Znamení slunce aneb rady pro tápající

Robert Straka

Velmi nás těší, že naprostá většina diskutujících pochopila,  o co jde v jednoduchém modelu od Tomáše Fürsta popsaném v článcích “Znamení slunce aneb observační studie a selection bias” a “Znamení slunce útočí”. Předtím, než se pustíme do dalšího vysvětlení pro ty, co mají z nějakého důvodu problém nezaujatě pochopit podstatu popsaného efektu, popřípadě skriptu v R, si přečtěte následující:

CO TO JE: Grafy jsou realizace jednoduchého modelu, na kterém je ukázán efekt výběrového vychýlení a efekt špatné klasifikace. Model nepotřebuje ŽÁDNÁ řádková data, časové řady ani nic podobného.

CO TO NENÍ: V žádném případě se nejedná o výpočet efektivity vakcinace na základě reálných dat, skript nepotřebuje žádný externí soubor, pouze pár knihoven jazyka R.

Model má několik vstupních PARAMETRŮ, které si můžete nastavit (aktuální skript v jazyce R je ke stažení zde https://github.com/strakrob/znameniSLUNCE, R a Rstudio lze stáhnout zde https://posit.co/download/rstudio-desktop/) dle libosti. Potřebujete 5 – 10 parametrů (záleží, jaký efekt chcete modelovat), všechny jsou okomentovány spolu s celým zdrojem pro usnadnění práce se skriptem a případně jeho další úpravou pro zájemce. Nastavení parametrů pro jednotlivé grafy z výše uvedených článků je v nich důsledně popsáno. Skript nedělá nic jiného, než co je popsáno v článcích, tj., v prvním z článků

  1. Vybere náhodně části populace, které zemřou a které dostanou Znamení slunce. Z konstrukce modelu i jeho implementace v R je zřejmé, že Znamení nemá v tomto případě žádný vliv na úmrtí, což je vidět i v grafech.
  2. U efektu výběrového vychýlení odstraníme udělení Znamení slunce (s určitou pravděpodobností různou od 0), ale pouze pokud k němu dojde 14 dní před úmrtím, na grafech se objeví virtuální účinnost Znamení – tím větší, čím větší je zmíněná pravděpodobnost.

V druhém z článků, kde určitá malá část Znamení slunce zabíjí:

  1. Vybere náhodně určitou část populace se Znamením a nechá jí náhodně umřít mezi 0. a 14. dnem od udělení Znamení, na grafech je tento efekt patrný od samého začátku.
  2. Totéž, co v 1), ale špatně klasifikujeme VŠECHNY jedince se Znamením tak, že je počítáme jako se znamením až od 14. dne po jeho udělení. Zvýšené riziko nešťastníků z bodu 1) zmizí díky tomu, že oficiálně umírají jako jedinci bez Znamení (tady si můžete pohrát s nastavením parametrů a sledovat výsledek).
  3. Totéž, co v 1), ale špatně klasifikujeme POUZE jedince, kteří zemřeli do 14 dnů od udělení Znamení (prohlásíme je za jedince bez Znamení) a rázem se nám objeví úplně opačný výsledek než v bodě 1).

Tento jednoduchý model poukazuje na úskalí interpretace výsledků na základě observačních dat, kde může lehce dojít k různým typům vychýlení až k nepoctivé klasifikaci, přičemž v tomto modelu není důležité zda při “prevenci” jde o Znamení slunce, vakcíny, léky, nebo červené svetry. Na druhou stranu nás trochu mrzí, že členové a skalní fanoušci ze sdružení Sníh (včetně těch, kteří vystupují jako matematici) mají problém s kontrolou tak jednoduchého modelu a pochopení skriptu na pár desítek řádků. Nic však pro ně ještě není ztraceno, pokud mají zájem (i kdokoli další), každou středu od 9:30 do 11:30 mám konzultace a rád vše zájemcům vysvětlím (online, pokud zrovna nebudete cestovat do Krakowa), email lze dohledat na stránkách AGH (https://skos.agh.edu.pl).

Sdílejte