Mécanismes impliqués dans l'association entre l'indice de masse corporelle et l'épaisseur de l'intima média carotidien
Bibliographic record
Abstract
L’analyse de médiation cherche à étudier les mécanismes qui définissent les relations entre trois entités : une variable d’exposition, une variable réponse et une ou un ensemble de variables intermédiaires appelées médiateurs. Les méthodes traditionnelles de variables non instrumentales pour l’analyse de la médiation rencontrent un certain nombre de difficultés méthodologiques y compris celles dues à la présence de biais de confusion entre l’exposition, le médiateur et la réponse. La randomisation mendélienne (RM) peut être utilisée dans le but d’améliorer l’inférence causale pour l’analyse de la médiation. Nous décrivons deux approches récemment utilisées pour tenter de pallier au problème de confusion non mesurée en médiation en y intégrant la RM. L’objectif principal de ce mémoire est de comprendre, explorer et illustrer les différences entre une méthode standard de médiation (la méthode du produit des coefficients) et la RM en deux étapes (TSMR) pour la médiation dans le contexte où il existe des variables de confusion non mesurées. L’étude réalisée a permis de faire un état de l’art en analyse de médiation et en inférence causale, d’expliquer la théorie sur les variables instrumentales et de présenter des concepts en RM. Une contribution apportée par ce mémoire est la réplication de certaines simulations de Carter et al. (2021) ainsi que la correction d’erreurs qui se sont glissées dans l’article original. Les deux méthodes explorées ont été évaluées par une application sur les données extraites de la cohorte de l’Étude longitudinale canadienne sur le vieillissement qui est une plateforme de recherche nationale contenant des données longitudinales dont un des principaux objectifs est de comprendre les facteurs qui déterminent la qualité du vieillissement. Plus spécifiquement, le but de l’application est d’examiner le rôle médiateur de la protéine C-réactive dans l’association entre l’indice de masse corporelle et l’épaisseur de l’intima média carotidien. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : médiation par inférence causale, variable instrumentale, randomisation mendélienne, réplication, simulation.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.039 | 0.113 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.005 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.005 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".