ЭСТИМАНДЬ МЕНЯ ПОЛНОСТЬЮ

Выбор estimand'а кажется сложным (так и есть). И вот в статье I. Lundberg с соавторами конкретизируют один из вариантов.

Во главе всего стоит цель/задача, которую мы пытаемся решить с помощью исследования и/или данных. Коллеги из Канала влияния хорошо подметили "чтобы найти эффект, нужно заранее понять, какой эффект мы ищем"

Повторять базы "чтобы понимать, надо знать" не будем))

Давайте вспомним, что мы можем рассмотреть потенциальные исходы у конкретного пациента (Y(1) - исход при наличии вмешательства и Y(0) - исход при отсутствии вмешательства). Значит мы можем предположить, какое сравнение хотим оценить, и продемонстрировать в виду формулы.

Например, нам интересно узнать на сколько изменится риск исхода (выздоровление) от вмешательства (лечить). Получается, что мы хотим посмотреть разницу рисков (или абсолютный риск): Y(1) - Y(0)

Но насколько большая эта разница? Конечно, клинически мы это можем понять. Но можно ли это формализовать математически?
Да, мы можем посчитать отношение рисков (относительный риск): Y(1)/Y(0)

Таким же образом можем посмотреть отношение шансов или другие метрики.

В публикации этот компонент называют unit-specific quantity (мне кажется, можно перевести как индивидуальная величина)

Затем нам надо определить, на каких субъектах мы оцениваем ее. Это второй компонент теоретического эстиманда - target population (целевая популяция). В статье это показано как сумма со взвешиванием по субъектам (т.е. среднее).

Мне кажется, как раз на этом уровне мы и определяемся с видом эффекта (ATE, ATT, LATE, CATE и др.). Если кто-то понял иначе, то поправьте меня.

Здесь важно понять, что нам важно. Изучить эффект конкретно в этой выборке (демографические данные на уровне страны/региона и пр.) или на основе результата на ней сделать вывод о популяции (как в РКИ).

Следующий шаг - переход к эмпирическому estimand'у. Это уже больше технический шаг (на мой взгляд в сравнении с предыдущим), где обсуждаются конкретно цель статистического анализа, выдвигаются предположения, строится DAG, определяется модель и т.д. Т.е. из теоретического эстиманда проводим идентификацию в эмпирический.

Мне данная статья понравилась. Всем, кто пытается использовать подход causal inference, рекомендую ознакомиться.

@Ebm_base

Доброе утро 🦶

ЧТО ХУЖЕ?

А помните время - трава была зеленее скачивали рефераты с интернета (все мы этим занимались, снимаем белое пальто, товарищи). Насколько эта практика работала с выпускными работами, дипломами и диссертациями, я не знаю, у меня в ВУЗе таких не было. Меня учили (как могли, да, плохо) писать статьи самому (и хорошо приучили это делать самому).

Но оказывется есть (да и был) целый рынок писарей. Вам надо написать ВКР? Заплатите и не парьтесь. Вам надо написать диссертацию? Заплатите и не парьтесь. И т.п.

И с приходом ИИ (точнее LLM) этот рынок только растет (по скриншоту нужно можно разинуть рот). А качество падает... Ведь не надо быть экспертом (зачем разбираться как работает научный метод, какие есть подходы), надо просто написать промт, потом ещё, ещё и отдать заказчику.

Думаю уже кто-то встречал подобных персонажей)

Но тут ❗ можно уйти в противоречие. Ведь есть специальность научный писатель (scientific writer)! Разве он не этим занимается?

Давайте посмотрим в словарике (в целом все остальные источники пишут схожее):
Следует различать Science Writing и Scientific Writing!

🔹 Scientific Writing - это написание научных статей, преимущественно для коллег (важный пункт).

🔹 Science Writing - это написание статей о науке для широкой аудитории (можно сказать научная журналистика)

❗Научный писатель (конкретно scientific writer) - это учёный/специалист (обычно часть научной команды),который обладает должным уровнем знаний (научных, специальности) и навыков (по изложению мысли, упрощению сложных деталей и других навыков письма) ❗

Т.е. они участвуют непосредственно в исследовании, его проработке/планировании, понимают как устроен научный подход, умеют интерпретировать результаты и т.д.

К таким людям у меня нет вопросов, только уважение (я так не умею). Чаще всего они сильно вовлечены в ту область, о которой пишут (а иначе как это все понять/осознать).

Теперь подумайте, подходят ли вышеупомянутые писари под эти термины? Скорее всего нет (хотя вы можете высказать иную точку зрения). Они лишь бездумно используют ящик Пандоры (под названием LLM, его использование это отдельная тема).
Даже имея большой опыт (по их заявлениям), невозможно быть хорошим писателем в областях от истории до медицины (зачем мы вообще учимся на разные специальности?).

Если бегло посмотреть статьи обсуждаемых, то можно заметить их методологическую слабость (про актуальность и результаты вообще молчу). А цены у них без стеснения. Прям вообще.

И бонусом комментарий, где открыто заявляется на каком уровне этот рынок уже (п.10 ПП РФ от 24.09.2013г. №842 идёт лесом).

Так что кто хуже?

@Ebm_base