Total Pageviews

2021/09/18

[閱讀筆記] HOW NOT TO BE WRONG - 第16章:肺癌令你抽菸嗎?(Does Lung Cancer Make You Smoke Cigarettes?)

 

  1.  假設婚姻與抽菸,兩者是負相關

不同說法

強調重點

說明

代表性說法

真實狀況直述句解釋相關

如果你癮君子,就不太會是已婚者

(If you’re a smoker, you’re less likely to be married)

更動說法


假設語氣解釋因果

假設你有抽菸,你就不太會是已婚者

(If you were smoking, you would be less likely to be married)


  1. 相關不蘊涵因果 (correlation does not imply causation),又稱為 相關不代表因果,是科學和統計學經常強調的重要觀念,意思是若兩個事物(統計學上會用變數代表)有明顯的相關時(即當一件事出現,另一件事也出現),不一定表示兩者之間有因果關係。例如說看到死刑判決越多,謀殺犯罪率越高,不代表兩者間有關,尤其不代表死刑導致更多謀殺,有可能是謀殺案件增加導致更多死刑判決,或其他因素同時導致更多謀殺與更多死刑判決。(https://reurl.cc/xGZD2z)

  2. 要確立一個因果關係,其實也是很困難的,因為生物學及醫學的世界太複雜,往往都會有些干擾因子(Confounding factors)去影響你。

  3. 偽因果關係的例子 (https://reurl.cc/mLndO7)

🍦🏊 冰淇淋的銷售量越高,海灘溺水的人數也越多

雪糕銷售與溺水人數表面上看似有關係,其實只不過是因為氣溫越高,越多人買雪糕,同時也越多人游泳,所以溺水的人也越多。但其實這個偽關係是由氣溫高這個「干擾因子」引起的。

🏊⚡ 泳池溺水人數與美國核電廠發電量也是高度相關

這兩者高度相關,並非代表核電廠發電會「導致」人在泳池中溺水,而是因為氣溫高,耗電量大增 → 核電廠發電量增加,去游泳的人也變多 → 泳池溺水的人也多。


  1. 確定性因果關係 (deterministic causality)

因果關係成立條件

如果要得出 X 導致 Y 的結論,下列三個條件都要成立︰

  • ① X 發生在 Y 之前

  • ② 若 X 不發生,則 Y 也不發生

  • ③ 若 X 發生,則 Y 一定發生

分析因果關係的希爾準則 (Bradford Hill's Criteria)


Hill's Criteria

說明

① 時序性

(Temporality)

若 X 導致 Y,那 X 一定發生在 Y 之前。這是 9 個準則中最重要的,若不符合時序性,因果關係可立即被否定

② 強度

(Strength)

即觀察一個事件對另一個事件的影響有多強,但如果病人用 micafungin 後,夜晚排尿由1公升減至100毫升,我們對它們兩者有因果關係的信心自然大得多。

③ 一致性

(Consistency)

即兩件事件的相關性在不同情況之下都會出現,一般在學術界中,如果越多不同的團隊做研究都得多相同的結果,我們覺得這些研究證明的因果關係的可信度是越高的。

④ 劑量反應關係

(Dose-response relation)

即接受的劑量越高,反應也應該越大。

⑤ 可逆性

(Reversibility)

將因子移除會令另一因子發生的程度減低。

⑥ 生物合理性

(Biological plausibility)

即相關是否有一個合理的解釋。如吸煙引起肺癌,我們有一個很合理的解釋,就是煙草中的致癌物質會破壞細胞的DNA,增加基因變異的機會,故引起肺癌。

⑦ 同調性

(Coherence)

沒有與現有的其他理論衝突。

⑧ 類比性

(Analogy)

將某個已知的因果關係,類比至其他相似的關係上,並依此推論其因果關係存在與否。

⑨ 特異性

(Specificity)

一個果只有一個因。因為生物學及醫學上的複雜性,一個果往往都可以又不同的原因促成,例如肝癌可以是由B型肝炎病毒、C型肝炎病毒、喝酒,甚至是發霉的花生所引起的。



  1. 想要檢定來分辨「相關」是來自「因果」,還是與「因果」無關,是一個令人感到抓狂的困難問題,即使你原本以為答案顯而易見,例如肺癌與抽菸的關係,並不單純。1947 年,英國罹患肺癌致死人數,較幾十年前增加 15 倍,當時沒人能指出確切原因,可能是工廠廢氣、汽車廢氣、未能指認出的汙染源、抽菸 (在當時抽菸的流行程度大爆發) 等。

  1. 公共政策制定者不像科學家,他們沒有權利享有不確定性,只能以現有訊息為基礎,做出最好預測並訂下決策。以抽菸導致肺癌為例,此研究結論毫無疑問,科學家與政策制定者會協同合作:科學家估算我們有多少未定數,而政策制定者在標出的不確定下,決定該採取什麼行動。

  2. 🍆 吃茄子有害健康?

假說

  • 假定我們有 75% 確信結論是對的,推動拒吃茄子使每年可以減少 1000 位美國人死亡

  • 然而,我們也有 25% 的機會得到錯誤結論,迫使茄子愛好者去吃其他不健康的食物造成每年多死 200 人的情況

期望值計算

  • 75%1000+25%(-200)=750-50=700

  • 依據期望值,不管茄子商會如何抗議,不管結論是否 100% 正確,就決定向大眾公開,政策制定者建議的期望值是每年可救 700 人。

  • 請記住:期望值並非照字面上那樣,代表我們預期會發生的值,而是當同樣決策反覆不斷執行後,期望發生的平均值。


  1. 假若公共政策制定者自我要求遵守更嚴格的證據標準,只要沒有完全確定是正確的,就拒絕發出任何建議,那麼原本可以拯救的生命就會因此喪失。但有一件事可以確定:用可能會出錯為理由來避免給予建議,會是失敗的策略

No comments: