А используется ли искусственный интеллект (ИИ) в медицине?
На сегодняшний день я думаю более корректно будет сказать, что активно разрабатываются. Есть несколько проблем:
• Если нейросеть дает неверную рекомендацию, неясно, кто несет ответственность: разработчики системы, врачи, использующие ее, или пациенты, следующие рекомендациям.
• ИИ-системы обучаются на данных, и если данные содержат ошибки или предубеждения, модель также может их унаследовать. Это может привести к неточным диагнозам или рекомендациям по лечению.
• Иногда бывает трудно понять, как ИИ пришел к своему выводу. Это может затруднить врачам доверие результатам и принятие обоснованных решений.
Но уже есть и много интересных результатов:
Например, в статье Health system-scale language models are all-purpose prediction engines разработчики рассказывают о создании нейросети NYUTron, которая уже эффективно предсказывает продолжительность пребывания, внутрибольничную смертность и вероятность повторной госпитализации по всем причинам в следующие 30 дней. Такая нейросеть могла бы спасти много жизней, подсказывая доктору какому пациенту требуется дополнительное внимание. Текст полной статьи
Ведутся и разработки нейросетей которые могли бы полностью заменить доктора, например, IBM Watson, нейросеть, которая сможет консультировать пациентов. Также ведется много разработок в области распознавания изображения и образов в рентгенологии и патанатомии.
Пишите в комментарии, как вы думаете
Через сколько лет мы с вами будем просить талончик к нейросетевому терапевту?😂
На сегодняшний день я думаю более корректно будет сказать, что активно разрабатываются. Есть несколько проблем:
• Если нейросеть дает неверную рекомендацию, неясно, кто несет ответственность: разработчики системы, врачи, использующие ее, или пациенты, следующие рекомендациям.
• ИИ-системы обучаются на данных, и если данные содержат ошибки или предубеждения, модель также может их унаследовать. Это может привести к неточным диагнозам или рекомендациям по лечению.
• Иногда бывает трудно понять, как ИИ пришел к своему выводу. Это может затруднить врачам доверие результатам и принятие обоснованных решений.
Но уже есть и много интересных результатов:
Например, в статье Health system-scale language models are all-purpose prediction engines разработчики рассказывают о создании нейросети NYUTron, которая уже эффективно предсказывает продолжительность пребывания, внутрибольничную смертность и вероятность повторной госпитализации по всем причинам в следующие 30 дней. Такая нейросеть могла бы спасти много жизней, подсказывая доктору какому пациенту требуется дополнительное внимание. Текст полной статьи
Ведутся и разработки нейросетей которые могли бы полностью заменить доктора, например, IBM Watson, нейросеть, которая сможет консультировать пациентов. Также ведется много разработок в области распознавания изображения и образов в рентгенологии и патанатомии.
Пишите в комментарии, как вы думаете
Через сколько лет мы с вами будем просить талончик к нейросетевому терапевту?😂
❤8🔥3😁2🙈2👍1
Сегодня пост про первое рандоминизированное клиническое исследование (РКИ)
Хоть данный термин часто используется, как синоним суперсовременного, первое клиническое исследование провел Джеймс Линд более 250 лет назад, в 1747 году.
Цинга (scurvy) — заболевание, вызванное дефицитом витамина С. Чаще всего от данного заболевания, страдали моряки, из-за отсутствия доступа к свежим фруктам. По оценкам Линда, от цинги умерло больше матросов, чем от французского и испанского оружия, например, результате кругосветного плавания Джорджа Энсона из 1900 членов экипажа умерло 1400 мужчин (1740 год).
В одном из путешествий Джеймс Линд в очередной раз столкнулся с цингой и решил поставить эксперимент. Линд разделил двенадцать моряков, больных цингой, на шесть групп по два человека. У пациентов была одинаковая диета, но диета отличалась добавками к основному рациону:
• первая группа дополнительно получала литр сидра
• вторая группа — несколько капель серной кислоты
• третья группа — шесть ложек уксуса
• четвертая группа — полпинты морской воды (284 мл)
• пятая группа — два апельсина и лимон
• шестая группа — стакан ячменного отвара
Лечение пятой группы прекратилось через шесть дней, когда закончились фрукты, но к тому времени оба моряка уже практически выздоровели, в то время как в остальных группах не было положительного эффекта.
Несмотря на то, что ранее уже существовали предположения о роли фруктов в развитии цинги, Линд первым провел контролируемый эксперимент для проверки этой гипотезы. Распределение пациентов по группам, получающим разное лечение, позволило сравнить эффективность и исключить влияние других факторов.
К сожалению, современники не оценили данную научную работу и Линду пришлось еще несколько лет доказывать необходимость внедрения свежих фруктов и овощей в рацион моряков.
Сегодня же РКИ являются золотым стандартом в оценке эффективности и безопасности методов лечения.
Хоть данный термин часто используется, как синоним суперсовременного, первое клиническое исследование провел Джеймс Линд более 250 лет назад, в 1747 году.
Цинга (scurvy) — заболевание, вызванное дефицитом витамина С. Чаще всего от данного заболевания, страдали моряки, из-за отсутствия доступа к свежим фруктам. По оценкам Линда, от цинги умерло больше матросов, чем от французского и испанского оружия, например, результате кругосветного плавания Джорджа Энсона из 1900 членов экипажа умерло 1400 мужчин (1740 год).
В одном из путешествий Джеймс Линд в очередной раз столкнулся с цингой и решил поставить эксперимент. Линд разделил двенадцать моряков, больных цингой, на шесть групп по два человека. У пациентов была одинаковая диета, но диета отличалась добавками к основному рациону:
• первая группа дополнительно получала литр сидра
• вторая группа — несколько капель серной кислоты
• третья группа — шесть ложек уксуса
• четвертая группа — полпинты морской воды (284 мл)
• пятая группа — два апельсина и лимон
• шестая группа — стакан ячменного отвара
Лечение пятой группы прекратилось через шесть дней, когда закончились фрукты, но к тому времени оба моряка уже практически выздоровели, в то время как в остальных группах не было положительного эффекта.
Несмотря на то, что ранее уже существовали предположения о роли фруктов в развитии цинги, Линд первым провел контролируемый эксперимент для проверки этой гипотезы. Распределение пациентов по группам, получающим разное лечение, позволило сравнить эффективность и исключить влияние других факторов.
К сожалению, современники не оценили данную научную работу и Линду пришлось еще несколько лет доказывать необходимость внедрения свежих фруктов и овощей в рацион моряков.
Сегодня же РКИ являются золотым стандартом в оценке эффективности и безопасности методов лечения.
❤6🔥6⚡2🤓1
Ссылка на текст оригинальной работы Джеймса Линда
На странице 149 очень интересно описана методология эксперимента
На странице 149 очень интересно описана методология эксперимента
❤7🔥6
Типичные симптомы цинги: изменения десен и кровоизлияния
😱8❤4🔥3
Всем добрый день!
Вчера я написал пост про первое клиническое исследование, но не рассказал подробно что это такое и зачем нужны клинические исследования
Рандомизированные клиническое исследование - золотой стандарт получения научных данных о медицинских препаратах и вмешательствах.
Этапы:
1) Исследователи набирают участников, которые подходят под критерии включения, например, обладают определенным заболеванием, которое мы хотим вылечить.
2) Участников распределяют случайным образом в группы: экспериментальная группа, получает новое лечение, и контрольная группа, которая получает наилучшее лечение известное на данный момент или, если область медицины новая, то плацебо (таблетку, которая не содержит активных веществ).
3) Исследование проводится с ослеплением, чтобы пациенты не знали к какой группе относятся и таким образом не влияли на результаты исследования, например, приуменьшали симптомы, чтобы “помочь” доктору. Исследователи также не знают к какой группе относится пациент, чтобы не было соблазна пририсовать положительную динамику там, где ее нет. Такой подход называется двойное ослепление.
4) В конце исследования данные анализируют и делают выводы, помогло новое лечение снизить количество осложнений и летальность, или вмешательство никак не повлияло (а может даже и сделало хуже?)
Продолжение ⬇️
Вчера я написал пост про первое клиническое исследование, но не рассказал подробно что это такое и зачем нужны клинические исследования
Рандомизированные клиническое исследование - золотой стандарт получения научных данных о медицинских препаратах и вмешательствах.
Этапы:
1) Исследователи набирают участников, которые подходят под критерии включения, например, обладают определенным заболеванием, которое мы хотим вылечить.
2) Участников распределяют случайным образом в группы: экспериментальная группа, получает новое лечение, и контрольная группа, которая получает наилучшее лечение известное на данный момент или, если область медицины новая, то плацебо (таблетку, которая не содержит активных веществ).
3) Исследование проводится с ослеплением, чтобы пациенты не знали к какой группе относятся и таким образом не влияли на результаты исследования, например, приуменьшали симптомы, чтобы “помочь” доктору. Исследователи также не знают к какой группе относится пациент, чтобы не было соблазна пририсовать положительную динамику там, где ее нет. Такой подход называется двойное ослепление.
4) В конце исследования данные анализируют и делают выводы, помогло новое лечение снизить количество осложнений и летальность, или вмешательство никак не повлияло (а может даже и сделало хуже?)
Продолжение ⬇️
❤11🔥5
Продолжение⬆️
Зачем это знать практикующему врачу?
Данные знания необходимы для того, чтобы врач мог выбрать наилучшее лечение для пациента.
Например, вы где-то слышали, что лучше назначать антиретровирусную терапию пациентам с ВИЧ, как можно раньше, а ваш коллега с вами не согласен, так как у терапии есть побочные эффекты. Как понять кто из вас прав? Необходимо найти РКИ, где это исследовалось или провести свое.
Например, в статье Prevention of HIV-1 Infection with Early Antiretroviral Therapy было исследовано 3526 человека, которых разделили на две группы, где первая группа получала лечение, как только узнавала о диагнозе, а вторая группа получала лечение только после того, как количество CD4 клеток снижалось менее 250 клеток / мм3.
Кстати, данное исследование относится к одним из наиболее цитируемых, его процитировали более 5000 раз. Полный текст статьи вы можете прочитать на сайте NEJM
Зачем это знать практикующему врачу?
Данные знания необходимы для того, чтобы врач мог выбрать наилучшее лечение для пациента.
Например, вы где-то слышали, что лучше назначать антиретровирусную терапию пациентам с ВИЧ, как можно раньше, а ваш коллега с вами не согласен, так как у терапии есть побочные эффекты. Как понять кто из вас прав? Необходимо найти РКИ, где это исследовалось или провести свое.
Например, в статье Prevention of HIV-1 Infection with Early Antiretroviral Therapy было исследовано 3526 человека, которых разделили на две группы, где первая группа получала лечение, как только узнавала о диагнозе, а вторая группа получала лечение только после того, как количество CD4 клеток снижалось менее 250 клеток / мм3.
Кстати, данное исследование относится к одним из наиболее цитируемых, его процитировали более 5000 раз. Полный текст статьи вы можете прочитать на сайте NEJM
❤9🔥5
Как вы можете видеть на графике Каплана-Майера в группе, где лечение назначали раньше (early), количество осложнений (clinical events) было меньше, чем количество осложнений в группе с поздним назначением терапии (delayed).
По показателю количество умерших пациентов, группа с ранним назначением терапии также показала лучшие результаты по сравнению с отложенным назначением терапии
По показателю количество умерших пациентов, группа с ранним назначением терапии также показала лучшие результаты по сравнению с отложенным назначением терапии
❤10🔥5
Всем добрый день!
Мы уже успели поговорить и про роль рандомизированных клинических исследований (РКИ) в современном мире, и узнали, что РКИ - наилучший способ получения данных об эффективности лекарств и диагностических мероприятий.
И хотя некоторые люди упорно не признают доказательную медицину, некоторые люди ударяются в другую крайность, когда начинают слепо верить статистике.
Эту проблему хорошо подчеркнули авторы статьи Parachute use to prevent death and major trauma when jumping from aircraft: randomized controlled trial (Использование парашюта для предотвращения смерти и серьезных травм при прыжке с самолета: рандомизированное контролируемое исследование).
Главный вывод статьи:
Как же получился такой вывод?
Суть в том, что самолет был стоящий на земле и участники исследования прыгали с него при движении целых 0 км/ч и с высоты примерно 60 см. Организаторы исследования экстраполировали данные в ходе эксперимента (прыжки со стоящего самолета) на все остальные ситуации (полеты).
Смысл данного исследования — показать, как при помощи разных манипуляций с данными можно кардинально менять выводы и вводить людей в заблуждение. И, если на примере с парашютом это очевидно, то вот для сложных и больших исследований в медицине — это понятно не всегда.
Главный вывод:
Есть много способов манипулировать данными и статистикой, и не стоит слепо всему доверять. Думайте своей головой и не давайте себя одурачить умными формулировками😉
Ссылка на оригинальную статью
Мы уже успели поговорить и про роль рандомизированных клинических исследований (РКИ) в современном мире, и узнали, что РКИ - наилучший способ получения данных об эффективности лекарств и диагностических мероприятий.
И хотя некоторые люди упорно не признают доказательную медицину, некоторые люди ударяются в другую крайность, когда начинают слепо верить статистике.
Эту проблему хорошо подчеркнули авторы статьи Parachute use to prevent death and major trauma when jumping from aircraft: randomized controlled trial (Использование парашюта для предотвращения смерти и серьезных травм при прыжке с самолета: рандомизированное контролируемое исследование).
Главный вывод статьи:
Parachute use did not reduce death or major traumatic injury when jumping from aircraft
(Использование парашюта не уменьшило количество смертей или серьезных травм при прыжках с самолета)
Как же получился такой вывод?
Смысл данного исследования — показать, как при помощи разных манипуляций с данными можно кардинально менять выводы и вводить людей в заблуждение. И, если на примере с парашютом это очевидно, то вот для сложных и больших исследований в медицине — это понятно не всегда.
Главный вывод:
Есть много способов манипулировать данными и статистикой, и не стоит слепо всему доверять. Думайте своей головой и не давайте себя одурачить умными формулировками😉
Ссылка на оригинальную статью
❤13🔥4👨💻3😈1
Продолжаем наш разговор о фальсификациях в научных работах
Как манипулировать данными, чтобы получить такие выводы какие мы хотим?
Первая возможность представляется уже на этапе формирования выборки, так как в зависимости от того, как была набрана группа, зависит многое.
Например, если знакомый врач-психиатр скажет, что 95% людей имеют несколько психиатрических диагнозов, относится к таким выводам стоит с осторожностью. Из-за специфики работы психиатр будет сталкиваться только с людьми, которые предъявляют жалобы, но не со здоровыми и поэтому выборка пациентов не будет отражать все население.
Как же в таком случае поступить исследователю? 🤔
Можно провести опрос людей на улице, так как по улице ходят практически все люди и это будет приближено к случайной выборке. Но искажения все равно не избежать. Если вы проводите исследования на улице, ваша выборка не будет включать людей, которые сидят дома. Если вы проводите опросы по домам вечером, вы упустите тех, кто посещает ночные клубы или спортзал, а если вы решите провести опрос по домам днем, в выборку не войдут люди, которые в это время на работе.
Самым лучшим вариантом было бы найти список жителей и, случайным образом выбрать, например, каждого 100 человека. Но такие методы более дорогие.
Продолжение ⬇️
Как манипулировать данными, чтобы получить такие выводы какие мы хотим?
Первая возможность представляется уже на этапе формирования выборки, так как в зависимости от того, как была набрана группа, зависит многое.
Например, если знакомый врач-психиатр скажет, что 95% людей имеют несколько психиатрических диагнозов, относится к таким выводам стоит с осторожностью. Из-за специфики работы психиатр будет сталкиваться только с людьми, которые предъявляют жалобы, но не со здоровыми и поэтому выборка пациентов не будет отражать все население.
Как же в таком случае поступить исследователю? 🤔
Можно провести опрос людей на улице, так как по улице ходят практически все люди и это будет приближено к случайной выборке. Но искажения все равно не избежать. Если вы проводите исследования на улице, ваша выборка не будет включать людей, которые сидят дома. Если вы проводите опросы по домам вечером, вы упустите тех, кто посещает ночные клубы или спортзал, а если вы решите провести опрос по домам днем, в выборку не войдут люди, которые в это время на работе.
Самым лучшим вариантом было бы найти список жителей и, случайным образом выбрать, например, каждого 100 человека. Но такие методы более дорогие.
Продолжение ⬇️
🔥8❤4👨💻1
Продолжение⬆️
Практический пример влияния выборки на результаты исследования
В 2001 году исследователи решили оценить влияние социального статуса на продолжительность жизни, но не исследуя бедных людей, а наоборот исследуя знаменитых, предполагая, что успешный успех должен увеличить продолжительность жизни.
Survival in Academy Award–Winning Actors and Actresses (Выживание актеров и актрис, удостоенных премии Оскар) [1]. В данной статье исследователи оценили продолжительность жизни 762 человек, номинированных на премию Оскар, и сравнили ее с продолжительность жизни 887 человек, которые не получили никаких наград. У актеров с премией Оскар продолжительность жизни получилась на 4 года больше (79,7 против 75,8 лет; P = 0,003).
Однако спустя 5 лет, авторы другой статьи Do OSCAR winners live longer than less successful peers? A reanalysis of the evidence (Лауреаты Оскар живут дольше, чем менее успешные коллеги? Повторный анализ доказательств) [2]. При повторной оценке результатов выяснили, что данные были собраны не совсем корректно и из-за того, что многие актеры получают Оскар в пожилом возрасте, получилось смещение в сторону более старшего возраста, то есть тем, кто получил Оскар нужно было сняться в большом количестве фильмов и “дожить” до награды. При учете всех факторов, значения между номинантами и не-номинантами оказались статистически незначимыми.
[1] https://pubmed.ncbi.nlm.nih.gov/11352696/
[2] https://pubmed.ncbi.nlm.nih.gov/16954361/
Практический пример влияния выборки на результаты исследования
В 2001 году исследователи решили оценить влияние социального статуса на продолжительность жизни, но не исследуя бедных людей, а наоборот исследуя знаменитых, предполагая, что успешный успех должен увеличить продолжительность жизни.
Survival in Academy Award–Winning Actors and Actresses (Выживание актеров и актрис, удостоенных премии Оскар) [1]. В данной статье исследователи оценили продолжительность жизни 762 человек, номинированных на премию Оскар, и сравнили ее с продолжительность жизни 887 человек, которые не получили никаких наград. У актеров с премией Оскар продолжительность жизни получилась на 4 года больше (79,7 против 75,8 лет; P = 0,003).
Однако спустя 5 лет, авторы другой статьи Do OSCAR winners live longer than less successful peers? A reanalysis of the evidence (Лауреаты Оскар живут дольше, чем менее успешные коллеги? Повторный анализ доказательств) [2]. При повторной оценке результатов выяснили, что данные были собраны не совсем корректно и из-за того, что многие актеры получают Оскар в пожилом возрасте, получилось смещение в сторону более старшего возраста, то есть тем, кто получил Оскар нужно было сняться в большом количестве фильмов и “дожить” до награды. При учете всех факторов, значения между номинантами и не-номинантами оказались статистически незначимыми.
[1] https://pubmed.ncbi.nlm.nih.gov/11352696/
[2] https://pubmed.ncbi.nlm.nih.gov/16954361/
PubMed
Survival in Academy Award-winning actors and actresses - PubMed
The association of high status with increased longevity that prevails in the public also extends to celebrities, contributes to a large survival advantage, and is partially explained by factors related to success.
🔥6❤3👨💻2
Как вы думаете где лучше укрепить самолёт?
🤷♂2🫡2🤔1
Где лучше укрепить самолет?
Anonymous Poll
24%
Где дырки от пуль
55%
Где нет дырок от пуль
21%
Ничего укреплять не надо, самолет с дырками легче и поэтому летит лучше)
Ошибка выжившего (survivorship bias)
В военных действиях несколько самолётов могут достаточно быстро и сильно изменить ход военных действий. Проблема заключается в том, что у противника самолёты тоже есть и они даже стреляют. Поэтому перед военными и инженерами стоит задача, как сделать технику более крепкой и желательно, чтобы это не требовало много ресурсов.
Такая же задача встала и перед американскими военными во время Второй мировой войны. Необходимо было укрепить самолеты броней, однако, если на самолет повесить слишком много брони, самолет не взлетит. Поэтому военным нужно было определить наиболее уязвимые места, чтобы усилить именно их.
Наиболее разумным казалось усилить места с наибольшим количеством пулевых отверстий на вернувшихся самолетах. Однако, несмотря на повреждения, эти самолеты смогли продолжить полет и вернуться на базу. Получается, что эти места не так важны для полетов.
Для того, чтобы сделать правильные выводы нам необходимо исследовать те самолеты, которые не смогли вернуться. Это самолеты, которые получили повреждения в районе двигателя и в районе кабины пилота. Таким образом получается, что эти места наиболее важных для полёта и укреплять надо именно их.
Ошибка выжившего возникает, когда мы анализируем неполную выборку. Самолеты, которые не вернулись — это недостающие данные, мы не можем их наблюдать на военной базе. Полная выборка будет в данном случае все самолеты, которые вылетели с базы. Когда мы наблюдаем лишь часть картины, это искажает нашу выборку и приводит к неправильным выводам.
Продолжение ⬇️
В военных действиях несколько самолётов могут достаточно быстро и сильно изменить ход военных действий. Проблема заключается в том, что у противника самолёты тоже есть и они даже стреляют. Поэтому перед военными и инженерами стоит задача, как сделать технику более крепкой и желательно, чтобы это не требовало много ресурсов.
Такая же задача встала и перед американскими военными во время Второй мировой войны. Необходимо было укрепить самолеты броней, однако, если на самолет повесить слишком много брони, самолет не взлетит. Поэтому военным нужно было определить наиболее уязвимые места, чтобы усилить именно их.
Наиболее разумным казалось усилить места с наибольшим количеством пулевых отверстий на вернувшихся самолетах. Однако, несмотря на повреждения, эти самолеты смогли продолжить полет и вернуться на базу. Получается, что эти места не так важны для полетов.
Для того, чтобы сделать правильные выводы нам необходимо исследовать те самолеты, которые не смогли вернуться. Это самолеты, которые получили повреждения в районе двигателя и в районе кабины пилота. Таким образом получается, что эти места наиболее важных для полёта и укреплять надо именно их.
Ошибка выжившего возникает, когда мы анализируем неполную выборку. Самолеты, которые не вернулись — это недостающие данные, мы не можем их наблюдать на военной базе. Полная выборка будет в данном случае все самолеты, которые вылетели с базы. Когда мы наблюдаем лишь часть картины, это искажает нашу выборку и приводит к неправильным выводам.
Продолжение ⬇️
🔥7❤6👍2👨💻1
В медицине, ошибка выжившего тоже встречается. Например, определённая группа пациентов по какой-либо причине не может дойти на приём к доктору, и эту группу мы не можем наблюдать.
В одном из исследований, установили, что кошки, которые упавшие с высоты более шести этажей, получаются менее серьезные травмы, чем кошки, которые упали с высоты менее шести этажей. Казалось бы, странный результат. Одно из первых предположений было, что кошки успевают сгруппироваться наиболее оптимальным способом и поэтому лучше переживают падение.
Однако скорее всего разгадка кроется в ошибке выжившего. Кошки, погибшие при падении, не поедут к ветеринару, поэтому о большинстве кошек, погибших при падении с большой высоты, ветеринар не узнает и не увидит в своей выборке. И если бы мы наблюдали всех упавших кошек, мы бы увидели, что при падении с большей высоты, кошки умирают в большем количестве и не попадают в больницу.
Также бывает и с пациентами, поэтому необходимо знать о систематических ошибках и стараться их не допустить😉
В одном из исследований, установили, что кошки, которые упавшие с высоты более шести этажей, получаются менее серьезные травмы, чем кошки, которые упали с высоты менее шести этажей. Казалось бы, странный результат. Одно из первых предположений было, что кошки успевают сгруппироваться наиболее оптимальным способом и поэтому лучше переживают падение.
Однако скорее всего разгадка кроется в ошибке выжившего. Кошки, погибшие при падении, не поедут к ветеринару, поэтому о большинстве кошек, погибших при падении с большой высоты, ветеринар не узнает и не увидит в своей выборке. И если бы мы наблюдали всех упавших кошек, мы бы увидели, что при падении с большей высоты, кошки умирают в большем количестве и не попадают в больницу.
Также бывает и с пациентами, поэтому необходимо знать о систематических ошибках и стараться их не допустить😉
❤12👍6🤔2👨💻1
Всем добрый день!
Продолжаем обсуждать, как особенности формирования выборки могут повлиять на результаты исследования.
Наверняка, многие из вас видели рекламу, где 9 из 10 стоматологов рекомендуют зубную пасту? Означает ли это, что это хорошая паста?
Если выборка достаточно маленькая, то случайные изменения могут оказывать сильное влияние на результаты
Например, у нас есть честная монетка, это означает, что вероятность выпадения орла и решки одинакова и равна 50%. Однако, если мы подкинем ее 10 раз, то не всегда наше распределение будет 5 орлов и 5 решек. Довольно часто мы будем получать результаты с небольшим смещением, например 6 орлов на 4 решки. Или даже 8 орлов и 2 решки. Означает ли это, что монетка не честная и вероятность выпадения орла равна 80%? Вовсе нет, просто нам необходимо провести больше исследований, например, подбросить монетку 1000 раз.
Также и в медицинских исследованиях, когда у какого-либо вмешательства нет эффекта, можно набрать маленькую выборку пациентов и за счёт случайных значений получить значимый эффект. Таким образом даже если у вас самая обычная паста, то опросив маленькую группу, вы тоже можете получить результат: "Нас рекомендуют 9 из 10 человек"😉
Продолжаем обсуждать, как особенности формирования выборки могут повлиять на результаты исследования.
Наверняка, многие из вас видели рекламу, где 9 из 10 стоматологов рекомендуют зубную пасту? Означает ли это, что это хорошая паста?
Если выборка достаточно маленькая, то случайные изменения могут оказывать сильное влияние на результаты
Например, у нас есть честная монетка, это означает, что вероятность выпадения орла и решки одинакова и равна 50%. Однако, если мы подкинем ее 10 раз, то не всегда наше распределение будет 5 орлов и 5 решек. Довольно часто мы будем получать результаты с небольшим смещением, например 6 орлов на 4 решки. Или даже 8 орлов и 2 решки. Означает ли это, что монетка не честная и вероятность выпадения орла равна 80%? Вовсе нет, просто нам необходимо провести больше исследований, например, подбросить монетку 1000 раз.
Также и в медицинских исследованиях, когда у какого-либо вмешательства нет эффекта, можно набрать маленькую выборку пациентов и за счёт случайных значений получить значимый эффект. Таким образом даже если у вас самая обычная паста, то опросив маленькую группу, вы тоже можете получить результат: "Нас рекомендуют 9 из 10 человек"😉
🔥10❤5👍5😈1
Кстати, в 2006 году издание New York Post опубликовало ироничную колонку на тему статистики:
«Каждый десятый дантист не рекомендует зубную пасту, которую мне рекламируют. Что они знают о ней? Что скрывают? По данным Департамента труда США, в стране к 2004 году было 160 тысяч стоматологов. То есть 16 тысяч из них не рекомендуют эту пасту? Я не готов настолько рисковать здоровьем своих зубов»
«Каждый десятый дантист не рекомендует зубную пасту, которую мне рекламируют. Что они знают о ней? Что скрывают? По данным Департамента труда США, в стране к 2004 году было 160 тысяч стоматологов. То есть 16 тысяч из них не рекомендуют эту пасту? Я не готов настолько рисковать здоровьем своих зубов»
❤11👍5😁3🤣1😈1