Lipsuri cunoscute și efectul lor

• Serii de mediu incomplete: zile, ani și stații lipsă; lipsa nu a fost convertită în zero, dar reduce comparabilitatea anuală.
• Localizare insuficientă: pentru 23 de stații există cel mult identificator, nume sau adresă textuală; nu se pot face hărți complete, atribuiri spațiale ori estimări de expunere individuală.
• Expunere agregată: media rețelei nu spune ce a inhalat fiecare persoană și nu surprinde mobilitatea, domiciliul sau locul de muncă.
• Indicatori medicali incompleți pentru etiologie: nu există cauză de deces confirmată, stadiu, dată de diagnostic, histologie, rezidență, vârstă, sex sau deduplicare între grupe.
• Lipsă de numitori și factori de confuzie: nu există populație pe vârstă/sex, fumat, statut socio-economic, temperatură, umiditate, alți poluanți, screening ori acces la îngrijire.

De ce niciuna dintre cele 171 de perechi nu trece BH la 0,05

În analiza principală sunt 19 rânduri medicale (17 grupe, TOTAL_MALIGN și TOTAL) × 3 indicatori medicali × 3 poluanți = 171 corelații Pearson. Matricea afișează 57 de celule odată pentru indicatorul ales, dar corecția Benjamini–Hochberg (BH) se aplică tuturor celor 171 de teste din selecția principală.

Pentru PM10 × MORT_03, r = 0,828 și p = 0,00312. Aceasta este o observație descriptivă puternică pentru cei 10 ani comuni și ar trece un prag nominal de 0,05 aplicat unui singur test. Dar, la 171 teste, chiar dacă toate ipotezele nule ar fi adevărate, pragul nominal de 0,05 ar produce în medie 8,55 rezultate sub 0,05 doar prin hazard. În date sunt 33 astfel de valori nominale; corecția împiedică interpretarea lor individuală ca descoperiri fără controlul erorilor multiple.

BH sortează valorile p și compară valoarea de la rangul k cu k × 0,05 / 171. Primele cinci valori sunt:

Niciuna dintre liniile sortate nu îndeplinește propriul prag BH; pentru PM10 × MORT_03, p este aproximativ de 3,5 ori pragul de la rangul său. Prin urmare, în bucharest_core6 rezultatul este 0 din 171 la q < 0,05. Primele 12 valori din lista sortată au același q = 0,126 din mecanismul „step-up” BH; nu este o eroare de rotunjire.

q = 0,126 este cel mai mic nivel FDR la care această pereche ar fi declarată. Dacă s-ar declara rezultate la acel nivel, proporția falsă medie controlată de procedură ar fi de aproximativ 12,6%, peste pragul ales de 5%. Bonferroni ar fi și mai strict: 0,05 / 171 = 0,000292; cel mai mic p observat este 0,001886.

De ce rezultatul nu înseamnă „nu există legătură”

Cu doar 7–10 ani comuni, puterea statistică este foarte mică după corecție. Ca reper, pentru un singur test cu două cozi la p < 0,05, |r| trebuie să fie aproximativ 0,632 la n = 10, 0,707 la n = 8 și 0,754 la n = 7. Pentru pragul de 0,000292, echivalent cu Bonferroni/rangul 1 BH, valorile necesare devin aproximativ 0,907, 0,950 și 0,970. O asociere reală, moderată, nu ar putea fi distinsă de zgomot cu această serie.

BH presupune independență sau o formă de dependență pozitivă. Aici, grupele totale se suprapun cu grupele componente, poluanții sunt corelați, iar observațiile sunt serii temporale. În plus, BH este aplicat separat pentru fiecare dintre cele patru selecții de stații; nu corectează că au fost examinate toate selecțiile. Cele trei perechi cu q < 0,05 în bucharest_all sunt, prin urmare, rezultate de sensibilitate și nu descoperiri ale analizei principale.

De ce nu calculăm lag-uri acum

Un lag compară expunerea dintr-o perioadă cu rezultatul dintr-o perioadă ulterioară. Aici, lag-ul anual ar lăsa și mai puține observații: de exemplu, un lag de 1 an reduce o serie de 7 ani comuni la 6. O corelație pe 5–9 puncte este instabilă, iar testarea mai multor lag-uri mărește mult riscul de rezultate întâmplătoare.

Mai ales, latența biologică a cancerului este de regulă mai lungă și heterogenă decât un decalaj anual simplu. Fără date istorice suficiente, date de diagnostic și ipoteză temporală stabilită înainte de analiză, un „cross-covariance cu lag” ar descrie o aliniere arbitrară de serii agregate, nu un efect relevant. De aceea nu este prezentat ca analiză validă.

Datele cerute pentru un studiu corect

1. Export RNMCA/API complet, documentat și versionat: măsurători orare sau zilnice, cod stație, poluant, unitate, metodă/instrument, indicatori QA/QC, motivul lipsei și istoric de operare.
2. Registru al stațiilor: coordonate WGS84 verificate, adresă, tip, zonă de reprezentativitate, înălțime de prelevare, mutări și perioade active.
3. Date medicale pseudonimizate ori agregate strict pe celule suficient de mici: data diagnosticului, localizare/histologie, stadiu, rezidență, vârstă, sex și definiții documentate ale indicatorilor.
4. Numitori de populație anuali pe vârstă, sex și zonă pentru rate standardizate; protocol de deduplicare și legare a episoadelor.
5. Covariabile predefinite: fumat, condiții meteo, sezonalitate, deprivare, acces la îngrijire, screening și co-poluare; plus un protocol analitic publicat înaintea testelor.

Secțiune bayesiană: ce ar fi onest acum

Cu aceste date, analiza bayesiană poate fi doar exploratorie. Ea poate estima o corelație anuală cu incertitudine explicită, folosind priors slabe și raportând distribuția posterioară a lui r sau a unei pante standardizate. Poate include un model de măsurare pentru acoperirea inegală a stațiilor, însă nu poate repara lipsa localizării, a numitorilor sau a datelor individuale.

Nu ar fi justificat un model bayesian de efect cauzal, un lag selectat după rezultate ori inferențe despre risc individual. După primirea datelor cerute, un model ierarhic spațio-temporal ar putea combina expuneri pe zonă și timp, rate standardizate, covariabile și întârzieri biologic motivate, cu priors și analize de sensibilitate stabilite înainte.

Versiunea datelor

Vizualizările folosesc un export agregat din baza SQL, reconciliat cu rezultatele verificate. La schimbarea surselor, exportul trebuie regenerat după o nouă verificare.

Etapa următoare: cererea formală pentru datele de mai sus, clarificări medicale și acces RNMCA API.