【醫生的思考模式】作者:楊濬光醫師
疫情當前,轉貼我的一篇文章,增加科學的觀念,看完更懂疫情
如果觀念正確,便可以貼近醫生的思維。先回答以下三個問題:
一、為什麼普拿疼可以治療頭痛?
(0)沒興趣知道;(1)沒想過這麼多;(2)因為廣告這麼說;(3)科學家的研究證明的結果。
二、以前說女性荷爾蒙會讓人青春永駐,保護心臟,為什麼現在吃會增加心臟病的機會?
(0)沒興趣知道;(1)藥物成分不同;(2)環境的改變造成;(3)研究方法不同。
三、聽說胎盤鈣化對胎兒很危險嗎?
(0)沒興趣知道;(1)聽起來就很危險;(2)我的朋友告訴我很危險;(3)危不危險應該要聽醫生怎麼說。
請完成這個自我評量表,如果三題總分低於4分,那就別往下看了,這對你來說太艱深了。如果高於8分,那你也不用看了,因為應該早明白這觀念了。如果分數是4-8分的人,就不妨花一點時間往下看吧,應該會讓你有興趣的。
在進入主題前,我先提出三個概念,那就是:1.很多病不吃藥不治療也會好;2.「安慰劑」的效果;3.「因果」與「相關」。
很多病不吃藥不治療也會好,相信大家都不會否認這樣的說法,畢竟在大家的生活經驗中,打噴涕流鼻水的小感冒,多喝開水過兩天自然就好了;扭傷了腳踝,簡直痛不欲生,但幾天後,大部份也就不知不覺痊癒了;被美工刀畫到手指頭,傷口不深,很快也就復原了……不勝枚舉。可是,其實呢,這個事實有時會被忽略的。所以,當民智未開時,香灰神符有時候就變成了所謂的仙丹妙藥,其實,吃香灰會好的病,就是那些不治療也會好的病。
再來提到「安慰劑」。什麼是安慰劑呢,簡單來說,就是我們所說的「心理作用」,各位也許不知道,心理作用其實有時候也可以治療疾病的。拿最簡單的例子:威而剛,當它剛問世奇貨可居時,世面上有多少仿冒品,根本只是塗上藍色外衣、沒有療效的維他命丸,可是很多人吃了,還是驍勇善戰銳不可當,這就是安慰劑的效果。
至於第三個觀念,「因果」與「相關」,就比較難懂一點,這是邏輯上的概念。我舉兩個事實:「肥胖的人容易罹患心臟病」,肥胖就是心臟病的原因,這是「因果」關係。「住在鄉下的人比較容易罹患癌症」,其實有這樣的統計結果,是因為住在鄉下的人口,年齡普遍較大,才導致這樣的結果,那「住鄉下」與「得癌症」就不是「因果」,而只是「相關」。搞清楚兩件事到底是不是「因」與「果」,十分的重要,不然大家看到那樣的結果,豈不是不敢住在鄉下了!
明白這三個概念後,我們就要進入正題,先看第一題,為什麼普拿疼可以治療頭痛呢?
在這裡先略去前面一大段過程,包括藥品如何被化學家合成,如何在動物實驗中確認療效與安全性等等,我們直接跳到「一顆藥丸問世,我們怎麼知道它可以治療頭痛?」
「因為昨天頭很痛,吃完藥以後半個小時後就不痛了,所以普拿疼可以治療頭痛。」這樣就可以確定了嗎?
當然不是,大家已經有了「不吃藥也會好」與「安慰劑」的觀念,一定會馬上質疑:「也許本來頭就只會痛半個小時啊?」「搞不好吃維他命丸頭也會不痛啊?」
「如果有一萬個人頭痛,吃普拿疼後都不痛了,那是不是可以更確定普拿疼可以治療頭痛?」
是的,當不只一兩個人有這樣的經驗,而是成千上百個人都有這樣的經驗,或許,可以讓我們比較肯定是藥物治療了疾病,而不是疾病本來就會好。你想,哪有那麼巧,這一萬個人都恰巧只頭痛半小時嗎?
「那如果讓一萬個人吃普拿疼,讓一萬個人吃不可能有療效的維他命,結果吃普拿疼的大部分有效,吃維他命大部分都沒有效,是不是更能證明普拿疼有效?」
沒錯,這樣連「安慰劑」這個因素都排除了。其實這些,就是醫學上最基本的研究方法,也就是實證醫學的精義:排除干擾因素,有一分證據說一分話。
剛剛的問題再延續下去,如果我們選一萬個年輕力壯的年輕人吃普拿疼,選一萬個老頭子吃維他命丸,得到同樣的結論,這樣還是可以證明普拿疼有效嗎?在知道答案前,先來看看下面的例子,婦產科近代史上最大的誤會:女性荷爾蒙補充療法。
更年期,是每位女性必經的過程。它代表體內女性荷爾蒙降低,會造成熱潮紅、失眠、情緒起伏不定等等障礙,而女性荷爾蒙療法的問世,讓這些障礙得以緩解。更大的驚奇,是發現補充女性荷爾蒙的女性,得到心臟病的機率,比沒有服用的女性還要低,於是,標榜著「有病治病,無病強身」的荷爾蒙療法,在大約二十幾年前蔚為風潮,回家問問您的媽媽阿姨姑姑,一定有人補充過一陣子的女性荷爾蒙。
可是,一段時間後,發現情況並非如此,補充荷爾蒙的人,得到心臟病的機會似乎不減反增。於是,我們試著去了解,為何以往的研究的結果,與實際不同。
幾乎所有的研究方式,都是醫師在門診的時候,把那些來拿荷爾蒙的病人蒐集起來當第一組,另外再找一群沒有服用荷爾蒙的人當第二組,這兩組人在五至十年的追蹤過程中得到心臟病的機率。
乍聽之下,這樣的方法相當的科學、也相當的合乎邏輯,可是,這樣的編組方式,其實是充滿誤差的。怎麼說呢?會來門診要求醫生開立荷爾蒙的人,她們閱讀健康雜誌、醫學期刊,發現了這樣的資訊,可見得這些人對自己身體健康比較重視。很合理的推論,她們也應該會知道其他保健之道,比方說上健身房、吃健康養生餐、甚至是規律的健康檢查。其實,並不是荷爾蒙讓第一組的人降低了心臟病的機會,而是第一組人原本就比較健康!也就是說,「荷爾蒙補充」與「降低心臟病」,其實是沒有因果關係的。
所以在幾年前,美國做了一個非常有名的研究,同樣的,他們安排幾萬個婦女服用女性荷爾蒙,當然也安排了幾萬個婦女服用了所謂的「安慰劑」,做為比較。可是,他們選取的方式,完全是「隨機」的,儘量讓這兩組人有相似的年紀、相似的健康狀況,再去比較。結果出來,出乎大家的意料,「補充女性荷爾蒙,雖然可以緩解更年期障礙,但卻會增加心臟病、中風、乳癌的機會。」這不但推翻了以往大家的認知,更一度讓補充好幾年的婦女驚恐不已,甚至有些團體要求藥廠賠償,甚至國家賠償。從這個故事可以知道,科學要建立出因果關係,是需要非常嚴謹的,稍一不慎,可能得到完全不同的結論。
讀到這裡,相信大家對「實證醫學」的觀念應該相當的清晰了。要回答「胎盤鈣化會不會對胎兒有危險」這個問題應該就會有較為正確的思考模式了吧!沒錯,就是要找一萬個胎盤鈣化和一萬個胎盤沒有鈣化的孕婦,詳細的評估胎盤的功能,寶寶出生後,也要比較兩組的健康狀態是否不同。其實這早有答案了,其實兩組並沒有不同。這其中,當然會有胎盤鈣化的寶寶出生後不健康,但是,胎盤沒有鈣化的寶寶,也有相同比例的寶寶不健康啊!
同樣的邏輯,用在「打無痛分娩會不會比較容易腰痠?」「胎兒解胎便有沒有關係?」「剖腹生產會不會比較安全?」來尋找答案,應該會更接近事實的。很多似是而非的觀念不斷的在孕婦中流傳,希望讀完這一篇冗長的文章,能讓大家建立一套更符合邏輯的思考模式。
同時也有1部Youtube影片,追蹤數超過73萬的網紅予備校のノリで学ぶ「大学の数学・物理」,也在其Youtube影片中提到,「普段どんな生活を送ってるんですか」「忙しそうですけど大丈夫ですか?」という疑問に答えるべく、初めてこういう動画を撮ってみました。思い付きでやったわりには、かなり平均的な一週間が撮れたと思います 【出演していただいたYouTuber&YouTubeチャンネル一覧】 たなか(元ぼくりり)のYouT...
「因果推論統計」的推薦目錄:
- 關於因果推論統計 在 媽媽好孕,寶寶才好運:婦產科楊濬光醫師 Facebook 的精選貼文
- 關於因果推論統計 在 升鴻投資 Facebook 的精選貼文
- 關於因果推論統計 在 柚子醫師的育兒診療室 - Dr.陳木榮醫師 Facebook 的最佳貼文
- 關於因果推論統計 在 予備校のノリで学ぶ「大学の数学・物理」 Youtube 的最佳解答
- 關於因果推論統計 在 [評價] 110-1 黃彥棕因果推論- 看板NTUcourse - 批踢踢實業坊 的評價
- 關於因果推論統計 在 因果推論筆記(一):What is Causality? 的評價
- 關於因果推論統計 在 統計與資料科學- 筆記:因果推論在行銷上的應用上次在TWDS ... 的評價
- 關於因果推論統計 在 統計的因果推論入門 - YouTube 的評價
因果推論統計 在 升鴻投資 Facebook 的精選貼文
看到這種新聞標題,很多朋友會覺得打疫苗很可怕:
"台昨開放長者施打新冠疫苗 11人接種後不治"
"北市首例 96歲老翁打完疫苗猝死"
但再看完這段中央研究院何美鄉的話...
----
死亡與施打疫苗 隨機發生於同一天的機率為何?
台灣90歲以上的人口 以14萬3,322人來計算。去年90歲以上的長者,粗死亡率為千分之191。亦即每日不論有沒有施打疫苗,都會有75位 90歲以上的長者,因不同的疾病往生。
若疫苗分5天施打,以100%施打率,則每日將有15位施打疫苗者在施打疫苗的同一天往生。若以50%施打率,則有7位施打疫苗者在施打疫苗的同一天往生。
這是一個純屬機率的運算,只是要幫助長輩們,先不要被數字嚇到了。另就生物相關的因果推論,則需更多的資訊。
----
下圖是打疫苗後的致死率變化,下降不少。
雖然看了個案,不免有很多因果關係的聯想,但做決策時,如果有統計可以看,就還是要看統計,即便是面對生死的議題。
記者朋友們平常寫文章時歡迎多用統計結果啦,你們寫的東西那麼多人看,有教育好大眾的使命,寫久了其實輿論就會慢慢地知道要學統計機率,而不是被個案牽著鼻子走,個案我覺得有一種狀況可以多用,就是可以讓人採取積極行動的正面例子,例如誰誰誰做善事,就算那只是特例也沒差,讓更多人想效仿也是功德一件。
因果推論統計 在 柚子醫師的育兒診療室 - Dr.陳木榮醫師 Facebook 的最佳貼文
請問下列何者可能是打流感疫苗造成的?
A、打完流感疫苗之後,路上被狗咬傷
B、打完流感疫苗之後,局部紅腫痠痛
C、打完流感疫苗之後,踩到香蕉皮滑倒
D、打完流感疫苗當天,心肌梗塞死亡
E、打完流感疫苗一年後,主動脈剝離死亡
關於流感疫苗安全性,最近很多醫師都在討論,從上面的題目,我唯一想表達的就只有「時序相關不等於因果相關」這個重點。
這句話的意思就是:我知道你的確是打完流感疫苗之後就被狗咬傷了,但是你被狗咬傷並不是流感疫苗造成的,兩件事情並沒有因果關係,所以你不能把所有打流感疫苗之後發生的每一件事情都怪到流感疫苗頭上。
有些人會說:「原本一個健康好好的人,打完流感疫苗當天就心肌梗塞死亡了,這個就是流感疫苗造成心肌梗塞的吧?」
實際上我們應該反過來想,大環境心肌梗塞造成死亡隨時都可能出現,如果這個人當天沒有打流感疫苗,他還是有可能因為心肌梗塞而死亡,從大數據的觀察統計來說,打流感疫苗這個族群的人,並沒有因為打了流感疫苗而出現更多案例的心肌梗塞,因此推論這個案例還是屬於時序相關,而不是因果相關。
「打完流感疫苗驚爆4死」
新聞媒體總是用這種嚇死人的標題,結果仔細看內文,這4人的死亡原因包含蜘蛛膜下腔出血、動脈瘤破裂、急性心肌梗塞、冠狀動脈阻塞、主動脈剝離,都是心血管疾病,跟流感疫苗的相關性不大。
如果硬要把死亡之前所做的事都歸納到跟死亡相關,那之後大家可能會看到這種新聞標題
「喝白開水驚爆10萬死」、「呼吸空氣驚爆全死」。
時序相關不等於因果相關,希望大家都能夠不被這種沒有邏輯觀念的新聞標題所誤導。
前幾天我有個醫師之間的聚餐,每個人都跑來問候跟我同桌吃飯的另一位朋友,後來才知道他前一陣子因為A型流感重症住進加護病房,昏迷指數3分,他自己都說他這條命真的是撿回來的。
拜託大家!去打流感疫苗!
圖片拍攝自聯經出版社的《你一定要知道的50種致命傳染病》封底
因果推論統計 在 予備校のノリで学ぶ「大学の数学・物理」 Youtube 的最佳解答
「普段どんな生活を送ってるんですか」「忙しそうですけど大丈夫ですか?」という疑問に答えるべく、初めてこういう動画を撮ってみました。思い付きでやったわりには、かなり平均的な一週間が撮れたと思います
【出演していただいたYouTuber&YouTubeチャンネル一覧】
たなか(元ぼくりり)のYouTubeチャンネルはこちら
https://www.youtube.com/channel/UCH-wVHHDDrpt5W59UUPJvXA/videos
パーソナルトレーナー松浦さんのチャンネルはこちら
https://www.youtube.com/channel/UCCkJHopuyowBoLLj263VpJA
そしてそのHPがこちら
https://cai-fit.com/
(このチャンネルを見た!と言えば+1回のトレーニングを無料で追加してくれるそうです)
書評授業をあげているBundanTVはこちら
https://www.youtube.com/channel/UC0zArNuGZKdvzSkfHbR9yLA
XXCLUB大島さんのチャンネルはこちら
https://www.youtube.com/channel/UCMutK6zOvD0EJuudaK9kOZw
芸人さん二人のチャンネルおこたしゃべりはこちら
https://www.youtube.com/channel/UCy0YgWM-nF-KrlDx_e1To2g
はいちさんのチャンネルはこちら
https://www.youtube.com/user/toaruotokohaichi
【使っている机と椅子】
LOWYAのL字デスク
https://amzn.to/2mcBFvy
LOWYAのオフィスチェア
https://amzn.to/2mcHtoO
【動画中に出てきた書籍一覧】
調理科学×肉の事典
https://amzn.to/34P3QCX
子どもに教えてあげられる 散歩の草花図鑑
https://amzn.to/2UVZCEF
量子コンピュータが変える未来
https://amzn.to/34JH0MT
統計的因果推論
https://amzn.to/2I8zLnV
圏論の歩き方
https://amzn.to/2UTWPMf
トポロジカル絶縁体入門
https://amzn.to/2I5swwU
※上記リンクURLはAmazonアソシエイトのリンクを使用しています
![post-title](https://i.ytimg.com/vi/i3A_1pCLCEA/hqdefault.jpg)
因果推論統計 在 因果推論筆記(一):What is Causality? 的推薦與評價
但在流行病學與統計學領域中也有兩位相當著名的教授,分別是Dr. James Robins 以及Dr. Don Rubin兩位在Harvard的老師(甚至兩位老師的觀點也有些不同), ... ... <看更多>
因果推論統計 在 統計與資料科學- 筆記:因果推論在行銷上的應用上次在TWDS ... 的推薦與評價
筆記:因果推論在行銷上的應用上次在TWDS 分享因果推論的筆記出爐囉!感謝TWDS 志工的整理,另外如果也附上投影片給有需要的朋友參考~... ... <看更多>
因果推論統計 在 [評價] 110-1 黃彥棕因果推論- 看板NTUcourse - 批踢踢實業坊 的推薦與評價
※ 本文是否可提供臺大同學轉作其他非營利用途?(須保留原作者 ID)
(是/否/其他條件):是
哪一學年度修課:
ψ 授課教師 (若為多人合授請寫開課教師,以方便收錄)
黃彥棕
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
數學系所、應數所、基因學程
δ 課程大概內容
第2週 9/27 A definition of causal effect
第3週 10/04 Randomized experiments
第4週 10/11 Observational studies
第5週 10/18 Effect modification
第6週 10/25 Interaction
第7週 11/01 Graphical representation of causal effects
第8週 11/08 Confounding
第9週 11/15 Selection bias
第10週 11/22 IP weighting and marginal structural models
第11週 11/29 Standardization and the parametric g-formula
第12週 12/06 G-estimation and structural nested models
第13週 12/13 Introduction to mediation
第14週 12/20 Multi-mediator models
第15週 12/27 Hypothesis tests of mediation
第16週 1/03 Instrumental variable
第17週 1/10 [no class]
第18週 1/17 FINAL PROJECT?
Ω 私心推薦指數(以五分計) ★★★★★
★★★★★
η 上課用書(影印講義或是指定教科書)
Hernàn & Robins. Causal inference: what if.
以及老師簡報、指定文章
μ 上課方式(投影片、團體討論、老師教學風格)
本學期除了期末報告以外完全都是遠距教學
在上 what if 那本課本時就是錄投影片
然後老師對著投影片講話比劃
最後幾週中介分析和工具變數的內容
老師就放去年實體上課的錄影
期末最後兩週有期末報告
分組報告指定的期刊文章,與中介分析和工具變數相關
σ 評分方式(給分甜嗎?是紮實分?)
還不知道,之後補,但作業給分很高
ρ 考題型式、作業方式
沒有考試,有三次作業一次分組報告
應該是全數學系課程要求最低的課
作業就是跟課堂內容相關的簡單練習
分組報告指定的期刊文章的部分比較困難,吃重既有的知識
ω 其它(是否注重出席率?如果為外系選修,需先有什麼基礎較好嗎?老師個性?
加簽習慣?嚴禁遲到等…)
應該只要修過初統(知道什麼是 pdf、cdf、條件機率)
知道 Stieltjes 積分的 notation
應付課程的前三分之二就沒有問題
但課程的後三分之一有許多蠻技術性的細節
不過,因為不會考試,也不見得要弄懂每一個細節才能通過這門課
Ψ 總結
大概是我這學期修過最喜歡的課
雖然沒能搞懂每一個數學證明
而且因為修其他課有點應付不來,也沒辦法在這門課上花太多時間
但確實有那種眼界變得更開闊的感覺
只修過系上的統計學、計量經濟學導論和高統一
在修這門課的過程中也發現很多自己的不足之處
不過面對很多複雜的、蠻技術性的部分
也有被激起學習的興趣
讓人以後想要繼續學習相關的因果推論、統計、迴歸分析知識
雖然沒有很多接觸,黃彥棕老師本人也感覺很有魅力!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.25.33 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/NTUcourse/M.1642389328.A.229.html
... <看更多>