1,075 research outputs found
CPMCGLM: an R package for p-value adjustment when looking for an optimal transformation of a single explanatory variable in generalized linear models
No full textBackground
In medical research, explanatory continuous variables are frequently transformed or converted into categorical variables. If the coding is unknown, many tests can be used to identify the “optimal” transformation. This common process, involving the problems of multiple testing, requires a correction of the significance level.
Liquet and Commenges proposed an asymptotic correction of significance level in the context of generalized linear models (GLM) (Liquet and Commenges, Stat Probab Lett 71:33–38, 2005). This procedure has been developed for dichotomous and Box-Cox transformations. Furthermore, Liquet and Riou suggested the use of resampling methods to estimate the significance level for transformations into categorical variables with more than two levels (Liquet and Riou, BMC Med Res Methodol 13:75, 2013).
Results
CPMCGLM provides to users both methods of p-value adjustment. Futhermore, they are available for a large set of transformations.
This paper aims to provide insight the user an overview of the methodological context, and explain in detail the use of the CPMCGLM R package through its application to a real epidemiological dataset.
Conclusion
We present here the CPMCGLMR package providing efficient methods for the correction of type-I error rate in the context of generalized linear models. This is the first and the only available package in R providing such methods applied to this context.
This package is designed to help researchers, who work principally in the field of biostatistics and epidemiology, to analyze their data in the context of optimal cutoff point determination
Scaling up qualitative data: with Professor Ken Benoit
No full textProfessor Benoit is the Principal Investigator in an ERC funded project QUANTESS developing innovative methods for the quantitative analysis of textual data in the social sciences. He is the co-author with Paul Nulty of the R software package for text analysis “quanteda”, and working on a book Quantitative Text Analysis Using R covering methods for managing, processing, and analysing textual data using the R programming language. He has taught quantitative text analysis extensively and has published research in this area targeting both methodology and political science applications
Correction of the significance level after multiple coding of an explanatory variable in generalized linear model
No full textBackground: In statistical modeling, finding the most favorable coding for an exploratory quantitative variable involves many tests. This process involves multiple testing problems and requires the correction of the significance level.Methods: For each coding, a test on the nullity of the coefficient associated with the new coded variable is computed. The selected coding corresponds to that associated with the largest statistical test (or equivalently the smallest p(value)). In the context of the Generalized Linear Model, Liquet and Commenges (Stat Probability Lett, 71:33-38,2005) proposed an asymptotic correction of the significance level. This procedure, based on the score test, has been developed for dichotomous and Box-Cox transformations. In this paper, we suggest the use of resampling methods to estimate the significance level for categorical transformations with more than two levels and, by definition those that involve more than one parameter in the model. The categorical transformation is a more flexible way to explore the unknown shape of the effect between an explanatory and a dependent variable.Results: The simulations we ran in this study showed good performances of the proposed methods. These methods were illustrated using the data from a study of the relationship between cholesterol and dementia.Conclusion: The algorithms were implemented using R, and the associated CPMCGLM R package is available on the CRAN
Multiplicity of tests, and sample size determination of clinical trials
No full textCe travail a eu pour objectif de répondre aux problématiques inhérentes aux tests multiples dans le contexte des essais cliniques. A l’heure actuelle un nombre croissant d’essais cliniques ont pour objectif d’observer l’effet multifactoriel d’un produit, et nécessite donc l’utilisation de co-critères de jugement principaux. La significativité de l’étude est alors conclue si et seulement si nous observons le rejet d’au moins r hypothèses nulles parmi les m hypothèses nulles testées. Dans ce contexte, les statisticiens doivent prendre en compte la multiplicité induite par cette pratique. Nous nous sommes consacrés dans un premier temps à la recherche d’une correction exacte pour l’analyse des données et le calcul de taille d’échantillon pour r = 1. Puis nous avons travaillé sur le calcul de taille d’´echantillon pour toutes valeurs de r, quand les procédures en une étape, ou les procédures séquentielles sont utilisées. Finalement nous nous sommes intéressés à la correction du degré de signification engendré par la recherche d’un codage optimal d’une variable explicative continue dans un modèle linéaire généraliséThis work aimed to meet multiple testing problems in clinical trials context. Nowadays, in clinical research it is increasingly common to define multiple co-primary endpoints in order to capture a multi-factorial effect of the product. The significance of the study is concluded if and only if at least r null hypotheses are rejected among the m null hypotheses. In this context, statisticians need to take into account multiplicity problems. We initially devoted our work on exact correction of the multiple testing for data analysis and sample size computation, when r = 1. Then we worked on sample size computation for any values of r, when stepwise and single step procedures are used. Finally we are interested in the correction of significance level generated by the search for an optimal coding of a continuous explanatory variable in generalized linear model
Thesium philosophicarum fasciculus
No full textquem ... praeside ... Io. Friderico Benoit ... publicè tutabitur Ioh. Rodolphus Kochius, HBernas, phil. stud. author & respondens, ad diem 5. Martii ...Diss. Hohe Schule Bern, 171
Integrating thermal variability into a species distribution model based on the activity time
No full textDans les études abordant les effets du changement climatique sur la biodiversité, la variabilité thermique est rarement considérée. Pourtant, elle est tout aussi pertinente que la moyenne pour expliquer la répartition des espèces. La mise en place des mesures de gestion de la biodiversité s’appuie sur des modèles de répartition d’espèces. Afin d’améliorer ces modèles, il est essentiel d’intégrer la variabilité thermique. C’est notre défi! Un modèle mécanistique de la répartition a été construit pour chaque espèce ectotherme étudiée : le Lézard de Bonnal (Iberolacerta bonnali), le Lézard catalan (Podarcis liolepis) et le Lézard ocellé (Timon lepidus). Il est fondé sur le temps d’activité au cours de la période critique de la reproduction, une métrique corrélée au succès reproducteur. L’activité est souvent définie selon des méthodes à seuils alors qu’elle varie continuellement en fonction de la température corporelle. Ainsi, nous avons développé une méthode originale : l’estimation de la probabilité d’activité à partir de données d’abondance. La variabilité spatio-temporelle des températures a été intégrée dans le temps d’activité, calculé à partir des séries temporelles de la température opérante enregistrées sur différents sites de 2016 à 2021. Ici, l’activité est définie lorsque la température opérante est incluse dans la fenêtre de températures volontaires. Afin d’évaluer l’état de conservation des populations et de projeter la future répartition des espèces, nous avons créé un indice de persistance. La variabilité spatio-temporelle du temps d’activité et de cet indice selon le micro-habitat, l’exposition, l’altitude, le site et l’année, a été démontrée. Enfin, le temps d’activité a été modélisé selon la température moyenne, l’amplitude thermique, l’humidité relative et les interactions de ces variables. Les modèles additifs généralisés à effets mixtes indiquaient qu’il était plus élevé lors de journées fraîches et variables ou chaudes et peu variables ou fraîches et peu humides ou chaudes et très humides. Ainsi, le changement climatique devrait entraîner une réduction du temps d’activité. L’indice de persistance, calculé à partir des temps d’activité projetés sous différents scénarios de changement climatique, a permis d’obtenir des cartes de répartition des espèces étudiées. Pour chaque espèce, la carte obtenue a été comparée à celle issue du modèle corrélatif, qui intégrait aussi la variabilité thermique. Ces mises en regard suggèrent que le temps d’activité et l’indice de persistance sont des variables clés pour expliquer la répartition. Ainsi, elles pourraient prochainement être incluses dans un modèle hybride.In studies regarding the effects of climate change on biodiversity, thermal variability is rarely considered. However, it is just as relevant as the average in explaining the species distribution. The implementation of biodiversity management measures is based on species distribution models. In order to improve these models, it is essential to integrate thermal variability. This is our challenge! To do so, a mechanistic distribution model was built for each ectotherm species studied : the Pyrenean rock lizard (Iberolacerta bonnali), the catalonian wall lizard (Podarcis liolepis) and the ocellated lizard (Timon lepidus). It is based on activity time during the critical breeding period, a metric correlated with fitness. Activity is often defined according to threshold methods, whereas it continuously varies with body temperature. Thus, we have developed an original method : the estimation of the activity probability from abundance data. Spatio-temporal variability of temperatures was integrated into the activity time, calculated from operative temperature time series data recorded at different sites from 2016 to 2021. Here, activity occurs when the operative temperature is within the voluntary temperature range. In order to assess the conservation status of populations and to project the future distribution of species, we created a persistence index. The spatio-temporal variability of activity time and of this index according to micro-habitat, exposure, altitude, site and year was demonstrated. Finally, activity time was modelled according to mean temperature, thermal range, relative humidity and the interactions of these variables. Generalized additive mixed models indicated that it was longer on cool and variable or warm and little variable or cool and little humid or warm and very humid days. Thus, climate change is expected to lead to a reduction in activity time. The persistence index, calculated from the projected activity times under different climate change scenarios, was used to obtain distribution maps of the species studied. For each species, the produced map was compared with the oneproduced from the correlative model, which also accounted for thermal variability. These comparisons suggest that the activity time and the persistence index are key variables in explaining distribution. Thus, they should soon be included in a hybrid model
Saline structure, circulation and suspended sediment transport in a channelized salt-wedge estuary : the Adour river estuary
No full textLes estuaires constituent un habitat unique pour une grande variété d'organismes vivants et des airesd'alevinage pour de nombreuses espèces marines. Cependant ils sont aussi très vulnérables. Dans lecontexte global de changement climatique et d'augmentation de la pression anthropique, lapréservation des écosystèmes marins et estuariens est une question fondamentale. Il est doncessentiel d'améliorer notre connaissance des processus hydrodynamiques qui contrôlent ladynamique et le renouvellement des masses d'eau dans les estuaires, ainsi que leur capacité àtransporter, expulser ou retenir les sédiments, les contaminants, les nutriments et les organismesvivants. Cette étude est principalement basée sur des données collectées dans l'estuaire de l'Adour,ainsi que d'un modèle numérique en trois dimensions, et a pour but d'étudier le fonctionnement decet estuaire. Les campagnes de terrain ont combiné des instruments ancrés au fond de l'estuaire surdes périodes longues et des mesures depuis un bateau, durant lesquels des données de vitesse,turbulence, salinité et concentration de sédiment en suspension ont été collectées. L'analyse desdonnées s'est concentrée sur la circulation à l'intérieur de l'estuaire et le transport des sédiments ensuspension. La circulation estuarienne est caractérisée par une grande variabilité de des champs devitesse et de salinité, qui donne lieu à un régime de coin-salé non-permanent. Il a été montré que lamarée et le débit de la rivière sont les forçages principaux de la dynamique de l'estuaire de l'Adour.La dynamique des sédiments en suspension est fortement liée à la circulation des masses d'eau, etvarie donc avec l'amplitude des marées et le débit du fleuve. Aucun bouchon vaseux n'a été observélors de cette étude, et les valeurs de concentration en sédiment observées sont très faiblescomparées à celles collectées dans d'autres estuaires tidaux.Un modèle numérique 3D réaliste de l'estuaire de l'Adour a été développé avec TELEMAC-MASCARET.Ce modèle a été calibré et validé grâce aux données collectées lors de cette étude. Une dynamiqueaussi complexe que celle de l'estuaire de l'Adour n'est pas facile à reproduire numériquement, enparticulier le gradient de densité non-permanent.Estuaries constitute unique habitats for a large variety of living organisms and essential nurseries formany marine species. However, they are also very vulnerable. In the overall context of climate changeand a growing anthropogenic pressure, the preservation of estuarine and marine ecosystems is a keyissue. It is therefore essential to improve our knowledge of the hydrodynamical processes controllingthe dynamics and renewal of water masses in estuaries and their ability to transport, expel or retainsediments, contaminants, nutrients and living organisms.The present study is mainly based on a series of field experimental campaigns, complemented by 3Dnumerical modeling, in order to investigate the Adour estuary functioning.The field campaigns combined long-term bottom-mooring and boat surveys, during which velocity,turbulence, salinity and suspended sediment concentration data were collected.The data processing is focused on the analysis of estuarine circulation and suspended sedimentdynamics. The estuarine circulation is characterized by a strong variability of velocity and salinityfields, which results in a time-dependent salt-wedge regime. It was shown that river flow and tidesare the main drivers of the Adour estuary dynamics. The suspended sediment dynamics is stronglyrelated to the circulation of water-masses, and thus varies with the tidal amplitude and the river flow.No ETM was observed during this study, and SSC values are very low compared to other tidalestuaries.A 3D realistic numerical modeling of the Adour estuary was developed with the TELEMAC-MASCARETsuite of solvers. This model was calibrated and validated based on the field data collected during thisstudy. Such a complex hydrodynamics is not easy to reproduce numerically, especially the unsteadyvertical density gradient
Modélisation Bayésienne des relations espèces-environnement lorsque les données sont partiellement observées.
No full textComprendre et prédire la distribution des espèces dans leur environnement est enjeu majeur en écologie. De nombreux outils statistiques ont été développés et sont appliqués pour étudier la distribution des espèces et leurs changements. Dans cette thèse nous nous intéressons à l'utilisation des modèles hiérarchiques bayésien dans ce contexte. Plus particulièrement nous cherchons à étudier l'apport de l'intégration de connaissances écologiques dans ces modèles. Trois applications écologiques serviront d'appui : (1) Étude de la distribution d'une communauté d'Orthoptères soumis à une détection imparfaite, (2) Estimation du déplacement de l'optimum entre deux distributions unimodales, (3) Effet de la résolution d'échantillonnage sur la prédiction de la répartition de la palourde japonaise.Characterising how species respond to its environment is of central interest in ecology. Species-environment relationships (SERs) are studied in many topics, for instance, in community ecology, in species distribution modelling, and to guide conservation or management actions. Statistical models fitting species distribution data (e.g., presence/absence or counts) to environmental data (e.g., temperature) are often used to estimate SERs. Standard models assume that data is representative of the SER. However, data can represent only a partial description of the SER. In this work, we investigated the effects on modelling SERs of three kinds of partially observed data:1) Partially observed response data, e.g., species sampled occurrences may only represent a partial observation of the occupancy status due to missing species present (i.e., imperfect detection).2) Partially observed environmental data, e.g., environmental descriptors may represent averaged conditions at a coarser spatial scale than the one at which SER is studied (i.e., area-to-point spatial misalignment).3) Partially observed relationship, e.g., the gradient of environmental conditions that describe the SER are not entirely surveyed (i.e., truncated gradient).Hierarchical Bayesian Models, allowing multi-species inferences and disentangling ecological from observational processes, have been developed and tested in three case studies, each involving a particular type of partially observed data.In the first case study, we emphasized that even a robust sampling design that involves multiple sampling replicates and detection techniques can lead to species detection probabilities lower than one in an insect community. We then advocated for the use of Multi-Species Occupancy Models to account for imperfect detection in insect studies. In the second case study, we showed how using area-to-point misaligned covariate can flatten SERs estimated by generalized linear models and how fitting a Berkson error model can lower the bias. In the third case study, we developed a hierarchical model that explicitly estimates optimum shifts. By constraining estimated SERs to concave shapes (following ecological theory), the new model improved estimates relative to past methods, especially in the case of truncated gradients
Application of the bootstrap approach to the choice of dimension and the a parameter in the SIRa method.
No full textInternational audienceTo reduce the dimensionality of regression problems, sliced inverse regression approaches make it possible to determine linear combinations of a set of explanatory variables X related to the response variable Y in general semiparametric regression context. From a practical point of view, the determination of a suitable dimension (number of the linear combination of X) is important. In the literature, statistical tests based on the nullity of some eigenvalues have been proposed. Another approach is to consider the quality of the estimation of the effective dimension reduction (EDR) space. The square trace correlation between the true EDR space and its estimate can be used as goodness of estimation. In this paper, we focus on the SIR method and propose a na¨ıve bootstrap estimation of the square trace correlation criterion. Moreover, this criterion could also select the parameter in the SIR method. We indicate how it can be used in practice. A simulation study is performed to illustrate the behaviour of this approach
- …
