Lautsprecher | Abschrift |
| Stan Jung | Haha. |
| Sara Doudt | Dir es erlauben. |
| Stan Jung | jetzt alles sehen. |
| Okay, oh nein. Werde ich die Rutschen von meiner Seite laufen lassen? |
| Sara Doudt | yeah yeah genau wie bei einem normalen Treffen. |
| Okay, cool, vergewissere dich, dass ich alles habe, wenn ich in der Nähe bin. Okay, wir nehmen auf. Ich muss. Ich werde. Ich werde meine Kamera ausschalten. |
| Okay. |
| Stan Jung | Um diesen Vollbildmodus so jetzt nur noch sortieren zu können. |
| wie man das macht die zweite. |
| Sara Doudt | es ist so unten wie dort, wo es Notizen zu ihrem Verhalten zu den 34% gibt, es ist derjenige, der wie ein aussieht. |
| Unten im Boot, ja, tut mir leid, auf der anderen Seite der Person, die. |
| Eins ja, dieser Typ. |
| Stan Jung | Haha. |
| Sara Doudt | Sie gehen, und ich meine, ich werde gehen, wir werden in einer Sekunde anfangen, aber ich werde mich treffen, haben Sie irgendwelche Fragen, bevor wir anfangen. |
| Stan Jung | oder nicht wirklich, wirst du mich und die Folien aufnehmen. |
| Sara Doudt | yeah yeah sie haben gefragt, ob du das hast. |
| Die Kamera hier oben. |
| Darüber ist in Ordnung. |
| Recht. |
| Gut. |
| Stan Jung | Ich bin bereit zu gehen. |
| Sara Doudt | Ich werde mich selbst stumm schalten, und wenn Sie Fragen haben oder aufhören müssen, lassen Sie es mich wissen, aber ansonsten lasse ich es Sie. |
| Stan Jung | Gehen. |
| Ich werde heute JMP-Add-Ins und Skripte für die Auswertung mehrerer Studien vorstellen. Oder Sie können es nennen, wie man P-Hacker fängt, Leute, die mit Statistiken schummeln, oder warum die meisten wissenschaftlichen Behauptungen falsch sind. |
| Ich werde zuerst die Puzzleteile beschreiben und wie sie zusammenpassen. Die meisten Behauptungen lassen sich tatsächlich nicht replizieren. Das sind wissenschaftliche Behauptungen. |
| Ich behaupte, und meine Co-Autoren behaupten, dass dies auf P-Hacking zurückzuführen ist und ein großes Problem darstellt. Wir werden Metaanalysen und P-Wert-Plots verwenden, um sie zu fangen, also fangen wir einen Gauner so. |
| Die JMP-Add-Ins und -Skripte sind P-Werte aus Risikoverhältnissen und Konfidenzgrenzen. Sie stammen aus einer Metaanalyse. |
| Und dann Fishers Kombinieren von P-Werten, eine uralte Technik, die der Metaanalyse-Technologie ähnelt. Und dann werden wir ein p-Wert-Diagramm präsentieren, und wir haben ein kleines Skript, das das aufräumt und es zu einem vorzeigbaren macht |
| Bild. |
| Nun, wir sehen einen Hasen am Himmel. Es gibt viele Wolken am Himmel, und wenn Sie an einem schönen Tag draußen sitzen und sich umschauen, können Sie wahrscheinlich einen Hasen finden. |
| Das ist also ein zufälliges Ereignis. Die Hasen sind natürlich nicht wirklich am Himmel. |
| Gelman und Loken veröffentlichten tatsächlich einen kleinen Artikel und sagten, die statistische Krise in der Wissenschaft, also verwenden die Leute Statistiken, sagen sie, falsch, und darüber werden wir heute sprechen. |
| Lassen Sie uns ein epidemiologisches Experiment durchführen. |
| Wir haben 10-seitige Würfel, rot, weiß und blau. Sie werden zu Ziffern (in diesem speziellen Fall .046). Lasst uns einfach zusehen, wie dies vor unseren Augen geschieht. |
| Jetzt haben wir einen P-Wert. Es ist zufällig. Du hast es selbst gemacht. Es macht so viel Spaß, warum machen wir es nicht noch einmal? |
| Rot-Weiss, |
| und Blau. |
| Wenn Sie das jetzt 60 Mal machen, können Sie die Tabelle hier ausfüllen. Dies ist eine Simulation, die ich mit 10-seitigen Würfeln gemacht habe. Und Sie können die P-Werte in vier Spalten und 15 Zeilen sehen. Das sind also 60 P-Werte. Mein kleinster P-Wert ist 0,004. |
| Und mit 60 P-Werten können Sie die Wahrscheinlichkeiten berechnen. In etwa 95 % der Fälle wird mindestens ein P-Wert kleiner als 0,05 sein. |
| Hier eins von meiner Tochter. Sie hatte drei P-Werte unter 0,05; sie sind hier eingekreist. Und dann ist es so einfach, ein epidemiologisches Experiment durchzuführen |
| dass sogar meine Frau Pat das kann, und sie hat hier drei potenzielle Arbeiten, die sie schreiben könnte, basierend auf Würfeln und Spinnen einer guten Geschichte. |
| P-Werten ist ein erwarteter Wert zugeordnet. Auf der rechten Seite haben wir also P-Werte von 0,004, 0,016 und 0,012. Jedem P-Wert ist eine normale Abweichung zugeordnet. Sie können sehen, dass meine .004 eine normale Abweichung von 2,9 und so weiter hätte. Und auf der linken Seite haben wir |
| den Stichprobenumfang, die erwartete Abweichung und den erwarteten P-Wert für den kleinsten P-Wert und dann die Abweichung. Wenn wir also 400 hätten |
| Fragen, die wir uns angesehen haben, wäre der erwartete P-Wert 0,00487 und die Abweichung 2,968. Nun ist es diese Abweichung, die von den Basisexperimenten in die Berechnungen einer Metaanalyse getragen wird, und das werden wir im weiteren Verlauf sehen. |
| Wie viele Behauptungen in der Epidemiologie sind wahr? Ich habe 2011 eine Arbeit veröffentlicht und Behauptungen aufgegriffen, die in Beobachtungsstudien aufgestellt wurden. |
| Und für jede Behauptung in den Beobachtungsstudien fand ich eine randomisierte klinische Studie, die sich mit genau derselben Frage beschäftigte. Also in den 12 Studien gab es |
| 52 Behauptungen, die aufgestellt und getestet werden könnten. |
| Wenn Sie sich die Spalte unter positiv ansehen, wurde null dieser 52 Behauptungen in die richtige Richtung repliziert. |
| Die Epidemiologen waren also in Bezug auf ihre Behauptungen auf 0 für 52 gegangen. Es gab tatsächlich fünf Behauptungen, die statistisch signifikant waren, aber sie gingen in die entgegengesetzte Richtung zu dem, was in den Beobachtungsstudien behauptet worden war. |
| Wir schauen uns a an |
| verrückte Frage. Bestimmt Getreide das menschliche Geschlecht? Also, wenn Sie Frühstücksflocken essen, ist es wahrscheinlicher, dass Sie einen Jungen bekommen? So stand es in der ersten Zeitung. |
| Dieses Papier wurde in der Royal Society B veröffentlicht, der führenden Zeitschrift für Biologie. Diese drei Co-Autoren behaupteten also, dass Sie mit größerer Wahrscheinlichkeit einen Jungen bekommen, wenn Sie Frühstückszerealien essen, essen Sie Frühstückszerealien in und um die Zeit der Empfängnis. |
| Zwei meiner Kohorten und ich haben uns das angesehen, wir haben nach den Daten gefragt. Wir haben die Daten erhalten und dann einen Gegenentwurf zum ersten Artikel veröffentlicht, in dem es heißt, dass die durch Getreide verursachte Geschlechtsauswahl höchstwahrscheinlich ein falsch positives Ergebnis mehrerer Tests ist. |
| zum Zeitpunkt kurz vor der Empfängnis ... vorhergesagte Empfängnis und direkt um den Zeitpunkt der Empfängnis herum. Und es gab 131 Lebensmittel in jedem dieser Fragebögen, was insgesamt 262 statistische Tests ergibt. |
| Sie berechnen P-Werte für diese Tests, ordnen sie vom kleinsten zum größten und stellen sie gegen die ganzen Zahlen dar (das ist der Rang ganz unten). |
| Sie sehen, was wie eine ziemlich gute 45-Grad-Linie aussieht. Wir sehen also eine gleichmäßige Verteilung. Jetzt kam ihre Behauptung von unten links und sie sagten, nun, hier ist ein kleiner P-Wert. Der kleine P-Wert besagt, dass das Essen von Müsli ... Frühstücksflocken zu mehr führt |
| Junge Babys. |
| Ziemlich eindeutig ein statistisches Fehlalarm. |
| P-Wert-Plots. Wir werden also häufig P-Wert-Diagramme verwenden. Auf der linken Seite sehen wir ein P-Wert-Diagramm für eine wahrscheinlich wahre Nullhypothese. |
| Älteres langfristiges körperliches Training führt nicht zu Sterblichkeit oder Sterblichkeitsrisiko. Rechts haben wir Rauchen und Lungenkrebs. |
| Und wir sehen eine ganze Reihe von P-Werten, die ziemlich nahe bei Null liegen, über die ganze Seite und ein paar Nachzügler oben rechts. Das rechte Bild ist also ein Beweis für einen echten Effekt und das linke Bild ist die Unterstützung der Nullhypothese, kein Effekt. |
| Lassen Sie uns über eine Metaanalyse sprechen, weil ich diese im Laufe dieser Vorlesung verwenden werde. Auf der linken Seite sehen wir einen Trichter und wir sehen viele Papiere, die in den Trichter fallen. |
| Der Epidemiologe oder wer auch immer die Metaanalyse durchführt, wählt aus, was er für qualitativ hochwertige Papiere hält, und verwendet diese für weitere Analysen. Auf der rechten Seite sehen wir die ... Art von |
| Evidenzhierarchie. Eine Metaanalyse über viele Studien wird in Betracht gezogen |
| Informationen auf hoher Ebene und dann ganz unten Expertenmeinungen und so weiter und so weiter. Je höher du also die Pyramide hinaufgehst, |
| Die Leute behaupten, die Beweise seien besser. |
| Wir werden uns zwei beispielhafte Metaanalyse-Papiere ansehen. Das erste Papier ist von Orellano. |
| Stickoxid, Ozon, |
| kleine Partikel und so weiter. Und es sammelte Daten von überall... überall |
| Welt, und dies wurde gesponsert von der |
| WHO, das ist also hochwertige Finanzierung, hochwertiges Papier. |
| Und es ist eine Metaanalyse. Wir werden sehen, ob die Behauptungen in dieser Metaanalyse Bestand haben. |
| Der untere war wirklich lustig. Muster des Verzehrs von rotem und verarbeitetem Fleisch und Risiko für Lungenkrebs und Herzinfarkte. |
| Es gibt viel Literatur in der Ernährungsliteratur, die besagt, dass Sie wirklich kein rotes Fleisch essen sollten. Wir werden sehen, ob das ... ob das Sinn macht. |
| Gehen wir zurück und schauen uns die Puzzleteile an und sehen dann, wie sie zusammenpassen. |
| Wir wissen aus der offenen Literatur, dass die meisten Behauptungen nicht repliziert werden können. Dies wird als Krise in der Wissenschaft bezeichnet. P-Hacking ist ein Problem. Beim P-Hacking werden viele Tests durchgeführt, um dies und das zu versuchen, und wenn Sie dann einen P-Wert von weniger als 0,05 finden, |
| Sie können eine Arbeit schreiben. |
| Wir werden Metaanalysen und P-Wert-Plots verwenden, um die Leute zu fangen, die im Grunde P-Hacking betreiben, und ich nenne P-Hacking eine Art Betrug mit Statistiken. |
| Andere sind, weißt du, kleine ... haben es ein bisschen anders beschrieben. Wir werden JMP-Add-Ins verwenden. Diese JMP-Add-Ins wurden von Paul Fogle geschrieben. |
| Und sie ermöglichen es uns, mit einem Metaanalysepapier zu beginnen und schnell und einfach ein P-Wert-Diagramm zu erstellen. Wir werden auch Fishers Kombinieren von P-Werten beschreiben und dann sind wir ... |
| haben Sie ein kleines Skript, das den Zwei-Wege-Plot, der aus JMP kommt, aufnimmt und ihn dann bereinigt, sodass der linke und der rechte Rand attraktiver sind. |
| Nun, hier ist die langfristige Exposition gegenüber Luftverschmutzung und |
| verursacht Asthma, so sagt man. Auf der linken Seite haben wir ein sogenanntes Baumdiagramm. Das ist die... |
| sieht aus wie ein weihnachtsbaum. |
| Die Mittelwerte sind als Punkte angegeben und die Konfidenzgrenzen sind die Whiskers, die auf beiden Seiten ausgehen. Auf der linken Seite sind die Namen der Papiere ... Papiere, die von diesen Autoren ausgewählt wurden, und auf der rechten Seite sind die |
| Risikokennzahlen und die Vertrauensgrenzen. Jetzt können Sie die Risikokennzahlen und Konfidenzgrenzen oft einfach abkratzen und sie in a fallen lassen |
| JMP-Datensatz, und so sehen wir den JMP-Datensatz auf der rechten Seite. |
| Jetzt das P-Wert-Diagramm. |
| Das von Paul Fogle geschriebene Ding wird diese Risikokennzahlen und P... und Konfidenzgrenzen in P-Werte umwandeln. |
| Hier sehen wir, dass es getan wurde. |
| Die Vertrauensgrenzen können Ihnen den Standardfehler geben. |
| Mit dem Risikoverhältnis und dem Standardfehler können Sie eine Z-Statistik berechnen. Und dann können Sie die Z-Statistik nehmen und einen P-Wert erhalten. Hier rechts sehen wir ein P-Wert-Diagramm, das herauskommt, genau wie mit ein paar Klicks in JMP. |
| Auch hier haben wir links den groben P-Wert-Plot, und rechts fügen wir, nachdem wir ein kleines Skript verwendet haben, die Nulllinie hinzu, wir fügen die gepunktete Linie für 0,05 hinzu und wir bereinigen und erweitern die Zahlen auf der |
| X- und Y-Achse. Und so können wir jetzt alle Studien betrachten und beurteilen, die in diesem Ding waren, aber wir sehen etwas ziemlich Seltsames. Wir sehen, dass die |
| All dies hier, es gibt ein paar P-Werte unter 0,05 und dann viele P-Werte, die steigen, und so haben wir eine zweideutige Situation. |
| Einige der P-Werte sehen aus, als wäre die Behauptung richtig, und andere sehen aus, als wären sie einfach zufällige Ergebnisse. |
| Werfen wir einen Blick auf Fishers Kombinieren von P-Werten. Auf der linken Seite haben wir die Formel. Sie nehmen den P-Wert, nehmen den natürlichen Log, der sie mal -2 summiert. |
| Und das gibt Ihnen ein Chi-Quadrat. Sie schlagen das Chi-Quadrat in der Tabelle nach. Also diese ... diese Metaanalyse, wir haben die P-Werte. Unter P-Wert haben wir -2ln, und Sie sehen, dass es wenige kleine P-Werte gibt, die wesentlich zur Summierung beitragen. |
| Wenn Sie nur ein wenig nachdenken, ist die Summierung wie alle Summen, sie unterliegt manipulierten Ausreißern ... was das Gleichgewicht erheblich verschiebt. |
| Und so tragen die wenigen kleinen P-Werte (0,0033, 0,0073) dramatisch zur Summierung des Chi-Quadrats bei. Tatsächlich ist die Summierung nicht robust. Ein Ausreißer ... ein extremer Ausreißer kann das Ganze ... die ganze Gleichung kippen. |
| Denken Sie jetzt daran, dass P-Hacking zu kleinen P-Werten führen kann und auch, |
| Wenn eine Studie nicht aussagekräftig ist, veröffentlichen Wissenschaftler sie oft nicht einmal. |
| Und wenn sie etwas Bedeutendes finden, werden sie es normalerweise tun. Es gibt also einen Publikationsbias. Die gesamte Literatur ist mit kleinen P-Werten übersät |
| und das ist wahrscheinlich ... das ist die Spitze des Eisbergs. Unter dem Eisberg befinden sich alle Veröffentlichungen, die hätten passieren können, aber sie waren statistisch nicht signifikant. |
| Wir werden uns jetzt eine Luftverschmutzungsstudie ansehen. Mustafic im Jahr 2012 |
| veröffentlichte einen Artikel in JAMA und er betrachtete die sechs typischen Luftverschmutzungen |
| Kohlenmonoxid, Lachgas, kleine Partikel (das ist PM 2,5), Schwefeldioxid usw. |
| Wenn Sie sich diese P-Wert-Diagramme ansehen, sehen sie alle im Wesentlichen wie Hockeyschläger aus. Es gibt eine Reihe von P-Werten unter 0,05. |
| Aber dann gibt es eine beträchtliche Anzahl von P-Werten, die entlang einer 45-Grad-Linie ansteigen, was darauf hinweist, dass es keinen Effekt gibt. |
| Wir behaupten, dass wir eine Mischung betrachten. Wir betrachten eine Mischung aus signifikanten Studien und nicht signifikanten Studien. |
| Und wir behaupten weiter, dass die bedeutenden Studien größtenteils vom P-Hacking stammen. Es gibt andere Möglichkeiten, die entstehen können, aber wir denken, dass P-Hacking das Richtige ist. Also, wenn Sie hier auf der linken Seite schauen, |
| im roten Feld geben wir die Medianzahl an |
| von Modellen oder Tests, die in einer Studie durchgeführt werden könnten, die Studien, die in Mustafics Artikel enthalten waren. |
| Wir haben die Anzahl gezählt |
| Ergebnisse, Prädiktoren und Kovariaten, und wenn Sie das alles multiplizieren, ist die mittlere Zahl, die wir den Suchraum nennen, der mittlere Suchraum 12.288. |
| Das bedeutet, dass die Autoren im Durchschnitt 12 … im Median 12.000 Möglichkeiten hatten, einen P-Wert von weniger als 0,05 zu erhalten. Sie hatten einen erheblichen Spielraum, um ein statistisch signifikantes Ergebnis zu erhalten. |
| Wir werden uns hier das einfache Zählen für die Ernährungsstudien ansehen. Wir haben hier also 15 Studien. Die Autoren oder die Erstautoren der Arbeit. |
| Und dann sehen Sie ganz oben Ergebnisse, Prädiktoren, Kovariaten, Tests, Modelle und Suchraum. Die Ergebnisse, wenn sie sich drei Gesundheitsergebnisse ansahen, zum Beispiel Dixon, und wenn sie 51 hatten |
| Lebensmittel in ihrer Studie, das wird ... das wären Prädiktoren. Wenn sie jetzt Kovariaten verwenden, |
| das würde den Suchraum erheblich vergrößern. Und Sie können für Dixon sehen, dass er theoretisch 20 Millionen mögliche Analysen hatte, die er hätte durchführen können. |
| Und wenn Sie in der Suchraumspalte nach unten schauen, sehen Sie eine beträchtliche Anzahl möglicher Analysen, die durchgeführt werden könnten. |
| Die Ernährungsstudien wurden mit Kohorten durchgeführt. Eine Kohorte ist eine Gruppe von Menschen, die gesammelt wird, |
| Sie werden zunächst in Fragen gemessen, dann warten sie im Laufe der Zeit und betrachten dann die gesundheitlichen Auswirkungen. |
| Jede dieser Kohorten hat den Namen eines Datensatzes, den die Kohorte verwendet. |
| Und die Kohorten können, sobald sie zusammengestellt sind, verwendet werden, um zig Millionen Fragen zu stellen. |
| Wenn |
| der P-Wert für eine dieser Fragen ist signifikant |
| und sie haben das Gefühl, dass sie eine Arbeit schreiben können, ziemlich oft tun sie das. |
| In den letzten beiden Spalten sehen wir also die Anzahl der Papiere |
| das könnte entstehen. Das sind mehr ... wir haben Google Scholar verwendet und es tatsächlich überprüft. Dies ist also die Anzahl der Artikel, die in der Literatur erschienen sind |
| mit jeder dieser Kohorten verbunden. Ich füge hinzu, dass wir uns viele dieser Papiere angesehen haben und in keinem dieser Papiere eine Anpassung für multiples Testen oder multiples Modellieren enthalten ist. |
| Ernährungsepidemiologie, Umweltepidemiologie, darüber haben wir hier gesprochen. Die Ernährungsepidemiologie verwendet einen Fragebogen, den Food Frequency Questionnaire (FFQ). |
| In einem FFQ können Sie eine gewisse Anzahl von Lebensmitteln haben. |
| Anfangs fingen sie mit 61 Lebensmitteln an und ich habe einige FFQ-Studien gesehen, in denen es 800 Lebensmittel gab. Ich möchte nicht derjenige sein, der diesen Fragebogen ausfüllt. |
| Aber hier ist die Anzahl der Papiere angegeben, die FFQs im Laufe der Zeit verwenden. |
| Seit 1985 ... wurde die Technik 1986 erfunden ... seit 1985 gab es 74.000 FFQ-Papiere, und nach unserer Betrachtung war keine dieser Papiere für Mehrfachtests angepasst, und alle hatten beträchtlich große statistische Suchräume . |
| Umweltepidemiologie habe ich einfach eine Google-Suche nach dem Wort "Luftverschmutzung" im Titel der Arbeit durchgeführt. |
| Und hier sehen wir, dass im Laufe der Zeit 28-29.000 Artikel über Luftverschmutzung geschrieben wurden. |
| Soweit ich weiß, passt keines dieser Papiere, basierend auf vielem Hinsehen, auf mehrfaches Testen oder mehrfaches Modellieren, und alle diese Papiere haben große ... im Wesentlichen alle diese Papiere haben sehr große Suchräume. |
| Metaanalyse geht in den Namen Systematische Übersicht und Metaanalyse ein und seit 2005 |
| Zeitschriften haben |
| verwendet diesen Begriff im Titel der Arbeit. Also habe ich ab 2005 gefragt, ob die Wörter „systematische Überprüfung“ und „Metaanalyse“ im Titel der Arbeit auftauchten, und Sie können sehen, dass dies mit niedrigen 1.500 Arbeiten pro Jahr begann. |
| 1.500 Papiere in diesem Fünfjahreszeitraum und schließlich im Jahr 2021 da |
| Insgesamt sind es 27.000 Papiere gewesen, das ist also Heimarbeit. Diese Papiere lassen sich relativ leicht herausdrehen. |
| Ein Team, in China oft aus 10 oder fünf bis 15 Personen, kann eine Metaanalyse pro Woche erstellen. |
| Und ihre Bezahlung wird danach bewertet, wie viele Zeitungen sie veröffentlichen und so weiter und so weiter. |
| Soweit ich weiß, sind dies alles … die Hälfte dieser Studien sind Beobachtungsstudien und die andere Hälfte … stammen aus randomisierten klinischen Studien. |
| Praktisch keiner von diesen und allen, die wir uns bisher angesehen haben, insbesondere in Beobachtungsstudien, hat diesen Hockeyschläger-Look, als gäbe es einige P-Werte, die klein sind, und es gibt eine Reihe von P-Werten, die aussehen völlig zufällig. |
| Ich werde sagen, dass alle … im Wesentlichen alle diese Studien von Ihren Steuergeldern oder den Steuergeldern von jemandem finanziert werden. Sie werden sehr üppig von der öffentlichen Hand finanziert, kann man so sagen. |
| Viele Behauptungen haben keine statistische Unterstützung. Die Basispapiere korrigieren nicht für mehrfaches Testen und mehrfaches Modellieren. Die Basispapiere haben große Analysesuchräume. |
| Und wir haben Beispiele aus der Umweltepidemiologie und der Ernährungsepidemiologie gesehen, dass die meisten Menschen, würde ich aufgrund der Beweise sagen, unzuverlässig sind. |
| Ich sage, und andere haben es auch gesagt, wir haben eine wissenschaftliche und statistische Katastrophe und die Verwendung von Metaanalysen und P-Wert-Plots, diese Behauptungen können entweder als wahr bestätigt werden oder nicht. |
| Hier haben wir vier Smogsituationen. Oben links ist London 1952; |
| rechts ist Los Angeles 1948. |
| Unten links ist Singapur und ich bin mir nicht sicher ... Ich erinnere mich nicht an das genaue Jahr dafür. Und dann haben wir Peking. Das sind neuere. |
| Im Fall des Londoner Nebels weist die statistische Analyse der Todesfälle … tägliche Todesfälle und alles darauf hin, dass es 1952 in London in einem Zeitraum von drei oder vier Tagen mehr als 4.000 Todesfälle gab. Das weckte das Interesse des Epidemiologen an dem, was der Mörder war. |
| Bei den anderen drei Dias oder anderen drei Bildern wurde während dieser Zeiträume kein Anstieg der Todesfälle gemeldet. |
| Das Schlimme ist, dass in London Kohle verbrannt wurde |
| für Heizung und alles andere. Es gab eine Temperaturinversion und die Behauptung ist, dass die Säure in der Luft durch Partikel in die unteren Lungen getragen wurde und anfällige Personen, normalerweise die Alten und Schwachen, in erhöhter Zahl starben, aber das passiert jetzt nicht |
| auf der ganzen Welt. Es gibt alle Arten von Umweltverschmutzung auf der ganzen Welt, und wir sehen keine damit verbundenen Spitzen der Todesraten. |
| Betrug? Ha ha. Ich liebe Betrug. |
| Sind das Betrügereien? Luftverschmutzung tötet. Jede Behauptung aus einer FFQ-Studie, zum Beispiel, wenn Sie Kaffee trinken, haben Sie eher Bauchspeicheldrüsenkrebs. Das ist eine der Behauptungen, die wahrscheinlich nicht stimmt. |
| Töten natürliche Ozonwerte? Ich denke das stimmt auch nicht. Umweltöstrogene. Jede Behauptung, die sich aus einer Metaanalyse unter Verwendung von Beobachtungsstudien ergibt. |
| Denken Sie daran, dass der Beweis in der öffentlichen Literatur lautet, dass 80 % aller wissenschaftlichen Behauptungen, die normalerweise von Universitäten stammen, sich nicht replizieren ließen, wenn sie rigoros getestet wurden, beispielsweise in randomisierten klinischen Studien. |
| Emotionen und Angst. Das ganze Ziel der praktischen Politik besteht darin, die Bevölkerung bedroht, verängstigt und daher lautstark in Sicherheit zu bringen, indem sie die Bevölkerung mit einer endlosen Reihe von Hobgoblins bedroht, die alle imaginär sind. |
| Flim Flam, Täuschung, Selbstvertrauensspiele, bei denen es um geschickte Überredung oder geschickte Manipulation des Opfers geht. Also HL Mencken sagte in den 1930er Jahren, dass praktische Politik weitgehend Angstpolitik sei. |
| Wir schließen mit den Autoren dieses Vortrags ab. Ich bin Stan Young und unter genetree@bellsouth.net erreichbar. Warren Kindzierski ist ein kanadischer Epidemiologe und er hat in den letzten Jahren sehr eng mit mir an Papieren dazu zusammengearbeitet |
| basieren auf den Dingen, die wir heute hier gesehen haben. Paul Fogel ist ein sehr interessanter Statistiker, lebt in Paris und war verantwortlich für das Schreiben des |
| Add-Ins und Skripte, die wir verwenden können. Ich werde sagen, dass Sie mit den Skripten in wahrscheinlich etwas weniger als einer Stunde von einer Metaanalyse zu einer Bewertung gelangen können. |
| Ich möchte den Bericht Shifting Sands Report 1 der National Association of Scholars empfehlen, diese URL führt Sie dorthin. |
| Dieser Bericht ist ein langer und komplizierter, aber einfacher Statistikbericht, in dem es um Luftqualität und gesundheitliche Auswirkungen geht. |
| Und damit mache ich auch folgende Behauptung: Wenn jemand, der sich das ansieht, ausprobieren möchte, was los ist, geben wir Ihnen die Skripte und Add-Ins für JMP und dann werde ich Ihnen sogar helfen |
| Betrachten und interpretieren Sie Ihre spezielle Analyse einer Metaanalyse. Damit höre ich auf und bin bereit, alle Fragen zu beantworten. Vielen Dank. |
