Przejdź do treści
Korzystanie z usług Twittera oznacza, że wyrażasz zgodę na korzystanie przez nas z plików cookie. Firma Twitter i jej partnerzy działają globalnie i wykorzystują pliki cookie do analiz, personalizacji treści i wyświetlania reklam.
  • Strona Główna Strona Główna Strona Główna, pierwsza strona.
  • O nas

Zapisane wyszukiwania

  • Usuń
  • W tej rozmowie
    Konto zweryfikowaneChronione tweety @
Proponowani użytkownicy
  • Konto zweryfikowaneChronione tweety @
  • Konto zweryfikowaneChronione tweety @
  • Język: polski
    • Bahasa Indonesia
    • Bahasa Melayu
    • Català
    • Čeština
    • Dansk
    • Deutsch
    • English
    • English UK
    • Español
    • Filipino
    • Français
    • Hrvatski
    • Italiano
    • Magyar
    • Nederlands
    • Norsk
    • Português
    • Română
    • Slovenčina
    • Suomi
    • Svenska
    • Tiếng Việt
    • Türkçe
    • Ελληνικά
    • Български език
    • Русский
    • Српски
    • Українська мова
    • עִבְרִית
    • العربية
    • فارسی
    • मराठी
    • हिन्दी
    • বাংলা
    • ગુજરાતી
    • தமிழ்
    • ಕನ್ನಡ
    • ภาษาไทย
    • 한국어
    • 日本語
    • 简体中文
    • 繁體中文
  • Masz konto? Zaloguj się
    Masz konto?
    · Nie pamiętasz hasła?

    Nowy na Twitterze?
    Zarejestruj się
Profil raj_mehta
Raj Mehta
Raj Mehta
Raj Mehta
@raj_mehta

Tweets

Raj Mehta

@raj_mehta

Family Doc, Clinical Informaticist, EBM & Bioethics enthusiast | Faculty @AdventHealth Family Medicine Residency | @UFMEDICINE alum

Orlando, FL
fhgme.com/programs/allop…
Dołączył kwiecień 2009

Tweets

  • © 2021 Twitter
  • O nas
  • Centrum Pomocy
  • Zasady
  • Polityka prywatności
  • Cookies (ciasteczka)
  • Informacje o reklamach
Odrzuć
Poprzedni
Dalej

Przejdź do profilu osoby

Zapisane wyszukiwania

  • Usuń
  • W tej rozmowie
    Konto zweryfikowaneChronione tweety @
Proponowani użytkownicy
  • Konto zweryfikowaneChronione tweety @
  • Konto zweryfikowaneChronione tweety @

Promuj ten tweet

Zablokuj

  • Tweetnij z lokalizacją

    Możesz dodawać lokalizację do Twoich Tweetów, jak miasto czy konkretne miejsce, z sieci lub innych aplikacji. W każdej chwili możesz usunąć historię lokalizacji swoich Tweetów. Dowiedz się więcej

    Twoje listy

    Utwórz nową listę


    Opcjonalne, poniżej 100 znaków

    Prywatność

    Kopiuj link do Tweeta

    Umieszczanie tweeta

    Embed this Video

    Umieść tego Tweeta na swojej stronie, kopiując poniższy kod. Dowiedz się więcej

    Umieść ten film na swojej stronie, kopiując poniższy kod. Dowiedz się więcej

    Hmm, wystąpił problem z połączeniem z serwerem.

    Umieszczając treści z Twittera na Twojej stronie internetowej lub w Twojej aplikacji, potwierdzasz, że akceptujesz naszą Umowę dla programistów i Zasady współpracy z programistami.

    Podgląd

    Dlaczego widzę tę reklamę?

    Zaloguj się do Twittera

    · Nie pamiętasz hasła?
    Nie masz konta? Zarejestruj się »

    Zarejestruj się na Twitterze

    Nie ma Cię na Twitterze? Załóż profil, połącz go do interesujących Cię tematów – i otrzymuj aktualności gdy tylko się wydarzą!

    Zarejestruj się
    Masz konto? Zaloguj się »

    Wysyłanie i odbieranie krótkich kodów:

    Kraj Kod Dla klientów
    Stany Zjednoczone 40404 (dowolny)
    Kanada 21212 (dowolny)
    Wielka Brytania 86444 Vodafone, Orange, 3, O2
    Brazylia 40404 Nextel, TIM
    Haiti 40404 Digicel, Voila
    Irlandia 51210 Vodafone, O2
    Indie 53000 Bharti Airtel, Videocon, Reliance
    Indonezja 89887 AXIS, 3, Telkomsel, Indosat, XL Axiata
    Włochy 4880804 Wind
    3424486444 Vodafone
    » Zobacz krótkie kody SMS dla innych państw

    Potwierdzenie

     

    Witamy!

    Na osi czas spędzisz najwięcej czasu, czytając wiadomości o sprawach, które Cię interesują.

    Tweety Cię nie interesują?

    Najedź kursorem na zdjęcie profilowe i kliknij przycisk Obserwowany, by przestać obserwować dowolne konto.

    Powiedz wiele kilkoma słowami

    Gdy widzisz Tweeta, którego lubisz, dotknij ikony serca — jego autor dowie się, że jego wpis przypadł Ci do gustu.

    Udostępnij wiadomość

    Najszybszym sposobem na udostępnienie czyjegoś Tweeta jest podanie go dalej. Dotknij ikony, by to zrobić.

    Dołącz do rozmowy

    Powiedz, co myślisz o Tweecie, odpowiadając na niego. Znajdź temat dyskusji, który Cię interesuje, i dołącz do rozmowy.

    Zobacz najnowsze wiadomości

    Bądź zawsze na bieżąco i obserwuj publiczne dyskusje.

    Zyskaj więcej tego, co lubisz

    Obserwuj więcej kont, by widzieć więcej wiadomości na tematy, które Cię interesują.

    Sprawdź, co się dzieje

    Zobacz najnowsze rozmowy na dowolny temat.

    Nigdy nie przegap Chwili

    Bądź na bieżąco z najciekawszymi historiami.

    Raj Mehta‏ @raj_mehta 27 kwi 2020

    1/ Tweetorial on this WSJ article, and the importance of understanding confounders & colliders when making causal inferences. The article asks a good question, but unfortunately makes several errors. Lets take a look! https://www.wsj.com/articles/do-lockdowns-save-many-lives-is-most-places-the-data-say-no-11587930911 …

    12:41 - 27 kwi 2020
    • 60 podań dalej
    • 184 polubienia
    • André Pineda Amy Capone, MD Inge Cederberg Eddie Iglesia, MD MPH Lori Albers Darwin del Castillo /ī/ Jake Kushner MD 𝒌𝒆𝒗𝒊𝒏 𝒌𝒆𝒍𝒍𝒆𝒓
    11 odpowiedzi 60 podanych dalej 184 polubione
      1. Nowa rozmowa
      2. Raj Mehta‏ @raj_mehta 27 kwi 2020

        2/ The articles asks "Do quick shutdowns work to fight the spread of COVID-19?". A good causal question! Here is a simple DAG to represent the inference: Intervention: Shutdown Outcome: Total COVID19 Deaths The "arrow" is the effect of the intervention on the outcome.pic.twitter.com/VRsR4bFMPN

        2 odpowiedzi 0 podanych dalej 12 polubionych
        Pokaż ten wątek
      3. Raj Mehta‏ @raj_mehta 27 kwi 2020

        Raj Mehta podał/a dalej Carl T. Bergstrom

        3/ Why are we looking at "deaths per million"? One way to compare deaths in different locations is to look at the fraction of cases per population. To do so, our starting threshold must also be a fraction. Here is a good thread on the topic:https://twitter.com/CT_Bergstrom/status/1249930312634658816 …

        Raj Mehta dodał/a,

        Carl T. BergstromKonto zweryfikowane @CT_Bergstrom
        15. Now, in the real world, different countries or regions may experiencing different rates of epidemic spread. But if one wants to make an apples-to-apples comparison, then one would compare per capita trajectories from the same starting fraction infection, like this. pic.twitter.com/YKaJU3yaGR
        Pokaż ten wątek
        1 odpowiedź 0 podanych dalej 11 polubionych
        Pokaż ten wątek
      4. Raj Mehta‏ @raj_mehta 27 kwi 2020

        4/ Lets add 2 more variables to our DAG: "A" is the when we first notice COVID19 death. "1 per million" ensure a population adjusted starting point. The onset of COVID19 deaths effects the decision of when to do a shutdown, so we have an arrow "A->B".pic.twitter.com/bBt2TKqmVb

        1 odpowiedź 1 podany dalej 10 polubionych
        Pokaż ten wątek
      5. Raj Mehta‏ @raj_mehta 27 kwi 2020

        5/ Next we have to consider confounders (pink), which are sources of bias (2 outward arrows). For example, if one location lacked access to testing early in the pandemic, it may have delayed the eventual date they first noticed COVID19 deaths.pic.twitter.com/toPNLsTUNx

        1 odpowiedź 1 podany dalej 11 polubionych
        Pokaż ten wątek
      6. Raj Mehta‏ @raj_mehta 27 kwi 2020

        6/ Their are many other potential confounders: County/City shutdowns prior to state level shutdown Start of social distancing Start of hand-washing campaigns Start of facemask use etc Confounders are one of the biggest drawback to Ecological studies.https://en.wikipedia.org/wiki/Ecological_study …

        2 odpowiedzi 1 podany dalej 11 polubionych
        Pokaż ten wątek
      7. Raj Mehta‏ @raj_mehta 27 kwi 2020

        7/ The WSJ article did something interesting. They decided to add in one more variable, "Days to Shutdown". "A state’s 'days to shutdown' was the time after a state crossed the 1 per million threshold until it ordered businesses shut down."

        1 odpowiedź 0 podanych dalej 9 polubionych
        Pokaż ten wątek
      8. Raj Mehta‏ @raj_mehta 27 kwi 2020

        8/ In our DAG, "Days to Shutdown" is basically the "Date of A" subtracted from "Date of B". So we can draw arrows from A & B to our new variable. Additionally, the WSJ article looks at the effects of "Days of Shutdown" on Total deaths, so we draw another arrow to our outcome.pic.twitter.com/zz8f3ryNCu

        1 odpowiedź 0 podanych dalej 11 polubionych
        Pokaż ten wątek
      9. Raj Mehta‏ @raj_mehta 27 kwi 2020

        9/ Here is the figure from the WSJ that looks at "Days to Shutdown" & "Deaths per million at 21 days". Essentially, "looks at" means we have "selected" or "adjusted" for our new variable. The trendline (R=0.05) suggests very little relationship!pic.twitter.com/Kd3LeAQrYH

        1 odpowiedź 0 podanych dalej 7 polubionych
        Pokaż ten wątek
      10. Raj Mehta‏ @raj_mehta 27 kwi 2020

        10/ If we just stop here, we might conclude "no association between shutdown and COVID19 deaths." But that would be incorrect, because "Days to Shutdown" accidentally introduced a new bias: Collider Bias!https://en.wikipedia.org/wiki/Collider_(statistics) …

        1 odpowiedź 1 podany dalej 20 polubionych
        Pokaż ten wątek
      11. Raj Mehta‏ @raj_mehta 27 kwi 2020

        11/ Generally adjusting on a collider accidentally *creates* associations between two variables that have no relationship (Left). But if a relationship already exists between two variables, adjusting on a collider accidentally *removes* that causal link. (right).pic.twitter.com/97vY04YU8Q

        1 odpowiedź 0 podanych dalej 14 polubionych
        Pokaż ten wątek
      12. Raj Mehta‏ @raj_mehta 27 kwi 2020

        12/ By selecting/adjusting for "Days to Shutdown", we have created a collider that removes the causal Link from A->B. In effect, we are saying "Shutdown has no effect on total COVID19 deaths, as long as we assume shutdowns are never influenced by the onset of COVID19."pic.twitter.com/ylyJ1rR64i

        2 odpowiedzi 3 podane dalej 25 polubionych
        Pokaż ten wątek
      13. Raj Mehta‏ @raj_mehta 27 kwi 2020

        13/ Examining Observational data to make causal inferences is always tricky. We should be cautious, attempt to model our variables in a sensible way, and accept that risk of bias is ever present.

        1 odpowiedź 3 podane dalej 28 polubionych
        Pokaż ten wątek
      14. Raj Mehta‏ @raj_mehta 27 kwi 2020

        h/t @venkmurthy @boback @mikejohansenmd

        1 odpowiedź 0 podanych dalej 8 polubionych
        Pokaż ten wątek
      15. Koniec rozmowy

    Wydaje się, że ładowanie zajmuje dużo czasu.

    Twitter jest przeciążony lub wystąpił chwilowy problem. Spróbuj ponownie lub sprawdź status Twittera, aby uzyskać więcej informacji.

      Tweet promowany

      false

      • © 2021 Twitter
      • O nas
      • Centrum Pomocy
      • Zasady
      • Polityka prywatności
      • Cookies (ciasteczka)
      • Informacje o reklamach