Archiv der Kategorie: DataScience

Statistische versus biologische Signifikanz

Medizinische Publikationen und Vorträge betonen die Relevanz ihrer Ergebnisse gerne mit der statistischen Relevanz. In der Regel geschieht dies durch Angabe eines p- Wertes.

Auf den Sinn und Unsinn dieser statistischen Größe möchte ich hier nicht näher eingehen. Eine andere interessante Frage ist jedoch, wieweit ein statistisch signifikantes Ergebnis auch biologisch relevant ist. Ein Unterschied von 2 kg Handkraft  kann durchaus statistisch signifikant sein. Aber ist er für den Patienten relevant? Dies hängt von einer Vielzahl von Faktoren ab und kann mehr oder weniger offensichtlich sein. 

Brian Caffo erklärt die Grundlagen sehr aus führlich und genau in diesem 

Video mit Brian Caffo

Künstliche Intelligenz und Diagnose 

Ein interessanter Ansatz denn die größte chinesische Suchmaschine, Baidu, da versucht.

Diagnose Chatbot

Wenn man das liest, dann fallen einem zwei Dinge ein:

  • die künstliche Intelligenz wird in den nächsten zehn Jahren Einzug in der Medizin halten. Auch wenn viele Mediziner sich derzeit noch für unersetzlich halten, so werden speziell die Mediziner, die reine Diagnostik betreiben, bald mit der künstlichen Intelligenz konfrontiert werden.

  • große Teile der medizinischen Diagnostik beruhen weiterhin auf einem geschickten Frage- Antwortspiel. Das ist eine Tatsache, die in unserer geräteorientierten Medizin leider häufig vergessen wird. Die Symptome, Zeitpunkt und Ort des Auftretens , das Geschlecht, das Alter und natürlich der klinische Befund, liefern in vielen Fällen schon die wesentlichen Hinweise auf die Diagnose.

Die Handchirurgie ist sicher ein gutes Beispiel, wie Medizin mit relativ einfachen Mitteln und wenig Geräten auskommen kann.

Zehn einfache Regeln für effektive Statistik

Wer wissenschaftlich arbeitet, kommt ohne Statistik nicht aus. Die Statistik ist aber nicht Selbstzweck sondern sollte immer dazu dienen,die Fragestellung der Untersuchungen zu unterstützen.

Zehn Regeln für die Arbeit mit der Statistik und dem Statistiker vereinfachen die Arbeit und ermöglichen bessere Wissenschaft.

Die Arbeit ist unter Mitarbeit von B. Caffo entstanden, der zusammen mit R. Peng und J. Leek die Data Science Specialisation der John-Hopkins University erschaffen hat. Super Kurs auf  Coursera.

Ten simple rules, Plos one

Statistik und p-Wert

Liest man wissenschaftliche Arbeiten dann wird der „Beweis“ für die Richtigkeit der Hypothese immer mit dem p-Wert unterlegt. p-Werte Klient als 0,05 gelten in der Regel als beweisend. Jeff Leg und Roger Peng zwei Statistiker von der John-Hopkins in Baltimore haben in einer aktuell in Nature erschienen Arbeit die Sinnhaftigkeit des p-Wertes hinterfragt. Ihre kurze Arbeit betont die Wichtigkeit der gesamten Analyse. Der Artikel ist sehr lesenswert.

statistics-p-values-are-just-the-tip-of-the-iceberg