बहस के लिए: सार्वजनिक नीति का सांख्यिकीय आधार: एक पारदर्शिता परिवर्तन की आवश्यकता है

तीसरी पीढ़ी के मौखिक गर्भनिरोधकों के साथ венous thrombosis के बढ़ते जोखिम पर हालिया विवाद इस सार्वजनिक नीति की समस्या को दर्शाता है जो पारंपरिक सांख्यिकीय परीक्षणों और अनुमानों पर भरोसा करने से उत्पन्न हो सकती है: केस-नियंत्रण अध्ययनों ने जोखिम में महत्वपूर्ण वृद्धि दिखाई और चेतावनी देने या नहीं देने का निर्णय लेने के लिए मजबूर किया। पारंपरिक सांख्यिकीय परीक्षण ऐसे निर्णयों के लिए एक गलत आधार हैं क्योंकि वे परिणामों को यह निर्धारित करने के आधार पर विभाजित करते हैं कि वे महत्वपूर्ण हैं या नहीं और निर्णय निर्माताओं को अतिरिक्त साक्ष्य लेने की अनुमति नहीं देते - उदाहरण के लिए, जैविक संभाव्यता या अध्ययन में पूर्वाग्रहों के बारे में। एक बायेसियन दृष्टिकोण इन दोनों समस्याओं को हल करता है। एक बायेसियन विश्लेषण "पूर्व" संभावना वितरण के साथ शुरू होता है (उदाहरण के लिए, एक वास्तविक सापेक्ष जोखिम) - पिछले ज्ञान के आधार पर - और नए साक्ष्य को जोड़ता है (एक मॉडल के माध्यम से) ताकि "उत्तर" संभावना वितरण उत्पन्न हो सके। क्योंकि विभिन्न विशेषज्ञों के पास विभिन्न पूर्व विश्वास होंगे, संवेदनशीलता विश्लेषणों का महत्व है ताकि इन भिन्नताओं के उत्तर वितरण पर प्रभाव का आकलन किया जा सके। संवेदनशीलता विश्लेषणों को पूर्वाग्रहों और उस मॉडल के बारे में विभिन्न अनुमान के प्रभाव की भी जांच करनी चाहिए जो डेटा को रुचि के मूल्य से जोड़ता है। इस विधि का एक लाभ यह है कि यह ऐसे अनुमानों को खुलकर और स्पष्ट रूप से संभालने की अनुमति देती है। उत्तर संभावना वितरणों की एक श्रृंखला के रूप में प्रस्तुत डेटा नीति के लिए एक बहुत बेहतर मार्गदर्शक होगा, यह दर्शाते हुए कि विश्वास के डिग्री अक्सर निरंतर होते हैं, द्विभाजन नहीं, और अक्सर असंगत साक्ष्यों के सामने एक व्यक्ति से दूसरे व्यक्ति में भिन्न होते हैं।