Brownstone » Jarida la Brownstone » Afya ya Umma » Uongo, Uongo wa Kubwa, na Sababu
Uongo, Uongo wa Kubwa, na Sababu

Uongo, Uongo wa Kubwa, na Sababu

SHIRIKI | CHAPISHA | EMAIL

Si muda mrefu uliopita nilifikiri nimegundua mbaya zaidi tafsiri mbaya ya utafiti kuhusu chanjo za Covid, lakini nimekutana na mshindani mwingine wa jina hilo. Ilikuwa kujifunza kuhusu chanjo na ajali za trafiki.

Waandishi wanaeleza kuwa "[Wali]jaribu ikiwa chanjo ya COVID ilihusishwa na hatari za ajali ya trafiki," na walihitimisha kuwa "kusitasita kwa chanjo ya COVID kunahusishwa na hatari kubwa za ajali ya trafiki."

Walimaanisha mengi zaidi ya “kuhusishwa.” Walimaanisha kuwa kusitasita kwa chanjo huongeza hatari ya ajali ya trafiki, madai ya sababu, kama vile madai kwamba chanjo za Covid hupunguza hatari ya kifo.

Ninajuaje kwamba hayo yalikuwa madai yao?

Walisema kwamba utafiti haukuwa jaribio la nasibu, na walitumia mbinu za takwimu kusaidia uelekezaji juu ya uhusiano wa sababu-na-athari kutoka kwa uchunguzi wa uchunguzi.

Maoni yao yalikuwa ya uwongo. Hizi ndizo hitimisho la kweli:

1. Utafiti wao unaonyesha mfano mwingine wa upendeleo wa chanjo ya afya.

2. Utafiti wao unaonyesha kushindwa kuondoa upendeleo kwa njia ngumu zaidi ya takwimu.

Acha nianze na kozi ya kuacha kufanya kazi juu ya uhusiano dhidi ya sababu.

Muungano ni jambo la kitakwimu. Sababu ni ukweli. Wakati wa enzi ya Covid, wengi wamesikia taarifa "Chama sio (lazima) sababu," ambayo ni kweli. Lakini mawazo hayo mawili yanaunganishwa. Vipi?

Uunganisho unaelezewa vyema kwa kutumia mchoro rahisi wa causal, ambapo mshale unamaanisha causation.

Mbinu mbili zinaweza kuunda uhusiano kati ya A (kwa mfano, chanjo) na B (kwa mfano, ajali ya trafiki).

1) A huathiri B (sababu)

2) A na B wanashiriki sababu, C (inachanganya)

Ikiwa A hufanya isiyozidi kuathiri B, lakini wanashiriki sababu, A na B bado zitahusishwa. Hiyo ndiyo sababu moja kwa nini chama si lazima kisababishe. Jaribio la nasibu huondoa sababu yoyote ya matibabu tunayokabidhi (kwa mfano, dawa moja dhidi ya nyingine) isipokuwa utaratibu wa kubahatisha. Ndiyo maana tunahitaji majaribio ya nasibu ili kutoa madai yenye nguvu ya sababu. Kuchanganyikiwa kumekwisha.

Jambo moja zaidi: mshale wowote unaweza kuchukuliwa kuwa muhtasari wa mlolongo wa sababu. Kwa mfano, C → B inaweza kuwakilisha C → → → → B.

Mwisho bila shaka. Kuna bahari ya nyenzo ngumu, lakini hiyo ndiyo tu tunayohitaji kujua.

Waandishi wa makala wanajua kuhusu michoro ya causal. Zinaonyesha "grafu ya acyclic iliyoelekezwa" iliyofafanuliwa (mchoro wa kushoto), ambalo ni jina zuri la "mchoro wa sababu."

Kwa kushangaza, "hali ya chanjo" ya kutofautiana haionekani kwenye mchoro wao, tu "kusitasita kwa chanjo," jina ambalo walitoa kwa kigezo halisi walichochanganua: chanjo au la.

Sayansi haihukumu, kwa hivyo nilibadilisha "kusitasita kwa chanjo" na "uamuzi" (kuchanjwa au la), chochote sababu zake zinaweza kuwa (mchoro sahihi). Kisha, niliongeza "hali ya chanjo" (A), ambayo ni athari ya "uamuzi." Vigezo hivi viwili vinahusiana karibu kikamilifu. Ikiwa nitaamua kuchanjwa, uwezekano mkubwa nitapewa chanjo. Kadhalika, nikiamua kutochanjwa. Ninapuuza matukio wakati mtu anashindwa kuamua kimawazo au hakuna ufikiaji wa chanjo au sindano ya kulazimishwa...

Kama unavyoona kwenye mchoro wangu, hakuna mshale wa sababu unaounganisha "uamuzi" au "hali ya chanjo" na ajali ya trafiki. Hapana A → B. Muunganisho pekee unaowezekana, unaorejelewa kwa njia isiyo wazi katika mchoro wa waandishi, ni kupitia Covid: bila chanjo. → maambukizi → uchovu → ajali. Tunaweza kupuuza msururu huu kwa kuwa tunajua kwamba chanjo haipunguzi hatari ya maambukizi, pengine kinyume chake.

Kwa hivyo, kwa nini chanjo na ajali zinaweza kuhusishwa?

Kufikia sasa, unajua jibu. Wanashiriki sababu nyingi - C kwenye mchoro wangu - ambazo zingine zilipimwa katika utafiti, na nyingi ambazo hazijapimwa. Kulingana na mchoro, jaribio la nasibu halingepata uhusiano wowote kati ya chanjo na ajali ya trafiki, hakuna ushahidi wa athari yoyote.

Kama inavyotarajiwa kutoka kwa mchoro wao na wangu, waandishi kweli walipata uhusiano kati ya chanjo na ajali. Wasiochanjwa walionekana kuwa katika hatari kubwa ya ajali kuliko wale waliochanjwa au kinyume chake: chanjo ilionekana kuwalinda dhidi ya ajali ya trafiki. Baadhi ya sababu zilizoshirikiwa zilifanya kazi ili kuunda mwonekano wa hatari iliyopunguzwa, ilhali zingine zilifanya kazi kinyume. Athari ya jumla ya sababu zote zilizoshirikiwa ilizalisha ufanisi bandia dhidi ya ajali mbaya ya trafiki.

Huo ni mfano mwingine wa upendeleo wa chanjo ya afya, ambayo waandishi walikuwa wanafahamu. Zaidi "sifa zinazopendeza" za chanjo ziliwafanya chini ya uwezekano kuhusika katika ajali mbaya, ambayo inaweza kusababisha kifo cha trafiki, moja ya nyingi zisizo za Covid sababu za kifo. Tabia hizo, ambazo pia ziliwafanya uwezekano mkubwa zaidi kupata chanjo, kupunguza hatari yao ya ajali - sio uamuzi wa kuchukua chanjo ya Covid au kuichukua.

Kwa kushangaza, waandishi walikagua upendeleo wa chanjo ya afya kwa kutumia njia inayoitwa "vidhibiti hasi." Walisoma uhusiano wa chanjo na vidokezo vingine ambavyo hakuna athari ya chanjo iliyotarajiwa. Bado walishindwa kutambua kwamba mwisho katika somo lao ni aina hiyo ya mwisho. A priori, chanjo haitarajiwi kuathiri hatari ya ajali, kulingana na mchoro wao wenyewe na akili ya kawaida. "Athari" waliyopata ilikuwa upendeleo unaochanganya.

Hata cha kushangaza zaidi, kulazwa hospitalini kwa majeraha au kiwewe kulizingatiwa a Mwisho wa "udhibiti hasi". kwa tafiti za chanjo ya mafua na si mwingine ila mwandishi mwenza wa a uchapishaji muhimu juu ya ufanisi wa chanjo za Covid. (Sijui ni kwa nini hakutumia njia hii kwenye tafiti za chanjo za Covid. I haikuruhusiwa ku uliza.)

Hatari ya ajali kwa wale ambao hawajachanjwa ilikuwa mara 1.72 ya hatari ya aliyechanjwa, au kinyume chake: athari ya uwongo ya chanjo ilikuwa uwiano wa hatari wa 0.58, au ufanisi wa chanjo bandia wa 42%.

Kwa kuzingatia sababu, waandishi walijaribu kurekebisha makadirio kwa njia kadhaa na walionyesha matokeo tofauti. Walielezea jaribio kali zaidi kama ifuatavyo:

Madhumuni ya uchanganuzi wa alama ya pili ya mvuto yalikuwa kuwa makali wakati wa kulinganisha mtu ambaye hajachanjwa 1-1 na mtu aliyechanjwa na bila kujumuisha kesi ambapo mtu yeyote alikuwa na uchunguzi wa kimatibabu.

Huna haja ya kujua takwimu ili kutambua intuitively kwamba hii ni njia kali.

Je, walipata uwiano wa hatari wa 1, athari ya kweli isiyofaa, kutokana na jaribio lao kali la kuondoa upendeleo wa afya wa chanjo? Hapana, walipata 1.63 (iliyorekebishwa) badala ya 1.72 (isiyorekebishwa). Hayo ndiyo yote ambayo marekebisho makali yamefanikiwa. (Nambari zote mbili ni uwiano wa tabia mbaya za kiufundi.)

Kwa hivyo, unaposoma hakiki za maandishi machache juu ya njia za kuondoa upendeleo wa chanjo yenye afya, kumbuka nakala hii juu ya chanjo na ajali za trafiki. Kutegemea vigezo vilivyopimwa inaweza kushindwa kuondoa upendeleo, na hiyo ndiyo yote sisi haja ya kujua.

Bora tunayoweza kufanya kwa wakati huu imeelezewa mahali pengine. Sio ya kisasa hata kidogo, ingawa kuna zaidi kuchunguza. Tatizo halisi tunalokabiliana nalo si la kisayansi: data tunayohitaji kuhusu kifo kisichokuwa cha Covid kawaida hufichwa.

PS Nilikuwa mhariri mshiriki wa Jarida la Amerika la Epidemiology, na rekodi yangu ina vichapo 200 hivi, vingine vikiwa katika yale yanayoitwa majarida bora zaidi ya kitiba. Je, nirekebishe chapisho hili au wengine juu ya mada na kuziwasilisha kwa jarida ili kupata muhuri "ukaguliwe na marafiki?"

Nilikata tamaa zamani.

Imechapishwa tena kutoka kwa mwandishi Kati



Imechapishwa chini ya a Ushirikiano wa ubunifu wa Commons 4.0 Leseni ya Kimataifa
Kwa machapisho mapya, tafadhali rudisha kiungo cha kisheria hadi cha asili Taasisi ya Brownstone Makala na Mwandishi.

mwandishi

  • Eyal Shahar

    Dk. Eyal Shahar ni profesa aliyeibuka wa afya ya umma katika elimu ya magonjwa na takwimu za viumbe. Utafiti wake unazingatia epidemiology na methodolojia. Katika miaka ya hivi karibuni, Dk. Shahar pia ametoa mchango mkubwa kwa mbinu ya utafiti, hasa katika uwanja wa michoro ya causal na upendeleo.

    Angalia machapisho yote

Changia Leo

Usaidizi wako wa kifedha wa Taasisi ya Brownstone unaenda kusaidia waandishi, wanasheria, wanasayansi, wachumi, na watu wengine wenye ujasiri ambao wamesafishwa kitaaluma na kuhamishwa wakati wa misukosuko ya nyakati zetu. Unaweza kusaidia kupata ukweli kupitia kazi yao inayoendelea.

Upakuaji Bila Malipo: Jinsi ya Kupunguza $2 Trilioni

Jisajili kwa Jarida la Brownstone Journal na upate kitabu kipya cha David Stockman.

Upakuaji wa bure: Jinsi ya Kupunguza $2 Trilioni

Jisajili kwa Jarida la Brownstone Journal na upate kitabu kipya cha David Stockman.