字體:小 中 大 | |
|
|
2022/07/11 10:39:19瀏覽305|回應0|推薦0 | |
疫情期間很多人不斷拿所謂的「事後事證」來反證疫苗的效力。對不懂統計學的人來說看起來是對的,但是其實有貓膩。 很多分析採用「事後」數據來分析的結論其實都是不對的。人一生中大部分的事情都是白刀子進紅刀子出,會不會死人一看就明白,不需要數據分析,或者分析時只需要看個趨勢,不是迫切需要十分正確的結論,因此濫用數據分析的毛病絕大部分的人都有,只是大部分都成為茶餘飯後的聊天話題,亂講不償命。但醫療研究之所以要注重數據分析,就是因為沒有人可以真正進入人體看病是怎麼治好的,不是白刀子進紅刀子出。而且人的身體也不是真的親眼看到病毒被消滅了就覺得一定會恢復。而身體健康又是十分重要的事情,所以必須用臨床實驗「事先」規劃分析,這些都是事先控制好隨機誤差的。舉個簡單的例子。假設你的撞球技能是我的兩倍強,打一場球贏過我的機率是2/3。現在我們「事先」講好七戰四勝,你最後贏我的機率超過95%,這是十分公平的規則。臨床實驗也是這麼規劃。但是我如果事後才機車的說,這次不算,重來一次。或者我事後說第三戰不是輸給我了嗎?所以你沒有比較強。用這類的方式硬ㄠ來改變結論,最後總有一天反而可以說我比你強,這個惡搞的方式成功機率是100%。這就是「事後」規則偏頗的地方,對的事情一定可以被講成錯的。 有些人說非洲疫苗普及率低,最近疫情也很好。這件事應該這麼看:「即使沒有疫苗,疫情本來就是有的地方嚴重有的地方不嚴重,」所以不能倒果為因,用那些人沒得病,事後來說就是因為那些人如何如何所以不得病來建立論述。你在舉非洲這個例子時,事先就知道要特地去看非洲這個數據?事先知道非洲人少打疫苗也不會得病嗎?其實不知道,是事後諸葛。你不斷用這種方式,只要一件事情發生的機率不是100%或者0%,都可用這種方式任意解釋成自己想要的結論。再舉個例子,從前不是有歧視言論,有些常在歐美不正當場所鬼混的人說跟亞洲女性做愛可以預防疾病?講的時候還色瞇瞇的。那現在果然中國跟台灣的疫情控制比較好,你能說他們說對了,是因為亞洲的人都是跟亞洲人做愛所以不中鏢COVID-19?你別說他們這是胡扯所以壓根就不能拿來比,從前流感在亞洲造成的傷害真的比起歐美更輕,這樣是不是一下子感覺他們說的好像是真的了?但是這樣我們要靠做愛來防疫嗎? 而且再回頭說非洲,這是沒經過審計的數據,在那種地方光是原始數據就很容易失準,得病的人真的都呈報了嗎?印度當時有多少人把得病死的人丟到河裡流走了,別說有沒有呈報得病,連一個人有沒有死都有一段時間搞不清楚,再加上疫情期間,外來移入人口在非洲的比例極低,這也是疫情的變因。這跟一個具體的臨床實驗怎麼比?最後再坦白說,現在你無論如何舉證,都犯了這個毛病,再講下去也是沒有意義的。 「事後」分析不是永遠不行,代價是十分高的,必須付出很多心血找到適合的統計假設跟模型,絕大部分的人都沒法辦這件事,我們也不能因為同情這件事的艱難,就降低標準。藥廠要讓一個藥上市付出的代價比全五年內台灣人大學經費還要高,FDA也沒有降低標準。而且反疫苗最簡單的方式就是自己設計出一個實驗好好去做,全美至少有30%的人不願意打疫苗,全世界更不知有多少億人反疫苗,為什麼不每個人捐出一點錢給一些專家幾百萬台幣年薪來設計一個?每個人捐一百元美金這種事不知道可以幹多少次,為什麼就不願意老老實實做做看?其實就是因為代表這方面意見的專家其實都是半調子,根本沒意識到統計學的弔詭之處,現在那些所謂的反疫苗專家壓根已經算不上科學家,只是背一些我們記不住的名詞唬弄一下我們沽名釣譽而已。 |
|
( 知識學習|科學百科 ) |