زباله در: اطلاعات علوم دیدار با پزشکی مبتنی بر شواهد

علوم اطلاعات و تجزیه و تحلیل -- به عبارت دیگر هنر و علم مدیریت و استفاده از داده ها برای استخراج بینش -- چیزی

توسط HEKAYATFARDAYEEMAAA در 30 تیر 1399

علوم اطلاعات و تجزیه و تحلیل -- به عبارت دیگر هنر و علم مدیریت و استفاده از داده ها برای استخراج بینش -- چیزی است که شما احتمالا حداقل یک عبور آشنایی با. برنامه های کاربردی خود را در حال تبدیل عملا هر حوزه از فعالیت های انسانی و آنها هسته ای موضوعات از ما ستون.

پزشکی مبتنی بر شواهد, از سوی دیگر, چیزی است که اکثر مردم احتمالا شنیده ام قبل از. ما تا به حال نه یا تا همین اواخر. برای برخی از ما COVID-19 ماشه به سرمایه گذاری به ناشناخته خاک مانند اپیدمیولوژی و پزشکی است.

ما پیدا کرده اند که استفاده از این دانشکده تفکر انتقادی و اصول داده محور تصمیم گیری می تواند یک راه طولانی به سوی آگاهانه تر در ارزیابی از وضعیت. این واقعیت باقی می ماند اما ما کارشناسان در اپیدمیولوژی یا پزشکی.

در یک سری از مقالات ما صحبت با کارشناسان در همه چیز از چگونه اطلاعات پزشکی تولید شده است و موفق به پیش بینی مدل سازی شفافیت و تعصب COVID-19و نقش صنعت و سازمان بهداشت جهانی است.

از شواهد و داده ها را به حقایق

به عنوان COVID-19 وضعیت گستراند مقدار از اطلاعات مربوط به این انفجار است. و آن را فقط به مقدار اطلاعاتی که انفجار است بلکه میزان توجه آن جذب. به عنوان یک نتیجه اطلاعات غلط در اطراف COVID-19 منتشر شده است به عنوان به خوبی.

سازمان بهداشت جهانی به نام این پدیده را یک "infodemic." این به نوبه خود باعث شده واقعیت-چکرز و تنظیم کننده و همچنین به عنوان تأمین کنندگان مالی حمایت از پژوهشگران برای کشف بهترین روش برای مقابله با گسترش COVID-19 اطلاعات غلط.

برخی مانند تیموتی کالفیلد کاملا صوتی و تهاجمی در مورد آن. دیگران مانند Critica بنیانگذاران تماس برای کمتر polemic رویکرد است. Critica است که یک سازمان غیر دولتی آغاز شده توسط جک و سارا گورمن پس از آنها نوشته خود کتاب انکار به گور: چرا ما چشم پوشی از حقایق که ما را نجات دهد.

دیوید مقیاس است Critica افسر ارشد پزشکی و دستیار پروفسور پزشکی در کالج پزشکی ویل کورنل. مقیاس های تخصصی در پزشکی داخلی و دارای مدرک دکترا در رشته جامعه شناسی با علاقه خاص در جامعه شناسی علم است.

franki-chamaki-682112-unsplash.jpg

داده ها و تجزیه و تحلیل در حال تبدیل هر حوزه از فعالیت های انسانی و پزشکی از این قاعده مستثنی است.

عکس Franki Chamaki در Unsplash

مقیاس تعریف شده Critica ماموریت به عنوان تلاش برای کمک به اطمینان حاصل شود که اجماع علمی چیزی است که راهنمای تصمیم گیری -- عمومی و سیاست تصمیم گیری به عنوان به خوبی. او در ادامه برای اضافه کردن که اجماع علمی است چیزی است که می تواند رقابت, اما این نوع رقابت است که باید در میان کارشناسان: "اجماع باید اصلاح شود اما این اتفاق چیزی است که باید راهنمای رفتار ما به عنوان غیر کارشناسان و سیاستگذاران."

مورد در نقطه, Cochrane اختلاف است. این موضوع کمی شناخته شده فراتر از محدوده حلقه های پزشکی بیش از نمونه چگونه داده های علوم مربوط به پزشکی از طریق داده ها جنبه حکومت داری روش و تعصب. Cochrane بود touchpoint که ارتباط ما را با مقیاس که به ذکر است که داده های علوم مخاطب است که علاقه زیادی به Critica.

Critica تمرکز بر آنچه در آن است که به منزله شواهد و چگونه داده ها و شواهد تبدیل شدن به واقعیت است. این صدا ممکن است مانند پرسش های فلسفی, اما آنها خیلی مفهوم واقعی. بنابراین اجازه دهید به طور خلاصه بررسی یک زن و شوهر از مفاهیم کلیدی -- پزشکی مبتنی بر شواهد و کارآزمایی های کنترل شده تصادفی-و ببینید که چگونه آنها مربوط به داده های علمی و شیوه های آن.

کوکران گوگل از پزشکی مبتنی بر شواهد

مقیاس توصیف پزشکی مبتنی بر شواهد (EBM) به عنوان یک جنبش اجتماعی که سفت در سال 1992 با انتشار یک مقاله آن را توصیه می. او در ادامه برای اضافه کردن که با استفاده از بهترین شواهد ممکن است به تصمیم گیری بالینی آشکار به نظر می رسد پس از آن مهم است که بدانید آنچه که پزشکی مبتنی بر شواهد بود برای استدلال و استدلال در برابر.

قبل از EBM جنبش ترازو گفت: بسیاری از تصمیم گیری شد و اساسا ساخته شده توسط تعویق انداختن به برجسته ترین استاد در دانشکده پزشکی.

"است که فرد احتمالا بسیار عاقلانه پزشک بود اما تصمیم گیری بر اساس تجربه خود را بر اساس قضاوت بالینی," مدرج گفت. "من نمی گویم این بد بود. این ممکن است فوق العاده اما نکته این است که هیچ شواهدی وجود دارد که برای حمایت از تصمیم گیری های خود خوب بودند. و یا می دانستند که اگر آنها حتی مغرضانه در برابر خاص sub-جمعیت؟"

این فرایند بر اساس درونی دانش اما بدون لزوما شفاف. که در آغاز EBM جنبش و امروز این جنبش به دست آورد بسیاری از حرکت. البته EBM است که بدون آن گلایه. به عنوان مقیاس قرار داده و آن را حرفه ای پزشکی است که اشتراک EBM نیاز به دانستن آنچه که بهترین شواهد است که می توانید پاسخ سوالات خود را.

cochrane.jpg

Cochrane گوگل از پزشکی مبتنی بر شواهد.

"شما می دانید, آن را یک چیز دشوار است برای هر تصمیم گیری مبتنی بر شواهد است. و اگر من باید برای هر تصمیم گیری و رفتن به مدلاین و انجام یک جستجو به علف هرز از طریق تمام داده های بالینی برای کمک به من, راهنمای تصمیم گیری من... انگار فقط به بسیاری از سوالات و خیلی شواهد بسیاری از مقالات وجود دارد. این غیر ممکن است" فلس گفت.

کوچک اضافه شده: "Cochrane است که سازمان آن را به یک کنسرسیوم. آن را در طول زمان تغییر, اما شما می توانید فکر می کنم از آن به عنوان یک شبکه ای از دانشمندان و پزشکان که حمل استانداردهای بالا برای آنچه به منزله کیفیت شواهد است که پس از انجام سیستماتیک بررسی انواع سوالات مختلف در پزشکی و انتشار آن بررسی به عنوان کوکران بررسی است."

Cochrane نزدیکترین چیز به یک میانبر برای پیدا کردن پاسخ -- مانند گوگل از EBM. مقیاس توصیف کوکران بررسی به عنوان تلاش به جلو و در آنچه که در نظر گرفته می شود با بالاترین کیفیت شواهد است که معمولا کارآزمایی های کنترل شده تصادفی. که چه چیزی باعث آن را به Cochrane بررسی و کسانی که کارآزمایی های کنترل شده تصادفی دریافت بررسی کیفیت خود را به عنوان به خوبی.

کارآزمایی های کنترل شده تصادفی

اما آنچه که در يک کارآزمايی بالينی تصادفی شده (RCT)? فلس آن را توضیح داد با شکستن قوانین. تصادفی با اشاره به تلاش برای مقایسه یک گروه که دریافت برخی از درمان به یک گروه کنترل که یا نمی دریافت درمان و یا دریافت دارونما:

"این کنترل به معنای آن است که در گروه کنترل و مردم به صورت تصادفی به یکی از شرایط آن و یا دیگر. ایده پشت آن است که تصادفی کمک می کند تا به مطالعه بیشتر generalizable کمک توزیع به طور مساوی و به طور تصادفی در هر متغیرهای دخیل احتمالی.

اگر شما می خواهید برای تست دارو, سپس آن را در یک راه بسیار قدرتمند برای تست اگر آن را با این نسخهها کار به دلیل وجود دارد بسیاری از چیزهایی که با دادن دارو. اگر شما یک دادگاه است که در گروه کنترل با دارونما برای مثال, آن را واقعا آسان به می گویند که دارو کار می کند که شاید مردم بهتر شده اند به هر حال.

بنابراین شما باید به خودتان بپرسید: آیا دادن این دارو در واقع کمک به کاهش مقدار زمان کاهش شدت? این نوع سوالات است که شما می توانید پاسخ با یک RCT. مردم اغلب نیز مورد بحث خیره کننده -- تصادفی دو سو کور کنترل شده با پلاسبو محاکمه. این افزایش کیفیت چرا که حتی مردم در این مطالعه می تواند مغرضانه.

بنابراین اگر شما کور آنها را اگر شما سپر مردم در این مطالعه به شرایط طوری است که حتی پزشکان به داروها نمی دانم اگر بیمار به درمان و یا دارونما پس از آن که همچنین کمک می کند تا کاهش مخدوش می سازد و آن را به طوری که ما می توانیم اعتماد به نتایج بیشتر است."

graphic-rct-diagram-1-hires-wtitle.png

کنترل تصادفی آزمایش های متداول ترین روش برای پزشکی مبتنی بر شواهد و آنها نیز استفاده می شود برای اندازه گیری مداخلات در گروه های جمعیت در رشته های دیگر.

اگر شما یک نمایشگاه درجه آشنایی با علوم اطلاعات شما باید کشف شباهت در اینجا. این است چگونه داده ها دانشمندان کار بیش از حد. اولین تلاش برای شکستن پارامترهایی که تاثیر یک نتیجه و سپس با در نظر گرفتن آنها در هر یک از انزوا و تلاش برای دیدن آنچه که اتفاق می افتد زمانی که تغییرات پارامتر. این به نظر می رسد بسیاری مانند A/B تست بیش از حد.

که همه برای تلفن های موبایل مانند یک جامد و رویکرد علمی به انجام طب. و پس از کوکران ساخته شده است در اطراف این اصول شما ممکن است تعجب: چه چیزی می تواند بحث برانگیز در اطراف آن ؟ اشاره: معمول -- مسائل روش شناختی و تعصب.

کوکران بحث: زباله در

مقیاس نوشته شده است یک تجزیه و تحلیل از آنچه او dubs کوکران اختلاف است. Cochrane متکی بر آنچه که به طور گسترده ای دیده می شود که با بالاترین کیفیت شواهد: RCTs منتشر شده در مجلات مورد بررسی. اما برخی از افراد استدلال می کنند که RCT داده اغلب مغرضانه هر دو در فرد RCT موارد و در این واقعیت است که بسیاری از آنها را از صنعت-تامین منابع.

به عنوان مقیاس توضیح داد: این یک بحث داخلی در Cochrane. نام که بیشتر در ارتباط با این بحث است که پیتر Gøtzsche. Gøtzsche عضو کوکران برای مدت زمان طولانی و مقیاس توصیف او را به عنوان یکی از پیشگامان EBM. Gøtzsche معتقد است که در تعدادی از آثار خود را که می تواند وجود داشته باشد بسیاری از تعصب در RCTs:

"همانطور که شما می توانید تصور کنید اگر شما یک شرکت دارویی و شما در حال تلاش برای نشان می دهد که مواد مخدر خود را با این نسخهها کار وجود دارد یک تعداد اندکی کلاهبرداری است که شما می توانید انجام دهید که در قوانین RCTs اما ناتوان از مواد مخدر خود را به سعی کنید به آن را به نگاه بهتر است. گاهی اوقات آن است که آیا یا نه و چگونه شما انجام خیره کننده. و یا چیزهای دیگر مانند آنچه در کنترل شما انتخاب کنید" فلس گفت.

کوچک اضافه شده: "پس از RCTs تبدیل شده اند نوع از بالای هرم شواهد بسیاری وجود دارد منافع است که مقدار زیادی از پول برای به دست آوردن با من نمی گویند جعل چرا که آنها در حال انجام این مطالعات صادقانه اما تنها با قرار دادن یک کمی از یک انگشت در مقیاس سعی کنید تا مطمئن شوید که هر آنچه در آن است که آنها در حال کار بر می آید تا با نتایج مثبت است."

cochrane.jpg

پیتر Gøtzsche به شدت انتقاد کوکران تمامیت منجر به اخراج او از کوکران در سال 2018 پس از انتخاب شده برای هیئت مدیره در سال 2017.

این مقیاس اضافه شده است و این نوع از چیزی که Gøtzsche است برافراشته در برابر. Gøtzsche متوجه شده است که نسبت RCTs وجود دارد و شواهد پشتیبانی دارویی و یا انواع دیگر از منافع خصوصی در حال رشد بوده است به نقطه ای که او استدلال می کند که بسیاری از شواهد Cochrane به پایان می رسد تا با استفاده از اصل آمدن از آنچه که می تواند به راحتی با گرایش منابع.

Cochrane ظاهرا فقط طول می کشد و شواهد است که در خارج وجود دارد, می کند, بررسی و تساوی نتیجه گیری. اما اگر شواهد مغرضانه مقیاس اشاره کرد و سپس ما یک مورد از زباله در. این یک اصل شناخته شده در اطلاعات علوم -- بینش می تواند تنها به عنوان خوب به عنوان داده های مورد استفاده برای استخراج آنها.

"افرادی مانند پیتر Gøtzsche نگران هستند که اگر بهترین شواهد ما آمیخته با تعصب و سپس آن را احتمالا زباله. و سپس کوکران است که احتمالا تنها در نظر گرفتن که زباله و قرار دادن آن را از طریق دستگاه خود را غیر مغرضانه بررسی سیستماتیک و در نتیجه تمیز کردن زباله و ساخت آن را به نگاه مانند آن را شاید بهتر از آن است" فلس گفت.

تمیز کردن زباله

که برای تلفن های موبایل مشکل ساز است. پس از چند میلیارد دلار سوال این است: آیا می توانم هر چیزی در مورد آن انجام شود? ترازو گفت که او فکر نمی کند که وجود یک فرد در Cochrane که نمی شناسیم این است که یک مشکل بالقوه. آن را بیشتر یک سوال که چه چیزی را در مورد آن اتفاق نظر وجود ندارد. ترازو با اشاره به اطلاعات علم و تجربه برای ایجاد آن است که تلاش برای علف هرز تعصب از داده ها بسیار دشوار است.

"شما اساسا باید انتخاب کنید که تعصبات شما می خواهید. یا حداقل سعی کنید به عنوان شفاف که ممکن است در مورد آنچه تعصبات ممکن است وجود داشته باشد یا ایجاد داده ها و فراداده به عنوان شفاف که ممکن است خیلی افراد دیگر می توانید از طریق آن به تصمیم می گیرید چه تعصبات هستند" فلس گفت.

وجود دارد چند راه حل های پیشنهادی در امتداد این خطوط مقیاس اضافه شده است. برخی از مردم نشان می دهد که بیشتر پول بود قرار داده و به RCTs چرا که آنها در اصل یک مکان خوب است. یک راه برای کاهش تعصب است به مطمئن شوید که غیر مغرضانه مطالعات مجموعه هستند. با استفاده از پول برای انجام این مطالعات می تواند کمک به اطمینان حاصل شود وجود دارد نه یک علاقه خاص بودن نشان داده شده است.

دیگران نقطه ای از این واقعیت RCTs می تواند عظیم چند سال تعهدات که خلاصه آنچه اغلب هشت-صفحه مجله مقاله. بسیاری از جزئیات مهم و بالقوه تعصبات هستند که از سمت چپ. ثبت میزبانی تمام اطلاعات از این محاکمات را قادر می سازد حفر به علف های هرز و تصمیم گیری که آیا وجود دارد هر گونه تعصبات از اصلی داده های خام.

anonymous-picks-up-garbage-to-protest-japanese-download-laws.jpg

زباله در در داده های علوم, به معنی بینش خود را تنها می تواند به عنوان خوب به عنوان داده های خود را. اگر داده های مغرضانه بینش را به دنبال کت و شلوار.

تاریخ و زمان آخرین اما نه کم دیگران حتی پیشنهاد تجدید نظر در آنچه که ما در نظر به عنوان شواهد. پاسخ لزوما ممکن است به پایین در RCTs به همان اندازه به عنوان به رسمیت شناختن زمانی که RCTs را حس و هنگامی که برخی از انواع دیگر از جمع آوری شواهد باید انجام شود. به عنوان مثال در مجتمع مداخلات که در آن غیر ممکن است برای کنترل تمام متغیرهای دخیل احتمالی.

دارو ممکن است را ساخته اند گام به سمت تبدیل شدن به مبتنی بر شواهد اما حتی پزشکی مبتنی بر شواهد به نظر می رسد برای حمل چمدان است که می آید با اینکه data-driven: نتایج تنها به عنوان خوب به عنوان داده های خام و روش های مورد استفاده برای تفسیر آنها و تعصب سرخی در. می تواند بیشتر آموزش در مدیریت اطلاعات مفید برای افراد مشغول به کار در پزشکی ؟

مقیاس فکر می کند باید وجود داشته باشد:

"به اندازه کافی آموزش به دانستن آنچه که ما نمی دانیم. بسیاری از اوقات آنچه من می بینم این است که ما نمی دانیم که آنچه ما نمی دانیم. بسیاری از پزشکان در حال گرفتن آموزش و پرورش بسیاری از دانشمندان در حال گرفتن آموزش و پرورش دارد اما به فرض که اگر ما فقط یک زن و شوهر از دروس آمار پس از آن ما می توانیم ما آمار خود را برای این مقاله.

و ما اغلب استفاده از آزمونهای آماری است که ما نباید استفاده در شرایط خاص نمی حفر عمیق به اندازه کافی به داده ها قادر به توصیف آنچه تعصبات وجود دارد. که گاهی اوقات فراتر از تجربه و تخصص ما, اما ما نیاز به همکاری با افرادی که به ما کمک می کند انجام دهد. چرا که در غیر این صورت زباله در, و بسیاری از آنچه به پایان می رسد تا در مجلات پزشکی می تواند گاهی اوقات از کیفیت پایین."

در بخش دوم از این مقاله ما به بحث در مورد اطلاعات منشأ ابرداده و زمینه را برای داده های پزشکی و همچنین اخباری مدل سازی COVID-19 تجاری و تاثیر در سلامت و نقش سازمان بهداشت جهانی است.

Coronavirus



tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im
آخرین مطالب