¿Cómo introducir gentilmente a epidemiólogos / compañeros de trabajo de salud pública en modelos predictivos avanzados?

Viniendo de un fondo de ciencias sociales y epidemiología, mis compañeros de trabajo fueron entrenados en regresión de mínimos cuadrados, regresión logística y análisis de supervivencia. Les gusta ver los intervalos de confianza del 95% y los valores p con los coeficientes de los parámetros, y desconfían de las herramientas predictivas más actuales, como las redes neuronales, CART, embolsado y refuerzo, así como las técnicas de regresión penalizadas.

Voy a pesar como epidemióloga.

Puedo ver cómo se establece la inercia a medida que los investigadores y profesionales en el campo de la atención médica pasan a la gerencia media y más allá y están fuera de contacto con los nuevos desarrollos en estadísticas.

Primero, le recomiendo encarecidamente que no asuma que esto es simplemente inercia, ya sea en la forma de la disciplina que no quiere adoptar nuevas técnicas, o que sus compañeros de trabajo no estén en contacto con los nuevos desarrollos en las estadísticas. Puede ir a conferencias de epidemiología académica donde se está realizando un trabajo nuevo y muy metodológicamente sofisticado, y aún no necesariamente encuentra mucho sobre el modelo predictivo.

La pista está en el nombre. Modelado predictivo .

La epidemiología, como campo, no está particularmente interesada en la predicción por sí misma. En cambio, se centra en desarrollar explicaciones etiológicas para los patrones de enfermedad observados en una población. Los dos están relacionados, pero son distintos, y esto a menudo conduce a una especie de desconfianza filosófica de las técnicas de clasificación y predicción más modernas que intentan maximizar el impacto predictivo de un modelo. En el extremo de esto están las personas que opinan que la selección de variables debe realizarse principalmente con el uso de algo así como un gráfico acíclico dirigido, que podría considerarse lo contrario de hacia dónde se dirige el modelado predictivo.

Esto hace que no forme parte de sus antecedentes, no sea algo con lo que se encuentren mucho en la literatura y, para ser sincero, una alta probabilidad de que su exposición haya sido a través de personas que realmente no entienden los problemas que están tratando. resolver.

Esto, en los comentarios, es un ejemplo perfecto:

Eso arroja a algunas personas: el hecho de que estamos introduciendo a propósito un sesgo en la regresión penalizada para mejorar la precisión predictiva

Casi todos los epidemiólogos que conozco, si los hiciera elegir, elegirían una reducción en el sesgo sobre un aumento en la precisión.

Eso no quiere decir que nunca se mencione. Hay momentos en que los modelos predictivos se utilizan, a menudo en casos clínicos en los que la predicción del resultado de este paciente en particular es de considerable interés, o la detección de brotes, donde estas técnicas son útiles porque no sabemos lo que viene y no podemos hacer etiología argumentos O cuando el objetivo es la predicción, por ejemplo, en muchos modelos de estimación de exposición. Son solo un poco nicho en el campo.