Diese Geschichte ist etwas kompliziert. Es ist einfach, aber es ist kompliziert.
Der einfache Teil ist die Grundgeschichte, die etwa so lautet:
– Im Jahr 2020 wurde in Stanford eine Studie durchgeführt – eine Umfrage zur Covid-Exposition –, die ich öffentlich kritisierte: Ich schrieb, dass diese Studie statistische Probleme hatte und dass ihre Analyse die Unsicherheit in der Falsch-Positiv-Charge des von ihnen verwendeten Assessments nicht berücksichtigte , und dass sie etwas falsch gemacht haben, indem sie nicht das statistische Fachwissen genutzt haben, das in Stanford leicht verfügbar ist.
– Im Jahr 2023 schrieb einer der an dieser Studie beteiligten Personen einen langen Beitrag über diese Studie und ihre Folgen. In diesem Beitrag wurden meine Kommentare aus dem Jahr 2020 zu dieser Studie falsch dargestellt – daher der Titel des vorliegenden Beitrags.
– Erst letzte Woche hat mich jemand auf den Beitrag 2023 hingewiesen. Ich conflict unglücklich darüber, dass ich falsch dargestellt wurde, additionally habe ich dem Autor des Beitrags eine E-Mail geschrieben. Er hat nicht geantwortet – das nehme ich nicht persönlich: Er ist sehr beschäftigt, die Ferienzeit steht vor der Tür, der Beitrag ist vor über einem Jahr erschienen (ich habe erst neulich zufällig davon gehört) und meine Beschwerde betrifft Bedenken nur ein kleiner Absatz in einem langen Beitrag – nur um den Sachverhalt zu korrigieren, poste ich das hier.
Umso komplizierterEin interessanter Teil betrifft die Unterscheidung zwischen Beweis und Wahrheit. Darüber haben wir schon einmal gesprochen – ich habe es tatsächlich veröffentlicht ein kurzer Artikel zum Thema zurück im Jahr 2020 anhand dieses Beispiels! – und hier ist es wieder, additionally hier:
Und nun die Particulars:
Stanford-Professor Jay Bhattacharya schrieb darüber eine Covid-Studie aus dem Jahr 2020, an der er beteiligt conflict und die damals einige Skepsis hervorrief:
Auch einige seriöse Statistiker meldeten sich mit negativen Bewertungen zu Wort. Andrew Gelman von der Columbia College hat in einem hyperbolischen Weblog geschrieben, dass wir uns für die Veröffentlichung der Studie entschuldigen sollten. Er ging fälschlicherweise davon aus, dass wir die Möglichkeit falsch positiver Ergebnisse nicht berücksichtigt hätten. Später widerrief er diese scharfe Kritik, forderte jedoch, dass wir eine different Methode zur Charakterisierung der Unsicherheit rund um unsere Schätzungen verwenden.
Positiv zu vermerken ist, dass er mich als seriösen Statistiker bezeichnet. Er nannte meinen Beitrag auch „hyperbolisch“. Er verlinkt nicht wirklich darauf, additionally werde ich es tun gib den Hyperlink hier damit Sie sich Ihr eigenes Urteil bilden können. Der Titel dieses Beitrags lautet „Bedenken hinsichtlich dieser Stanford-Studie zur Verbreitung von Coronaviren“, und ich halte ihn überhaupt nicht für übertrieben! Aber das ist nur eine Frage der Meinung von Bhattacharya, daher kann ich nicht sagen, dass es falsch ist.
Er hat dazu zwei konkrete Aussagen Sind allerdings falsch:
1. Es stimmt nicht, dass ich „fälschlicherweise dachte, ihre Studie hätte die Möglichkeit falsch positiver Ergebnisse nicht berücksichtigt“. In meinem Beitrag habe ich ausdrücklich darauf hingewiesen, dass ihre Analyse die Möglichkeit falsch positiver Ergebnisse beinhaltet. Was ich geschrieben habe, ist, dass sie sich „auf die Punktschätzungen der Spezifität“ konzentrierten. Spezifität = 1 – Falsch-Positiv-Charge. Was ich geschrieben habe ist, dass sie hat die Unsicherheit nicht richtig berücksichtigt in der Falsch-Positiv-Charge. Ich habe nicht gesagt, dass sie die Möglichkeit falsch positiver Ergebnisse nicht berücksichtigt hätten.
2. Ich habe „diese scharfe Kritik nie widerrufen“. Was ich in meinem Beitrag geschrieben habe, ist, dass ihr Artikel „keine stichhaltigen Beweise dafür liefert, dass die Zahl der Personen im Santa Clara County, die bis zu diesem Datum exponiert waren, so hoch conflict wie behauptet.“ Aber ich schrieb auch: „Ich behaupte nicht, dass die Behauptungen in dem oben verlinkten Papier falsch sind.“ . . Die Bendavid et al. Eine Studie ist problematisch, wenn sie als starker Beweis für bestimmte Schätzungen angesehen wird, aber sie ist wertvoll, wenn sie als eine Info betrachtet wird, die Teil eines Gesamtbildes ist, das ungewiss bleibt.“ Und ich stellte klar: „Als ich schrieb, dass die Autoren des Artikels uns allen eine Entschuldigung schulden, meinte ich nicht, dass sie uns eine Entschuldigung für die Durchführung der Studie schuldeten, sondern dass sie uns eine Entschuldigung für vermeidbare Fehler in der statistischen Analyse schuldeten.“ führte zu überheblichen Behauptungen. Aber auch hier sollten wir nicht den umgekehrten Fehler machen und die Unsicherheit als Mittel zur Bestätigung einer Nullhypothese nutzen.“
Ich betrachte dies nicht als „Widerruf“ und habe auch zu keinem späteren Zeitpunkt einen Widerruf vorgenommen, aber es ist mir recht, wenn Bhattacharya oder irgendjemand sonst mich direkt zitieren möchte, um deutlich zu machen, dass ich zu keinem Zeitpunkt jemals gesagt habe, dass ihre substanziellen Ansprüche bestehen waren falsch; Ich habe nur gesagt, dass die in dieser Studie angebotenen Daten keine stichhaltigen Beweise lieferten.
Das stört mich. Ich würde es hassen, wenn die Leute denken würden, ich hätte fälschlicherweise gedacht, sie hätten die Möglichkeit falsch positiver Ergebnisse nicht berücksichtigt, oder dass ich meine Kritik zurückgezogen hätte. Ich betone noch einmal, dass meine Kritik statistischer Natur conflict und die Angabe von Unsicherheit beinhaltete; Es conflict keine Behauptung meinerseits, dass der Prozentsatz der Menschen, die Covid ausgesetzt waren, bei X, Y oder Z lag.
Die gute Nachricht ist, dass dieser Beitrag von Bhattacharya im Jahr 2023 erschien und ich erst neulich davon gehört habe, daher vermute ich, dass er keine weite Verbreitung gefunden hat. Vielleicht sehen mehr Leute diese Korrektur als den ursprünglichen Beitrag! Ich bin auf jeden Fall froh, die Möglichkeit zu haben, den Eintrag zu korrigieren.
Stanford-Ansteckung
Ich habe kein Downside damit, dass Bhattacharya Argumente zur Covid-Epidemiologie und -Politik vorbringt – zwei Themen, über die er viel nachgedacht hat. Für ihn und seine Kollegen ist es völlig berechtigt zu sagen, dass ihre ursprüngliche Studie nicht schlüssig conflict, aber mit ihrer größeren Botschaft übereinstimmte.
Bhattacharya schreibt auch:
Letztendlich untergrub die Führung von Stanford das öffentliche und wissenschaftliche Vertrauen in die Ergebnisse der Santa Clara-Studie. Angesichts dieser Geschichte könnte man es der Öffentlichkeit verzeihen, wenn sie sich fragt, ob Stanford-Forschung vertrauenswürdig ist.
Er geht diesem Punkt nicht vollständig nach, aber ich denke, er hat Recht.
Einige Wochen bevor die oben besprochene Covid-Studie herauskam, bekam Stanford einiges an Presse, als Juraprofessor Richard Epstein über Stanfords Hoover Establishment etwas veröffentlichte, in dem er vorhersagte, dass die Zahl der Covid-Todesfälle in den USA bei maximal 500 liegen würde, eine Vorhersage, die er später auf 5000 aktualisierte (siehe hier für Einzelheiten). Ich habe Epstein noch nie getroffen oder mit ihm korrespondiert, aber er wirkt wie ein ziemliches Arschloch Das zu einem Zeitschrifteninterviewer: „Aber wenn du hart auf mich losgehen willst, werde ich noch härter auf dich zurückkommen. Und wenn ich dir dann nicht die Finger in den Hals stecken kann, dann bin ich es nicht wert. . . . Aber ein bisschen Respekt.“ Ein paar Jahre später folgte er mit einigen idiotisch Aussagen zur Covid-Impfung. Intestine – der Typ ist nur ein Juraprofessor, kein Gesundheitsökonom oder irgendjemand sonst mit einschlägigem Fachwissen –, der Punkt ist, dass Stanford offenbar an ihm festhält. In Bhattacharyas Worten: „Angesichts dieser Geschichte könnte man es der Öffentlichkeit verzeihen, wenn sie sich fragt, ob irgendeiner Stanford-Forschung vertrauenswürdig ist.“
Eine solche Schuldzuweisung an Stanford wäre eine schlechte Argumentation. Nur weil Stanford Idioten wie Richard Epstein unterstützt, heißt das nicht, dass wir der Forschung seriöser Wissenschaftler wie Rob Tibshirani und Jay Bhattacharya nicht vertrauen sollten. Aber ich vermute, dass man es der Öffentlichkeit verzeihen könnte, wenn sie der Marke Stanford weniger Vertrauen entgegenbringt. So wie meine Zugehörigkeit zu Columbia durch die Verbindung meines Arbeitgebers mit Mehmet Oz, Robert Hadden, und seine Bereitschaft, seine US-Nachrichtenzahlen zu fälschen, getrübt wird. Und Harvard wird durch seine Befürwortung verschiedener, weithin bekannter Teile der Pseudowissenschaft getrübt.
Der Ruf geht in beide Richtungen. Durch die Veröffentlichung von Epsteins einheitlichem Kommentar untergrub Stanfords Führung das öffentliche und wissenschaftliche Vertrauen, und dann musste Bhattacharya einen Teil des Preises für dieses untergrabene Vertrauen zahlen. Das ist schade, auch schade, dass er dabei gelandet ist der Beirat einer Organisation, die folgenden Rat gab: „Derzeit gibt es niemanden, für den der Nutzen dieser (Covid-)Impfstoffe das Risiko überwiegen würde – nicht einmal die am stärksten gefährdeten, älteren Pflegeheimpatienten.“
Die Herausforderung besteht darin, dass legitime Argumente über politische Reaktionen unter Unsicherheit mit lächerlichen Behauptungen wie der Aussage, dass Covid nur 500 Amerikaner töten würde, oder lächerlichen Maßnahmen wie der Entfernung der Basketballkörbe im örtlichen Park verwechselt werden. Auf der einen Seite gab es Leute, die etwas verbreiteten, was man nur Verleugnung nennen kann (zum Beispiel die beanspruchen dass die Pandemie im Sommer 2020 vorbei conflict); Auf der anderen Seite standen die Gesundheitsbehörden die Angstkarte ausspielen und alle drinnen zu halten.
Ich kann additionally verstehen, wie frustriert Bhattacharya über die Reaktion auf seine Studie conflict. Aber er verfehlt das Ziel, wenn er das, was ich geschrieben habe, falsch darstellt und wenn er an anderer Stelle in seinem Beitrag Stephanie Lee dafür herabwürdigt, dass sie über seine Studie berichtet. Wir machen unsere Arbeit – ich beurteile die Stärke der statistischen Beweise, Lee geht den Hinweisen in der Geschichte nach – genauso wie Bhattacharya seine Arbeit macht, indem er politische Empfehlungen abgibt.