Post #399

Выпуск 4: Как разобраться в медицинской статистике и не обмануть самого себя Человеческий мозг склонен достраивать недостающие части пазла в наблюдаемых им явлениях. И если дать нашему мозгу волю, то он то и дело будет находить причино - следственные связи между явлениями - даже там, где их нет. И если в нашей повседневной жизни подобные достраивания иногда делают её интересней, то в онкологии ложные представления о причино - следственных связях, без преувеличения, могут стоить пациенту жизни. По этой причине мы, принимая решения в онкологии, исходим из данных гайдлайнов, которые сформированы на основании результатов клинических исследований (если это хорошие гайдлайны, естественно) Однако, клинические исследования всегда охватывают лишь ограниченную группу людей с интересующим нас заболеванием. По этой причине, их результаты лишь приближают нас к пониманию реальных закономерностей, реальной эффективности или неэффективности конкретного вмешательства - но всегда оставляют налет неопределенности Как можно быть уверенным в том, что, "воспроизводя протокол исследования" в реальной практике, вы принесете пациенту пользу? Как понять, можно ли доверять результатам исследования? Как вообще быть уверенным в своих решениях в условиях тотальной неопределенности и как в этом может помочь статистика? Какие именно статистические критерии нас интересуют и в чем их ограничения? Мы поговорили с Никитой Бурловым - автором EBM_base - о том, на что обращать внимание при знакомстве с результатами исследований, откуда взялся p value и почему не стоят им меряться, можно ли "доверять" доверительным интервалам, в чем отличие значимости от достоверности и обо всем, что касается интерпретации результатов исследований. Получилось продуктивно и насыщенно (а это мы еще и половины вопросов не задали), в чем предлагаем убедиться вам лично, пройдя по одной из ссылок: Яндекс VK Spotify Apple