Notice bibliographique
Résumé
Les modèles de survie avec taux de guérison ont une vaste gamme d'applications dans de nombreux domaines tels que la médecine et la santé publique, en particulier dans des études sur le cancer.Dans ces études, les chercheurs sont intéressés par le temps d'attente jusqu'à l'apparition d'un événement d'intérêt, ainsi qu'à la proportion des cas où cet événement ne survient jamais, qualifiée dans ce contexte de taux de guérison.D'une manière générale, il existe deux types de modèles pour l'estimation du taux de guérison.Le premier type est le modèle de mélange avec taux de guérison.Ce type de modèles suppose que l'ensemble de la population se compose de deux groupes d'individus : les individus susceptibles de subir l'événement d'intérêt et les individus non susceptibles de subir l'événement d'intérêt, ou immunisés.Le deuxième modèle est un modèle de non-mélange avec taux de guérison qui se base, par exemple, sur le nombre de cellules cancéreuses qui restent après le traitement.Ce mémoire conçoit et présente une revue des modèles de survie avec taux de guérison depuis les premières études jusqu'aux articles récents.Puisqu'il n'y a pas d'étude exhaustive des modèles de taux de guérison, ma mission se limitera au regroupement de tous les modèles dans une notation unique et cohérente.Les modèles de taux de guérison font partie de l'analyse de survie et incluent les cas de censure.Par conséquent, pour une analyse convenable des modèles de taux de guérison, une bonne connaissance de l'analyse de survie est nécessaire.Ainsi, au chapitre 2, les définitions relatives aux sujets censurés et tronqués sont données.En outre, les concepts et formulations de l'analyse de survie de base sont expliqués.Des modèles de survie courants, paramétriques, non paramétriques et semi-paramétriques sont également expliqués.Les chapitres 3 et 4 forment la partie principale de ce mémoire ; ils portent essentiellement sur l'explication des modèles de taux de guérison.Au chapitre 3, des tests préliminaires pour l'existence d'un taux de guérison sont expliqués.Les premiers travaux dans les modèles de mélange avec taux de guérison et certains modèles paramétriques et non paramétriques avec taux de guérison y sont discutés.L'un des modèles de non-mélange avec taux de guérison et deux modèles de mélange semi-paramétriques qui ont été adaptés des travaux plus récents dans les modèles avec taux de guérison sont expliqués au chapitre 4. Au chapitre 5, une étude de simulation a été effectuée pour chaque modèle introduit précédemment afin d'en tester la précision.Les méthodes des études de simulation sont les mêmes que celles utilisées dans les articles originaux.Au chapitre 6, les modèles avancés avec taux de guérison sont mis en œuvre pour des bases de données de transplantation de moelle osseuse et vi les résultats sont discutés.Le chapitre 7 présente la conclusion de l'étude ainsi qu'un aperçu d'une future recherche.vii
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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,092 | 0,031 |
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 ».