). In addition, we perform a series of sensitivity analyses to check the robustness of the estimates to different prior choices. Both informative and non-informative priors demonstrated elevated posterior odds ratios (ORs) for hypertension in low sample fractions (n = 100-500). As the sample size increased, the ORs declined (below 1) for each subsequently larger samples. The ORs plateaued as the sample exceeded 5000 and became similar for both the modeling scenarios. Conversely, the interaction term revealed inverse patterns, increasing in effect as the sample size grew large. Thus, the reverse effect of hypertension diminishes with age. Although further modifications of prior precision revealed somewhat higher ORs for hypertension covariate, the estimates mostly overlapped. Bayesian analysis may improve the interpretation of reverse associations when data are limited; however, in large datasets, their influence diminishes. This pattern suggests that reverse associations reflect collider or selection bias rather than prior choice and that Bayesian priors alone cannot address design bias.
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 | 0,048 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».