کاربرد فاکتور بیز در پزشکی مبتنی بر شواهد

Abstract

فرض کنید  احتمال پیشین برای مدل  باشد. برای هر دو مدل دلخواه مثل  و  فاکتور بیز به­صورت زیر تعریف می­شود:

فاکتور بیز مقیاسی بسیار قابل درک با کاربرد وسیع در بسیاری از زمینه­های علمی است. در واقع فاکتور بیز شواهدی را به نفع یک واقعه خاص فراهم می آورد. به­عنوان مثال اگر  باشد، می­توان به این نتیجه رسید که بخت حضور مدل اول دو برابر مدل دوم است.

آنالیزهای غیر بیزی بر اساس مدلی است که در ابتدا انتخاب و سپس تحلیل­های بعدی، بر اساس همان مدل اولیه انجام می­شود. اما این واقعیت غیر قابل چشم پوشی است که تحت این مدل­ها احتمال کم برآوردی به وجود می­آید. از سویی شاید انتخاب مدل با سوگیری انجام شود و ناگزیر برآوردهای انجام شده نیز با اریبی و پراکندگی­ها بسیار خوش­بینانه بیان شوند. این در حالی است که استفاده از استنباط بیزی (حتی زمانی که توزیع پیشین بسیار هموار در نظر گرفته می­شود) برآوردهایی را ارايه می­دهند، که به واقعیت نزدیک­تر هستند.

از آنجا که در علوم طبیعی و مخصوصاً پزشکی اهمیت بسیار زیادی به اطلاعات قبلی می­دهند، تئوری بیز و فاکتور بیز می­توانند در زمره پرکاربردترین استنباط­های آماری قرار گیرند. به­عنوان مثال زمانی که پزشک می­خواهد احتمال ابتلا به یک بیماری را محاسبه کند، یا زمانی که بین دو بیماری برای مریض خود در شک است، با استفاده از اطلاعات گذشته بیمار، میزان شیوع بیماری، و اطلاعات جانبی مفید به محاسبه فاکتور بیز پرداخته و شواهد کافی را برای نسبت دادن هر بیماری جمع­آوری می­کند و با احتمال بالاتری تشخیص خود را بیان می­کند. آنچه در این مقاله سعی داریم بدان اشاره کنیم استفاده از فاکتور بیز در پزشکی مبتنی بر شواهد است.