Dahi kafalar
New member
4 yaşından küçük üç çocuğun ebeveyni olarak, geçen ay Gıda ve İlaç Dairesi’nin Pfizer-BioNTech’in 5 yaşından küçük çocuklara yönelik Covid-19 aşısının incelemesini ertelediğine dair duyuru beni çok sarstı.
Küçük çocukları koronavirüse karşı koruyan birçok bakıcı gibi, benim de kışım hızlı testler, maske siparişleri ve sınırda soğuk ısırması koşullarında açık havada oyun tarihleriyle dolu geçti. Bunu yönetebiliyorum çünkü bunun geçici olduğuna inanıyorum; çocuklarımız aşılanana kadar biraz daha beklememiz gerekiyor.
Ancak istatistikler üzerinde çalıştığım için, veriler daha incelikli bir şekilde değerlendirilmiş olsaydı, şu anda aile takvimine aşı randevuları alıyor olabilirdik diye endişeleniyorum.
FDA’nın incelemeyi neden duraklattığı belli değil. En son veriler paylaşılmadı ve raporlar, Pfizer’in Omicron dalgasının klinik denemesinde daha önce görülenden çok daha fazla enfeksiyona yol açtığını bulduğunu gösteriyor. Üçüncü doza ilişkin verilerin beklenmesine karar verildi. Daha önceki veriler aşıların 6 ay ila 24 aylık çocuklar için istenen bir bağışıklık tepkisi ürettiğini öne sürmesine rağmen, belki de iki doz tüm grup için yeterince etkili değildi.
Gördüğüm kadarıyla daha büyük sorun, genel olarak aşıların ve ilaçların etkinliğini değerlendirmek için sıklıkla güvenilen istatistiksel yöntemlerdir. Neredeyse tüm klinik araştırmalarda kullanılan ve FDA tarafından onaylanan standart yaklaşım, yeni ilaçların keyfi bir istatistiksel eşiği karşılamasını gerektirir; istatistik dersleri almış bir kişi istatistiksel anlamlılık olarak kabul edebilir. Bu çekicidir, çünkü gözden geçirenlerin önyargıları veya deneycilerin özel savunmaları olmadan deneysel sonuçların hepsinin geçmesi gereken standart bir final sınavı olarak hizmet eder.
Ancak istatistiksel anlamlılık fikri, iki iyi nedenden ötürü birçok istatistikçinin gözünden düşüyor. Birincisi, bu düşünce doğası gereği ikilidir; sayı kırma işlemi tamamlandıktan sonra, sonuçlar önemli veya önemsiz olarak sınıflandırılır, bu da nadiren doğrulanan bir kesinlik ve kesinlik olduğunu düşündürür ve ikinci olarak, herhangi bir standart test gibi, aşırı indirgemecidir. Çok fazla güvenilirse, önemli bilimsel bağlam da dahil olmak üzere verilerin daha düşünceli, bütünsel bir analizinin yerini alır.
Yaklaşık üç yıl önce, 800’den fazla bilim insanı tarafından imzalanan bir açık mektup, uygulamaya bir son verilmesi çağrısında bulundu ve Amerikan İstatistik Derneği başkanı da dahil olmak üzere önde gelen istatistikçiler bunu açıkça söyledi: “Deme ‘istatistiksel olarak anlamlı’.” Sonuçların değerli veya değersiz olarak ikili olarak etiketlenmesinin, herhangi bir istatistiksel araştırmanın zor işi olması gereken şeyin etrafında bir kısayol olan “düşünceliliğin antitezi” haline geldiğini çok sık söylediler.
5 yaş altı aşı denemesi değerlendirmesi için mutlak güvenlik veya etkililik yargıları yerine ihtiyacımız olan şey, mevcut tüm bilgileri göz önünde bulundurarak bir sonraki en iyi alternatife göre olası gelişme . Acil kullanım yetkisi kavramı bile FDA’nın olağan onay ve onaylamama ikilisine meydan okuyor. Bu fikri alıp genişletmeliyiz.
Bu deneme verilerini değerlendirmek için anlamlılık testinden daha uygun olabilecek bir istatistik versiyonu vardır: Bayes istatistikleri. Bu yaklaşımın temel ilkeleri, araştırmacıların en son verilere dayanarak herhangi bir bilimsel iddia hakkındaki anlayışımızı sürekli olarak güncellemesi gerektiği ve böyle bir iddiayı asla kesin olarak kanıtlanmış veya çürütülmüş olarak etiketlememize gerek olmadığıdır.
Bu metodoloji, spor analitiğinden çevrimiçi ticarete kadar pek çok alanda başarıya ulaştı ve en çok veri sınırlı olduğunda parlıyor. Bayes yöntemleri, II. Dünya Savaşı’ndaki Müttefik kriptanalistlerinin, yalnızca birkaç ele geçirilen mesaj kullanarak düşman şifrelerini kırmalarına izin verdi ve benzer teknikler, bir geminin bilinen son konumundan veya enkaz parçalarından çalışan deniz arama ve kurtarma operasyonları için çok önemlidir.
5 yaşın altındaki çocuklar için aşının Bayesçi bir analizi, hem Pfizer’in mRNA aşısının daha büyük çocuklar için mükemmel bir güvenlik geçmişine sahip olduğunu dikkate alacaktır (açıkçası 6 aylık bir çocuk 5 yaşında değildir, ama onlar tamamen farklı bir tür de değiller) ve küçük çocuklar için iki dozluk bir rejimin Omicron varyantına karşı bile ne kadar etkili olacağına dair makul tahminlerde bulunabiliyoruz. Ve en yeni veriler, şu anda önerilen dozlarda ve programlarda aşının bu varyanta karşı etkinliğini kaybettiğini gösteriyorsa, protokollerde gerekli değişiklikleri yönlendirmek için bu bilgiyi mümkün olduğunca çabuk birleştirebilen istatistiksel teknikler kullanılmalıdır.
Bir başkasını anlamaya yardımcı olmak için bir deneyden bilgi ödünç alma uygulaması benzeri görülmemiş bir şey değildir. FDA, pediatrik denemeler de dahil olmak üzere belirli durumlarda Bayes yaklaşımının değerini kabul etmiştir. Bir 2020 politika belgesi, “Yetişkin verilerinin pediatrik popülasyonlara ekstrapolasyonu gibi birden fazla kanıt kaynağını sistematik olarak birleştirmenin avantajlı olduğu ortamlarda Bayes çıkarımı uygun olabilir.” Ve ajansın, Bayes yöntemlerinin yıllardır daha fazla kabul gördüğü tıbbi cihaz klinik deneyleri için rehberliği, “Bayes analizi, FDA’nın bir karar vermesine yardımcı olabilecek ekstra, ilgili, ön bilgileri taşımasını sağlar” onayını içerir. Avantajları göstermenin en iyi yolu, 5 yaş altı aşı gözden geçirilmek üzere yedeklendiğinde, aşıyı değerlendirenlerin Bayes gözlüklerini takmaları ve resmin tamamını düşünmeleri olacaktır.
Minnesota’daki Mayo Aşı Araştırma Grubu’nun kurucusu ve yöneticisi Dr. Gregory Polonya, 5 yaşın altındaki çocuklar için yapılan aşı denemelerine değinerek, “Daha fazla veri olmaması hoşuma gitmiyor. ” Ben ve diğer ebeveynler de öyle. Ama aynı zamanda çocuklarımın pandeminin üçüncü yılına girerken aşısız olmalarından da hoşlanmıyorum. Aşılar güvenliyse – ve diğer yaş gruplarında işe yaradıklarını biliyoruz – bu hem ebeveyn hem de istatistikçi olarak benim için anlamlı.
The Journal of the American Medical Association’daki 2018 tarihli bir başyazı, konu deneme sonuçlarını değerlendirmeye geldiğinde, klinisyenlerin “iç Bayesçilerini benimseme” zamanının geldiğini öne sürdü. Aynı şey ilaç endüstrisi ve onu düzenleyen kurum için de geçerlidir.
Şimdi istatistiksel bir revizyon zamanı. Bayes yöntemleri için haykıran bir deneme varsa, o da budur. Verileri yorumlama şeklimizde köklü bir değişiklik meydana getirecek kadar güçlü kurumlar olsaydı, bu salgın sırasında FDA ve ilaç şirketleri olurdu. Bu arada, ülke çapında aşılanmamış küçük çocukları için endişelenen insanlar, uzmanlaştığımız şeyi yapmaya devam edecek: beklemek.
Aubrey Clayton bir matematiksel istatistik araştırmacısıdır ve 4 yaşından küçük üç çocuğun ebeveynidir. ”
The Times, editöre çeşitli mektuplar yayınlamaya kararlıdır . Bu veya makalelerimizden herhangi biri hakkında ne düşündüğünüzü duymak isteriz. İşte bazı ipuçları . Ve işte e-postamız: [email protected] .
Facebook , Twitter (@NYTopinion) üzerinden The New York Times Opinion bölümünü takip edin ) ve Instagram .
Küçük çocukları koronavirüse karşı koruyan birçok bakıcı gibi, benim de kışım hızlı testler, maske siparişleri ve sınırda soğuk ısırması koşullarında açık havada oyun tarihleriyle dolu geçti. Bunu yönetebiliyorum çünkü bunun geçici olduğuna inanıyorum; çocuklarımız aşılanana kadar biraz daha beklememiz gerekiyor.
Ancak istatistikler üzerinde çalıştığım için, veriler daha incelikli bir şekilde değerlendirilmiş olsaydı, şu anda aile takvimine aşı randevuları alıyor olabilirdik diye endişeleniyorum.
FDA’nın incelemeyi neden duraklattığı belli değil. En son veriler paylaşılmadı ve raporlar, Pfizer’in Omicron dalgasının klinik denemesinde daha önce görülenden çok daha fazla enfeksiyona yol açtığını bulduğunu gösteriyor. Üçüncü doza ilişkin verilerin beklenmesine karar verildi. Daha önceki veriler aşıların 6 ay ila 24 aylık çocuklar için istenen bir bağışıklık tepkisi ürettiğini öne sürmesine rağmen, belki de iki doz tüm grup için yeterince etkili değildi.
Gördüğüm kadarıyla daha büyük sorun, genel olarak aşıların ve ilaçların etkinliğini değerlendirmek için sıklıkla güvenilen istatistiksel yöntemlerdir. Neredeyse tüm klinik araştırmalarda kullanılan ve FDA tarafından onaylanan standart yaklaşım, yeni ilaçların keyfi bir istatistiksel eşiği karşılamasını gerektirir; istatistik dersleri almış bir kişi istatistiksel anlamlılık olarak kabul edebilir. Bu çekicidir, çünkü gözden geçirenlerin önyargıları veya deneycilerin özel savunmaları olmadan deneysel sonuçların hepsinin geçmesi gereken standart bir final sınavı olarak hizmet eder.
Ancak istatistiksel anlamlılık fikri, iki iyi nedenden ötürü birçok istatistikçinin gözünden düşüyor. Birincisi, bu düşünce doğası gereği ikilidir; sayı kırma işlemi tamamlandıktan sonra, sonuçlar önemli veya önemsiz olarak sınıflandırılır, bu da nadiren doğrulanan bir kesinlik ve kesinlik olduğunu düşündürür ve ikinci olarak, herhangi bir standart test gibi, aşırı indirgemecidir. Çok fazla güvenilirse, önemli bilimsel bağlam da dahil olmak üzere verilerin daha düşünceli, bütünsel bir analizinin yerini alır.
Yaklaşık üç yıl önce, 800’den fazla bilim insanı tarafından imzalanan bir açık mektup, uygulamaya bir son verilmesi çağrısında bulundu ve Amerikan İstatistik Derneği başkanı da dahil olmak üzere önde gelen istatistikçiler bunu açıkça söyledi: “Deme ‘istatistiksel olarak anlamlı’.” Sonuçların değerli veya değersiz olarak ikili olarak etiketlenmesinin, herhangi bir istatistiksel araştırmanın zor işi olması gereken şeyin etrafında bir kısayol olan “düşünceliliğin antitezi” haline geldiğini çok sık söylediler.
5 yaş altı aşı denemesi değerlendirmesi için mutlak güvenlik veya etkililik yargıları yerine ihtiyacımız olan şey, mevcut tüm bilgileri göz önünde bulundurarak bir sonraki en iyi alternatife göre olası gelişme . Acil kullanım yetkisi kavramı bile FDA’nın olağan onay ve onaylamama ikilisine meydan okuyor. Bu fikri alıp genişletmeliyiz.
Bu deneme verilerini değerlendirmek için anlamlılık testinden daha uygun olabilecek bir istatistik versiyonu vardır: Bayes istatistikleri. Bu yaklaşımın temel ilkeleri, araştırmacıların en son verilere dayanarak herhangi bir bilimsel iddia hakkındaki anlayışımızı sürekli olarak güncellemesi gerektiği ve böyle bir iddiayı asla kesin olarak kanıtlanmış veya çürütülmüş olarak etiketlememize gerek olmadığıdır.
Bu metodoloji, spor analitiğinden çevrimiçi ticarete kadar pek çok alanda başarıya ulaştı ve en çok veri sınırlı olduğunda parlıyor. Bayes yöntemleri, II. Dünya Savaşı’ndaki Müttefik kriptanalistlerinin, yalnızca birkaç ele geçirilen mesaj kullanarak düşman şifrelerini kırmalarına izin verdi ve benzer teknikler, bir geminin bilinen son konumundan veya enkaz parçalarından çalışan deniz arama ve kurtarma operasyonları için çok önemlidir.
5 yaşın altındaki çocuklar için aşının Bayesçi bir analizi, hem Pfizer’in mRNA aşısının daha büyük çocuklar için mükemmel bir güvenlik geçmişine sahip olduğunu dikkate alacaktır (açıkçası 6 aylık bir çocuk 5 yaşında değildir, ama onlar tamamen farklı bir tür de değiller) ve küçük çocuklar için iki dozluk bir rejimin Omicron varyantına karşı bile ne kadar etkili olacağına dair makul tahminlerde bulunabiliyoruz. Ve en yeni veriler, şu anda önerilen dozlarda ve programlarda aşının bu varyanta karşı etkinliğini kaybettiğini gösteriyorsa, protokollerde gerekli değişiklikleri yönlendirmek için bu bilgiyi mümkün olduğunca çabuk birleştirebilen istatistiksel teknikler kullanılmalıdır.
Bir başkasını anlamaya yardımcı olmak için bir deneyden bilgi ödünç alma uygulaması benzeri görülmemiş bir şey değildir. FDA, pediatrik denemeler de dahil olmak üzere belirli durumlarda Bayes yaklaşımının değerini kabul etmiştir. Bir 2020 politika belgesi, “Yetişkin verilerinin pediatrik popülasyonlara ekstrapolasyonu gibi birden fazla kanıt kaynağını sistematik olarak birleştirmenin avantajlı olduğu ortamlarda Bayes çıkarımı uygun olabilir.” Ve ajansın, Bayes yöntemlerinin yıllardır daha fazla kabul gördüğü tıbbi cihaz klinik deneyleri için rehberliği, “Bayes analizi, FDA’nın bir karar vermesine yardımcı olabilecek ekstra, ilgili, ön bilgileri taşımasını sağlar” onayını içerir. Avantajları göstermenin en iyi yolu, 5 yaş altı aşı gözden geçirilmek üzere yedeklendiğinde, aşıyı değerlendirenlerin Bayes gözlüklerini takmaları ve resmin tamamını düşünmeleri olacaktır.
Minnesota’daki Mayo Aşı Araştırma Grubu’nun kurucusu ve yöneticisi Dr. Gregory Polonya, 5 yaşın altındaki çocuklar için yapılan aşı denemelerine değinerek, “Daha fazla veri olmaması hoşuma gitmiyor. ” Ben ve diğer ebeveynler de öyle. Ama aynı zamanda çocuklarımın pandeminin üçüncü yılına girerken aşısız olmalarından da hoşlanmıyorum. Aşılar güvenliyse – ve diğer yaş gruplarında işe yaradıklarını biliyoruz – bu hem ebeveyn hem de istatistikçi olarak benim için anlamlı.
The Journal of the American Medical Association’daki 2018 tarihli bir başyazı, konu deneme sonuçlarını değerlendirmeye geldiğinde, klinisyenlerin “iç Bayesçilerini benimseme” zamanının geldiğini öne sürdü. Aynı şey ilaç endüstrisi ve onu düzenleyen kurum için de geçerlidir.
Şimdi istatistiksel bir revizyon zamanı. Bayes yöntemleri için haykıran bir deneme varsa, o da budur. Verileri yorumlama şeklimizde köklü bir değişiklik meydana getirecek kadar güçlü kurumlar olsaydı, bu salgın sırasında FDA ve ilaç şirketleri olurdu. Bu arada, ülke çapında aşılanmamış küçük çocukları için endişelenen insanlar, uzmanlaştığımız şeyi yapmaya devam edecek: beklemek.
Aubrey Clayton bir matematiksel istatistik araştırmacısıdır ve 4 yaşından küçük üç çocuğun ebeveynidir. ”
The Times, editöre çeşitli mektuplar yayınlamaya kararlıdır . Bu veya makalelerimizden herhangi biri hakkında ne düşündüğünüzü duymak isteriz. İşte bazı ipuçları . Ve işte e-postamız: [email protected] .
Facebook , Twitter (@NYTopinion) üzerinden The New York Times Opinion bölümünü takip edin ) ve Instagram .