贝叶斯假设检验和层次模型：伊维菌素治疗Covid-19的效果
摘要：伊维菌素（Ivermectin）是一种抗寄生虫药物，有人声称可以有效治疗新冠疫情导致的死亡。为了验证这一说法，最近两篇同行评审的论文都对类似的随机对照试验数据进行了荟萃分析，并采用了相同的经典统计方法。尽管统计结果相似，其中一篇论文（Bryant等人，2021年）得出结论认为伊维菌素可以有效减少新冠疫情的死亡人数，而另一篇论文（Roman等人，2021年）得出结论认为证据质量不足，无法支持伊维菌素有效的结论。本论文应用贝叶斯方法对同一试验数据的子集进行了测试，以验证新冠疫情严重程度和伊维菌素与死亡率之间的多个因果假设，并对经典方法进行了替代性分析。采用多种达到相同结论的替代性分析方法应增加对结果的整体置信度。我们显示出有强有力的证据支持伊维菌素、新冠疫情严重程度和死亡率之间的因果关系，以及：i）对于严重新冠疫情，有90.7%的概率支持风险比有利于伊维菌素；ii）对于轻度/中度新冠疫情，有84.1%的概率支持风险比有利于伊维菌素。为了回应对某些研究可信度的担忧，我们通过逐个移除一项研究来评估结论对任何单个研究的敏感性。即使在移除（Elgazzar 2020）的最坏情况下，结果仍然坚固，对于严重和轻度到中度新冠疫情都是如此。本文还强调了在荟萃分析中使用贝叶斯方法相对于经典统计方法的优势。分析中包括的所有研究均为Delta变种数据出现之前的研究。
作者：Martin Neil, Norman Fenton
论文ID：2109.13739
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2021-10-04