Standardizing to target populations in multisite studies using inverse odds and augmented inverse probability weighting
Notice bibliographique
Résumé
Distributed network studies assess treatment effects across heterogeneous populations by pooling data from multiple sites.This work shows how baseline covariate data from the entire cohort, together with treatment and outcome data from source population sites, can identify treatment effect in prespecified target sites.We propose an inverse odds weighted (IOW) augmented inverse probability weighting (AIPW) framework, improving robustness in transportability settings.Unlike standard AIPW, IOW models source population membership from observational data, introducing a third model beyond the traditional doubly robust estimator.We first evaluate the performance of the proposed estimator in a four-site simulation study, where each site was standardized to target on either the three smallest sites combined or the single smallest site.The estimated risk-difference confirmed that the IOW-AIPW framework preserves double-robustness.We then apply the method to a substantive example using data from Clinical Practice Research Datalink (CPRD), creating an artificial distributed network where each site represents one distinct geographic region.We target on the smallest region and compared the initiation of metformin and sulfonylurea with respect of mortality.Both the simulation study and substantive example showed that IOW-based standardization enhances precision and interpretability in multi-site studies and helps explain differences in estimates across study segments.viii I would also like to express my heartfelt thanks to all my friends and classmates, for the insightful discussions we had in the lounge, for the fun hangout time.I am truly lucky to have all of you make my two years unforgettable.I would also like to thank my lifelong friends whose emotional support all these years is invaluable to me, in particular, Yijia, Yuhong, and Zhifei.Finally, I would like to thank my family, especially my parents and my wife Ruohan, for being a constant source of love, encouragement, and unconditional support.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».