Modelos paramétricos para dados categóricos com aplicações
Notice bibliographique
Résumé
Este trabalho aborda a análise de dados espaço-temporais através da metodologia Bayesiana e de modelos lineares generalizados. A característica dos efeitos aleatórios espaciais é modelada através do modelo condicional auto-regressivo intrínsico (CAR) e do modelo condicional auto-regressivo próprio (PCAR). A característica temporal dos dados é modelada através de estrutura linear aditiva, suavização com B-spline sem intercepto e modelo auto-regressivo de primeira e segunda ordens. É realizada análise de dados reais que correspondem a cinco conjuntos de observações. A primeira envolve o conjunto de dados dos efeitos adversos pós-vacinação notificados no período de 2005 a 2010, nos estados brasileiros, utilizado no trabalho de Perin (2014). A segunda aplicação analisa o conjunto de dados de óbitos infantis (com menos de um ano de idade) por residência nos estados brasileiros entre 1991 e 2013 (fonte MS/SVS/DASIS - Sistema de Informações sobre Mortalidade) usados em Silva e Dean (2006). A terceira aplicação corresponde ao conjunto de pacientes do sexo masculino hospitalizados com infarto do miocárdio na província de Québec entre os anos de 1993 e 2000, utilizados em Silva et al. (2008). A quarta aborda o conjunto de dados sobre a incidência da radiação solar disponíveis no USA National Solar Radiation Data Base (NSRDB) em períodos mensais entre janeiro de 1960 a dezembro de 2010, utilizados no trabalho de Pumi et al. (2015). A quinta aplicação apresenta o indicador de resistência a 13 diferentes antibióticos para a bactéria Salmonella Typhimurium DT104 com sequências de DNA obtidas a partir de animais e humanos na Escócia no período de 1990 a 2011, utilizados nos trabalhos Cybis et al. (2015) e Mather et al. (2013). São realizados estudos de simulação com o enfoque clássico com base nos métodos shrinkage (ridge, lasso e elastic-net). Apresentamos, também, estudos sobre a ocorrência de Ilhas de CpG e sobre a proteína citoplasmática p53 com base em sequências de DNA de alguns seres vivos e da proteína p53 de pessoas com câncer.
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 | 0,021 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».