Прошу помощи в переводе.

[Dr.Vad]

как понимаю, это английский аналог греческого термина teichopsia тейхопсия - сочетание зрительного восприятия мерцающих разноцветных огней и свободных от них участков поля зрения, которые по своим зигзагообразным очертаниям напоминают крепостные/фортификационные сооружения, если смотреть на них сверху.

[DrWORONZOff]

Большое спасибо. Грызу английский вместе с офтальмологией потихоньку.

[smolin]

Кто бы знал. Везде так и пишут "фортификационный спектр", а потом объясняют, что это такое и почему фортификационный. Почему спектр не объясняют.

[saeles]

Уважаемые коллеги! Прошу помощи! В статистике не сильна, а нужно перевести фразу:a multivariable analysis with an application of inverse probability of treatment weighting

[Samitin]

Предложу вариант "... мультивариантный анализ с применением обращенной вероятности "весов" терапии (лечения, вмешательств - что больше подходит по контексту)..." В скобках всегда разумно давать исходный термин.

[saeles]

Спасибо большое. Я перевела как мультивариантный анализ с применением взвешенной обращенной вероятности

[Samitin]

Выглядит хорошо, а treatment как вписался? Такие термины, пожалуй, хорошо переводить, глядя на то, как представлены результаты работы.

[M_I_K]

Сообщение от saeles

Спасибо большое. Я перевела как мультивариантный анализ с применением взвешенной обращенной вероятности

В IPTW речь не о "взвешенной обращённой вероятности", а об использовании весовых коэффициентов, обратных вероятности полученного варианта лечения. Посмотрите описание метода, например, на [Ссылки доступны только зарегистрированным пользователям ] и [Ссылки доступны только зарегистрированным пользователям ] (там очень наглядно).

[M_I_K]

Сообщение от Samitin

Предложу вариант "... мультивариантный анализ с применением обращенной вероятности "весов" терапии (лечения, вмешательств - что больше подходит по контексту)..."

См. описание по ссылкам. Здесь речь не о (inverse probability) of (treatment weighting), а об (inverse probability of treatment) weighting, т.е. weighting that uses _inverse probability of treatment_ as weight.

[Samitin]

Сообщение от M_I_K

... об использовании весовых коэффициентов, обратных вероятности полученного варианта лечения.

Хотелось бы видеть вариант перевода, который, на Ваш взгляд, является корректным. Для меня в данной стат. методике слишком много тонкостей, но, к.м.к, словосочетание "обратных вероятности полученного варианта лечения" ясности на русском не добавляет?

[M_I_K]

Сообщение от Samitin

Хотелось бы видеть вариант перевода, который, на Ваш взгляд, является корректным. Для меня в данной стат. методике слишком много тонкостей, но, к.м.к, словосочетание "обратных вероятности полученного варианта лечения" ясности на русском не добавляет?

Простите, но в основной сути там тонкостей нет. Посмотрите внимательно обе публикации по ссылкам, особенно вторую, в ней всё вполне прозрачно расписано. Есть обсервационное (наблюдательное) исследование. И для устранения искажения результатов используется их взвешивание, причём как весовой коэффициент используется величина, обратная probability of treatment.
Ну давайте я Вам, в конце концов, процитирую соответствующий кусок публикации по второй ссылке с переводом.

The principle behind inverse probability weighting is to estimate for each treatment what would have been the result had all patients received that treatment. It is based on extrapolation of the outcome from those who actually had the treatment to all others with similar propensity scores.

As an example, suppose that, for a particular treatment, the propensity score for a patient who was administered that treatment was estimated to be 0.20. That is, only 20% of similar cases are expected to receive the treatment. Put another way, for every such patient who did receive the treatment, there were expected to be another four who were treated some other way. Extrapolating from the one patient to all five would then simply treat the observed outcome as if it had been the average outcome in all five. (Please note, this does not alter the sample size.) That is, it would have a weight of 5, which is equal to 1 divided by 0.20, the inverse of the propensity. If, on the other hand, the propensity had been 0.80, then 80% of all such patients are expected to receive the treatment. For every four patients who were treated this way, there is expected to be one more who received another treatment (or, for every such patient, there should be an additional 0.25 of a patient). To extrapolate what would happen to all of the patients if they received that treatment, each observed patient would require a weight of 1.25 (1 divided by 0.80, the inverse of the propensity,

Принцип, лежащий в основе взвешивания с обратной вероятностью, — это использование для каждого варианта лечения того результата, который получился бы, если бы [именно] такое лечение получали все пациенты. Он основывается на том, что исход для пациентов, действительно получивших такое лечение, экстраполируется на всех остальных пациентов с подобными значениями показателя склонности (или коэффициента/показателя предрасположенности — я не могу сказать, какой вариант в русской терминологии устоялся больше — М.К.).

Пусть, например, для конкретного варианта лечения коэффициент склонности для пациента, которому проводилось такое лечение, по оценке составляет 0,20. То есть ожидается, что такое лечение будет применено лишь в 20% подобных случаев. Иными словами, на каждого такого пациента, получившего это лечение, приходятся, как ожидается, ещё четыре пациента, которых лечили по какому-то другому варианту. Тогда при экстраполяции с одного пациента на всех пятерых наблюдаемый исход трактовался бы как средний для всех пятерых. (Отметим, что объём выборки при этом не изменяется.) То есть его вес составлял бы 5, что равняется частному от деления 1 на 0,20, величине, обратной показателю склонности. С другой стороны, если бы склонность составляла 0,80, то ожидалось бы, что такое лечение получают 80% всех таких пациентов. На каждых четырёх пациентов, которых лечили по такому варианту, приходился бы, как ожидается, ещё один, получивший другое лечение (или на каждого такого пациента приходилось бы ещё 0,25 пациента). Чтобы экстраполировать, что произошло бы со всеми пациентами, если бы они получили такое лечение, потребовалось бы учитывать каждого наблюдаемого пациента с весовым коэффициентом 1,25 (1, делённое на 0,80, т.е. величина, обратная показателю склонности).

Т.е. 0,20 или 0,80 в вышеприведённых примерах — это treatment probability, она же propensity score; 5 и 1,25, соответственно, inverse treatment probability; и вот с этими inverse treatment probability как весами учитываются результаты, наблюдаемые у конкретных пациентов.
Теперь понятнее?

[Samitin]

Спасибо за пояснение. Вопрос остается прежним: как должен выглядеть перевод на русский фразы "a multivariable analysis with an application of inverse probability of treatment weighting"?

[M_I_K]

Сообщение от Samitin

Вопрос остается прежним: как должен выглядеть перевод на русский фразы "a multivariable analysis with an application of inverse probability of treatment weighting"?

Например, "мультивариантный анализ со взвешиванием с использованием весовых коэффициентов, обратных вероятностям соответствующих вариантов лечения".
Кстати, попытался найти какие-то русскоязычные публикации, в которых использовался бы подобный метод, и наткнулся на [Ссылки доступны только зарегистрированным пользователям ]. Я не врач и не могу судить о правильности понимания автором фармакологической части, но "обратная вероятность цензурированных взвешенных значений" там ошибка явная, потому что речь идёт опять-таки не об "обратной вероятности взвешенных значений", а о взвешивании с использованием обратных вероятностей как весовых коэффициентов (inverse probability of censoring weights; кстати, иногда даже пишут через дефис, inverse-probability-of-censoring (IPC) weights, и это, возможно, помогло бы автору обзора понять, что речь о весах, равных обратным вероятностям, о взвешивании с такими весами и т.д., а не об "обратных вероятностях взвешенных значений").

[Samitin]

Ещё раз спасибо.

Сообщение от M_I_K

Например, "мультивариантный анализ со взвешиванием с использованием весовых коэффициентов, обратных вероятностям соответствующих вариантов лечения".

А можно ли сказать так:
"мультивариантный анализ со взвешиванием с использованием весовых коэффициентов, обратных частоте отдельных видов лечения"?
Мне кажется, так выглядело бы интуитивно понятнее, а устоявшегося русскоязычного названия данной методики, возможно, нет...

[M_I_K]

Сообщение от Samitin

Ещё раз спасибо.

Не за что!

А можно ли сказать так:
"мультивариантный анализ со взвешиванием с использованием весовых коэффициентов, обратных частоте отдельных видов лечения"?
Мне кажется, так выглядело бы интуитивно понятнее, а устоявшегося русскоязычного названия данной методики, возможно, нет...

Устоявшегося русскоязычного названия, судя по всему, действительно нет (иначе "засветились" бы в Сети хоть какие-то обзорные статьи, хоть русскоязычные, хоть переводные, именно о статметодах, но всё, что попадается на русском, — это только те публикации (и то очень мало), где метод очень коротко упоминают "постольку-поскольку".
Что касается Вашего варианта, он мне кажется не вполне удачным (это никак не значит, что я свой считаю единственно возможным, самым лучшим и т.п. :)) из-за того, что "частота" подразумевает фактическую частоту, а в рассматриваемом методе все эти вероятности именно _оцениваются_ регрессионными методами. По первой ссылке есть кусок, где описывается, чем неэкспериментальные, обсервационные исследования фундаментально отличаются в этом смысле от РКИ:

The propensity score exists in both randomized experiments and in observational studies. In randomized experiments the true propensity score is known and is defined by the study design. In observational studies, the true propensity score is not, in general, known. However, it can be estimated using the study data. In practice, the propensity score is most often estimated using a logistic regression model, in which treatment status is regressed on observed baseline characteristics. The estimated propensity score is the predicted probability of treatment derived from the fitted regression model.

И во второй работе читаем (ключевые слова в контексте нашего обсуждения выделил жирным):

As an example, suppose that, for a particular treatment, the propensity score for a patient who was administered that treatment was estimated to be 0.20. That is, only 20% of similar cases are expected to receive the treatment.

Т.е. это именно оценочные, прогнозные, ожидаемые значения, а не (фактическая) частота.