21) Коло замість ієрархії в байєсівському аналізі - Проф
Як конкретно працює кругова модель і чому вона перевершує ієрархічну модель - приклад кетогенної дієти
Щойно ми опублікували нову публікацію в інтернет-журналі, де продемонстрували, як насправді може бути реалізована кругова когнітивна модель [1]. Відповідальним був фізик Райнер Клемент, який розрахував аналіз та надав вибіркові дані. Я зміг надихнути його на свою ідею про те, що людина отримує більше розуміння за допомогою кругової когнітивної моделі, ніж за допомогою традиційної ієрархічної моделі „медицина, що базується на доказах (EBM)”. Ключем до цього може бути формалізація, проведена тут, яка використовує байєсівський статистичний підхід. Це звучить складніше, ніж є.
Передумови та проблеми
Ієрархічна модель EBM, сучасна модель, передбачає, що рандомізовані контрольовані дослідження, якщо це можливо з контролем плацебо, дають найкращі наявні знання про те, чи діє втручання чи ні. Це неявно встановлює внутрішню валідність, методологічну строгість та валідність дослідження проти зовнішньої валідності, можливості передачі, зручності та узагальнення результатів на практиці. Я проаналізував ці проблеми в перших трьох частинах моєї методології (Частина 1: Докази, невідбиваючий термін бою; Частина 2: Ієрархія або коло знань; Частина 3: Наслідки ієрархічної та кругової моделі).
На практиці це означає, що систематичні огляди та метааналізи ігнорують більшість даних і часто навіть говорять про відсутність наукових знань. Тому медичні вказівки або мета-аналізи часто містять рекомендації, що суперечать клінічному досвіду або не враховують велику кількість аналізів [2]. Проблема, яку ми проаналізували в інших публікаціях [3, 4] і більш детально представили в частині 18 блогу методів, полягає в тому, що внутрішні та зовнішні дані не залежать один від одного. Ви не можете робити вигляд, що одне важливіше іншого, або що одне передбачає інше. Вони просто цього не роблять. Швидше, є дослідження, які максимізують внутрішню валідність - рандомізовані дослідження, а ті, що максимізують зовнішню валідність, - всі натуралістичні дослідження.
Якщо нехтувати натуралістичними дослідженнями на користь рандомізованих, як це робиться зараз, ризикує отримати надзвичайно надійні знання, які або лише дуже обмежені, або нікого не цікавлять. Тому ми запропонували циркулярну модель, яка не надає переваги будь-якому типу інформації чи дослідження, але припускає, що всі дослідження надають різні типи інформації, які мають відношення до різних питань, і тому їх слід враховувати. У круговій моделі доказів. Перш за все, я думаю, що це правдоподібна теоретична вимога. Однак питання полягає в тому, як це може насправді працювати?
Зараз ми доставили ключ. З конкретним прикладом застосування в суперечливій темі. Застосування кругової моделі досягає успіху, якщо обрати формальний аналітичний підхід Байєса, який дозволяє дослідженням змінювати наші попередні знання і тим самим надає різну вагу різним типам досліджень. Перевага байєсівського аналізу полягає в тому, що він включає в аналіз наші попередні знання, породжені різними даними. Я вже обговорював це у вкладі в методологію (Частина 5: Взаємозв'язок емпіризму та теорії 1), тому лише коротке нагадування тут.
Байєсовський аналіз
Ірландський пастор Байєс визнав, що ми приймаємо рішення на основі попередніх знань, що змінює більше інформації, яку ми маємо. Аналіз, названий на його честь, запитує: якщо я маю певні попередні знання, наскільки сильними повинні бути емпіричні знання в тому чи іншому напрямку, щоб їх змінити? Або по-іншому: якщо врахувати всі попередні знання, які ми маємо, наскільки сильним є вплив конкретного дослідження чи досвіду? Байєсовський аналіз, на відміну від класичної частотної статистики, працює з умовною ймовірністю. Він формалізує попередні знання як так звану "попередню ймовірність" або початкову ймовірність, додає новий результат дослідження, а потім запитує, як цей новий результат змінює цю початкову ймовірність на так звану "задню ймовірність" або остаточну ймовірність.
Ми всі люди - байєсці. Тому що ми всі мали офіційний або неформальний досвід. Наука теж неявно байєсівська. Переважаючи світогляд, професійний чи науковий досвід, усі вони формують неявну стартову ймовірність, на основі якої інтерпретуються та зважуються всі наявні дані, нові результати досліджень або досвід. Байєсовський аналіз просто формалізує цю процедуру, яку ми так чи інакше робимо завжди.
Класична статистика "Рибалки" або "частоти" імітує особливий випадок, який насправді ніколи не трапляється, коли ми повністю не визначилися з певним питанням, оскільки не маємо попередніх знань, "попередня ймовірність" або початкова ймовірність становить 50:50 або ½. Статистичні дані лікаря-спеціаліста застосовуються лише у суворому випадку, якщо це так, інакше ні. На прикладі парапсихології, як я справедливо вважаю, Вагенмейкери та його колеги зазначили [5]. Однак це має стосуватися не лише психології, але в принципі всієї статистики, включаючи статистику, за допомогою якої оцінюються клінічні дослідження.
Ми щойно створили модель кругового синтезу за допомогою байєсівської статистики для прикладу, який зараз обговорюється дуже суперечливо. Йдеться про кетогенну дієту при високоякісних гліомах - важко піддається лікуванні тип пухлини мозку з дуже поганим прогнозом.
Клінічний приклад: кетогенна дієта при пухлинах головного мозку
«Кетогенна дієта» - це дієта, яка просто імітує метаболізм натще. Зараз я зберігаю біохімічний та фізіологічний фон. Вони пояснюються в оригінальній публікації та в іншій публікації нами, яка також доступна в Інтернеті [6]. Коли ми постимо, організм розщеплює жир. Це створює коротколанцюгові жирні кислоти, так звані «кетонові тіла». Більшість клітин організму, включаючи нервові клітини, можуть отримувати енергію з цих кетонових тіл. І ті немногі, хто не може цього зробити, забезпечуються цукром, який утворюється в печінці з лактату, гліцерину або глюкогенних амінокислот під час процесу відновлення цукру. Ось чому ми не вмираємо і не падаємо в непритомність, коли постимося, але насправді можемо протриматися довго. Люди, які не звикли до цього, спочатку можуть легко впасти в гіпоглікемію, але це вже інша історія.
У будь-якому випадку, організм може бути добре забезпечений у режимі голодування, якщо він харчується кетоновими тілами із власних запасів. Ми робимо це щовечора, не встаючи і готуючи бутерброди, щоб не померти з голоду. Кетогенна дієта цим користується, за винятком того, що організм не падає назад на власні запаси, а на білки та жири, які надходять до нього через їжу. Отже, кетогенна дієта - це дієта, при якій вуглеводів в основному уникають, а харчування забезпечується переважно за рахунок споживання жирів і білків, а вуглеводів переважно в складній формі (наприклад, салат і овочі). Така дієта зарекомендувала себе при деяких неврологічних захворюваннях, таких як епілепсія. Але він також використовується при раку [6, 7]. Це пояснюється тим, що більшість ракових клітин покладаються на цукор, який вони отримують прямо з їжею і не можуть харчуватися кетоновими тілами. Отже, кетогенна дієта - це щось на зразок програми позбавлення їжі для ракових клітин. Він зарекомендував себе багатьма способами [7].
Зараз ми обрали кетогенну дієту для агресивних гліом, оскільки тут дуже мало і недостатньо інформації, особливо в сенсі ієрархічної моделі. Оскільки існує лише три дослідження на людях, і вони є досить невеликими, іноді їх порівнюють з іншими складними процедурами або доступні лише як дані спостережень, тобто не з рандомізованого дослідження. Тому класичний рецензент дійшов би висновку: наукових висновків немає. Тому терапію рекомендувати не можна. Але якщо взяти існуючі 17 експериментів на тваринах та дані досліджень на людях разом і додати основні фізіологічні міркування, які ми не можемо просто ігнорувати, то картина змінюється.
Аналіз та розуміння
Усі ці параметри тепер впливають на те, як розраховуються окремі дослідження в загальній моделі та як оцінюється твердження аналізу. Я відтворюю ілюстрацію результатів з оригінальної публікації тут:
Рисунок - Оцінка середнього часу виживання при гліомі за кетогенної дієти (КД), кетогенної дієти з додатковою терапією (КД +) або обмеження калорій (часткове голодування; КР) з (+) та без додаткової терапії. SP: скептична ймовірність виходу; FSP: принципово скептична початкова ймовірність (тобто припущення про пошкодження KD); RP: різні припущення про взаємозв'язок впливу різних видів (миші, щури, людина); МП: різні припущення про механістичні взаємозв'язки між кетогенною дієтою та іншими методами лікування; ЕП: захоплені очікування.
Можливо, найважливішим уроком цього аналізу є те, що всі дані вказують на те, що кетогенна дієта має незначну перевагу для виживання. Оцінки становлять від 1,2 до 1,5 для кетогенної дієти та від 1,5 до 1,7 для дієти з обмеженням калорій з додатковим лікуванням. Отже, ті, хто лікується кетогенною дієтою, мають на 20-50% більшу ймовірність виживання. Жоден з цих висновків не є певним у суворому сенсі, оскільки довірчий інтервал завжди включає лінію нерішучості 1, навіть якщо найоптимістичніші оцінки наближаються. Але дивно, наскільки близькі оцінки, навіть якщо ви моделюєте скептиків, тобто скептичних пріоритетів (перші три рядки на малюнку). Той факт, що висновки відрізняються настільки широко, свідчить про те, що все ще доступно відносно мало даних, а невизначеність висока. Той факт, що точки оцінки відносно близько розташовані, показує, що всі дані вказують в одному напрямку.
Отже, результат нашого аналізу буде таким: Кетогенна дієта та обмеження калорій безумовно перспективні. Терапія обіцяє на 50% вищу ймовірність виживання, у гіршому випадку - 20%, і, безумовно, її слід дослідити. Перш за все, ми показали, що і як дослідження різних типів можна об'єднати у формалізовану кількісну модель аналізу.
Тепер, звичайно, ми сподіваємось, що імпульс буде підхоплений, а новаторські уми в спільноті Кокрана та EBM викладуть і переосмислять свої стратегії аналізу, можливо, в сумнівному випадку застосовують таку більш кругову стратегію і зупиняють 95% усіх даних, чи то механістичні дослідження, чи когортні дослідження, яких слід викинути за борт.