استخراج پیشین و تحلیل حساسیت
استخراج پیشین، دانش متخصصان را به توزیعهای احتمال تبدیل میکند و تحلیل حساسیت بررسی میکند که نتایج تا چه حد به انتخابهای پیشین وابسته هستند.
Definition
استخراج پیشین فرآیند ساخت یک توزیع پیشین از باورهای یک متخصص با استفاده از قضاوتهای ساختاریافته مانند چندکها (quantiles) یا احتمالات است؛ تحلیل حساسیت (بیزی مقاوم) میزان تغییر پسین را با تغییر پیشین در یک دسته معقول کمیسازی میکند.
Scope
این موضوع شامل روشهایی برای استخراج احتمالات ذهنی از متخصصان، کدگذاری آنها به عنوان توزیعهای پیشین، و ارزیابی استحکام از طریق تحلیل حساسیت بر روی دستههایی از پیشینها، از جمله استفاده از دستههای آلودگی (contamination classes) و کرانها بر روی مقادیر پسین است.
Core questions
- باورهای یک متخصص چگونه استخراج و به یک توزیع پیشین تبدیل میشوند؟
- چه سوگیریهایی بر قضاوتهای احتمال تأثیر میگذارند و استخراج چگونه میتواند آنها را کاهش دهد؟
- استحکام نسبت به پیشین چگونه در یک دسته از توزیعها ارزیابی میشود؟
- چه زمانی انتخاب پیشین به طور اساسی نتایج یک تحلیل را تغییر میدهد؟
Key concepts
- استخراج پیشین
- قضاوت متخصص
- سوگیری اطمینان بیش از حد
- تحلیل بیزی مقاوم
- دسته آلودگی
- تحلیل حساسیت
Key theories
- استخراج ساختاریافته
- استخراج چندکها، احتمالات، یا مقایسهها و برازش یک توزیع به آنها، پیشینهای قابل تکرار را تولید میکند در حالی که سوگیریهای قضاوت مستند شده مانند اطمینان بیش از حد را کنترل میکند.
- تحلیل بیزی مقاوم
- به جای یک پیشین واحد، دستهای از پیشینها در نظر گرفته میشود، و دامنه مقادیر پسین حاصل نشان میدهد که آیا نتایج نسبت به مشخصات پیشین مقاوم هستند یا خیر.
Clinical relevance
استخراج رسمی و تحلیل حساسیت برای گنجاندن نظر متخصصان در ارزیابی فناوری سلامت، ریسک زیستمحیطی، و طراحی کارآزماییها استفاده میشود، در حالی که نشان میدهد نتایج، مصنوعات یک پیشین دلخواه نیستند.
History
پروتکلهای استخراج ساختاریافته از تحلیل تصمیمگیری و روانشناسی قضاوت توسعه یافتند و در ادبیات مرتبط با SHELF در سال 2006 تثبیت شدند. تحلیل بیزی مقاوم، که توسط برگر و دیگران از دهه 1980 رسمی شد، ابزارهای مکمل را برای ارزیابی حساسیت پیشین فراهم کرد.
Debates
- تا چه حد باید به پیشینها اجازه داده شود که نتایج را هدایت کنند؟
- متخصصان در مورد میزان قابل قبول تأثیر پیشین و اینکه حساسیت نسبت به پیشین باید با چه شفافیتی گزارش شود، به ویژه در تصمیمگیریهای تنظیمشده، بحث میکنند.
Key figures
- Anthony O'Hagan
- James Berger
- Paul Garthwaite
Related topics
Seminal works
- ohagan2006
- berger1990
Frequently asked questions
- اگر نتایج من با پیشین تغییر زیادی کند، چه باید بکنم؟
- حساسیت قوی به پیشین نشان میدهد که دادهها در مورد کمیت مورد نظر اطلاعات زیادی ندارند؛ پاسخ صادقانه این است که وابستگی را گزارش کنید، دادههای بیشتری جمعآوری کنید، یا پیشین را با دقت توجیه کنید، نه اینکه حساسیت را پنهان کنید.