Validation des modèles statistiques tenant compte des variables dépendantes du temps en prévention primaire des maladies cérébrovasculaires
Notice bibliographique
Résumé
L’intérêt principal de cette recherche porte sur la validation d’une méthode\nstatistique en pharmaco-épidémiologie. Plus précisément, nous allons comparer\nles résultats d’une étude précédente réalisée avec un devis cas-témoins niché dans\nla cohorte utilisé pour tenir compte de l’exposition moyenne au traitement :\n– aux résultats obtenus dans un devis cohorte, en utilisant la variable exposition\nvariant dans le temps, sans faire d’ajustement pour le temps passé\ndepuis l’exposition ;\n– aux résultats obtenus en utilisant l’exposition cumulative pondérée par le\npassé récent ;\n– aux résultats obtenus selon la méthode bayésienne.\nLes covariables seront estimées par l’approche classique ainsi qu’en utilisant\nl’approche non paramétrique bayésienne. Pour la deuxième le moyennage bayésien\ndes modèles sera utilisé pour modéliser l’incertitude face au choix des modèles.\nLa technique utilisée dans l’approche bayésienne a été proposée en 1997 mais\nselon notre connaissance elle n’a pas été utilisée avec une variable dépendante du\ntemps. Afin de modéliser l’effet cumulatif de l’exposition variant dans le temps,\ndans l’approche classique la fonction assignant les poids selon le passé récent sera\nestimée en utilisant des splines de régression.\nAfin de pouvoir comparer les résultats avec une étude précédemment réalisée,\nune cohorte de personnes ayant un diagnostique d’hypertension sera construite\nen utilisant les bases des données de la RAMQ et de Med-Echo.\nLe modèle de Cox incluant deux variables qui varient dans le temps sera\nutilisé. Les variables qui varient dans le temps considérées dans ce mémoire sont\niv\nla variable dépendante (premier évènement cérébrovasculaire) et une des variables\nindépendantes, notamment l’exposition
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 | 0,089 | 0,188 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 ».