Vaccine · 2025
Exploring bias due to below-limit-of-detection values in influenza vaccine antibody modeling: A case study and instructional guide for the CIVIC study.
СтатьяПоддержка NIH: внешняя программаНазвание и аннотация: Перевод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Ge Yang, Handel Andreas, Giabbanelli Philippe J, Lemacks Jennifer, Greer Tammy, Raynee Pooja, Bahl Justin, Skarlupka Amanda L, Dobbin Kevin K, Ross Ted M, Shen Ye
Аннотация
In many laboratory assay datasets, missing values due to a limit of detection (LOD) are not uncommon. We observed this issue in our CIVIC-UGAFLUVAC hemagglutination inhibition assay (HAI) dataset. The standard imputation method recodes these values as either equal to the LOD or LOD/2. However, ignoring censoring can lead to falsely significant results in research. In this study, we explored the bias in modeling vaccine HAI titer increase. Moreover, we modified the titer increase modeling within the interval censoring framework to adjust for bias in parameter estimates. Our method provided less biased results compared to the standard imputation method. We anticipate that this study will serve as a case study and instructional guide for future vaccine research.