MétaCan
Menu
Back to cohort
Record W2350688841

Test niezależności chi-kwadrat i jego zastosowanie w interpretacji wyników badań klinicznych The chi-square independence test and its application in the clinical researches

2011· article· pl· W2350688841 on OpenAlexaboutno aff
J. Kwasiborski, Maria Sobol

Bibliographic record

Venuenot available
Typearticle
Languagepl
FieldMedicine
TopicCardiovascular Function and Risk Factors
Canadian institutionsnot available
Fundersnot available
KeywordsTheologyMedicineGynecologyInternal medicinePhilosophy
DOInot available

Abstract

fetched live from OpenAlex

Streszczenie Praca ma na celu krotkie i praktyczne omowienie zasad stosowania testu χ 2 , bez ktorego nie moze obyc sie analiza statystyczna ogromnej wiekszości publikowanych prac medycznych. W badaniach klinicznych bardzo czesto ma sie do czynienia z cechami niemierzalnymi, jakościowymi – chorzy klasyfikowani są pod wzgledem roznych kategorii. Typowymi zmiennymi tego rodzaju są: plec, wystepowanie określonej choroby czy zaszeregowanie chorych w roznych skalach – skali zaawansowania dlawicy piersiowej opracowanej przez Kanadyjskie Towarzystwo Kardiologiczne (ang. Canadian Cardiovascular Society – CCS), skali sluzącej do klasyfikacji ciezkości objawow niewydolności krązenia zaproponowanej przez Nowojorskie Towarzystwo Kardiologiczne (ang. New York Heart Association – NYHA) czy klasyfikacji Killipa-Kimballa opracowanej do oceny niewydolności serca w świezym zawale mieśnia sercowego. Czesto interesujący jest wplyw jednej cechy jakościowej na drugą ceche tego samego typu, np. wplywu plci na czestośc wystepowania danej choroby lub na rozklad punktacji CCS/NYHA w populacji chorych. W takim przypadku nalezy posluzyc sie odpowiednim aparatem obliczeniowym i testem statystycznym. Najcześciej stosowanym testem w takiej sytuacji jest opracowany w 1900 r. przez Karla Pearsona test niezalezności χ 2 . Sluzy on do weryfikacji hipotezy zerowej (H 0 ) – o braku roznic istotnych statystycznie miedzy rozpatrywanymi cechami. Obszar stosowalności tego testu obejmuje nie tylko analize czestości wystepowania cech jakościowych, ale rowniez analize zgodności cech ilościowych oraz przypadki badania zalezności cechy jakościowej od ilościowej. Analizowanie danych z wykorzystaniem testu χ 2 nie sprawia wiekszych problemow – pod warunkiem, ze badacz posiadl podstawową wiedze z zakresu statystyki. Nawet nie bedąc ekspertem w tej dziedzinie, lekarz prowadzący badania naukowe moze stac sie świadomym uzytkownikiem pakietu staty

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.023
metaresearch head score (Gemma)0.094
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Methods · Consensus signal: none
Teacher disagreement score0.023
Threshold uncertainty score0.124

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0230.094
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0020.002
Bibliometrics0.0060.006
Science and technology studies0.0010.003
Scholarly communication0.0050.003
Open science0.0020.002
Research integrity0.0010.003
Insufficient payload (model declined to judge)0.0080.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.090
GPT teacher head0.351
Teacher spread0.261 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreMethods

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations2
Published2011
Admission routes1
Has abstractyes

Explore more

Same topicCardiovascular Function and Risk FactorsFrench-language works237,207