MétaCan
Menu
Retour à la cohorte
Enregistrement W6930641680 · doi:10.5281/zenodo.12700082

Tube_Bioassay_Power_Simulation_Calculator

2024· other· en· W6930641680 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typeother
Langueen
DomaineComputer Science
ThématiqueBayesian Methods and Mixture Models
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésSample size determinationStatistical powerSample (material)Variance (accounting)Range (aeronautics)Power (physics)Multiple comparisons problem

Résumé

récupéré en direct d'OpenAlex

The purpose of this project is to develop a sample size framework for investigating differences between insecticide treatments in WHO Tube assays, with a particular focus on PBO synergism. While typically sample sizes are determined prior to a study to reliably detect a given effect size, current WHO guidance fixes the sample size of this synergism assay to four tubes of each treatment (‘4x4’). This pre-determined sample size limits the effect size that can be reliably detected. Consequently, experimental setups may not be powered to detect smaller differences in mortality between treatments and is at risk of exaggerating the magnitude of comparisons that are found to be significant (the lesser known risk of underpowered studies). A better understanding of the power of this 4x4 setup to detect differences between treatments is needed. General rules-of-thumb are required for what effect sizes can be reliably interpreted as a true effect, ideally in the form of a ‘threshold’ where only a mortality difference larger than a pre-defined amount is considered indicative of synergism. Additionally, while it would be ideal if all bioassays were conducted simultaneously on the same day, in practice assays may be spread over multiple days thus introducing a between-day variation which must be accounted when assessing power and setting appropriate synergism thresholds. To identify a suitable threshold for synergism requires a power analysis in reverse, where the probability of detecting a range of effect sizes is quantified across different hypothetical experimental designs (i.e. sample sizes). However, power analysis requires assumptions about variance between replicates (here the separate tubes for each treatment). Given reasonable assumptions about variance, the minimum difference in mortality that can be reliably detected can be outlined for a standard 4x4 Tube assay.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0350,007

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,272
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetBayesian Methods and Mixture ModelsTravaux en français237 207