• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Extended Matrix and Inverse Matrix Methods Utilizing Internal Validation Data When Both Disease and Exposure Status Are Misclassified
【2h】

Extended Matrix and Inverse Matrix Methods Utilizing Internal Validation Data When Both Disease and Exposure Status Are Misclassified

机译：当疾病和暴露状态均被错误分类时使用内部验证数据的扩展矩阵和逆矩阵方法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The problem of misclassification is common in epidemiological and clinical research. In some cases, misclassification may be incurred when measuring both exposure and outcome variables. It is well known that validity of analytic results (e.g. point and confidence interval estimates for odds ratios of interest) can be forfeited when no correction effort is made. Therefore, valid and accessible methods with which to deal with these issues remain in high demand. Here, we elucidate extensions of well-studied methods in order to facilitate misclassification adjustment when a binary outcome and binary exposure variable are both subject to misclassification. By formulating generalizations of assumptions underlying well-studied “matrix” and “inverse matrix” methods into the framework of maximum likelihood, our approach allows the flexible modeling of a richer set of misclassification mechanisms when adequate internal validation data are available. The value of our extensions and a strong case for the internal validation design are demonstrated by means of simulations and analysis of bacterial vaginosis and trichomoniasis data from the HIV Epidemiology Research Study.
机译：错误分类的问题在流行病学和临床研究中很常见。在某些情况下，同时测量暴露和结果变量时可能会导致分类错误。众所周知，当不进行校正时，可以丧失分析结果的有效性（例如，感兴趣的优势比的点和置信区间估计）。因此，仍然迫切需要有效且可访问的方法来处理这些问题。在这里，我们阐明了经过深入研究的方法的扩展，以便当二元结果和二元暴露变量均遭受错误分类时，便于进行错误分类调整。通过将经过充分研究的“矩阵”和“逆矩阵”方法所基于的假设的概括化为最大似然框架，当有足够的内部验证数据可用时，我们的方法可以灵活地建模更丰富的错误分类机制。通过对HIV流行病学研究报告中细菌性阴道病和滴虫病数据的模拟和分析，证明了我们扩展的价值和内部验证设计的充分依据。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号