Brad skrev:
-------------------------------------------------------
> John Blaze skrev:
> --------------------------------------------------
> -----
> > Min slutsats är att det inte går att avgöra
> om
> > korrelationen är linjär eller icke-linjär.
> Det
> > behövs mer data, speciellt i intervallet
> > hjälmanvändning 50-80 %.
>
>
> John: intressant diagram. Men man kan inte
> "bevisa" någonting alls med statisktiska
> resultat. Däremot kan man bevisa saker
> analytiskt, som jag har försökt göra.
Du har presenterat en genomtänkt hypotes. Om den stämmer överens med verkligheten vet vi inte.
> Ditt diagram indikerar att det troligen finns en
> korrelation (antingen linjär eller ickelinjär)
> mellan %HW och %HI.
>
> Min poäng var, och är, att %HI är ett dåligt
> mått på det som vi egentligen är intresserad
> av, nämligen hur bra hjlämar skyddar.
Det håller jag med om. Kollar man i studierna verkar %HI mest användas till att utesluta felkällor och liknande. Exempel:
There was a possibility that the apparent reduction in head injury to cyclists was in fact due to changes in hospital policy regarding overnight admission for minor head injury. If the decrease in head injury admissions (relative to those for limb fractures) among cyclists were due to policy changes, we would expect to see the same decrease among non-cyclists. This does not appear to have been the case in recent years (Fig. 6). (
http://www.ncbi.nlm.nih.gov/pubmed/10487351)
> Hur bra hjälmar skyddar kan representeras med
> N_hp, antalet huvudskador som förebyggas med
> hjälm, från min tidigare post. Vi kan skriva
> detta som funktion av % hjälmanvändning,
> betecknat HW:
>
> N_hp = N_hp(HW) vilket ligger mellan 0, när
> hjälmanvänding är 100%, och någon maxvärde
> N_hp_max är hjälmanvändning är 0%. Med
> N_hp(HW) menas nu de huvudskador som förekommer
> given en viss nivå anv hjälmanvänding HW.
>
> Från innan kan vi se hur HI påverkas av HW:
>
> HI(HW) = (N_hp(HW) + N_hu)/(N_hp(HW) + N_hu +
> N_o)
>
> notera att bara N_hp, och därmed HI, är
> funktioner av hjälmanvändning HW.
>
> Om hjälm inte hjälper alls, då är N_hp noll,
> och HI är konstant oavsett %HW.
>
> Men, om antalet huvuskador är mycket mindre än
> antalet andra skador, då kommer HI att domineras
> av N_o och ändringar pga hjälmanvänding blir
> svårt att upptäcka.
>
> Eller, om nästan alla huvuskador går att
> förebygga med hjälm, så att N_hp >> N_hu, och
> det finns många huvudskador relativt andra
> skador, så att N_hp >> N_o, då domineras HI av
> N_hp, och HI ser ut att vara konstant(!), oavsett
> ändringar i HW.
>
> Så, min slutsats, återigen, är att %HI är ett
> dåligt mått på hur bra hjälmar skyddar!
>
> För att vara lite konstruktiv, ett bättre mått
> skulle vara tex Eriks favoritstatistik,
> huvudskador per cyklad kilometer. Hur denna
> varierar med hjälmanvänding skulle vara mer
> användbart.
Håller med om att %HI är ett dåligt mått. (är dock fortfarande av åsikten att det inte har med saken att göra huruvida funktionen är linjär eller icke-linjär. Låt säga att någon hävdar att %HI ökar när %hjälmanvändning minskar. (O)sanningshalten i det påståendet är samma, oavsett om funktionen är y=(-x) eller y=(1/x))
