Marcel Ribeiro-Dantas, PhD🔎📊🌿 Profile picture
@nextflowio @nf_core Dev Advocate @SeqeraLabs. ScientificComm @PortalDeviante. Former @Institut_Curie @Sorbonne_Univ_ @laishuol @bioinfo_UFRN

Sep 7, 2020, 5 tweets

1/4 Ñ, + quase lá. Imagina o seguinte cenário. Relendo os meus tweets, de fato ñ ficou claro.

Vc quer testar se o medicamento X tem um efeito Y em pacientes recém transplantados, pq você é levado a crer que talvez não. Daí vc está lá no hospital q vc trabalha e manda um e-mail

2/4 p/ PARTE dos recém transplantados naquele mês. Daí um mês depois, eles vem, e você dá o tratamento. Após um certo período, você considera a diferença de Y entre quem recebeu o tratamento e quem ñ recebeu. O problema aqui é q os pacientes q n receberam tratamento e morreram

3/4 desde o início estão sendo contabilizados. Enquanto que o grupo dos tratados é composto apenas de quem ainda estava vivo 1 mês após o transplante. É como se você tivesse começado a analisar os dois grupos no primeiro dia, mas existissem indivíduos IMORTAIS no grupo dos

4/4 tratados. Esse viés tende a aumentar o efeito positivo de X, porque está “subtraindo” mortes que ocorreram no grupo hipotético de tratados. Seria o cenário 2, que trago novamente abaixo:

Um mês depois, parte deles vem (pq alguns morreram, aqui tá o pulo do gato)

Share this Scrolly Tale with your friends.

A Scrolly Tale is a new way to read Twitter threads with a more visually immersive experience.
Discover more beautiful Scrolly Tales like this.

Keep scrolling