Inferring disability status from corrupt data
从受污染数据中推断残障状态AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究报告误差下的比例界限与部分识别，未明确讨论因果效应或所列分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
从受污染数据中推断残障状态
- 研究问题
- 当自报工作残障可能存在报告误差时，在不同误差过程假设下，能够对工作残障发生比例作出多强的识别与推断？
- 方法与思路
- 作者构建非参数界限框架，比较逐步放松报告误差假设时的识别结果，并考察主观工作受限与较客观功能受限指标的不一致。
- 材料陈述的贡献
- 摘要称最强假设下可得到较紧推断，但放松假设后识别迅速恶化；推断对两类健康指标不一致的建模方式高度敏感。
- 阅读关注点
- 应核对各组报告误差假设的实质含义、界限如何计算，以及主观与客观指标衡量不同健康维度时如何影响识别。
- 阅读边界
- 仅依据所给 Crossref 摘要。摘要未说明具体误差限制、数据来源或界限数值，不能判断真实残障比例，也不能赋予结果因果含义。
原文摘要
Abstract In light of widespread concerns about the reliability of self‐reported disability, we investigate what can be learned about the prevalence of work disability under various assumptions on the reporting error process. Developing a nonparametric bounding framework, we provide tight inferences under our strongest assumptions but then find that identification deteriorates rapidly as the assumptions are relaxed. For example, we find that inferences are highly sensitive to how one models potential inconsistencies between subjective self‐assessments of work limitation and more objective measures of functional limitation. These two indicators appear to measure markedly different aspects of health status. Copyright © 2008 John Wiley & Sons, Ltd.