MétaCan
Menu
Retour à la cohorte
Enregistrement W7056592218

Finding the Missing Piece: Development and Applications of a Data-driven Strategy for Imputation of Mixed-type Trait Datasets

2023· dissertation· en· W7056592218 sur OpenAlexafffund

Notice bibliographique

RevueThe Atrium (University of Guelph) · 2023
Typedissertation
Langueen
DomaineEngineering
ThématiqueParticle accelerators and beam dynamics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Economic Development, Job Creation and TradeGovernment of CanadaCanada First Research Excellence FundMinistero dello Sviluppo EconomicoOntario GenomicsGenome Canada
Mots-clésImputation (statistics)Missing dataTraitStatistical powerPhylogenetic treeSample size determination
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Missing values are a prevalent issue in trait datasets and present methodological challenges for researchers. Data may be more complete for larger, charismatic species and less available for smaller-bodied species or those inhabiting understudied regions, which may result in biased inferences when datasets are reduced to species or groups with complete data. Imputation methods offer an alternative to complete-case analysis as they estimate the missing values using observed data, thereby retaining the sample size and statistical power of the study. Phylogenetic imputation methods build upon this concept by co-opting the phylogenetic signal in trait data to improve imputation performance. However, current guidelines for imputation are limited to select taxa and numerical and/or simulated data, and the performances of imputation methods using real, mixed-type (numerical and categorical) trait data are untested. To address these issues, the first study presents a real data-driven simulation strategy for imputation method selection for a given mixed-type dataset. The strategy entails missingness simulations, performance evaluations of candidate methods with and without phylogeny, and application of the best-suited method to test the impact of imputation on target dataset distributions and characteristics. Results indicate that a data-driven method selection approach reduces imputation error and preserves important dataset properties. The second study applies this strategy to datasets of diverse vertebrate groups, testing the performances of imputation methods using real mixed-type biological and environmental traits for 21 taxonomic orders. The comparatively strong performance of Random Forest imputation is apparent across the dataset types, and phylogenetic information appears generally advantageous. However, the exceptions (where imputation performs poorly) are striking and underscore the importance of a data-driven approach toward method selection. The third study illustrates the impact of imputation on biological inferences using a molecular evolution case study. Correlates of molecular rates in fishes are investigated using a complete-case dataset and datasets imputed with and without phylogeny. The role that method choice plays is further illuminated here, as imputed values have a considerable impact on derived inferences. Overall, this thesis contributes a novel strategy and suggestions for trait imputation that span diverse data types at unprecedented taxonomic levels, facilitating new research directions.

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)0,056
score de la tête « metaresearch » (Gemma)0,117
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,298

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,117
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0070,005
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,275
Écart entre enseignants0,232 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Atrium (University of Guelph)Même sujetParticle accelerators and beam dynamicsTravaux en français237 207