信頼区間だと、中央付近つまり点推定値付近に真値がある可能性が高い印象を与えるが、実際には真値は「① ±0 (null) 付近 ＞ ②点推定値付近 ＞ ③点推定値の僅かに下側 ＞ ④±0 (null) 付近の僅かに上側」の順で「へ」に近い二峰性の事後分布となる。 pic.twitter.com/M3YZfF0n4h

それが、例えばこのような分布になったなら、有意差ついた試験の真値は赤線付近にあり「ランダム割当による偏り」で点推定値がブレてきたことになる。つまり、ほぼ全件が真陽性であることになり、赤線より下側は過小評価されてあり、赤線より上側は過大評価されてある。 x.com/ueafam/status/… pic.twitter.com/Rb6wXpOuY3

臨床試験 (RCT) 全件の結果（点推定値）をプロットして、このように正規分布になったなら、有意差ついた試験の真値は ±0 (null) であることになる。つまり、ほぼ全件がαエラー (Type-1 Error) であることになる。 pic.twitter.com/qYDDBh2ip4

『差がないという仮説が間違っている確率が5%以下であるだけです。』 基本的に、事後分布は無限連続型であるので、仮説一点の「正しい確率」は 0% しかありえない。（事前確率が 100% の場合は仮説一点の事後確率が 100% になりえるが） 点推定値が真値である確率も 0% である。

『step 1: 新薬 vs 標準治療が実は同じ効果（5年生存率など）しかない、ということが真実であるとする』『（60% vs. 50%など）』 帰無仮説値「55% 対 55%」が真値で「ランダム割当による偏り」で点推定値が「60% 対 50%」になったとしても「効果が無い」わけではない。相殺されてるかもしれないから。

例えば、肥満治療薬の臨床試験 (RCT) で点推定値がこうだとすると（n は群間で一致してるとする） プラセボ群：-4 kg ＿治療薬群：-8 kg この場合の帰無仮説は、多くの専門家がこう答えるだろう。 プラセボ群：-4 kg ＿治療薬群：-4 kg 正解はこう。 プラセボ群：-6 kg ＿治療薬群：-6 kg

返信先:@BB45_Coloradoこれ医療統計で0跨ぎのマイナスだとよく言われるんですよね😅 実際の所、点推定値(黒い点)が中央値みたいな物になるし普通に使われる数値なんで問題ないと思うんですが

#統計 1つ上の投稿の添付画像①のデータの数値に対応する回帰係数β₁の(両側)P値関数のグラフ。横軸はβ₁で縦軸はP値。 1つ上の投稿の添付画像①のデータの数値とモデルの回帰係数パラメータβ₁の値の設定の相性の良さを示すグラフになっている。 最も相性が良いβ₁の値のは点推定値のβ̂₁=0.0431. pic.twitter.com/WYEERtrH1D

出願日：2024-03-14 ほか1 出願人：エフ. ホフマン-ラ ロシュ アーゲー ほか1 名称：次世代シーケンシングサンプルにおける汚染検出のためのシステムおよび方法 要約：【課題】汚染を検出し、液体生検サンプルの点推定値および信頼区間の双方として汚染レベルを報告す.. 続き chizai-watch.com/p/2024075641 pic.twitter.com/d86EMXzb6I

返信先:@s0ftqbEJBEzhK2S他2人自分でも0跨ぎの点推定値で効果謳っちゃったー pic.twitter.com/G3jA2htLbk

返信先:@s0ftqbEJBEzhK2S他2人よく見たらワクチン分科会も0跨ぎ部分も点推定値(中央値かな)で普通に効果語ってますよねw 先生は分科会全員的に回すつもりっとw pic.twitter.com/vC0Tg7GBwt

返信先:@taka32193219点推定値が最も確からしい値ってのが統計じゃないんですかw

返信先:@taka32193219点推定値は無視で良いんですか？ ならこの報告ほとんどゴミって事になりますがw

それが効果量小さくて 95%CI 狭いのは複数の薬剤を併合したから。抗うつ薬全般を併合すると 95%CI 上端も MCID に届かないけど？点推定値が MCID 超えてる承認薬剤は約半数だと思われるが。95%CI 下端が MCID 超えてたら「MCID 以上に真値がありそう」とお墨付き付与できる。 x.com/EvidenceObasan…

『FDAは「医薬品承認に関する決定は MCID に基づいて行うべき」と主張してきたのに，』 MCID に届いてない（95%CI 上端は届いてたりするが）薬剤が普通に承認され続けてるけど。エスケタミンも MCID >= 4 される MADRS で点推定値２点差とか。

#統計 個人的には、 効果無しを意味する帰無仮説(ゼロ仮説)のP値 と 効果量の点推定値 の組み合わせを報告する慣習は科学的に有害だと思っています。 小標本+統計的有意+大効果 の組み合わせが無用に報告され易くなる危険性をわざわざ増やしている。

#統計 小さな標本サイズで有意差が出た場合には所謂効果量の点推定値も大きな値になります。 そういう結果の報告の集まりは結果的に「効果は非常に大きい」という方向に非常に偏った集まりになります。 実際には効果はほぼゼロなのに、αエラーの結果をみんなで報告しているだけなのかもしれない。

#統計 点推定値だけの報告は忌避されるので、最尤法についてはそれに付随するP値関数の構成法もワンセットでマスターしておければ非常に良いと思う。 最尤法＋P値関数 は ベイズ統計＋事後分布 の類似物にもなっています。このように理解できれば使える道具の幅を広げ易い。

#統計 最尤法はモデルのパラメータの値の点推定法の一種なのですが、統計学では、点推定値だけを報告して、その不確かさも見積もりを報告しないことは禁忌とされています。 最尤法に付随する区間推定を与えるP値関数の構成法として、対数尤度比法、スコア法、Wald法が標準的に知られています。

返信先:@konamih『素朴な疑問 P-valueそのものの信頼区間ってそういえば表示しないね。帰無仮説が正しい確率という推定値なので区間推定があってもおかしくないような気がするのだけど、なぜ点推定値だけで示すのだろう？』 白石淳 医師・博士（専門医・指導医／部長・副所長・副室長） twitter.com/shiraishia_md/… pic.twitter.com/hosHcE6mGY

返信先:@shiraishia_md#統計 「リスク比は1.6である」という検定仮説のP値が13%ならば、使用しているモデルの下で「リスク比は1.6である」という仮説とデータの数値は相性は悪くないのように解釈できます。 「リスク比は2.5である」のP値が1の場合には、2.5はリスク比の点推定値になります。続く

① 点推定値が真値である ← 素人のレベル ② 95%CI は100回中95回が真値を含む ← 疫学者のレベル ③ 信頼区間関数で真値がある可能性が高い効果量を連続性ある分布で表示 ← 生物統計学者のレベル ④ ③に（経験則データに基づき客観的な）事前分布を反映させる ← 統計学者のレベル

『素朴な疑問 P-valueそのものの信頼区間ってそういえば表示しないね。帰無仮説が正しい確率という推定値なので区間推定があってもおかしくないような気がするのだけど、なぜ点推定値だけで示すのだろう？』 白石淳 医師・博士（専門医・指導医／部長・副所長・副室長） twitter.com/shiraishia_md/… pic.twitter.com/HoDly42t3c

#統計 P値は「モデルのパラメータの値でデータの数値と最も相性が良いもの」という意味での点推定値ではないです。(もしもその意味での点推定値ならありがちな緩い条件の下で信頼区間も定義される。) だから、P値を安易に点推定値扱いすること自体が誤りになります。 しかし～続く

素朴な疑問 P-valueそのものの信頼区間ってそういえば表示しないね。帰無仮説が正しい確率という推定値なので区間推定があってもおかしくないような気がするのだけど、なぜ点推定値だけで示すのだろう？