Collider bias: Form of selection bias, you only observe a selected part of the population.
The example below is known also as “Ellenberg example”: leads to negative association between cuteness and smart, while there is no such association. 2/6
Simpson’s paradox: association consistent within subgroups but weakens or even reverses when subgroups combined.
Unintuive, difficult to explain shortly but requires two things: Goups disproportional sizes+at different risk regarding some 3rd factor. 3/6 robertheaton.com/2019/02/24/mak…
Regression to the mean, extreme values tend to be closer to the mean when followed up by repeated measurements.
This is one of the main reasons clinical trials need to have a control group. Also often behind the placebo and nocebo findings. 4/6 britannica.com/topic/regressi…
Many of the above-mentioned fallacies go by different names or slightly different versions (collider bias, Berkson’s paradox, Lord's Paradox, Sports Illustrated jinx etc).
There are many more interesting fallacies/paradoxes in statistics.
6/6
Yllä kuvattu muutama yleinen tilastollinen harha, joita varsin usein näkee koronakeskusteluissa (varsinkin rokotevastaisten ja eroonkoronasta -ääripäiden toimesta).
• • •
Missing some Tweet in this thread? You can try to
force a refresh
As 2020 prelim. total mortality data now reasonably complete, here is an update on the age-standardised analysis for 2000-2020 for Finland Norway Sweden.
Although Sweden 2020 is of interest, a comparison between Finland/Norway is interesting too.
Starting with Fig 1, the absolute numbers of deaths per year in Sweden, Norway, Finland.
Sweden as the largest country has naturally most deaths. Year 2020 stands out.
But Finland and Norway: almost the same population size; why Norway fewer deaths + the trends diverging?
2/
Population sizes generally growing over time in the nordics. Despite this, the total number of deaths has been rather stable in Fig 1, Sweden (except 2020) and Norway actually decreased despite more people.
Note also how Finland stands out in population growth.
Syyskuussa twitterini täyttyy tuskailevista tutkijoista. Useiden tutkimusta rahoittavien organisaatioiden hakuaika on nyt, ja hakemukset saatava valmiiksi. Mitä tutkjat tarkalleen nyt tekevät, ja miksi?
Ehkä kiinnostavaa ei-tutkijoille. Terveystieteiden näkökulmasta. 1/
Tutkija tarvitsee rahaa omaan ja työntekijöiden palkkoihin, ja tutkimuksen käytännön tekemiseen. Sitä voi yrittää saada omasta organisaatiosta, tai hakemalla ulkoisia, kilpailtuja rahoituksia. Useilla oma palkkakaan ei siis ole varma vaan hankkittava erilaisista lähteistä. 2/
Lähteitä ovat Suomen Akatemia, yksittäiset kansalliset säätiöt, EU:n rahoitusmekanismit, Akatemiaa vastaavat ulkomaiset instanssit (Ruotsissa Vetenskapsrådet, jenkeissä NIH ym), kansainväliset säätiöt. Säätiöitä esim Diabetestutkimussäätiö ja Juho Vainion säätiö. 3/
Tämä on tärkeä kysymys johon hankala vastata tarkasti. Käsitykseni Suomen osalta jos keväällä olisi testattu kuten nyt, ilmaantuvuusluvut silloin keväällä olisivat olleet moninkertaisia mitä nyt siis havaittiin. 1/5
Suomessa keskusteltu julkaisemattomien ns preprint-artikkeleiden arvioinnista, esimerkkinä meta-analyysi maskeista. Tässä miten arviointiprosessi lääketieteessä normaalisti ennen julkaisua menee; ehkä kiinnostavaa ei-tutkijoille/muiden tieteenalojen tutkijoille. 1/
Preprint tarkoittaa Avoimen julkaisemisen sanaston mukaan "käsikirjoitusversio, jonka kirjoittaja on lähettänyt kustantajalle ja jota ei ole vertaisarvioitu. Ei siis välttämättä sisällöltään lopullinen versio artikkelista.". (Voiko olla myös versio mitä ei vielä lähetetty?) 2/
Jutun tullessa lehteen lehden "tieteellinen toimittaja" (editor) tekee 1. arvion ja voi hylätä (reject) suoraan jos ei kiinnostava/sopiva lehteen tai huonolaatuinen. Tai kutsuu ulkoisia, riippumattomia tutkijoita, pyytää heitä arvioimaan jutun. Aikaa annetaan yleensä 1-12 vkoa.3/