Profesor Stanford School of Medicine salah menafsirkan apa yang saya tulis (tapi saya agak mengerti dari mana asalnya) – Beragampengetahuan

Ceritanya sedikit rumit. Ini sederhana, tetapi juga rumit.

bagian yang mudah Cerita dasarnya adalah ini:

– Pada tahun 2020, Universitas Stanford melakukan penelitian—survei mengenai paparan COVID-19—yang saya kritik secara terbuka: Saya menulis bahwa penelitian tersebut mempunyai masalah statistik dan analisisnya tidak memperhitungkan faktor-faktor tersebut. tingkat tes positif palsu, dan mereka gagal memanfaatkan keahlian statistik Stanford yang ada.

– Pada tahun 2023, salah satu orang yang terlibat dalam penelitian ini menulis artikel panjang tentang penelitian tersebut dan konsekuensinya. Dalam artikel tersebut, tinjauan studi saya pada tahun 2020 disalahartikan—karena itulah judul artikelnya.

– Baru minggu lalu seseorang menunjukkan postingan tahun 2023 kepada saya. Saya senang disalahartikan, jadi saya mengirim email ke penulis postingan tersebut. Dia tidak menanggapi – Saya tidak menganggapnya pribadi: dia sibuk, liburan akan segera tiba, postingannya sudah lebih dari setahun yang lalu (saya kebetulan mendengarnya beberapa hari yang lalu), dan keluhan saya memakan waktu lama. hanya satu paragraf pendek dalam artikel – jadi, untuk meluruskannya, saya mempostingnya di sini.

Semakin kompleksmenariknya, melibatkan perbedaan antara bukti dan kebenaran. Ini adalah sesuatu yang telah kita diskusikan sebelumnya – sebenarnya, saya menerbitkan artikel pendek tentang topik ini pada tahun 2020 menggunakan contoh ini! — dan sekarang muncul lagi, jadi ini dia:

Sekarang, detailnya:

Profesor Stanford, Jay Bhattacharya, menulis tentang penelitian COVID-19 tahun 2020 yang melibatkannya dan menimbulkan beberapa skeptisisme pada saat itu:

Beberapa ahli statistik yang serius juga berkomentar negatif. Andrew Gelman dari Universitas Columbia menerbitkan postingan blog hiperbolik yang menyarankan agar kami meminta maaf karena menerbitkan penelitian ini. Dia secara keliru percaya bahwa kami tidak mempertimbangkan kemungkinan hasil positif palsu. Dia kemudian menarik kembali kritik keras ini tetapi ingin kami menggunakan metode lain untuk menggambarkan ketidakpastian dalam perkiraan kami.

Di sisi positifnya, saya menghargai uraiannya tentang saya sebagai ahli statistik yang serius. Dia juga menyebut postingan saya “hiperbolis”. Dia sebenarnya tidak menautkannya, jadi saya akan memberikan tautannya di sini sehingga Anda dapat membuat penilaian sendiri. Artikel tersebut berjudul “Kekhawatiran tentang studi prevalensi virus corona di Stanford,” dan menurut saya itu tidak hiperbolik sama sekali! Tapi itu hanya masalah sudut pandang Bhattacharya, jadi saya tidak bisa mengatakan itu salah.

Dia memang membuat dua pernyataan spesifik Ya Namun kesalahannya adalah:

1. Saya “secara keliru berasumsi bahwa penelitian mereka tidak memperhitungkan kemungkinan hasil positif palsu”, dan itu tidak benar. Dalam postingan saya, saya secara eksplisit mengakui bahwa analisis mereka memperhitungkan kemungkinan positif palsu. Apa yang saya tulis adalah bahwa mereka “berfokus pada perkiraan titik yang spesifik”. Spesifisitas = 1 – Tingkat Positif Palsu. Saya menulis tentang mereka Tidak memperhitungkan ketidakpastian dengan baik dalam tingkat positif palsu. Saya tidak mengatakan mereka tidak memperhitungkan kemungkinan hasil positif palsu.

2. Saya tidak pernah “menarik kembali kritik keras itu”. Saya menulis di postingan tersebut bahwa artikel mereka “tidak memberikan bukti kuat bahwa jumlah orang yang terpapar di Santa Clara County pada hari itu sama tingginya dengan yang diklaim.” Namun saya juga menulis: “Saya tidak mengatakan bahwa klaim dalam makalah tertaut di atas salah…. .Ben David dkk. Jika penelitian ini dilihat sebagai bukti kuat untuk perkiraan tertentu, maka hal ini bermasalah, namun jika dilihat sebagai informasi dalam gambaran yang lebih besar yang masih belum pasti, maka hal ini berharga mengklarifikasi: “Saat saya menulis ini, penulis berhutang kepada kita semua a Dengan meminta maaf, saya tidak bermaksud bahwa mereka berhutang maaf kepada kita karena melakukan penelitian ini, maksud saya mereka berhutang maaf kepada kita karena membuat kesalahan yang dapat dihindari dalam analisis statistik yang mengarah pada klaim yang terlalu percaya diri. Kesalahan sebaliknya adalah menggunakan ketidakpastian untuk menegaskan hipotesis nol.”

Saya tidak menganggap ini sebagai “pengabaian” dan saya tidak akan pernah melakukannya, namun jika Bhattacharya atau orang lain ingin mengutip saya secara langsung untuk memperjelas bahwa saya tidak pernah menyatakan klaim substantif mereka, saya tidak keberatan. adalah salah; saya hanya mengatakan bahwa data yang diberikan oleh penelitian tersebut tidak memberikan bukti yang kuat.

Ini menggangguku. Saya benci jika orang mengira saya salah karena mereka tidak memperhitungkan kemungkinan positif palsu, atau saya mencabut kritik saya. Saya tekankan sekali lagi bahwa kritik saya bersifat statistik dan melibatkan spesifikasi ketidakpastian tertentu; saya tidak mengatakan bahwa persentase orang yang terpapar COVID-19 adalah X, Y, atau Z.

Kabar baiknya, artikel Bhattacharya ini muncul pada tahun 2023 dan saya baru mendengarnya beberapa hari yang lalu, jadi saya rasa artikel tersebut belum beredar luas. Mungkin lebih banyak orang yang akan melihat koreksi ini daripada postingan aslinya! Terlepas dari itu, saya menyambut baik kesempatan untuk memperbaiki catatan tersebut.

Penularan Stanford

Saya tidak keberatan Bhattacharya memperdebatkan epidemiologi dan kebijakan COVID-19—dua topik yang sering dia pikirkan. Dia dan rekan-rekannya mengatakan studi awal mereka tidak meyakinkan namun konsisten dengan pesan mereka yang lebih besar, dan sangat masuk akal.

Bhattacharya juga menulis:

Pada akhirnya, kepemimpinan Stanford melemahkan kepercayaan masyarakat dan ilmiah terhadap hasil penelitian Santa Clara. Mengingat sejarah ini, masyarakat dapat dimaafkan jika meragukan kredibilitas penelitian Stanford.

Dia tidak menindaklanjuti hal ini, tapi menurut saya dia benar.

Beberapa minggu sebelum studi COVID-19 yang dibahas di atas diterbitkan, profesor hukum Richard Epstein menerbitkan artikel melalui Hoover Institution di Universitas Stanford yang memperkirakan bahwa jumlah kematian akibat COVID-19 di AS akan mencapai 500. Memperbarui perkiraan tersebut menjadi 5.000 membuat Stanford mendapat perhatian media ( lihat detailnya di sini). Saya tidak pernah bertemu Epstein dan tidak pernah berkorespondensi dengannya, tapi dia tampil sebagai orang yang brengsek, mengatakan kepada pewawancara majalah: “Tetapi Anda ingin memukul saya dengan keras. Saya, saya akan memukul Anda lebih keras. Jika saya tidak bisa memukul saya dengan keras di tenggorokanmu, aku tidak pantas mendapatkannya.” Pembicaraan bodoh tentang vaksin virus corona. Ya – orang ini hanyalah seorang profesor hukum, bukan ekonom kesehatan atau siapa pun yang memiliki keahlian yang relevan – intinya Stanford sepertinya terobsesi dengannya. Dalam kata-kata Bhattacharya, “Mengingat sejarah ini, masyarakat dapat dimaafkan jika meragukan kredibilitas penelitian Stanford.”

Tindakan berdosa yang dilakukan oleh Asosiasi Stanford ini mencerminkan penalaran yang buruk. Meskipun Universitas Stanford memberikan platform kepada orang-orang bodoh seperti Richard Epstein, bukan berarti kita tidak boleh mempercayai Rob Tibshirani dan Jay Bhattacharya) dan cendekiawan serius lainnya. Namun menurut saya masyarakat dapat dimaafkan karena kurang mempercayai merek Stanford. Sama seperti universitas saya, Columbia, yang ternoda oleh hubungan majikan saya dengan Muhammad Oz dan Robert Harden, demikian pula kesediaannya untuk memalsukan data US News. Harvard ternoda oleh dukungannya terhadap berbagai pseudosains yang dipublikasikan secara luas.

Reputasi bekerja dua arah. Dengan menerbitkan komentar-komentar pemersatu Epstein, kepemimpinan Stanford mengikis kepercayaan publik dan ilmiah, dan Bhattacharya harus membayar sejumlah harga atas kepercayaan yang terkikis tersebut. Keadaannya sangat buruk, sangat buruk, hingga ia berakhir di dewan penasihat sebuah organisasi yang memberikan nasihat berikut: “Saat ini, manfaatnya tidak lebih besar daripada risikonya bagi siapa pun. [covid] Vaksinasi—bahkan untuk pasien panti jompo lansia yang paling rentan. “

Tantangannya adalah argumen-argumen masuk akal yang mendukung respons kebijakan dalam kondisi ketidakpastian dipenuhi dengan klaim-klaim yang tidak masuk akal seperti virus corona hanya akan membunuh 500 orang Amerika, atau kebijakan-kebijakan yang tidak masuk akal seperti menghilangkan ring basket di taman-taman setempat. Di satu sisi terdapat orang-orang yang menyebarkan apa yang disebut penyangkalan (misalnya, mengklaim bahwa pandemi telah berakhir pada musim panas tahun 2020); di sisi lain terdapat otoritas kesehatan masyarakat yang memainkan kartu ketakutan dan menjaga semua orang tetap berada di dalam rumah.

Jadi saya bisa melihat betapa frustrasinya Bhattacharya dalam menanggapi penelitiannya. Tapi dia salah paham ketika dia salah mengartikan apa yang saya tulis dan meremehkan laporan Stephanie Lee tentang penelitiannya di bagian lain postingannya. Kami melakukan tugas kami—saya menilai kekuatan bukti statistik, Lee mengikuti alur cerita—seperti yang dilakukan Bhattacharya dengan membuat rekomendasi kebijakan.

ekonomi kreatif, ilmu ekonomi adalah, pelaku ekonomi
, kegiatan ekonomi adalah, sistem ekonomi

#Profesor #Stanford #School #Medicine #salah #menafsirkan #apa #yang #saya #tulis #tapi #saya #agak #mengerti #dari #mana #asalnya