Exploratory analysis of relationships between blocks of variables of natures using optimal scaling : application in alimentation, epidemiology and health
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Les méthodes d’analyses exploratoires des liens entre de nombreuses variables de natures différentes (i.e., numériques, nominales et ordinales) - potentiellement organisées en blocs - sont utilisées dans différents domaines d’étude, en biologie notamment. Les développements récents des méthodes multiblocs montrent que celles-ci sont généralement développées pour les variables numériques. Un état de l’art des méthodes permettant de tenir compte de variables de natures différentes est dressé, et parmi les solutions exposées, la quantification optimale (Optimal Scaling) est explorée. Des contributions sont proposées autour de la méthode « Principal Component Analysis with Optimal Scaling » (PCA-OS). Une extension au cadre multibloc (MBPCA-OS), ainsi que des aides à l’interprétation sont proposées. D’un point de vue applicatif, ce type d’approche a été appliqué dans trois domaines différents. Le premier est celui de l’alimentation et l’analyse sensorielle où la méthode PCA-OS a été appliquée aux échelles Just-About-Right. Le second est celui de la santé, où la méthode PCA-OS a permis de déterminer, au sein de la cohorte, les individus à haut (resp.faible) risque génétique de développer des symptômes asthmatiques. Le troisième est celui de l’épidémiologie où la méthode MBPCA-OS a été appliquée à une cohorte pour étudier la réponse immunitaire d’individus à l’infection et/ou la vaccination au SARS-CoV2, en lien avec leurs caractéristiques et symptômes.
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.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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) | 0,000 | 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 découle