Lobastov’s Scientific Library

📐Байесовская теорема📐

...здорового человека.

О пресвитерианскиом священнике Томасе Байесе я узнал преимущественно во время пандемии ковида. На самом деле, мне и раньше попадались сетевые метаанализы по байесовской методологии, где было указано не просто наличие достоверных различий между группами, но степень веры в то, что один из методов является самым лучшим (этот подход считается более понятным и наглядным по сравнению с вероятностью отвергнуть нулевую гипотезу у фреквенистов). Но уж в ковид-то после появления первых результатов адаптивного, мультиплатформенного, прагматического, объединённого (мы раньше и слов-то таких не знали) исследования ATTAC, ACTIV-4a и REMAP-CAP с байесовской методологией оценки пришлось вникать, как хотя бы интерпретировать полученные результаты.

С тех пор я для себя вынес (исключительно субъективное мнение без претензий на биостатистическую верность изложения), что байесовский подход:

📊оперирует не самими частотами с их воспроизводимостью и достоверностью, а степенью доверия к полученным результатам на основании глобального моделирования;

📊использует не только апостериорные (т.е. уже известные и полученные в результатах данного наблюдения), но и априорные (полученные в других исследованиях или предположительные) данные, что позволяет моделировать различные ситуации.

Классическим примером использования байесовской статистики является расчёт положительной и отрицательной предсказательной способности диагностического теста (тот же ПЦР при ковиде) на основании априорной распространённости заболевания в популяции.

Как это работает с математической точки зрения, я не разбирался (честно говоря, я вообще не имею большого желания глубоко вникать в то, как ездит автомобиль, летает самолёт и считается статистика, но мне нравится всем эти пользоваться), но уяснил точку приложения.

И вот, когда мы с Ильёй Вениаминовичем обсуждали, как пристроить шкалу Wells в его диссертацию (в очередной раз доказывать её отрицательную прогностическую ценность совсем не хотелось), я вспомнил про Байеса и про возможность моделирования положительной прогностической ценности на основании априорных величин распространённости ТГВ.

В тот момент я уже был подписан на канал Никиты Бурлова, который, как раз, постил по поводу байесовской статистики, что и подтолкнуло нас к обращению за помощью именно к нему.

В итоге у нас получилась прекрасная совместная статья (с неоценимым вкладом Максима Кузнецова), доказывающая, что положительная предсказательная способность шкалы Wells зависит от распространённости ТГВ среди обращающихся пациентов, поэтому при её значении >30% вероятность подтвердить ТГВ при наличии высокой клинической вероятности (2 и более балла Wells) становится >80%, что оправдывается начало антикоагулянтной терапии до ультразвуковой верификации тромбоза.

А это, между прочим, является уникальной научной новизной диссертации Ильи Вениаминовича, которую отметил даже Andrew Nicolaides на Европейском венозном форуме.

Статья была опубликована в журнале "Флебология" в декабре прошлого года и находится в открытом доступе, поэтому вы можете ею вдохновиться на использование теоремы Байеса.

А Никите огромная благодарность от всего авторского коллектива!

Мы уже начали думать, что ещё можно взять с пресвитерианского священника🤫

www.tgoop.com/lscilib/369

3.3K viewsLSL, edited  Jan 10 at 07:57

📐Байесовская теорема📐

...здорового человека.

О пресвитерианскиом священнике Томасе Байесе я узнал преимущественно во время пандемии ковида. На самом деле, мне и раньше попадались сетевые метаанализы по байесовской методологии, где было указано не просто наличие достоверных различий между группами, но степень веры в то, что один из методов является самым лучшим (этот подход считается более понятным и наглядным по сравнению с вероятностью отвергнуть нулевую гипотезу у фреквенистов). Но уж в ковид-то после появления первых результатов адаптивного, мультиплатформенного, прагматического, объединённого (мы раньше и слов-то таких не знали) исследования ATTAC, ACTIV-4a и REMAP-CAP с байесовской методологией оценки пришлось вникать, как хотя бы интерпретировать полученные результаты.

С тех пор я для себя вынес (исключительно субъективное мнение без претензий на биостатистическую верность изложения), что байесовский подход:

📊оперирует не самими частотами с их воспроизводимостью и достоверностью, а степенью доверия к полученным результатам на основании глобального моделирования;

📊использует не только апостериорные (т.е. уже известные и полученные в результатах данного наблюдения), но и априорные (полученные в других исследованиях или предположительные) данные, что позволяет моделировать различные ситуации.

Классическим примером использования байесовской статистики является расчёт положительной и отрицательной предсказательной способности диагностического теста (тот же ПЦР при ковиде) на основании априорной распространённости заболевания в популяции.

Как это работает с математической точки зрения, я не разбирался (честно говоря, я вообще не имею большого желания глубоко вникать в то, как ездит автомобиль, летает самолёт и считается статистика, но мне нравится всем эти пользоваться), но уяснил точку приложения.

И вот, когда мы с Ильёй Вениаминовичем обсуждали, как пристроить шкалу Wells в его диссертацию (в очередной раз доказывать её отрицательную прогностическую ценность совсем не хотелось), я вспомнил про Байеса и про возможность моделирования положительной прогностической ценности на основании априорных величин распространённости ТГВ.

В тот момент я уже был подписан на канал Никиты Бурлова, который, как раз, постил по поводу байесовской статистики, что и подтолкнуло нас к обращению за помощью именно к нему.

В итоге у нас получилась прекрасная совместная статья (с неоценимым вкладом Максима Кузнецова), доказывающая, что положительная предсказательная способность шкалы Wells зависит от распространённости ТГВ среди обращающихся пациентов, поэтому при её значении >30% вероятность подтвердить ТГВ при наличии высокой клинической вероятности (2 и более балла Wells) становится >80%, что оправдывается начало антикоагулянтной терапии до ультразвуковой верификации тромбоза.

А это, между прочим, является уникальной научной новизной диссертации Ильи Вениаминовича, которую отметил даже Andrew Nicolaides на Европейском венозном форуме.

Статья была опубликована в журнале "Флебология" в декабре прошлого года и находится в открытом доступе, поэтому вы можете ею вдохновиться на использование теоремы Байеса.

А Никите огромная благодарность от всего авторского коллектива!

Мы уже начали думать, что ещё можно взять с пресвитерианского священника🤫

BY Lobastov’s Scientific Library