חלב עיזים או חלב סויה?
- פותח הנושא feter21
- פורסם בתאריך
Washington Irving
New member
לפי הדאטנית אולגה רז ועוד קצת מפרופ' קרסו
מבחינה תזונתית חלב רגיל טוב יותר מחלב סויה, כי החלבונים טובים יותר. מבחינת השמנה - אם כבר קונים חלב סויה, אז לשים לב שסוג כזה בלי תוספת סוכר. למשל, חלב סויה עם טעמים הרבה פעמים עם תוספת סוכר. אם תרצה לשמוע - http://www.103.fm/programs/Media.aspx?ZrqvnVq=FGFJJJ&c41t4nzVQ=KG
במקום אחר היא מתייחסת לשאלות מאזינים בנושא חלב סויה וחלב רגיל - http://www.103.fm/programs/Media.aspx?ZrqvnVq=FFIDGG&c41t4nzVQ=KG - אופן די דומה, לשים לב שאין תוספת סוכר בחלב סויה, שהוא פחות טעים, לכן מוסיפים לו סוכר הרבה פעמים, כמו כן חסר בו סידן, אז אם כבר חלב סויה, אז מעושר.
אם כבר התעניית, או מי שנכנס לפה מעניין, הרבה ראו סרטי הפחדה באינטרנט או דברים דומים, אם תרצה לשמוע דעה כללית של פרופ' קרסו אפשר כאן - באופן כללי לדבריו חלב מאוד חשוב ומאוד בריא - http://www.103.fm/programs/Media.aspx?ZrqvnVq=FIMHIK&c41t4nzVQ=FF
מבחינה תזונתית חלב רגיל טוב יותר מחלב סויה, כי החלבונים טובים יותר. מבחינת השמנה - אם כבר קונים חלב סויה, אז לשים לב שסוג כזה בלי תוספת סוכר. למשל, חלב סויה עם טעמים הרבה פעמים עם תוספת סוכר. אם תרצה לשמוע - http://www.103.fm/programs/Media.aspx?ZrqvnVq=FGFJJJ&c41t4nzVQ=KG
במקום אחר היא מתייחסת לשאלות מאזינים בנושא חלב סויה וחלב רגיל - http://www.103.fm/programs/Media.aspx?ZrqvnVq=FFIDGG&c41t4nzVQ=KG - אופן די דומה, לשים לב שאין תוספת סוכר בחלב סויה, שהוא פחות טעים, לכן מוסיפים לו סוכר הרבה פעמים, כמו כן חסר בו סידן, אז אם כבר חלב סויה, אז מעושר.
אם כבר התעניית, או מי שנכנס לפה מעניין, הרבה ראו סרטי הפחדה באינטרנט או דברים דומים, אם תרצה לשמוע דעה כללית של פרופ' קרסו אפשר כאן - באופן כללי לדבריו חלב מאוד חשוב ומאוד בריא - http://www.103.fm/programs/Media.aspx?ZrqvnVq=FIMHIK&c41t4nzVQ=FF
חלב סויה כמובן
אם כי אתה יכול לצרוך חלבים רבים מהצומח כמו חלב שקדים (אפשר להכין בבית), חלב אורז, חלב מעורב (שקדים ואורז אני מאמינה).
חלב עזים הוא עם אותם בעיות מוסריות כמו בחלב פרה- גם שם מכניסים את החייה להריון, מפרידים את הגור שלה ממנה ביומיו הראשונים, לוקחים לה את החלב שהיה אמור ללכת לתינוק שלה...
מחקרים רבים מראים שכשבני אדם בוגרים שותים חלב אם של חיה אחרת (כמו חלב פרה) יש להם סיכוי גבוהה יותר לסרטן. למשל המחקר של הרווארד פה:
http://www.news.harvard.edu/gazette/2006/12.07/11-dairy.html
אם כי אתה יכול לצרוך חלבים רבים מהצומח כמו חלב שקדים (אפשר להכין בבית), חלב אורז, חלב מעורב (שקדים ואורז אני מאמינה).
חלב עזים הוא עם אותם בעיות מוסריות כמו בחלב פרה- גם שם מכניסים את החייה להריון, מפרידים את הגור שלה ממנה ביומיו הראשונים, לוקחים לה את החלב שהיה אמור ללכת לתינוק שלה...
מחקרים רבים מראים שכשבני אדם בוגרים שותים חלב אם של חיה אחרת (כמו חלב פרה) יש להם סיכוי גבוהה יותר לסרטן. למשל המחקר של הרווארד פה:
http://www.news.harvard.edu/gazette/2006/12.07/11-dairy.html
רוב המחקרים שאני ראיתי הצביעו על ההפך
אני חושבת שמאוד חשוב לציין, למען הדיוטים בנושא, שאין שום דרך אחרת לבדוק את הנושא הזה חוץ ממחקרים תצפתנים. תשובה מוחלטת לא תראה גם ככה.
בקשר לזה שהם לא מראים הבדלים גדולים, סתם ככה מצאתי מחקר שמראה תוצאות משמעותיות סטטיסטית :
http://ajcn.nutrition.org/content/74/4/549.short
יש הרבה בעיות בחלב מהחי, בעיות מוסריות, אקולוגיות, ואני מאמינה שגם בריאותיות. בכל אופן אין שום *צורך בריאותי* לצרוך מוצרים מהחי.
אני חושבת שמאוד חשוב לציין, למען הדיוטים בנושא, שאין שום דרך אחרת לבדוק את הנושא הזה חוץ ממחקרים תצפתנים. תשובה מוחלטת לא תראה גם ככה.
בקשר לזה שהם לא מראים הבדלים גדולים, סתם ככה מצאתי מחקר שמראה תוצאות משמעותיות סטטיסטית :
http://ajcn.nutrition.org/content/74/4/549.short
יש הרבה בעיות בחלב מהחי, בעיות מוסריות, אקולוגיות, ואני מאמינה שגם בריאותיות. בכל אופן אין שום *צורך בריאותי* לצרוך מוצרים מהחי.
אתה יודע שזה קצת לא הגון
לכתוב כל מיני מונחים שרוב האנשים לא יודעים מה הם אומרים ובך לפסול בעקרון את כל המאמרים בנושא?
אז כמה דברים:
* מובהקות סטטיסטית חשובה הרבה יותר במקרה הזה מאשר effect size, כי effect size מתיחס לקשר בין שתי קבוצות אבל *לא* לאיך זה מתקשר לאוכלוסיה. effect size אומר שקבוצה אחת חלתה יותר מאחרת בכמות מסוימת. מובהקות סטטיסטית בוחנת את ההבדל בין הקבוצות ביחד עם גודל הקבוצות והוריאציות בתוצאות וקובעת את הסיכויי לקבל את התוצאות האלה במיקרה. הכתבה שאני צירפתי מצאה שיש סיכויי של 0.5% שהתוצאות שהם מצאו מקריים.
* הנקודה היא ממש לא המאמר. הנקודה היא שאתה טענת שהמחקרים לא מראים הבדלים גדולים, וזאת פשוט נקודה שגויה.
לכתוב כל מיני מונחים שרוב האנשים לא יודעים מה הם אומרים ובך לפסול בעקרון את כל המאמרים בנושא?
אז כמה דברים:
* מובהקות סטטיסטית חשובה הרבה יותר במקרה הזה מאשר effect size, כי effect size מתיחס לקשר בין שתי קבוצות אבל *לא* לאיך זה מתקשר לאוכלוסיה. effect size אומר שקבוצה אחת חלתה יותר מאחרת בכמות מסוימת. מובהקות סטטיסטית בוחנת את ההבדל בין הקבוצות ביחד עם גודל הקבוצות והוריאציות בתוצאות וקובעת את הסיכויי לקבל את התוצאות האלה במיקרה. הכתבה שאני צירפתי מצאה שיש סיכויי של 0.5% שהתוצאות שהם מצאו מקריים.
* הנקודה היא ממש לא המאמר. הנקודה היא שאתה טענת שהמחקרים לא מראים הבדלים גדולים, וזאת פשוט נקודה שגויה.
Gidi Shemer
New member
חצי off
eietmo, לא אכנס לדיון ביניכם, אבל אני יודע שאת מאד בעניין של מאמרים ובדיוק השבוע היה לנו דיון מעניין בפורום שכן על כשלון המובהקות הסטטיסטית, או יותר נכון על המשקל המוטעה שמדענים לפעמים נותנים לה.
את מוזמנת לקרוא פה:
http://www.tapuz.co.il/forums2008/forumpage.aspx?ForumId=2254&MessageId=170062120
אמנם הבחורה שהביאה את המאמר הביאה אותו מסיבה אחת והיא לנסות ולנגח את המדע, אבל הדיון לדעתי מעניין.
אציין רק שסטטיסטיקאים אכן טוענים קשות כנגד קדושת המובהקות הסטטיסטית וחולשתה מול מדדים אחרים (כמו גודל האפקט).
דיסקליימר- לא קראתי את המאמר שאתם דנים עליו לכן אני לא יודע מה באמת כתוב שם. רק כדאי לזכור שמובהקות סטטיסטית בודקת רק (ואך ורק) אם היפותיזת ה null יכולה להיות נדחית או לא (בהתאם לאלפא שנקבע) ואינה מעידה שום דבר על נכונות או אי נכונות ההיפותיזה האלטרנטיבית.
eietmo, לא אכנס לדיון ביניכם, אבל אני יודע שאת מאד בעניין של מאמרים ובדיוק השבוע היה לנו דיון מעניין בפורום שכן על כשלון המובהקות הסטטיסטית, או יותר נכון על המשקל המוטעה שמדענים לפעמים נותנים לה.
את מוזמנת לקרוא פה:
http://www.tapuz.co.il/forums2008/forumpage.aspx?ForumId=2254&MessageId=170062120
אמנם הבחורה שהביאה את המאמר הביאה אותו מסיבה אחת והיא לנסות ולנגח את המדע, אבל הדיון לדעתי מעניין.
אציין רק שסטטיסטיקאים אכן טוענים קשות כנגד קדושת המובהקות הסטטיסטית וחולשתה מול מדדים אחרים (כמו גודל האפקט).
דיסקליימר- לא קראתי את המאמר שאתם דנים עליו לכן אני לא יודע מה באמת כתוב שם. רק כדאי לזכור שמובהקות סטטיסטית בודקת רק (ואך ורק) אם היפותיזת ה null יכולה להיות נדחית או לא (בהתאם לאלפא שנקבע) ואינה מעידה שום דבר על נכונות או אי נכונות ההיפותיזה האלטרנטיבית.
Gidi Shemer
New member
טוב, אצלי כבר 1:20 ואני עובד מחר
אז אפרוש ברשותך לישון.
תיכנסי לשרשור שהפניתי אליו ותחפשי את ההסבר של "אני רק עובר". מקווה שזה יצליח להעביר ולהבהיר את העניין.
אז אפרוש ברשותך לישון.
תיכנסי לשרשור שהפניתי אליו ותחפשי את ההסבר של "אני רק עובר". מקווה שזה יצליח להעביר ולהבהיר את העניין.
Gidi Shemer
New member
יוספה, שבתי !!
תמצות קצרצר בעברית זה קצת מאתגר, במיוחד נוכח העובדה שאני רחוק מלהיות מומחה לסטטיסטיקה. מה שכן, אני נתלה פה באילנות הרבה יותר גבוהים ממני ומצרף לך קטע שכתב מגיב בשם tulkin שניהלתי איתו חליפת מסרים באותו עניין. זה גם לא קצר, אבל קחי את מה שמתאים לך מההסבר.
לפני ההסבר של טולקין, אשתמש בדוגמה שסטטיסטיקאית אחת הביאה כדי להדגים את מגבלות האינטרפטציה של המובהקות הסטטיסטית:
נניח שאת מחפשת גלולת פלא שתוריד ממשקלך 20 קילו תוך מספר שבועות. את מוצאת בשוק שתי תרופות שהמליצו עליהן, שתייהן באותו מחיר ועם אותן תופעות לוואי- אחת מראה אפקט גדול יחסית, הורדה של 30 קילו. מה שכן, המנעד גדול מאד (פלוס מינוס 20 קילו) ובמבחנים הסטטיסטיים של p value, השערת האפס לא נדחתה (כלומר, המבחנים לא מובהקים סטטיסטית). תרופה שניה מורידה 5 קילו, אבל מדוייקת (פלוס מינוס חצי קילו, עם מובהקות סטטיסטית). איזו גלולה תקחי? אם את שבויה בקונספט של מובהקות סטטיסטית, תבחרי בגלולה האחרונה ותורידי מקסימום 5 וחצי קילו. אם תנהגי בשכל, ותביני שגודל האפקט נותן עוצמה גדולה יותר במקרה הזה, תשתמשי בתרופה הראשונה ותרדי לפחות 10 קילו.
והנה ההסבר של טולקין:
יש מגוון רחב של בעיות עם p-value. כשהבעיה העיקרית הוא שהוא לא מודד את מה שרוצים למדוד. בגדול אנחנו רוצים לדעת עם האפקט שמצאנו בניסוי הוא אמיתי או לא, כאשר צריך להגדיר מה זה "אמיתי". בסופו של דבר ברור לנו שהאפקט שמצאנו בניסוי הוא לא בדיוק מה שיש במציאות - הרי בדקנו רק מדגם וכו'. ברור שמה שנמצא במדגם אחר יהיה שונה ממה שמצאנו במדגם הזה. האם ההבדל הזה צפוי להיות משמעותי? התקבעה אצלנו הפרדיגמה שאפקט הוא "אמיתי" אם הוא גדול מ0 אז אנחנו מנסים להעריך את הסיכוי שהאפקט אמיתי לפי ההגדרה הזו על סמך תוצאות הניסוי.
אחרי ההקדמה הזו - הPvalue חוטא למטרה בשתי דרכים עיקריות. ראשית, הוא מודד את הסיכוי לשחזר אפקט כפי שנמצא (או גדול ממנו) תחת ההנחה שאין אפקט. כלומר הוא מודד את ההסתברות של הנתונים בהתניית "אין אפקט" ((P(Data|H0 ) אבל מה שאנחנו באמת רוצים לדעת זה את הסיכוי שאין אפקט בהתניית שראינו את הנתונים (P(H0|Data. יש כמובן קשר בין שני הגדלים האלה - זהו חוק בייז. והקשר הזו תלוי בהערכת ההסתברות הא-פריורית שלנו לקיום השארת האפס (או השלילה שלה). אבל יותר מהנוסחא חשוב להבין שברמה הבסיסית ביותר הPVALUE לא מודד את הדבר הנכון.
הבעיה השניה של PVALUE זה שהוא מערבב בתוכו כמה גורמים שמשפיעים על ההסתברות לקבל תוצאות דומות. חלק מהגורמים הם חשובים, בעיקר גודלו של האפקט שראינו. וחלק הם לא מעניינים, כי אנחנו שלטנו בהם וקבענו אותם כחלק מהליך המחקר - כמו גודל המדגם, שיטת המדידה וכו'. ברור שאם לקחנו מדגם גדול מאד, הסיכוי לקבל משהו שונה במדגם אחר גדול מאד היא קטנה, בלי קשר להאם האפקט קיים או לא. וזה בדיוק מה שעומד בבסיס הטענה במאמר שהפנית אליו שבעצם PVALUE מוצלח מאשר איזושהי הטיה נסתרת שנמצאת בבסיס המחקר. אם המחקר מוטה, מאיזושהי סיבה שהמאמר מפרט, אז הסיכוי למצוא אפקט גדל, אבל הPVALUE לא מודד את הסיכוי שהאפקט אמיתי, אלא בודק את הסיכוי לשחזר את האפקט באותה סיטואציה. עכשיו אם מלכתחילה הסיטואציה היתה מוטה, אבל המדגם היה גדול מספיק, אז סיכויי השחזור גדולים ואז נטעה לחשוב שמדובר באפקט אמיתי, למרות שמדובר בהטיה מובנית.
המאמר ממשיך ומפרט סוגים שונים של הטיות.
יש כמובן עוד בעיות אבל אלה השתיים העיקריות: אי מדידת הדבר הנכון, וערבוב של גודל האפקט ופרמטרים אחרים לכדי מדד אחד שהוא פחות אינפורמטיבי. תוסיף לכך שאנשים מתעלמים מהעוצמה הסטטיסטית של המבחן (כמעט אף אחד לא מדווח על עוצמה), למרות שהיא מדד לא פחות חשוב ואינפורמטיבי - ותקבל שבעצם יש מעט מאד הצדקה בנהיה אחרי PVALUE.
אבל מעבר לכך ישנה גם בעיה באינטרפרטציה של PVALUE, וכאן אני מגיע לדוגמא שנתתי לגבי השוואה בין שני טיפולים. אפילו אם נניח שPVALUE הוא מדד מעולה, הקשר של "מובהקות סטטיסטית" שהוא יוצר הוא לא "יחס טרנזיטיבי". כלומר אם X שונה מY באופן מובהק ו Y שונה מZ באופן מובהק - אין זה אומר ש X שונה מZ. בפרט "חוסר מובהקות" היא לא זהות. זה שX לא שונה באופן מובהק מY אינו אומר שאין הבדל ביניהם או שגודל האפקט הוא 0. וזו טעות נפוצה מאד. אי אפשר להעביר מובהקות מאגף לאגף או לחסר מובהקות וכו'. ולכן אם לתרופה X יש אפקט מובהק ביחס לאיזושהי השערת 0, ולתרופה Y אין אפקט מובהק, זה לא אומר ש X שונה באופן מובהק מY. בהחלט ייתכן שאין ביניהן הבדל מובהק, כי Y עומדת ב"אמצע הדרך" בין X ל 0. Y קרוב מדי ל 0 בשביל להיות מובהק בתנאים הנתונים, וט גם קרוב מדי לX בשביל שההבדל יהיה מובהק. אבל X כבר רחוק מספיק מ 0 בשביל להיחשב מובהק.
תמצות קצרצר בעברית זה קצת מאתגר, במיוחד נוכח העובדה שאני רחוק מלהיות מומחה לסטטיסטיקה. מה שכן, אני נתלה פה באילנות הרבה יותר גבוהים ממני ומצרף לך קטע שכתב מגיב בשם tulkin שניהלתי איתו חליפת מסרים באותו עניין. זה גם לא קצר, אבל קחי את מה שמתאים לך מההסבר.
לפני ההסבר של טולקין, אשתמש בדוגמה שסטטיסטיקאית אחת הביאה כדי להדגים את מגבלות האינטרפטציה של המובהקות הסטטיסטית:
נניח שאת מחפשת גלולת פלא שתוריד ממשקלך 20 קילו תוך מספר שבועות. את מוצאת בשוק שתי תרופות שהמליצו עליהן, שתייהן באותו מחיר ועם אותן תופעות לוואי- אחת מראה אפקט גדול יחסית, הורדה של 30 קילו. מה שכן, המנעד גדול מאד (פלוס מינוס 20 קילו) ובמבחנים הסטטיסטיים של p value, השערת האפס לא נדחתה (כלומר, המבחנים לא מובהקים סטטיסטית). תרופה שניה מורידה 5 קילו, אבל מדוייקת (פלוס מינוס חצי קילו, עם מובהקות סטטיסטית). איזו גלולה תקחי? אם את שבויה בקונספט של מובהקות סטטיסטית, תבחרי בגלולה האחרונה ותורידי מקסימום 5 וחצי קילו. אם תנהגי בשכל, ותביני שגודל האפקט נותן עוצמה גדולה יותר במקרה הזה, תשתמשי בתרופה הראשונה ותרדי לפחות 10 קילו.
והנה ההסבר של טולקין:
יש מגוון רחב של בעיות עם p-value. כשהבעיה העיקרית הוא שהוא לא מודד את מה שרוצים למדוד. בגדול אנחנו רוצים לדעת עם האפקט שמצאנו בניסוי הוא אמיתי או לא, כאשר צריך להגדיר מה זה "אמיתי". בסופו של דבר ברור לנו שהאפקט שמצאנו בניסוי הוא לא בדיוק מה שיש במציאות - הרי בדקנו רק מדגם וכו'. ברור שמה שנמצא במדגם אחר יהיה שונה ממה שמצאנו במדגם הזה. האם ההבדל הזה צפוי להיות משמעותי? התקבעה אצלנו הפרדיגמה שאפקט הוא "אמיתי" אם הוא גדול מ0 אז אנחנו מנסים להעריך את הסיכוי שהאפקט אמיתי לפי ההגדרה הזו על סמך תוצאות הניסוי.
אחרי ההקדמה הזו - הPvalue חוטא למטרה בשתי דרכים עיקריות. ראשית, הוא מודד את הסיכוי לשחזר אפקט כפי שנמצא (או גדול ממנו) תחת ההנחה שאין אפקט. כלומר הוא מודד את ההסתברות של הנתונים בהתניית "אין אפקט" ((P(Data|H0 ) אבל מה שאנחנו באמת רוצים לדעת זה את הסיכוי שאין אפקט בהתניית שראינו את הנתונים (P(H0|Data. יש כמובן קשר בין שני הגדלים האלה - זהו חוק בייז. והקשר הזו תלוי בהערכת ההסתברות הא-פריורית שלנו לקיום השארת האפס (או השלילה שלה). אבל יותר מהנוסחא חשוב להבין שברמה הבסיסית ביותר הPVALUE לא מודד את הדבר הנכון.
הבעיה השניה של PVALUE זה שהוא מערבב בתוכו כמה גורמים שמשפיעים על ההסתברות לקבל תוצאות דומות. חלק מהגורמים הם חשובים, בעיקר גודלו של האפקט שראינו. וחלק הם לא מעניינים, כי אנחנו שלטנו בהם וקבענו אותם כחלק מהליך המחקר - כמו גודל המדגם, שיטת המדידה וכו'. ברור שאם לקחנו מדגם גדול מאד, הסיכוי לקבל משהו שונה במדגם אחר גדול מאד היא קטנה, בלי קשר להאם האפקט קיים או לא. וזה בדיוק מה שעומד בבסיס הטענה במאמר שהפנית אליו שבעצם PVALUE מוצלח מאשר איזושהי הטיה נסתרת שנמצאת בבסיס המחקר. אם המחקר מוטה, מאיזושהי סיבה שהמאמר מפרט, אז הסיכוי למצוא אפקט גדל, אבל הPVALUE לא מודד את הסיכוי שהאפקט אמיתי, אלא בודק את הסיכוי לשחזר את האפקט באותה סיטואציה. עכשיו אם מלכתחילה הסיטואציה היתה מוטה, אבל המדגם היה גדול מספיק, אז סיכויי השחזור גדולים ואז נטעה לחשוב שמדובר באפקט אמיתי, למרות שמדובר בהטיה מובנית.
המאמר ממשיך ומפרט סוגים שונים של הטיות.
יש כמובן עוד בעיות אבל אלה השתיים העיקריות: אי מדידת הדבר הנכון, וערבוב של גודל האפקט ופרמטרים אחרים לכדי מדד אחד שהוא פחות אינפורמטיבי. תוסיף לכך שאנשים מתעלמים מהעוצמה הסטטיסטית של המבחן (כמעט אף אחד לא מדווח על עוצמה), למרות שהיא מדד לא פחות חשוב ואינפורמטיבי - ותקבל שבעצם יש מעט מאד הצדקה בנהיה אחרי PVALUE.
אבל מעבר לכך ישנה גם בעיה באינטרפרטציה של PVALUE, וכאן אני מגיע לדוגמא שנתתי לגבי השוואה בין שני טיפולים. אפילו אם נניח שPVALUE הוא מדד מעולה, הקשר של "מובהקות סטטיסטית" שהוא יוצר הוא לא "יחס טרנזיטיבי". כלומר אם X שונה מY באופן מובהק ו Y שונה מZ באופן מובהק - אין זה אומר ש X שונה מZ. בפרט "חוסר מובהקות" היא לא זהות. זה שX לא שונה באופן מובהק מY אינו אומר שאין הבדל ביניהם או שגודל האפקט הוא 0. וזו טעות נפוצה מאד. אי אפשר להעביר מובהקות מאגף לאגף או לחסר מובהקות וכו'. ולכן אם לתרופה X יש אפקט מובהק ביחס לאיזושהי השערת 0, ולתרופה Y אין אפקט מובהק, זה לא אומר ש X שונה באופן מובהק מY. בהחלט ייתכן שאין ביניהן הבדל מובהק, כי Y עומדת ב"אמצע הדרך" בין X ל 0. Y קרוב מדי ל 0 בשביל להיות מובהק בתנאים הנתונים, וט גם קרוב מדי לX בשביל שההבדל יהיה מובהק. אבל X כבר רחוק מספיק מ 0 בשביל להיחשב מובהק.
כל הכבוד על ההשקעה. מזלי שהרמת את הכפפה
כי בעברית בקושי אני מצליחה להבין את זה, אז באנגלית... אני חושבת שהמסקנה מתוך מה שאני מבינה כאן תשמח מאד את החבר'ה האיכותניים שבאיזורים שלהם אני מסתובבת, שטוענים כבר מזמן שאין לסמוך על האמת ה'אובייקטיבית' ולכן אין כל כך טעם בהשוואות ומדידות. אני קצת מפחדת לשאול, כי לא אבין כלום כלום, אבל למה הכוונה בעוצמה ססטיסטית? (אם תוכל אנא צרף דוגמא להסבר,כאמצעי תיווך למאותגרים סטטיסטית ). תודה רבה!!
כי בעברית בקושי אני מצליחה להבין את זה, אז באנגלית... אני חושבת שהמסקנה מתוך מה שאני מבינה כאן תשמח מאד את החבר'ה האיכותניים שבאיזורים שלהם אני מסתובבת, שטוענים כבר מזמן שאין לסמוך על האמת ה'אובייקטיבית' ולכן אין כל כך טעם בהשוואות ומדידות. אני קצת מפחדת לשאול, כי לא אבין כלום כלום, אבל למה הכוונה בעוצמה ססטיסטית? (אם תוכל אנא צרף דוגמא להסבר,כאמצעי תיווך למאותגרים סטטיסטית ). תודה רבה!!
מובהקות סטטיסטית
במחקר תצפיתני המשמעות של p-value הוא מה ההסתברות לכך שהתוצאה התקבלה באקראי תחת הנחות מסוימות, למשל בהנחה שהמודל שהחוקרים הניחו הוא מודל מלא (כלומר המודל מכיל את כל המשתנים שמשפיעים על התוצאה). כיוון שאין שום דרך לדעת האם המודל הוא מלא, גם תוצאות תצפיתניות עם p-value מאוד נמוך הן לא בהכרח נכונות.
לשם דוגמה, בשנת 1993 יצאו שני מחקרים תצפיתנים שלפיהם שימוש בתוסף ויטמין E מקטין את הסיכוי למחלת לב ב-40%. ה-p-value של תוצאה זו הוא 0.00007. אך מחקרי RCT לא הראו השפעה של ויטמין E, כך שהמחקרים התצפיתנים טעו כאן באופן משמעותי.
לגבי גודל האפקט, הטענה שלי הייתה לגבי מטה-אנליזות של המחקרים ולא מחקרים ספציפיים, אך גם מחקרים ספציפיים לא מראים גודל אפקט "גדול" (צריך כמובן להגדיר מה הכוונה בגדול). המחקר שהבאת הראה RR של 1.27 לאחר כל התקנונים, וזה לא אפקט גדול.
במחקר תצפיתני המשמעות של p-value הוא מה ההסתברות לכך שהתוצאה התקבלה באקראי תחת הנחות מסוימות, למשל בהנחה שהמודל שהחוקרים הניחו הוא מודל מלא (כלומר המודל מכיל את כל המשתנים שמשפיעים על התוצאה). כיוון שאין שום דרך לדעת האם המודל הוא מלא, גם תוצאות תצפיתניות עם p-value מאוד נמוך הן לא בהכרח נכונות.
לשם דוגמה, בשנת 1993 יצאו שני מחקרים תצפיתנים שלפיהם שימוש בתוסף ויטמין E מקטין את הסיכוי למחלת לב ב-40%. ה-p-value של תוצאה זו הוא 0.00007. אך מחקרי RCT לא הראו השפעה של ויטמין E, כך שהמחקרים התצפיתנים טעו כאן באופן משמעותי.
לגבי גודל האפקט, הטענה שלי הייתה לגבי מטה-אנליזות של המחקרים ולא מחקרים ספציפיים, אך גם מחקרים ספציפיים לא מראים גודל אפקט "גדול" (צריך כמובן להגדיר מה הכוונה בגדול). המחקר שהבאת הראה RR של 1.27 לאחר כל התקנונים, וזה לא אפקט גדול.
Copyright©1996-2021,Tapuz Media Ltd. Forum software by XenForo® © 2010-2020 XenForo Ltd.