Additional file 1 of Graphical calibration curves and the integrated calibration index (ICI) for competing risk models
Notice bibliographique
Résumé
Additional file 1. Figure S1. RCS: Choice of number of knots (p = 0.25). Figure S2. RCS: Choice of number of knots (p = 0.75). Figure S3. ICI/E50/E90 in simulations for selecting the optimal number of knots (p = 0.25). Figure S4. ICI/E50/E90 in simulations for selecting the optimal number of knots (p = 0.75). Figure S5. Effect of degree of censoring on estimated calibration curves (N = 2000 and p = 0.25). Figure S6. Effect of degree of censoring on estimated calibration curves (N = 2000 and p = 0.75). Figure S7. ICI/E90/E90 for correctly−specified model and censoring (N = 2000 and p = 0.25). Figure S8. ICI/E90/E90 for correctly−specified model and censoring (N = 2000 and p = 0.75). Figure S9. True model fitted with no censoring (beta1 = 0.25 & p = 0.25). Figure S10. True model fitted with no censoring (beta1 = 0.25 & p = 0.50). Figure S11. True model fitted with no censoring (beta1 = 0.25 & p = 0.75). Figure S12. True model fitted with no censoring (beta1 = 0.50 & p = 0.25). Figure S13. True model fitted with no censoring (beta1 = 0.50 & p = 0.75). Figure S14. True model fitted with no censoring (beta1 = 1 & p = 0.25). Figure S15. True model fitted with no censoring (beta1 = 1 & p = 0.50). Figure S16. True model fitted with no censoring (beta1 = 1 & p = 0.75). Figure S17. ICI/E90/E90 for correctly−specified model without censoring (p = 0.25). Figure S18. ICI/E90/E90 for correctly−specified model without censoring (p = 0.75). Figure S19. Mis−specified model (beta1 = 0.25 & p = 0.25). Figure S20. Mis−specified model (beta1 = 0.25 & p = 0.50). Figure S21. Mis−specified model (beta1 = 0.25 & p = 0.75). Figure S22. Mis−specified model (beta1 = 0.50 & p = 0.25). Figure S23. Mis−specified model (beta1 = 0.50 & p = 0.75). Figure S24. Mis−specified model (beta1 = 1 & p = 0.25). Figure S25. Mis−specified model (beta1 = 1 & p = 0.50). Figure S26. Mis−specified model (beta1 = 1 & p = 0.75). Figure S27. ICI/E90/E90 for incorrectly−specified model (p = 0.25). Figure S28. ICI/E90/E90 for incorrectly−specified model (p = 0.75). Figure S29. Mis−specified model (omission of main effect) (rho=0.25). Figure S30. Mis−specified model (omission of main effect) (rho=0.50). Figure S31. Mis−specified model (omission of main effect) (rho=0.75). :R code for constructing calibration curves and numerical metrics of calibration using restricted cubic splines.
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 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 | 0,000 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,896 | 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 tête enseignante, 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 ».