Klinikai és Bírósági Alkalmazások Valószínűségszámítási Modellek BREUER-LÁBADY PÉTER

Átírás

1 Klinikai és Bírósági Alkalmazások Valószínűségszámítási Modellek BREUER-LÁBADY PÉTER

2 KLINIKAI ALKALMAZÁSOK GYÓGYSZER TESZTELÉS MIK LEHETNEK A PROBLÉMÁK? STATISZTIKAI ALAPKÖVEK GYÓGYULÁSI ESÉLYEK TARTALOM BÍRÓSÁGI ALKALMAZÁS VALÓSZÍNÜSÉG JELENTÉSE MÚLTBELI ESEMÉNYEK REKONSTRUÁLÁSA GYÓGYULÁSI ESÉLYEK BÍRÓSÁGI SZEMPONTBÓL

3 KLINIKAI ALKALMAZÁSOK ÉS EZEK KIHÍVÁSAI

4 KLINIKAI ALKALMAZÁSOK / GYÓGYSZER TESZTELÉSI FOLYAMATOK / GYÓGYULÁSI MÓDSZEREK

5

6 / DEFINIÁLJUK A KÉRDÉST, AMIT SZERETNÉNK MEGVÁLASZOLNI. // JOBB-E AZ ADOTT GYÓGYSZER MINT A PLACEBÓ? // A GYÓGYSZERT KIEGÉSZÍTVE EGY MÁSODIKKAL, JOBB HATÁST GYÓGYSZER TESZTELÉS TUDUNK ELÉRNI? // AZ ÚJ GYÓGYSZER JOBB MINT AZ EREDETI/RÉGI? / HATÁROZZUK MEG A PÁCIENSI POPULÁCIÓT / VIZSGÁLATI IDŐSZAK HOSSZA ÉS PARAMÉTEREI / MI ALAPJÁN MÉRJÜK AZ EREDMÉNYT? / MIT DEFINIÁLUNK SIKERNEK?

7 / PONTOSAN MEGHATÁROZOTT FOLYAMAT RÉSZLETES FOLYAMATOK / 5000 KEZDETLEGES ANYAGBÓL ÁTLAGOSAN EGY ELFOGADOTT / ÁTLAGOSAN 12 ÉV AZ ELFOGADÁSI FOLYAMAT / KÜLÖNBÖZŐ STATISZTIKAI MINTÁK ÉS VIZSGÁLATOK

8 GYÓGYSZER TESZTELÉS

9 GYÓGYULÁSI ESÉLYEK / MŰTÉTEK MÓDSZERÉT MEGHATÁROZÓ TÉNYEZŐK / KÜLÖNBÖZŐ GYÓGYMÓDOK ÉS FOLYAMATOK / GYÓGYSZERVÁLASZTÁS - MELLÉKHATÁSOK

10 / STATISZTIKAI HIPOTÉZIS: EGY POPULÁCIÓRA, VAGY ANNAK VALAMELY PARAMÉTERÉRE VONATKOZÓ ÁLLÍTÁS / ÁLTALÁBAN KÉT ELLENTÉTES ÁLLÍTÁS / NULLHIPOTÉZIS ( H0 ) - A POPULÁCIÓ PARAMÉTERE EGYENLÕ EGY HIPOTÉZISEK ADOTT SZÁMMAL (=) / ALTERNATÍV HIPOTÉZIS ( H1 ) - EZZEL SZEMBENÁLLÓ HIPOTÉZIS, A KÜLÖNBÖZÕSÉGET TÉTELEZI FEL (<,>, )

11 / FIRST TYPE ERROR: SZIGNIFIKÁNS KÜLÖNBSÉGET ÁLLAPÍTUNK MEG, PEDIG VALÓJÁBAN NINCS KÜLÖNBSÉG (ELSŐ FAJTA HIBA) // NAGYSÁGÁT ELKÖVETÉSÉNEK VALÓSZÍNÛSÉGÉVEL SZOKÁS MEGADNI STATISZTIKAI HIBÁK // ANNAK ESÉLYE, HOGY A TAPASZTALT KÜLÖNBSÉGET A VÉLETLEN OKOZTA // = SZIGNIFIKANCIA SZINT / SECOND TYPE ERROR: MINTÁK ALAPJÁN NEM ÁLLAPÍTUNK MEG SZIGNIFIKÁNS KÜLÖNBSÉGET, PEDIG VALÓJÁBAN, AZAZ A POPULÁCIÓK KÖZÖTT MÉGIS VAN KÜLÖNBSÉG (MÁSODIK FAJTA HIBÁNAK) / KONFIDENCIA INTERVALLUMOK

12 ÖSSZEFOGLALVA NEM VETJÜK EL H0-T ELVETJÜK H0-T H0 IGAZ HELYES ELSÕ FAJTA HIBA H0 HAMIS MÁSODIK FAJTA HIBA HELYES

13 5%-os szignifikancia szint esetén, amennyiben a populációk között nincs különbség, az elsõ fajta hiba elkövetésének valószínûsége 0.05, azaz minden száz ilyen esetbõl 5 alkalommal, nagyjából minden húszadik esetben követjük el ezt a hibát. Ennyiszer okoz ugyanis a véletlen a különben egyforma, azonos populációkból vett minták közt túlságosan nagy, általunk szignifikánsnak minõsített különbséget.

14 / MINTA NEM MEGFELELŐ ÖSSZEÁLLÍTÁSA ALAPVETŐ KIHÍVÁSOK / P-ÉRTÉK: ANNAK A VALÓSZÍNŰSÉGE, HOGY H0 IGAZ. / TUD A VIZSGÁLATRÓL A BETEG? / AZ ORVOS? / PLACEBÓ

15 100 betegetnél alkalmaztuk a gyógyszert, ebből 80 meggyógyult. 80%-ban hatékony a gyógyszer. 100 betegnél alkalmaztuk a gyógyszert, 80 gyógyult meg ben vizsgálták ezt a betegséget és az akkori módszer szerint 50 gyógyultak meg. Tehát az új 30%-kal hatékonyabb.

16 GRAFIKAI ÁBRÁZOLÁS

17 BÍRÓSÁGI ALKALMAZÁSOK ÉS NÉHÁNY RELEVÁNS ESET

18 CSAK EGY FELVETÉS...

19

20 24/A. 12 (1) Büntetőeljárás során az emberi DNS-profilokat a DNS-profil meghatározásának szakmai-módszertani követelményeiről szóló rendeletnek megfelelően kell meghatározni. 31/2008. (XII. 31.) IRM rendelet igazságügyi szakértői működésről (2) A bűncselekmény helyszínén és a bűncselekmény elkövetésének nyomait hordozó tárgyon rögzített anyagmaradvány vonatkozásában emberi DNS-profilok vizsgálata során a szakvéleményben - a 10. -ban meghatározottak mellett - meg kell jelölni a) vizsgált személy és a biológiai minták DNS-profilját (szakmai ténymegállapítás), b) azt, hogy a vizsgált személy és a DNS-minta DNS-profiljai eltérőnek tekinthetőek-e vagy sem, így ennek megfelelően az elvégzett genetikai vizsgálat alátámasztja vagy nem támasztja alá a tisztázni kívánt származást (vélemény), valamint c) - megegyező DNS-profilok esetén - a valószínűségi hányados kiszámításával az egyezés valószínűségét, azaz annak bizonyító erejét (vélemény).

21 / S: Az esemény, hogy a vádlott jelen volt a bűncselekmény helyszinén. / Feltehető, hogy a bíró a tárgyalás állásához mérten, rendelkezik egy saját gondolattal a vádlott bűnösségének valószínüségéről. /Egy tanú kijelentése szerint, egy barna hajú, magas férfit látott elfutni a helyszinről. /A vádlottunk barna hajú, magas férfi.. HIPOTETIKUS PÉLDA / A bíró frissíti a saját valószínűségét. / A helyszinen eltört ablakkal identikus üveg szilánkokat találtak a vádlott ruházatán. / A bíró ismét frissíti a saját valószínűségét.... / Hogyan változtassa meg a bíró a benne kialakult képet a valószínüségről? / Vajon tényleg így gondolkozik egy bíró?

22 / BAYES TÉTEL VÁLÓSZÍNÜSÉGEK / TELJES VALÓSZÍNÜSÉG TÉTELE ÉS

23

24 ESEMÉNYEK REKONSTRUÁLÁSA / A VALÓSZÍNÜSÉGNEK A BÍRÓSÁGON A LEGNAGYOBB JELENTŐSÉGE: // BIZONYÍTÁSI ELJÁRÁSOK // GYÓGYULÁSI ESÉLYEK / AHHOZ HOGY A BÍROSAG ITÉLETET TUDJON HOZNI, EGY MÚLTBELI TÉNYÁLLÁST KELL FELIDÉZNI. BIZONYÍTÉKOKKAL TÖRTÉNIK: PL: BIOLOGIA, TANUK. / A MÚLTBELI ESEMÉNYNEK REKONSTRUÁLÁSA, HA NINCSEN HANG/KÉP, CSAK KÖZVETETT BIZONYÍTÉKOKKAL TÖRTÉNHET: / A BIZONYÍTÁSI ELJÁRÁSOK 90 %-BAN A REKONSTRUKCIÓ NEM TÖRTENIK MEG 100%-OSAN.

25 2 szempontot vizsgálunk az igazság megállapításnak folyamatában: / Vélelmezett fogalmazási időben (Gyermek szuletése előtt: ) ebben az időben lehetséges-e, hogy közösült az alperes. // Közveteten lehet csak bizonyítani. //ténylegesen megtörtent-e? APASÁG / Valószinűsége annak, hogy a gyermek ebből a közösülésből származik. // Vizsgálatok: antropológia, dns, vérvizsgalat, stb. // Informaciot adnak, hogy lehetséges-e egyáltalan. // Nem állapítható meg 1 valószínűséggel semmi. // Általában 83-97% / Legnagyobb valószínűséggel állapítja meg a bíro a megtörtént közösülést. Illetve a vizsgálatok alapján az ebből való származást.

26 A bírosag csak bizonyosság alapján hozhat ítéletet. Ez a bizonyosság azonban az esetek legnagyobb százalékaban nem bizonyosság, hanem valószínüség. Ezt nevezzük bírói bizonyosságnak. DR. LÁBADY TAMÁS ALKOTMÁNYBÍRÓ ( )

27 GYÓGYULÁSI MÓDSZEREK / Betegek kezelése egy orvos vagy egészségügyi intézmény által. / A kezelés során nem alkalmaz egy olyan módoszert/eljárást, amely nagy valószínűséggel segíti a beteg gyógyulását. / A szakértői véleményből kiderül a túlélés valószínűsége a gyógyszer használata esetén.

28 GYÓGYULÁSI MÓDSZEREK

29

30 FORRÁSOK

31 FORRÁSOK en/understanding_clinical_trials.pdf /02/WC pdf 31/2008. (XII. 31.) IRM rendelet az igazságügyi szakértői működésről An Introduction to Statistical Thinking for Forensic PractitionersAlicia Carriquiry Hal Stern Colin Lewis-Beck

32 KÖSZÖNÖM! BREUER-LÁBADY PÉTER

33 TESZTKÉRDÉS: ÁTLAGOSAN MENNYI IDŐ, AMEDDIG EGY ÚJ GYÓGYSZER A FELFEDEZÉSTŐL ELJUT A PIACRA? A) B) C) D)