Notice bibliographique
Résumé
This thesis contains three separate chapters motivated by research questions related to public health. The first contribution is in the second chapter, which introduces a novel parameter transformation of anisotropic covariance functions. This transfor- mation relates the anisotropic ratio with the polar radius, and the anisotropic angle with the polar angle. It resolves an issue with the standard parameterization where the anisotropic angle has no meaning in the special case of isotropy, and provides a firmer mathematical framework in which to view isotropic covariance functions as a special case of the anisotropic covariance functions. It also proposes a transformation of the standard deviation and range parameters that renders them approximately orthogonal. The third chapter models the time-varying effect of air pollution. There is increasing interest in modeling air pollution effects as time-varying, and the contribution of this chapter is in proposing two posterior statistics that summarizes its trend over time – stability and momentum. Stability is the standard deviation of== tthis effect over time, and momentum is the proportion of its pairs of differences that are positive. The fourth chapter proposes a model that decomposes daily COVID-19 mortality into the sum of (scaled) skew normal curves. COVID-19 mortality has been heavily studied in recent years, and the contribution of this model is in providing the evolution of these curves and their parameters over a multi-year period. The model has interpretable parameters, including a shape parameter, which quantifies the degree of asymmetry of each skew normal curve. In addition to the methodological developments listed above, the models in chapters three and four provide results that (pending peer review) may be of interest to practitioners. The trend detection model is fit to daily air pollution and mortality data in census divisions across Canada, and finds one region with an increasing trend and one with a decreasing trend. The skew normal model provides a decomposition of daily COVID-19 mortality into skew normal curves in six regions, and the relation of these curves to COVID-19 waves may be of independent interest. Moreover, both of these models can be applied to any health outcome of interest.
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 | 0,010 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».