通过 何塞·吉尔赫姆·柴伯林克*
理解问题的视觉指南
本文的目的是提供一个“视觉指南”，可以帮助不在数字范围内的人了解他们在相信“替代”治疗（可以这么说）的可能性时所面临的风险感染 SARS-CoV-2 并发展为 COVID-19 的病例。 鉴于提案，文本本身的阅读几乎应该被理解为数字的大标题（因此我没有标题）。 然而，在讨论问题本身之前，我认为一些数字很重要，需要展示。 然后 …
一些初步数字
目前（12 年 2021 月 118 日），全球有 19 亿例 COVID-2 病例，造成 600 万人和 11 万人死亡。 巴西有 200 万和 270 万病例，有 7 万人死亡。 世界人口约为 212 亿，巴西为 1 亿。 这么说，这些似乎只是报告数字。 图 XNUMX 说明了这些数字之间的“大小”关系。
图1
在图 1 中，我们看到巴西的人口约占世界人口的 3%，并且占 COVID-9 病例和死亡总数的 19%（如果这是正确的说法）。 IE， 巴西参与当前大流行的人数是其人口比例的 3 倍！
仅这一事实，来自非常简单和明显的数字，就足以让接管联邦政府的人感到尴尬并引发有效行动，如果不是出于责任，至少是出于羞耻。
我们的下一个数字来自圣保罗州[I]的. 图 2 以紫色显示了 SP 19 岁以下和 65 岁以上人群中 COVID-65 病例的大致分布。 请注意，这两组之间报告病例的百分比略有不同。 数字表示每个年龄组的总人口数。 我把 XNUMX 岁以上和 XNUMX 岁以下划分为 XNUMX 岁以下，只是为了向年轻人指出，我们后面要讨论的问题并不是“老年人”所特有的。 正如将会看到的那样，每个人的脖子都悬在一线。 最后我要留给你们的问题是，你们会把断头台的闩锁交给谁……所以让我们继续讨论这个问题。
图2
医生表哥和错误的问题
一个人，想要摆脱“新异常”，回到“旧常态”，问他的医生表弟： 如果我感染了 COVID-19，我应该服用药物“A”吗？
医生表哥回复： 我有四个病人服用后有所改善.
这个人很满意，回到了“旧常态”。
我刚才描述的是轶事，但它应该与您经历过的事件非常相似（如果您不是那个人或医生堂兄）。
这种“A”补救措施可以是任何没有任何技术支持的药物或行为，这些药物或行为已经被一群人传播了一段时间，而没有接受过任何此类陈述的丝毫培训。 没关系。
我们感兴趣的第一点是这个人的问题。 面对她做出的决定，在回答之后，回到“旧常态”，显然应该问的问题不是那个。 真正的问题是： 如果我患有 COVID-19 并服用药物“A”，我会好转吗（或者，我会不会死或不会有后遗症）？
为什么这个人不问这个问题？ 人们不问他们想问的真正问题的原因是，从那个问题中，他们已经知道答案是什么以及与答案相关的诚实。 所以表哥能给出的一个诚实的回答是“我不知道”。 你不知道，因为没有任何治疗方法（针对任何疾病）可以保证 100% 有效。 但是“我不知道”，这个人已经知道了，因此这个答案不会给他带来任何信息。
另一方面，表弟可以回答“不”。 这也是对这些被推广的“A”类药物研究的诚实回答。 然而，这种回应不会让人们回到“旧常态”。
表弟终于可以回答“是”。 然而，他会陷入保证治疗100%有效率的问题，他和那个人都知道这是不现实的，正如我们刚才所说的。 也就是说，回答“是”是不诚实的回答。 但是，是人家想听的，是堂哥想给的。 如何解决？
就像这个人将真正的问题转化为替代品一样，堂兄将不诚实的答案转化为替代品：“我有四个病人接受了它并且变得更好了”。 他没有说“是”。 这是隐含的，或者由客户自行决定答案是什么。
到目前为止，对于许多人来说，我一定是一个无需动脑筋的人，因为这只是信息论、贝叶斯统计和廉价心理学的练习。 我现在要做的是直观地说明这个人提出的问题和答案可能具有的范围。 另外，我会尽量问什么问题可以问，问题中隐含什么。
现在让我们假设这个问题“如果我有 COVID-19，我应该吃药“A”吗？” 被诚实地使用，也就是说，没有替换另一个人已经知道可以给出的一组诚实答案（并且他不想听到）的另一个人。 这个问题是什么意思，或者它指的是什么？
这个问题可以用三种不同的方式来理解：
- 治疗 T 的概率是多少A 是改善 M 的原因？ 或者，鉴于已经进行了治疗 TA，改进的概率 M 是多少？
- 假设有改善 M，你接受治疗 T 的概率是多少A?
- 由于没有进行治疗A，改进的概率 M 是多少？
大多数人可能认为该问题仅影射上述情况 1，但所有三种解释都同样有效。 事实上，堂兄的回答将我们引向公式 1。
但是，他可以说“我遇到了两个没有服用“A”而死的病人”。 请注意，现在访问的是公式 3。
公式 2 是最复杂的，堂兄几乎不会寻找暗示它的答案。 表亲的其他答案中给出的数字（“四个患者”和“两个患者”）很容易被对话者转换为一些有形的“概率”以供理解。 然而，公式 2 需要反推推理，任何给定的数字都不是不言而喻的。
但是，如果这三个公式等效于所提出的非形式问题，则意味着要正确回答这个问题，我们必须知道可以等效于该问题的 3 个公式的答案。 那我就讲...
……任何疾病……
让我们想象一种疾病已经出现并且没有治疗方法。 图 3 说明了病例分布和自发改善（因为目前只有改善而没有治疗）。 由绿线界定的区域表示在观察到的病例总数中自发改善的病例，由红线界定。 然后，出现了一些治疗方法，我们继续看图 4 中所示的图表。我们假设这些治疗方法不会干扰自发治愈率，因此，会出现由蓝线划定的区域，扩大改善的数量.
让我们看看“谁”栖息在这种疾病的图形表示的每个区域（图 5）：
α： 由绿线划定的区域已从图 3 中获知，其中居住着接受或不接受治疗都会改善的人；
β： 在由绿线和蓝线划定的区域之间，居住着那些以前会死去，但现在由于可能的治疗而有所改善的人；
γ： 蓝色和红色边界之间是那些无论是否接受治疗都会死亡的人（请注意，我并不是说治疗是死亡的原因，我是说任何治疗，如果给予，都无法有效地克服这些疾病）个人）
 |
图3 |
 |
图4 |
 |
图5 |
请注意，回答“我有四个病人接受了它并且变得更好”会让你认为“A”的治疗创造了区域 b，但这个区域居住着所有接受过某种治疗的人，无论是“A”或不。
另一方面，回答“我遇到了两个没有服用“A”的患者，他们死了”会让你认为 g 区只居住着那些没有服用“A”的人，而事实上，这region is presented by individuals who didn't take “A”. “A”，服用“A”的个体和未接受治疗且不属于组 a 的个体。
如果我们忽略响应所做的归纳，我们会看到有两个问题没有得到回答：
- 服用“A”的四名患者中有多少人属于 a 组？ 属于这个群体的人会有所改善 虽然 的任何治疗。 看看下面的答案是如何完全改变归纳法的，尽管它包含与之前相同的陈述：“我有四个患者接受了它并且变得更好，而我有四个我没有给他们任何东西并且他们变得更好”。
- 有多少患者接受“A”并在组 g 中？ 这些患者是那些治疗无效的患者。 看看下面的答案是如何完全改变归纳法的，尽管它包含了与之前相同的陈述：“我遇到了两个没有服用“A”而死亡的患者，以及两个服用“A”而死亡的患者。
在这个简化的框架中，但足够普遍，不会失去我们正在做的分析的有效性，验证某种治疗的科学问题是将扩大范围 b 的治疗与什么都不做的治疗区分开来。 请记住，正是为了简单起见，我们忽略了某种治疗将个体从组 a 转移到组 g 的可能性（即治疗成为死亡原因），以及治疗的伴随（即治疗“ A”与“B”或“C”等一起给出）。
在我说的 3 个公式中，相当于非正式问题“如果我有 COVID-19，我应该吃药“A”吗？”，我们可以在图 5 中看到， 只有当只有处理“A”存在时才能得到直接的答案 对于配方 1、2 和 3：配方 3 是 a 区域； 公式 1 和 2 是相同的公式[II] 答案是区域 b。
然而，这就是问题的很大一部分仍然存在的地方：由于同时进行了多种治疗（即使出于伦理原因），如何区分每种治疗对最终结果的参与？ 也就是说，哪些处理扩大了该区域 b 而不是。
一个医生看过 2、4、6 或 20 个病人并不能解决这个科学问题。 这是专业人士的经验，但不是验证治疗的经验。
图中所代表的地区所包含的人口数量庞大，以数千计，而就 COVID-19 而言，我们在世界各地有数亿人。
图 6 直接说明了哪些专家处理哪些 COVID-19 患者。 白线表示这些专家会诊的患者类型。 要认识到的重要一点是“一般诊所“”其他专业”，其专业人员不属于前线，基本上会看到我们a组的COVID-19患者。 也就是说，他们是专业人士，只与将改进的团队接触 虽然 的治疗。 值得注意的是，绝大多数医生和卫生专业人员发现自己处于这种情况：与 COVID-19 患者的周边接触。
此外，我们看到区域 b，即包含需要充分治疗以免进入区域 g（死亡）的个体的区域，约占该区域的 20%[III]. 这意味着五分之一的感染 COVID-1 的人将在该地区 b（当然不知道，因为没有什么可以提前表明谁将在哪个地区）。
图6
适当的治疗
正如我上面所说，组成临床试验组的不是专业人员看过的 2 名或 20 名患者。 正如我也说过的，这种情况只是专业人士的经验。 一项研究不仅需要有大量的病例来形成足够的统计数据，还需要在分组和治疗方面进行良好的设计。 那么，就 COVID-2021 的治疗建议而言，目前（19 年 XNUMX 月）的情况如何？ 或者，使用我们上面创建的词汇表，哪些药物治疗被认为足以将个体从 g 区转移到 b 区？
下表基于美国传染病协会 (IDSA) 制定的 COVID-19 治疗指南[IV])、美国国立卫生研究院 (NIH) 和世界卫生组织 (WHO)。 在其中，我只列出了我之前提到的团体宣传最多的药物，以及皮质类固醇。 简单阅读一下表格就可以让我们了解哪些人可以和哪些人不会离开区域 g 并前往区域 b。
CT：临床试验
如果是你呢？
最后，我们来到我一开始提出的问题。
图 7 对应于图 2 中的紫色方块，使用前面图中的颜色模式来区分组 a、b 和 g（见图 5 和 6）。 假设您是随机投掷的飞镖（因为您先验地不知道它属于哪一组），如图 7 所示。
如果您降落在绿色区域，则尽管进行了任何治疗，您还是得救了。[V]. 如果它落在红色区域，对不起，我没有或没有为您做任何事情。
飞镖也可能最终出现在蓝色区域，对应于组 b。 我们看到发生这种情况的可能性约为 20%（五分之一）。
问题来了：如果你的飞镖落在蓝色区域，也就是靠正确处理的区域，你会把你的生命放在堂兄鲁莽投出的飞镖上吗？
换句话说，如果你在蓝色区域，你会使用那些只看到绿色区域患者的无关紧要的人建议的治疗方法吗？
图7
*何塞·吉列梅·乔伊-伯林克 是 USP 生物科学研究所生理学系的医生和教授。
笔记
[I]的 我以圣保罗州为例，只是为了方便获取数据。 总的来说，巴西的情况与此类似，对我们来说重要的分析并不完全是这些数字的准确性。
[II] 通过形式化，公式 1 和 2 分别为 P( M | T ) 和 P( T | M )。 只有治疗TA （即 T = TA) 概率变得相同。
[III] 这些数字是从圣保罗州的当前数据中获得的。 b 组在有改善的病例之间的区分是从需要超出门诊水平的医疗护理的患者比例中获得的（12 年 21 月 XNUMX 日预约： https://www.uptodate.com/contents/coronavirus-disease-2019-covid-19-clinical-features?topicRef=126981&source=related_link)
[IV] https://www.idsociety.org/practice-guideline/covid-19-guideline-treatment-and-management/
[V] 我们所知道的是不正确的，因为有一些治疗方法，尤其是“A”类治疗方法，很可能会产生严重的副作用。
