换什么方式也不可能解决这个问题,这是统计学的一些现有的缺陷导致。
很多人误以为统计学理论很完美了,不少领域中统计学的成功应用,给不少人一种幻觉,认为可以解决一切问题,其实并非如此。
目前统计学的基础理论,首先要求基础样本必须与真实世界近似或相同才有意义,因此要有足够量的数据,并且此数据满足一致的分布。
然而真实世界大部分是未知的,很多统计学的计算技巧,比如应用方差,对数之类的,很多时候是对提前对真实世界做出了的分布假设,比如符合正态分布,比如符合泊松分布等等。
如果真实世界的数据分布确实符合这些分布还好说,但是很多时候,所谓的分布,其实也只是一个理想描述,真实数据只是趋势上会这样的体现,实际到每个数据,实际上实在不断抖动。
这是一种比较简单的数据分布形式,中间的直线是通过统计归纳出来的理想描述,实际上,它以丢失了不少细节为代价。
哪怕是以最简单的身高与年龄的统计分析来说:
像这样的数据,在统计归纳后,进行拟合结果,都有到覆盖率的问题,因为它有一定的混乱度,混乱度的高低,可以用熵来描述。
而人类从真实世界中的获取数据,在不同的角度的描述下,熵值也有高有低,复杂度并不相同,甚至还会随时间动态变化。
典型的就是股票市场,大盘可以视作相对稳定一些的变化趋势,并且对一些股票进行组合后,会在一定的时间段内,整体趋势上表现出一定的稳定性,从而实现阶段性把握股价未来变化,然而但是到了个股,统计分析得再好也没什么用。
对于医药来说就更复杂了,生物是个非常复杂的系统,真实世界的数据更不单纯。
很多时候,之所以采用统计分析研究得到结论,是由于暂时没有更好的其它具有更可信的分析机制,所以只能姑且采用。
双盲采用随机对照,利用了“随机”更有可能减少干扰因素的特点,本身是个不错的手段。
但是关键问题在于对双盲数据应当如何处理,很明显的一个问题就是,比如按目前常见做法,论证了一个药物临床80%有效,指的是100个人里面约80个有效,那么剩下的,就只能自生自灭了。
在现实中,总是会目睹到一个现实,就是总有一些得某种病后吃什么药都不管用。
这是否意味着其实治疗同一类疾病的不同类药物,其中覆盖的有效的,基本都是同一类人,剩下的治不了的,还是治不了?
从医学发展的完整性来说,应该够花点精力在这些服药无效的人群上,当然这一块是不符合资本需求推动的。
更糟糕的是,如果数据恰好构成了辛普森悖论的话,会导致将数据分组统计的结论,与整体统计的结论截然相反。
当具有可操作性影响数据变化的手段时,可以尝试尽量避免数据陷入到辛普森悖论的区域去,然而如果无法避免,那就真的没有办法了,因为从理论上来说,悖论中的截然相反的矛盾都是成立的。
如果谈及中药,比如一个方子,基础药方用五味药,而药物的加减组合,又需要根据病人体质来确定,而随着病情好转,又需要调整药方,这个是一个非常复杂的过程。
由于细到人的个体体质又有不同的差异,要做严格的随机对照,需要构建多种对照组,整体上需要足够大规模的组织能力才能进行,未来需要有人会做这个工作。
不过中医界破事太多,现在连完整点儿的数据集都没有,可以说想要研究也无从下手。
总的来说,上面所说的问题,研究对象无论是人还是药无关,都会遇到,目前比较看好的方向是因果分析理论的发展。
另外,还有所谓的废医验的概念,不知道是什么人直接提出来的,给人一种井底之蛙叫嚷着颠覆宇宙的既视感。
个人隐约觉得中医理论知识,包含了有向有环图的因果分析体系在里面,至于现在热门的有有向无环图的因果分析还是有区别的,当然,有可能未来会证明,中医理论确实有很大缺陷,会有更系统的方法出现替代,但这一切必须建立在已经有一套更好的体系的基础上才行。
但仅仅就想用大多数人目前所理解的一般统计学的知识与经验,来否定整个中医理论的话,我认为还是审慎一些的好。
最后,推荐:
双盲本来就是以人为主啊,不过按中医的标准,只要验出中医的错误,那必须是检验方法不对。
现代医学的以人为本:
1,人有个体差异,所以我要大样本统计。
2,人有自愈能力,所以我要设置对照组。
3,人会有主观选择偏差,所以我要单盲。
4,人还会受到心理暗示的影响所以单盲改成双盲。
中医的以人为本:
郎中:你吃中药以后是不是感觉好点了?
病人答曰:没啥感觉。
郎中:好,无毒副作用,记下来。
病人:等下我吃药以后流鼻血脸还有点肿了。
郎中:好,此药大补。并且证明确实存在虚不受补的情况。
病人:我是说我吃了药以后病情更严重了。
郎中:排毒嘛有点反应正常的。一剂排毒效如桴鼓,这就算是验方了。
病人:艹我再也不找你这蒙古大夫了。
郎中:不来就说明病好了,三日愈。记下来。记下来记下来。
本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度,google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有