تفسير BAyeSian للتقديرات (BASIE) – خبير اقتصادي في الرعاية الصحية

تخيل أنك صانع سياسات وباحث أكاديمي يظهر لك دليلًا على تدخل صحي جديد من شأنه أن يحسن النتائج الصحية بشكل كبير. يوضح لك نتائج الدراسة والتأثير المقدر وقيمة احتمالية أقل من 0.05. ما مقدار المصداقية التي يجب أن تعطيها لهذه النتيجة؟ ما هو النهج الكمي الذي يجب أن تتبعه لتحديد ما إذا كان ينبغي على الحكومة أن توصي باستخدام هذا التدخل الصحي الجديد؟

نهج واحد لاتخاذ هذا القرار هو تفسير BAyeSian للتقديرات (BASIE). تم اقتراح BASIE في الأصل في تقرير Mathematica لعام 2019 (انظر الأوراق الأخرى ذات الصلة في نهاية هذا المنشور). تهدف BASIE إلى تقدير احتمالية أن يكون للتدخل تأثير ذي مغزى ، بالنظر إلى تقدير التأثير والأدلة السابقة فيما يتعلق بآثار التدخلات المماثلة على نطاق واسع. الخطوات المحددة اللازمة لتنفيذ BASIE هي كما يلي.

بالنسبة للأشخاص المطلعين على مناهج بايز ، لا ينبغي أن تكون هذه الخطوات مفاجئة. التحدي الرئيسي عند تنفيذ نهج بايزي هو اختيار سابقة جيدة. بالنسبة للتدخلات التعليمية ، توصي الورقة باستخدام What Works Clearinghouse (WWC) ؛ في الصحة ، يمكن أن تكون مراجعات الأدبيات المنهجية أو مراجعة كوكرين أو الدلائل الإرشادية السريرية نقاط بداية مفيدة. عند إنشاء نسخة سابقة ، يحذر المؤلفون من التأكد من أن المجموعات السكانية متجانسة ، ويتم تعديل التقديرات وفقًا لحجم العينة ، ويتمركز التوزيع السابق عند 0.

عند تقدير تأثير التدخل ، يوصي المؤلفون باستخدام كل من التقدير التقليدي (أي استنادًا إلى بيانات الدراسة وحدها ، مع قيمة p) والتقدير المنكمش الذي يقلص هذا التقدير نحو التوزيع السابق.

عند استخدام التقديرات المنكمشة ، يمكن للمرء أيضًا إنتاج فترات زمنية موثوقة بناءً على التوزيع اللاحق. غالبًا ما تُعتبر الفواصل الزمنية الموثوق بها النهج البايزي لفترات الثقة. ومع ذلك ، يجب (1) تفسير الفواصل الزمنية الموثوقة فقط بالنسبة للتوزيع السابق المحدد و (2) ليست بيانات تنبؤية حول التأثيرات في المستقبل ، ولكن بدلاً من البيانات بأثر رجعي حول تأثير التدخل في سياق التقييم. على سبيل المثال ، يمكن للمرء أن يقول إن التدخل X لديه فرصة 90٪ لزيادة البقاء على قيد الحياة بنسبة 10٪ ، بالنظر إلى تجربة العلاج والأدلة السابقة من التجارب السريرية للعقاقير في نفس الفئة العلاجية التي تعالج نفس المرض. يجب على المرء أيضًا الإبلاغ عن احتمال أن يتجاوز تأثير التدخل الحد الأدنى لحجم التأثير ذي المعنى.

يحتوي التقرير أيضًا على رمز في R لشرح كيفية حساب التوزيعات اللاحقة ، مع إظهار الكود أدناه كيفية القيام بذلك باستخدام مثال لعبة بسيط. على الرغم من تطبيق نهج BASIE على نهج التدخل التعليمي ، يمكن استخدام نفس النهج الإحصائي في اقتصاديات الصحة أو أي مجال علمي آخر.

زائدة

تم اشتقاق BASIE إلى حد كبير من الدراسات الأكاديمية التالية:

  • جيلمان ، أ. (2011). الاستقراء والاستنتاج في تحليل البيانات بايزي. موضوع خاص ، العلوم الإحصائية وفلسفة العلوم: أين (يجب) أن يلتقيا في عام 2011 وما بعده؟ العقلانية والأسواق والأخلاق ، 2 ، 67-78.
  • جيلمان ، أ. (2015 ، 15 يوليو). المعلومات المسبقة ، وليس الاعتقاد المسبق. http://andrewgelman.com/2015/07/15/prior-information-not-prior-belief/
  • جيلمان ، أ. (2016 ، 23 أبريل). ما هو “التوزيع المسبق الحقيقي”؟ إجابة صارمة. http://andrewgelman.com/2016/04/23/what-is-the-true-prior-distribution-a-hard-nosedanswer/
  • جيلمان ، أ ، وهينيج ، سي (2017). أبعد من الموضوعية والذاتية في الإحصاء. مجلة الجمعية الإحصائية الملكية ، السلسلة أ (الإحصاء في المجتمع) ، 180 (4) ، 967-1033.
  • جيلمان ، أ ، وشاليزي ، سي (2013). فلسفة وممارسة الإحصاء البايزي (مع مناقشة). المجلة البريطانية لعلم النفس الرياضي والإحصائي ، 66 ، 8-80.

You may also like...