Bibliographic record
Abstract
Les études multicentriques avec des réseaux de données séparés sont omniprésentes dans la recherche médicale et sont de plus en plus utilisées pour mettre en place des systèmes de surveillance de la santé, mener des recherches d'efficacité comparative et concevoir des études d'intervention. Parmi les principaux exemples, on peut citer le Réseau canadien pour les études observationnelles sur les effets des médicaments (CNODES), le système de surveillance de la sécurité des produits médicaux de la FDA aux États-Unis (Sentinel) et ENCePP en Europe. Au sein des réseaux de données distribués (RDD), le maintien de la confidentialité et la limitation de la divulgation d'informations sensibles sont essentiels en raison de préoccupations légitimes en matière d'éthique et de confidentialité. Par conséquent, le partage de données individuelles entre partenaires au sein d'un même réseau est soit restreint, soit totalement interdit lors de la modélisation statistique.Ces dernières années, diverses méthodes d'analyse préservant la vie privée ont été proposées pour les RDD. Les techniques traditionnelles telles que la désidentification ne sont pas toujours efficaces car il est possible de ré-identifier les individus par des attaques de liaison. Bien que des techniques telles que la génération de données synthétiques (différentiellement privées) offrent des garanties de confidentialité, elles ne sont pas toujours accessibles aux chercheurs biomédicaux et peuvent nécessiter une formation spécialisée pour être mises en œuvre. Les analyses basées sur les protocoles et les modèles sont également courantes dans les RDD. Par exemple, certains protocoles Sentinel impliquent un site central coordonnant les analyses de manière distributive, de sorte que seules les statistiques récapitulatives sont utilisées à partir des nœuds contributeurs. Bien que de telles méthodes améliorent la réplicabilité et augmentent la transparence, elles imposent des charges excessives aux nœuds lorsque l'estimation nécessite l'utilisation de schémas itératifs.Dans cette thèse, nous développons des méthodes de régression faciles à mettre en œuvre et rentables qui préservent la vie privée pour les types de données fréquemment rencontrés. Pour les données de réponse binaires, nous proposons une approche basée sur la vraisemblance pour la modélisation de la régression logistique en rassemblant les principaux résultats de la méthode de mise en commun de Weinberg & Umbach (1999) et la mise à jour en une étape de Newton-Raphson (Van der Vaart (1998)). En regroupant les enregistrements individuels à chaque nœud en fonction de l'état des résultats, nous générons des sous-cohortes de données sûres et "préservant la confidentialité" à transmettre aux sites d'analyse centraux. Pour effectuer la régression des risques proportionnels de Cox largement utilisée, nous agrégeons les enregistrements individuels des covariables sur les sites de recrutement dans le cadre d'échantillonnage cas-témoins imbriqués (CTI) avant de partager la sous-cohorte CTI regroupée pour l'estimation et l'inférence. Enfin, pour généraliser l'analyse des données de temps jusqu'à l'événement aux contextes où la formation de sous-cohortes regroupées n'est pas pratique ou où la méta-analyse est facilement accessible, nous proposons un estimateur efficace en une étape qui s'appuie sur la méta-analyse comme estimateur de départ et des résumés spécifiques au site pour une mise à jour unique. Il est démontré que l'estimateur proposé préserve les principales caractéristiques asymptotiques de l'estimateur de méta-analyse de départ et peut être considéré comme une étape de mise à jour supplémentaire de l'estimation de Newton-Raphson. Parallèlement aux résultats théoriques présentés, nous démontrons les méthodes par le biais de simulations et d'applications approfondies aux données de la recherche médicale
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 | 0.016 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
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".