Modèle de réponse à une candidature

Estimations du modèle de réponse graduée pour les patients/cliniciens, et différence entre le patient et les cliniciens pour les symptômes à deux attributs. Note: l`axe des abscisses représente la distribution sous-jacente des AE dans la population (paramètre θ dans le GRM); L`axe des ordonnées représente le modèle estimé des cotes AE. En cas de fatigue, θ représente la sévérité et l`interférence avec les activités quotidiennes les grades AE basés sur un modèle ont montré un schéma général de sous-estimation du clinicien par rapport aux AEs graduées par le patient. Toutefois, l`ampleur de la sous-estimation du clinicien a été associée à la sévérité de l`AE, de sorte que la sous-estimation des cliniciens était plus prononcée pour les AEs estimées au modèle modéré/très sévère, et moins avec les AEs légers. L`objectif de cette thèse est la théorie des modèles de réponse qualitative et son application aux problèmes forestiers connexes. Les modèles de réponse qualitative constituent une classe de modèles de régression utilisés pour prédire le résultat dans un nombre discret de résultats mutuellement exclusifs. Ces modèles, également appelés modèles de régression discrète, diffèrent des modèles de régression continue habituels en ce que la variable de réponse ne prend que des valeurs discrètes. Dans les applications forestières, l`utilisation de ces modèles a été largement confondue avec les études de mortalité où seul le type le plus simple de modèles de réponse qualitative-un modèle variable (binaire) dépendant de la dichotomie-est appliqué. Cependant, il est fréquent dans la foresterie de traiter de nombreuses variables qui sont discrètes ou enregistrées discrètement et doivent être fonnulées par des modèles plus complexes impliquant des variables dépendantes polychotomes. L`estimation de ces modèles de réponse qualitative complexes n`a été rendue possible que récemment par le développement d`une technologie informatique de pointe. La figure 2 représente les courbes de réponse d`article prévues par le modèle pour les patients, les cliniques et la différence qui en résulte entre les évaluations des patients et des cliniques pour les symptômes à deux attributs. La sous-parcelle la plus à gauche de la Fig. 2 affiche les cotes de gravité et de brouillage de tous les patients pour la fatigue, de la même façon que Baldwin [6] (similaire à la sous-parcelle droite de la Fig.

1). La sous-parcelle centrale supérieure de la Fig. La Fig. 22 illustre les cotes du CTCAE de la clinique estimée par modèle pour la fatigue. Chacune des cliniques 45 a un profil de notation attendue basé sur un modèle unique à travers θ puisque chaque clinique a été traitée comme un «élément» dans le modèle. Les cliniques étaient généralement sensibles aux différents niveaux de fatigue, comme en témoigne le modèle global des cotes plus élevées basées sur le modèle que θ a augmenté. Cependant, il y avait une variabilité considérable entre les cliniques, ce qui serait mieux illustré en faisant la différence entre les estimations des cliniques et les estimations des patients. Les niveaux de concordance, en particulier le degré auquel deux ou plusieurs individus conviennent lorsqu`ils ont évalué de façon indépendante quelque chose comme la sévérité de la douleur, peuvent être calculés à l`aide d`un certain nombre de mesures statistiques différentes (p. ex., pondérée κ de Cohen, r de Spearman`s) [1, 2] .

Bien que chacun de ces tests statistiques permette un coefficient unique pour quantifier la concordance, ils ne reflètent pas la mesure dans laquelle ces niveaux d`accord peuvent différer en fonction de la variabilité de la ou des personnes qui attribuent la notation (p. ex., un clinicien ou un patient ). En outre, les caractéristiques de l`ensemble de données d`intérêt, y compris le type d`échelle de réponse utilisée, le taux de base des réponses (c.-à-d., la proportion de valeurs positives, négatives ou nulles dans l`échantillon), et le rapport entre les évaluateurs et les éléments peuvent influer sur la mesure dans laquelle ces mesures traditionnelles peuvent être interprétées en toute confiance comme étant exactes [3, 4]. Dans notre recherche comparant les auto-rapports des patients avec les évaluations des fournisseurs de sévérité des symptômes en utilisant une échelle de réponse ordinale, nous avons vu l`accord inter-évaluateur fortement dépendant de la prévalence du symptôme; une proportion élevée de paires de cotes 0 – 0 (c.-à-d. None-None) entraînera des statistiques qui montreront un niveau d`accord gonflé lorsque ce n`est peut-être pas le cas parmi le sous-ensemble de patients qui ont connu le symptôme [5].