Дин-Гэн Чен
Постановка проблемы: Социальные вмешательства целенаправленно внедряются в стратегии изменения, и исследование социальных вмешательств затем должно следовать процессу проектирования и оценки, в котором действия основываются на предыдущей информации с течением времени. Процесс является итеративным и нелинейным в уточнении и построении новых доказательств. Хотя предыдущая информация информирует о последующих новых доказательствах, предыдущая информация редко учитывается в анализе данных в анализах вмешательств. Это не соответствует нашему научному принципу построения доказательств, и следует изучить новую парадигму.
Методология и теоретическая ориентация: Мы описываем байесовскую перспективу интервенционных исследований. Байесовские методы используют априорную информацию в анализах. В частности, вместо того, чтобы игнорировать априорную информацию, как в типичном интервенционном анализе, байесовский подход к интервенционным исследованиям включает априорную информацию из новых распределений данных на основе теоремы Байеса. Информация из предыдущих исследований может быть использована для формулирования апостериорного распределения. Это апостериорное распределение затем включается в процесс вывода. Таким образом, байесовский подход к интервенционным исследованиям анализирует текущие данные исследования, опираясь на информацию из предыдущих исследований. Байесовская перспектива обеспечивает последовательный количественный метод оценки результатов в недавно полученных данных, используя предыдущее понимание эффектов вмешательства.
Заключение и значение: С точки зрения дизайна исследования байесовские методы имеют потенциал для улучшения мощности и сокращения требуемых размеров выборки в интервенционных исследованиях. Если бы можно было использовать меньшие выборки, стоимость интервенционных исследований могла бы быть снижена, что, в свою очередь, могло бы снизить требования к дизайну интервенционных исследований.