21) Kör hierarchia helyett egy Bayes-elemzésben - Prof
Hogyan működik a körkörös modell konkrétan, és miért jobb a hierarchikus modellnél - a ketogén étrend példája
Nemrég publikáltunk egy új kiadványt egy online magazinban, amelyben bemutattuk, hogyan lehet a körkörös kognitív modellt valóban megvalósítani [1]. Rainer Klement fizikus, aki kiszámította az elemzést és a minta adatait szolgáltatta. Ihletet tudtam adni arra az elképzelésemre, hogy egy körkörös kognitív modellel több betekintést nyerhetünk, mint a „bizonyítékokon alapuló orvoslás (EBM)” hagyományos, hierarchikus modelljével. Ennek kulcsa az itt elvégzett formalizálás lehet, amely Bayesi statisztikai megközelítést alkalmaz. Ez bonyolultabban hangzik, mint amilyen.
Háttér és probléma
Az EBM hierarchikus modellje, a jelenlegi mainstream modell, azt feltételezi, hogy randomizált, kontrollált vizsgálatok, ha lehetséges placebo kontrollal, a rendelkezésre álló legjobb információt nyújtják arról, hogy a beavatkozás működik-e vagy sem. Ez implicit módon meghatározza a belső érvényességet, a tanulmány módszertani szigorúságát és érvényességét a külső érvényességgel, az eredmények gyakorlati átültethetőségével, használhatóságával és általánosíthatóságával szemben. Módszertanom első három részében elemeztem ezeket a problémákat (1. rész: Bizonyíték, reflektálatlan csatatermék; 2. rész: Hierarchia vagy ismeretkör; 3. rész: A hierarchikus és körmodell következményei).
A gyakorlatban ez azt jelenti, hogy a szisztematikus áttekintések és meta-elemzések figyelmen kívül hagyják a legtöbb adatot, sőt gyakran azt mondják, hogy nincs tudományos ismeret. Ezért az orvosi irányelvek vagy metaanalízisek gyakran tartalmaznak olyan ajánlásokat, amelyek ellentmondanak a klinikai tapasztalatoknak, vagy nem vesznek figyelembe nagyszámú felismerést [2]. A probléma, amelyet más publikációkban [3, 4] elemeztünk és a módszerblog 18. részében részletesebben bemutattunk, az, hogy a belső és külső bizonyítékok függetlenek egymástól. Nem tehet úgy, mintha egyik fontosabb lenne, mint a másik, vagy hogy egyik feltételezné a másikat. Csak nem. Inkább vannak olyan tanulmányok, amelyek maximalizálják a belső érvényességet - randomizált vizsgálatok - és olyanok, amelyek maximalizálják a külső érvényességet - mind naturalisztikus vizsgálatok.
Ha valaki elhanyagolja a naturalisztikus vizsgálatokat a randomizáltak javára, ahogyan azt jelenleg is teszik, akkor fennáll annak a kockázata, hogy rendkívül megbízható tudást generál, amely vagy csak nagyon korlátozott, vagy amely senkit sem érdekel. Ezért azt a körmodellt javasoltuk, amely nem kedvez semmiféle információnak vagy tanulmánynak, de feltételezi, hogy minden tanulmány különböző típusú információkat szolgáltat, amelyek relevánsak a különböző kérdések szempontjából, ezért ezeket mind figyelembe kell venni. A bizonyítékok körmodelljében. Először is azt gondolom, hogy ez elfogadható elméleti követelmény. A kérdés azonban az: hogyan működhet ez valójában?
Most leadtuk a kulcsot. Konkrét alkalmazási példával egy vitatott témában. A körmodell alkalmazása akkor sikerrel jár, ha olyan Bayes-féle formális analitikai megközelítést választunk, amely lehetővé teszi, hogy a tanulmányok megváltoztassák előzetes ismereteinket, és ezáltal különböző súlyozásokat adjon a különböző tanulmánytípusoknak. A Bayes-elemzés előnye, hogy az elemzésbe beépíti korábbi, különböző adatok által generált ismereteinket is. Ezt már a módszertanhoz való hozzájárulásban tárgyaltam (5. rész: Az empirizmus és az elmélet kapcsolata 1), ezért itt csak egy rövid emlékeztető.
Bayesi elemzés
Bayes ír lelkész felismerte, hogy előzetes ismeretek alapján hozunk döntéseket, ami megváltoztatja a több információnkat. A róla elnevezett elemzés azt kérdezi: Ha rendelkezem bizonyos előzetes ismeretekkel, mennyire erősnek kell lennie az empirikus tudásnak az egyik vagy a másik irányba annak megváltoztatásához? Vagy másképp fogalmazva: ha az összes korábbi tudásunkat figyelembe vesszük, mennyire erős egy adott tanulmány vagy tapasztalat hatása? A Bayes-elemzés, a klasszikus gyakoriak statisztikáival ellentétben, feltételes valószínűséggel működik. Formalizálja az előzetes ismereteket úgynevezett "előzetes valószínűségként" vagy kezdeti valószínűségként, új tanulmányi eredményt ad hozzá, majd megkérdezi, hogy ez az új eredmény hogyan változtatja ezt a kezdeti valószínűséget úgynevezett "posterior valószínűséggé" vagy a végső valószínűséggé.
Mi emberek mind Bayesiek vagyunk. Mert mindannyiunknak volt hivatalos vagy informális tapasztalata. A tudomány is implicit módon bayesi. Az uralkodó világnézet, szakmai vagy tudományos tapasztalat, mind egy implicit kiindulási valószínűséget alakítanak ki, amely alapján az összes rendelkezésre álló adatot, új tanulmányi eredményt vagy tapasztalatot értelmezik és súlyozzák. A bayesi elemzés egyszerűen formalizálja ezt az eljárást, amelyet egyébként is mindig megteszünk.
A klasszikus Halász- vagy gyakorisági statisztika azt a különleges esetet utánozza, amely valójában soha nem fordul elő, hogy egy bizonyos kérdésben teljesen bizonytalanok vagyunk, mert nincsenek előzetes ismereteink, az "előzetes valószínűség" vagy a kezdeti valószínűség 50:50 vagy ½. A frekvencia statisztikák csak akkor alkalmazhatók szigorú esetben, ha ez a helyzet áll fenn, különben nem. Erre hívták fel a figyelmet Wagenmakers és munkatársai a parapszichológia példájával, amint azt helyesen hiszem [5]. Ennek azonban nemcsak a pszichológiára kell vonatkoznia, hanem elvben minden statisztikára, beleértve azokat a statisztikákat is, amelyekkel a klinikai vizsgálatokat értékelik.
Éppen egy kör alakú szintézis modellt állítottunk fel a Bayes-i statisztikák segítségével egy példára, amelyről jelenleg nagyon ellentmondásos viták folynak. A ketogén étrendről szól a magas fokú gliomák, egy nehezen kezelhető típusú agydaganat, nagyon rossz prognózisú.
A klinikai példa: ketogén étrend agydaganatok esetén
A „ketogén étrend” olyan étrend, amely leegyszerűsítve utánozza az éhomi anyagcserét. Most mentem a biokémiai és fiziológiai hátteret. Ezeket az eredeti kiadvány és egy másik online kiadványunk is ismerteti [6]. Ha böjtölünk, a test lebontja a zsírt. Ez rövid láncú zsírsavakat, úgynevezett "ketontesteket" hoz létre. A legtöbb testsejt, beleértve az idegsejteket is, energiát nyerhet ezekből a ketontestekből. Azokat a keveseket, akik ezt nem tudják megtenni, cukorral látják el, amely a májban laktátból, glicerinből vagy glükogén aminosavakból képződik a cukor visszanyerése során. Ezért nem halunk meg vagy ájulunk el, ha böjtölünk, hanem valóban sokáig kitartunk. Azok, akik nem szoktak hozzá, először hipoglikémiába eshetnek, de ez egy másik történet.
Mindenesetre a test éhezési módban jól ellátható, ha saját tartalékaiból táplálkozik ketontestekkel. Minden este ezt csináljuk anélkül, hogy fel kellene kelnünk és kenyeret és vajat kellene enni, hogy ne haljunk éhen. A ketogén étrend kihasználja ezt, kivéve, hogy a szervezet nem a saját tartalékaira esik vissza, hanem a fehérjére és a zsírra, amelyet táplálékkal juttatnak hozzá. A ketogén étrend tehát olyan étrend, amelyben a szénhidrátokat nagyrészt kerülik, és a táplálkozást elsősorban zsír- és fehérjebevitel, valamint túlnyomórészt komplex formájú szénhidrátok (pl. Saláta és zöldségek) biztosítják. Az ilyen étrend bevált néhány neurológiai betegségben, például az epilepsziában. De rák esetén is alkalmazzák [6, 7]. Ennek oka, hogy a legtöbb rákos sejt a cukorra támaszkodik, amelyet közvetlenül az élelmiszerből kap, és nem táplálkozhat keton testekkel. Tehát a ketogén étrend a rákos sejtek élelmiszer-nélkülözési programja. Sok szempontból bevált [7].
Most a ketogén étrendet választottuk példának az agresszív gliomákra, mert itt nagyon kevés és nem megfelelő információ található, különösen a hierarchikus modell értelmében. Mivel csak három emberen végzett vizsgálat zajlik, és ezek meglehetősen kicsiek, bizonyos esetekben más komplex módszerekkel összehasonlítva, vagy csak megfigyelési adatokként állnak rendelkezésre, azaz nem randomizált vizsgálatból származnak. Ezért egy klasszikus recenzens arra a következtetésre jutna, hogy nincsenek tudományos eredmények. Ezért a terápia nem ajánlható. De ha összevesszük a meglévő 17 állatkísérletet és az emberi vizsgálatok adatait, és hozzáadjuk azokat az alapvető élettani szempontokat, amelyeket nem hagyhatunk egyszerűen figyelmen kívül, akkor a kép megváltozik.
Az elemzés és a betekintés
Mindezek a paraméterek most befolyásolják az egyes vizsgálatok általános modellben történő kiszámítását és az elemzés állításának értékelését. Az eredeti publikáció eredmény-illusztrációját itt reprodukálom:
Ábra - Az átlagos túlélési idő becslése egy gliomával a ketogén étrend (KD), a ketogén étrend kiegészítő terápiával (KD +) vagy a kalória-korlátozás (részleges koplalás; CR) mellett (+) és további terápia nélkül. SP: szkeptikus kilépési valószínűség; FSP: alapvetően szkeptikus kezdeti valószínűség (azaz a kár feltételezése KD által); RP: különféle feltételezések a különböző fajok (egerek, patkányok, emberek) hatása közötti összefüggésekről; MP: különféle feltételezések a ketogén étrend és más terápiák közötti mechanisztikus kapcsolatokról; EP: lelkes elvárás.
Ennek az elemzésnek a legfontosabb tanulsága az, hogy minden adat azt jelzi, hogy a ketogén étrendnek kicsi a túlélési előnye. A becslések szerint ketogén étrend esetén 1,2 és 1,5 között, további kezelés mellett pedig kalória-korlátozó étrend esetén 1,5 és 1,7 között van. Tehát annak, akit ketogén diétával kezelnek, 20-50% -kal nagyobb az esélye a túlélésre. Igaz, hogy ezen megállapítások egyike sem szoros értelemben vett biztos, mert a konfidenciaintervallum mindig magában foglalja az 1 határozatlanságot, még akkor is, ha a legoptimistább becslések közel kerülnek egymáshoz. De elképesztő, hogy a becslések milyen közel állnak egymáshoz, még akkor is, ha szkeptikusokat modellezünk, vagyis a szkeptikus priorokkal (az ábra első három sora). Az a tény, hogy a megállapítások ennyire eltérőek, azt mutatja, hogy viszonylag kevés adat áll még rendelkezésre és a bizonytalanság nagy. Az a tény, hogy a becslési pontok viszonylag közel vannak egymáshoz, azt mutatja, hogy az összes adat ugyanabba az irányba mutat.
Tehát elemzésünk eredménye a következő lenne: A ketogén étrend és a kalória-korlátozás mindenképpen ígéretes. A terápia 50% -kal nagyobb, a legrosszabb esetben 20% -os túlélési esélyt ígér, és mindenképpen tovább kell vizsgálni. Mindenekelőtt megmutattuk, hogy a különböző típusú tanulmányok miként hozhatók össze formalizált, kvantitatív elemzési modellben.
Most természetesen reméljük, hogy felkapja az impulzust, és az innovatív elmék a Cochrane és az EBM közösségben meghatározzák és újragondolják elemzési stratégiáikat, talán kétes esetben alkalmaznak egy ilyen körkörös stratégiát, és megállnak, az összes adat 95% -a függetlenül attól, hogy mechanisztikus tanulmányok vagy kohorsz-vizsgálatok, át kell dobni a hajóra.