Wetenschappers op FOK! hoekje #1

quote:

Op woensdag 23 mei 2012 12:10 schreef Quoi het volgende:

[..]

In Ruski?

Nee in China Wel in het engels gelukkig.

quote:

Op woensdag 23 mei 2012 12:21 schreef Bosbeetle het volgende:
haha dit soort praat snap ik trouwens helemaal niks van gelukkig doe ik gewone huis tuin en keuken wetenschap zonder allemaal ingewikkelde zaken, gewoon simpele zaken als stof x heeft eigenschap y en daarom gebruiken we heb om z te bereiken.... En z kun je gewoon zien.

Niks geen moving averages of multiple comparisons. Als het verschil kunt zien is het er kun je geen verschil zien dan is het er niet... Als je statistiek nodig hebt om het verschil te laten zien dan is er te weinig verschil

Die vlieger gaat helaas meestal niet op voor fMRI

quote:

Op woensdag 23 mei 2012 12:21 schreef Bosbeetle het volgende:
Als je statistiek nodig hebt om het verschil te laten zien dan is er te weinig verschil

Eens. Of beter gezegd, als je statistiek nodig hebt om het verschil te laten zien, dan is er praktisch gezien te weinig verschil (en persoonlijk ben ik eigenlijk alleen geinteresseerd in dingen die praktisch nut hebben).

In de biomedische wetenschappen is de ruis vaak erg hoog, waardoor je bijna altijd in de ruis zit te meten. Door heel veel data binnen te halen, en die data te middelen, kun je er vaak nog wel iets van maken, maar ideaal is anders.

Ik ben ook zo'n bioloog en net als elke andere "echte" bioloog heb ik een broertje dood aan statistiek. Alhoewel ik tijdens mijn studie het eigenlijk best wel begreep, vind ik het persoonlijk gewoon niet interessant. Verschil moet je kunnen zien. Kun je het niet zien, dan is of je methode niet nauwkeurig genoeg, of er is gewoon geen (of te weinig) verschil...

Ligt er maar net aan wat je te weinig verschil vind Je kan ook zeggen dat er dus genoeg is, als je met die statistische methoden een consistent en repliceerbaar verschil kan vinden.

quote:

Op woensdag 23 mei 2012 13:16 schreef Bosbeetle het volgende:

[..]

precies, een experiment moet een zwart wit uitkomst hebben, daar streef je naar. Het kan niet altijd maar met die dingen die net wel net niets zijn heb ik niks.

Tsja, als je weinig tot geen experimenten kunt doen ligt het natuurlijk anders. Ik kan quasi-experimenten doen (heel soms, als ik een heel erg coole treatment vind die van nature randomized is), maar anders is dat echt niet etisch.

Ja, en dan zijn er nog de mogelijkheden om de data dusdanig te presenteren dat een minimaal verschil toch nog heel wat lijkt. Sinds mijn promotieonderzoek ben ik een beetje terughoudend geworden in kreten waar "evidence based" al te nadrukkelijk wordt genoemd...

quote:

Op woensdag 23 mei 2012 13:16 schreef Bosbeetle het volgende:

[..]

precies, een experiment moet een zwart wit uitkomst hebben, daar streef je naar. Het kan niet altijd maar met die dingen die net wel net niets zijn heb ik niks.

If your experiment needs statistics, you ought to have done a better experiment. - Ernest Rutherford

Enigszins gechargeerd, natuurlijk, maar als ik zie wat er af en toe allemaal aan een p-waarde wordt opgehangen...

quote:

Op woensdag 23 mei 2012 13:59 schreef Worteltjestaart het volgende:

[..]

If your experiment needs statistics, you ought to have done a better experiment. - Ernest Rutherford

Enigszins gechargeerd, natuurlijk, maar als ik zie wat er af en toe allemaal aan een p-waarde wordt opgehangen...

Sowieso die p-waarde adoratie, in plaats van dat we met zijn allen gewoon kijken naar de effect-size, die geeft veel beter aan wat de mate van het effect binnen de huidige sample is. Als je maar genoeg N hebt is een p-waarde altijd wel significant namelijk.

quote:

Op woensdag 23 mei 2012 13:59 schreef Worteltjestaart het volgende:

[..]

If your experiment needs statistics, you ought to have done a better experiment. - Ernest Rutherford

Enigszins gechargeerd, natuurlijk, maar als ik zie wat er af en toe allemaal aan een p-waarde wordt opgehangen...

Dat was in een tijd toen wetenschappers het onderzoek voor het uitzoeken hadden.

In die tijd kon je bijvoorbeeld heel je carriere aan een fysisch fenomeen werken, wat nu in studieboeken beschreven staat. Eenvoudige experimenten waaruit een zwart-wit antwoord kwam.

Die tijden zijn niet meer. We werken bijna allemaal in multi-disciplinaire gebieden, waarbij we zoeken naar naalden in hooibergen. De tijden zijn veranderd.

Ach, ik zie statistiek vooral als een nuttige methode om er een soort onafhankelijke mogendheid op los te laten, in enige mate als schild tegen de alom aanwezige persoonlijke bias. Iedereen ziet een mega-effect bij de dingen die hij zelf doet. De werkelijkheid blijkt dan weerbarstiger.

Ik snap wat je bedoelt Lyrebird, maar wat ik bedoel is dat te vaak een statistisch verband wordt misbruikt om een oorzakelijk verband bewezen geacht te hebben.

Mijn ervaring is dat er redelijk wat onderzoekers zijn die, bijvoorbeeld, een R-waarde van 0.6 genoeg vinden om een goede correlatie tussen A en B te hebben bewezen. Terwijl in mijn vakgebied (chemie) elke R<0.95 als 'mwah' wordt gezien.

Voor p-waardes geldt dat ook. Tussen factor X is in groep B significant anders dan in groep A (p<0.05) --> jippie we zijn er, klaar, done. Terwijl het dan pas juist begint.

quote:

Op woensdag 23 mei 2012 13:56 schreef Szlie het volgende:
Sinds mijn promotieonderzoek ben ik een beetje terughoudend geworden in kreten waar "evidence based" al te nadrukkelijk wordt genoemd...

Sowieso. Evidence wordt vaak gecherry picked om een eerder gekozen beleid te rechtvaardigen. Ik las laatst een artikel over "policy-based" evidence in plaats van "evidence-based" policy. Ik wist meteen wat er bedoeld werd, mooie term .

quote:

Op woensdag 23 mei 2012 14:50 schreef Worteltjestaart het volgende:
Ik snap wat je bedoelt Lyrebird, maar wat ik bedoel is dat te vaak een statistisch verband wordt misbruikt om een oorzakelijk verband bewezen geacht te hebben.

Mijn ervaring is dat er redelijk wat onderzoekers zijn die, bijvoorbeeld, een R-waarde van 0.6 genoeg vinden om een goede correlatie tussen A en B te hebben bewezen. Terwijl in mijn vakgebied (chemie) elke R<0.95 als 'mwah' wordt gezien.

Voor p-waardes geldt dat ook. Tussen factor X is in groep B significant anders dan in groep A (p<0.05) --> jippie we zijn er, klaar, done. Terwijl het dan pas juist begint.

Hier boven op zijn er nog problemen zoals publication bias en "data-dredging"; per ~20 vergelijkingen kan je weer een "significant" resultaat publiceren.

quote:

Op woensdag 23 mei 2012 10:57 schreef Szlie het volgende:
Groot gelijk, zelfs ik ben het ermee eens. Op onze afdeling is het beleid dat als je wilt promoveren, dat eerst doet, uiteraard afmaakt en dan pas de opleiding tot medisch specialist gaat volgen. De ervaring heeft geleerd dat de combinatie opleiding en onderzoek niet samengaan. Soms wordt er dus toch nagedacht .

Om daar recht aan te doen, ik ken ook een aantal uitstekende full time arts onderzoekers. Maar sta skeptisch tegen over parttime onderzoek.

Ik ben ook (computational) bioloog, en werk met data sets met meer dan 10 miljoen data punten. Dan is toch wel fijn om met p-waarden en statistiek te kunnen werken.

quote:

Op woensdag 23 mei 2012 13:11 schreef SuperWeber het volgende:
Ik ben ook zo'n bioloog en net als elke andere "echte" bioloog heb ik een broertje dood aan statistiek. Alhoewel ik tijdens mijn studie het eigenlijk best wel begreep, vind ik het persoonlijk gewoon niet interessant. Verschil moet je kunnen zien. Kun je het niet zien, dan is of je methode niet nauwkeurig genoeg, of er is gewoon geen (of te weinig) verschil...

Dat vind ik dan weer erg vreemd, want een degelijk begrip van statistiek en verzamelingen hangt toch wel enigszins samen met het intuitief begrijpen van contingentie en complexiteit, iets wat ik toch zou denken dat een centraal thema moet zijn binnen de biologie omdat biologie nou eenmaal begint met verschillen tussen individuen / soorten.

Ik bedoel, de 'slechte naam' van de evolutietheorie binnen de religieuze groepen is naar mijn mening voor een deel te wijten aan het onvermogen van docenten om deze te verbinden aan onze huidige kennis over complexiteit (met de komst van de computer met name) en de extentie die dit vormt op de natuurkundige wetten. Waarmee het raamwerk (en gelijknamig fenomeen) in feite wordt gepresenteerd als iets ('een theorie') wat daarvan los staat of zou staan.

Nou is dit natuurlijk sowieso een probleem met onderwijs in losse disciplines, maar statistische variantie en correlatie zijn toch wel "overkoepelende technieken", om het zo maar even te noemen, juist omdat de basis hiervan in zo'n beetje elke discipline steeds terugkomt.

Of reageer ik nu op een stelling die alleen maar 'hard' wordt neergezet omdat het een forum is?

Ik snap niet waarom je je druk zou maken over de slechte naam van de evolutietheorie binnen religieuze groepen.
Als er docenten zijn die moeite hebben om de evolutietheorie uit te leggen, wil ik best wel eens een woordje met ze spreken.
Dat heeft niks te maken met statistiek en dergelijke.

quote:

Op donderdag 24 mei 2012 00:46 schreef Frith het volgende:

[..]

Of reageer ik nu op een stelling die alleen maar 'hard' wordt neergezet omdat het een forum is?

Dit... Misschien moet ik het iets relativeren, statistiek is uiteraard nodig om iets "hard" te kunnen maken. Zoals Shivo al eerder schreef is het zelfs erg handig met 10 miljoen data punten. Ik als moleculair bioloog, heb het iets minder "hard" nodig.

Om even een simpel praktisch voorbeeldje te geven:
Stel ik heb een enzymatisch proces binnen de cel A --> B --> C, beide stappen worden gekatalyseerd door een enzym, vervolgens verwijder ik het enzym waarvan ik denk dat hij de reactie B --> C katalyseerd. Ik verwacht dan geen product C meer en waarschijnlijk een ophoping van B, als ik tijdens metingen van B en C complexe statistische analyses nodig heb om dit hard te maken, ben ik misschien niet op de juiste weg en is het eigenlijk meer waarschijnlijk dat ik niet het juiste enzym heb verwijderd...

_{Let wel, dit is een erg simplistische voorbeeld. De werkelijkheid is natuurlijk een stuk gecompliceerder}

Ik gebruik statistiek hooguit om het aantal minteken-fouten te schatten na een berekening van een week.

1 enkele proefpersoon genereerd bij mij al 163.577.856 datapunten. 64x64x39 voxels bij 1024 volumes. En dat is alleen de fMRI data, van 1 dataset. Ik gebruik er 4, binnenkort 6

Wel leuk dat biologen zo tegen statistiek zijn, maar zoals ook de resultaten uit de bio-informatica hoek al duidelijk genoeg aangeven: de wereld is veel complexer dan biologen willen.

quote:

Op donderdag 24 mei 2012 10:42 schreef Grumpey het volgende:
Wel leuk dat biologen zo tegen statistiek zijn, maar zoals ook de resultaten uit de bio-informatica hoek al duidelijk genoeg aangeven: de wereld is veel complexer dan biologen willen.

In sommige gebieden zullen ze wel moeten. Echt interessante data is vaak veel te complex om zonder statistiek te analyseren. De laag hangende appelen zijn natuurlijk sowieso vaak al geplukt.

Bio-informatica is natuurlijk nog gecompliceerder en heeft meer weg van programmeren dan biologie. Maja, technieken als micro-array genereren gewoon teveel data en zijn echt ontzettend krachtig. Vriend van mij promoveert in bio-informatica. Voor mij ging hardcore programmeren toch iets te ver, maar ben nog steeds echt heel erg onder de indruk van technieken als micro-array. Dat is echt wel de toekomst.

Zo, ik ga straks lunchen met een van de best geciteerde professors in het vakgebied. Lang leve een faculteit met goede connecties, en lang leve het netwerk opbouwen.