Leporello έγραψε: ↑13 Απρ 2021, 23:15
Εχουμε ένα ερώτημα: δουλεύουν τα εμβόλια ή δεν δουλεύουν; Και αν δουλεύουν πόσο αποτελεσματικά είναι; Γιά να το δούμε αυτό, χωρίζουμε ομάδες πληθυσμού που έχουν εμβολιασθεί ή που δεν έχουν εμβολιασθεί αντίστοιχα και τις σταθμίζουμε έτσι ώστε τα δύο group που δημιουργούμε να είναι όσο το δυνατόν ίδια από την άποψη φύλου, ηλικίας, θρησκείας, επαγγέλματος, τόπου κατοικίας κ.λ.π. Μετά, ζητάμε από τους μετέχοντες να αναφέρουν αν έχουν συμπτώματα και μετράμε πόσοι είναι στο ένα group και πόσοι στο άλλο. Το σύστημα αυτό έχει ένα bias, γιατί όποιος έχει εμβολιασθεί, λογικά αναμένεται να χαλαρώσει περισσότερο από εκείνον που δεν έχει. Αυτό κάνει η Μακάμπη.
Λοιπόν, για τελευταία φορά, γιατί με έχει κουράσει αυτή η βλακεία που επαναλαμβάνεις. Μια στατιστική μελέτη δεν μπορεί ποτέ να αποκαλύπτει μεγαλύτερο μέρος της αλήθειας από το σύνολο των δεδομένων, αν αυτά τα δεδομένα είναι διαθέσιμα. Στις περισσότερες περιπτώσεις που βασιζόμαστε σε στατιστική ανάλυση, το κάνουμε γιατί είναι αδύνατον να συλλέγουμε το σύνολο των στοιχείων για ένα αντικείμενο υπό μελέτη.
Έχεις λοιπόν ένα ερώτημα, πόσο αποτελεσματικά είναι τα εμβόλια. Κάνεις μια μελέτη για ένα περιορισμένο χρονικό διάστημα και με bias, που είναι το αντίθετο απ' αυτό που λες, γιατί όσοι εμβολιάζονται καλούνται να μην μετακινούνται καθόλου για το επόμενο διάστημα και να προσέχουν ακόμα περισσότερο, γιατί το ανοσοποιητικό τους είναι πιο ευάλωτο.
Ακόμα και χωρίς το bias όμως, μελετάς για ένα περιορισμένο χρονικό διάστημα, χωρίς να ξέρεις αφενός αν τα αντισώματα λειτουργούν (η ύπαρξή τους από μόνη δεν είναι εχέγγυο), αφετέρου για πόσο διάστημα λειτουργούν, μιας και η μελέτη σου έχει περιορισμένο χρονικό εύρος.
Αν λοιπόν το σύνολο των δεδομένων δεν δείχνει κάμψη που να συνάδει με την αποτελεσματικότητα που βρήκες, η αποτελεσματικότητα που βρήκες αφορά -αν η μελέτη σου είναι σωστή- ένα περιορισμένο χρονικό διάστημα.
Leporello έγραψε: ↑13 Απρ 2021, 23:15
Εσύ μας λες πώς όχι, αυτό δεν αντανακλά την πραγματικότητα, γιατί δεν αποκλείεται "να έχει λάθη, παραλείψεις και κρυφούς παράγοντες". Αντ'αυτού, καλύτερα να κοιτάμε την "πραγματικότητα".
Ως εκ τούτου, πάντα είναι καλύτερο να κοιτάμε το σύνολο των δεδομένων, γιατί ακόμη κι αν αυτό που δείχνει η μελέτη δεν έχει χρονικό περιορισμό, η μελέτη σου, που εξετάζει υποσύνολο των δεδομένων, μπορεί πάντα να έχει λάθη, παραλείψεις, bias (π.χ. selection bias πολύ εύκολα, είτε συνειδητά είτε ασυνείδητα).
Αν το σύνολο των δεδομένων δεν συμφωνεί με τα αποτελέσματα της μελέτης σου, δεν σημαίνει ότι είναι χαλασμένη η πραγματικότητα ούτε είναι λόγος να θάψεις το κεφάλι σου στην άμμο και να επαναλαμβάνεις «αφού η μελέτη μου λέει ότι λειτουργούν, λειτουργούν. Ο κόσμος πεθαίνει από σύμπτωση».