I’关于贝叶斯,’关于贝叶斯,没有高音

                                                          贝叶斯斯坦林斯#FOAMed

                                                          谁知道托马斯·贝叶斯牧师会成为流行文化中如此杰出的人物?忽略歌曲标题中的拼写错误,我们知道她真正在唱歌的人。我没有’疯了,希望我能在适当的时候解释这篇文章的灵感。托马斯·贝斯(Thomas 贝叶斯)曾是长老会的牧师,那是在1700年代,当时教会和科学开始对立。尽管写了一些数学论文,他从未发表过他的同名理论。是一位朋友,Richard Price,发现了贝叶斯’他去世后的手稿,重写了文件并提交出版。拉普拉斯(Laplace的)对此做了进一步阐述。’的法律名望)在普莱斯访问法国时大受定理之风。多年来,它一直被人们所忽视,并受到严格的审查,但仍然产生了巨大的影响,特别是在战时(图灵在某种程度上使用贝叶斯技术破解了《谜》?。?。

                                                          托马斯·贝叶斯

                                                          拉普拉斯描述了他的贝叶斯版本’ Theorem as “inverse 可能性”。他的意思是说,该定理着眼于推论原因的影响。贝叶斯’定理使用以下术语?之前,?可能性?和?后部?描述概率。先验是初始信念的概率,似然是其他假设的概率,后验是修改的信念的概率:

                                                          先验时间的可能性与后验成正比。

                                                          先验概率x可能性α后验概率

                                                          或者非常简单地解释为:初始信念+新的客观数据=新的和改进的信念

                                                          几乎没有什么事情可以使我们有100%的把握,并且 麦克格雷恩在她的绝妙著作(《不会死的理论》)中说: ‘概率是我们无知的数学表达’。我真的建议阅读这本书!

                                                          为什么这些都相关?

                                                          有人可能会说很多药物是贝叶斯的实际例子’定理,但无非就是急诊医学。我们有一个先验概率,我们会在发现新信息时进行更新,并产生后验概率。尽管没有意识到,我们每天都在潜意识的水平上全天这样做。我认为最重要的是要知道这个定理如何适用于我们,以及它如何帮助我们避免陷阱。我要提出的是,不使用该定理或不正确或不完整地使用该定理会导致诊断遗漏和其他错误。

                                                          让’假设您看到一名患有胸痛的患者。您拥有简短的历史记录,并且在结束时已将概率应用于您认为的原因;让’s为了论证而说ACS(本质上,您的鉴别诊断是贝叶斯先验列表?。?。然后,您会检查患者并根据您的临床发现增加或减少概率,在这种情况下,没有发现。您发送了肌钙蛋白,幸运的是,它在您特定测定的适当时限内,也许还有其他几滴血,急切地等待结果。结果全部恢复正常…。答对了!排除了鉴别诊断后,您可以放心地出院。

                                                          这是一个太熟悉的场景,如果像上面这样的场景经常发生,那么也就难怪我们会错过其他病理(即主动脉夹层)。我相信,除其他专长外,新兴市场中普遍存在的一个陷阱是一旦获得后验,就无法更新我们的概率。我不是赞成对每位胸痛患者进行过多的调查,而是要挑战阅读此书的人多花一两分钟,并在收到一堆负面结果时重新检查他们的概率和差异。

                                                           

                                                          研究

                                                          贝叶斯主义者和惯常主义者对高级概率方法有着长期的争执。 NEJM最近发表了一篇有关乳腺癌治疗的文章,但同时也围绕临床试验的未来以及使用贝叶斯和频繁研究设计的应用,优缺点进行了讨论。 I-SPY 2试验使用贝叶斯统计方法来确定哪种乳腺癌药物组合最有效,并且使用此结果将使某些药物进入下一轮临床试验。这是一种有效的研究手段,因为它减少了研究临床试验所有阶段中所有潜在药物的不必要的成本和时间,并将其限制为最有效的药物。?可能的 变得有效。构成初始概率的数据是基于较小的研究人群。

                                                          贝叶斯的巨大临床应用’定理是由?创伤科学中心?使用贝叶斯模型预测个体发生急性创伤性凝血?。ˋTC)的风险。您可以查看和使用模型 这里。该模型将来自研究ATC原因的研究中的现有数据与专家知识相结合。

                                                          您还可以在下面阅读许多与贝叶斯相关的工作 #泡沫世界–布鲁姆的Casey Parker文档 是一个很好的起点。

                                                          本文旨在作为贝叶斯的入门知识不足’定理。我相信它是我们实践不可或缺的一部分,并且正在我们的研究活动中占有一席之地。我的带回家的消息:‘总是更新您的先验’, i.e. don’不要忽略新信息!

                                                           

                                                          干杯!

                                                          丰富

                                                          @richcarden

                                                          在您出发之前,请不要忘记...



                                                          引用本文为:理查德·卡登(Richard Carden),“我’关于贝叶斯,’关于贝叶斯,没有高音,”在 圣艾琳's,2016年8月14日, //www.daiyunrkz.cn/im-bayes-bout-bayes-no-treble/.

                                                          理查德·卡登(Richard Carden)发表

                                                          理查德·卡登博士 MBChB MSc理学士(荣誉)PGCert FHEA MAcadMEd RAMC(V) 理查德·卡登(Richard Carden)MBChB博士(荣誉)理学士PGCert FHEA MAcadMEd RAMC(V)是伦敦的急诊医学见习生。他目前是创伤科学中心创伤科学博士学位的候选人。他是335医疗后送团的英国陆军少校。 他是QMUL的国家创伤研究与创新合作组织的共同创始人和急救医学硕士课程的??楦涸鹑?。您可以在Twitter上以@richcarden的身份找到他

                                                          1. 谢谢Rich。很棒的文章。如果您想听听我有多喜欢贝叶斯–然后在发布时继续关注SMACCDUB谈话
                                                            喜欢影片
                                                            C

                                                            回复

                                                          2. 我们很高兴邀请您加入Facebook组“ j-ISBA”。该小组的目的是召集“年轻人”(也欢迎年轻人)和贝叶斯统计学家(也不欢迎贝叶斯年轻人),以促进互动,向人们介绍有趣的研讨会,会议和工作,奖学金或与贝叶斯世界有关的任何事物。

                                                            //www.facebook.com/groups/843187915745360/

                                                            //bayesian.org/sections/j-ISBA

                                                            回复

                                                          3. 当然,实际的困难在于,我们并不总是拥有关于各种症状和体征的准确性的统计信息,以生成准确的预测试概率。对于Wells分数和PE等经过深入研究的领域,这很容易。即使是已发表的关于调查的敏感性和特异性数据(应该是与人群无关的)也可能因其来源的原始人群中的疾病流行而产生偏差,例如PERC规则

                                                            另一个有趣的效果是测试发生的顺序如何改变已知性能数据的解释,例如在先前的阴性扫描和阳性d-二聚体之后,随后的DVT负2点床边超声检查的意义。

                                                            最后,贝叶斯定理是’足以解释对临床决策的最终影响,即在给定相同临床信息的情况下个别临床医生的风险厌恶或风险承受能力。

                                                            回复

                                                          4. 喜德里克
                                                            在过去的几年中,我为所有这些问题而苦苦挣扎…我认为我的SMACC讲话确实可以解决这些问题“troubles with 贝叶斯”在现实世界。特别是风险承受力的概念是确保我们在临床决策中不会过度对待或遗漏过多的关键
                                                            凯西

                                                            回复

                                                          5. 德里克·路易(Derek Louey) 2016年8月15日,晚上10:45

                                                            我认为风险承受能力是社会决定的。我们的做法逐渐与您的同龄人保持一致,尽管其优越性的证据令人怀疑,例如在创伤中自由使用panscan

                                                            回复

                                                          6. 同意。医生的风险承受能力不及社会平均水平。我们倾向于完美,而完美往往是善良的敌人

                                                            回复

                                                          7. […] 谁知道托马斯·贝叶斯牧师会成为流行文化中如此杰出的人物?忽略歌曲标题中的拼写错误,我们知道她真正在唱歌的人。我没有’疯了,希望…Read more […]

                                                            回复

                                                          8. […]我们必须在对概率的理解上摆脱自己的认知过程,为了更好地理解概率,我们必须欣赏贝叶斯统计。 […]

                                                            回复

                                                          9. […做出诊断决定的临床人员采用贝叶斯统计形式(St.Emlyn的摘要’和凯西·帕克(Casey Parker))…]

                                                            回复

                                                          10. […],但同时从事某些贝叶斯理论的研究。我们自己的里奇·卡登(Rich Carden)撰写了一篇有关贝叶斯的精彩博客,您绝对应该检查一下[ …]

                                                            回复

                                                          11. […]鉴别诊断比标准临床检查更早,更准确–都是关于贝叶斯的吗?…]

                                                            回复

                                                          非常感谢您的关注。维瓦拉#FOAMed

                                                          翻译?
                                                          天天精品日韩_天天精品歌曲