コンテンツへとスキップする
ChatGPT を使用して作成されたコンテンツです

ChatGPT:

では、先ほどの流れを「反出生主義 × 数理モデル」として、かなり数式寄りに拡張します:


まず、個体 iii の生涯にわたる効用(utility)を確率過程として定義する:

Ui=∫0Tiui(t) dtU_i = \int_{0}^{T_i} u_i(t)\,dtUi​=∫0Ti​​ui​(t)dt

ここで

  • TiT_iTi​:寿命(確率変数)

  • ui(t)u_i(t)ui​(t):時刻 ttt における瞬間効用(負値を取りうる)

反出生主義の基本命題は、誕生操作 BBB に対して

E[Ui∣B]≤0\mathbb{E}[U_i \mid B] \leq 0E[Ui​∣B]≤0

あるいはより強く、

P(Ui<0∣B)>12\mathbb{P}(U_i < 0 \mid B) > \frac{1}{2}P(Ui​<0∣B)>21​

を仮定することである。


次に、医療介入(新薬)を確率写像として定義する:

M:Ω→Ω′\mathcal{M}: \Omega \to \Omega'M:Ω→Ω′

ここで Ω\OmegaΩ は自然経過、Ω′\Omega'Ω′ は介入後の状態空間。

介入による効用差を

ΔUi=Ui′−Ui\Delta U_i = U_i' - U_iΔUi​=Ui′​−Ui​

と定義すると、承認条件は通常

H0:E[ΔUi]≤0vsH1:E[ΔUi]>0H_0: \mathbb{E}[\Delta U_i] \leq 0 \quad \text{vs} \quad H_1: \mathbb{E}[\Delta U_i] > 0H0​:E[ΔUi​]≤0vsH1​:E[ΔUi​]>0

に対して、

p=P(data∣H0)<αp = \mathbb{P}(\text{data} \mid H_0) < \alphap=P(data∣H0​)<α

(典型的には α=0.05\alpha = 0.05α=0.05)

である。


しかし、ここで治験期間の切り取りを時間窓 τ⊂[0,Ti]\tau \subset [0, T_i]τ⊂[0,Ti​] とすると、

観測効用は

U~i(τ)=∫0τui(t) dt\tilde{U}_i(\tau) = \int_{0}^{\tau} u_i(t)\,dtU~i​(τ)=∫0τ​ui​(t)dt

であり、真の効用との差は

ϵi=Ui−U~i(τ)=∫τTiui(t) dt\epsilon_i = U_i - \tilde{U}_i(\tau) = \int_{\tau}^{T_i} u_i(t)\,dtϵi​=Ui​−U~i​(τ)=∫τTi​​ui​(t)dt

副作用が遅延発現する場合、

ui(t)≪0for t>τu_i(t) \ll 0 \quad \text{for } t > \tauui​(t)≪0for t>τ

となるため、

E[ϵi]≪0\mathbb{E}[\epsilon_i] \ll 0E[ϵi​]≪0

すなわち、

E[U~i(τ)]>0かつE[Ui]<0\mathbb{E}[\tilde{U}_i(\tau)] > 0 \quad \text{かつ} \quad \mathbb{E}[U_i] < 0E[U~i​(τ)]>0かつE[Ui​]<0

という符号反転が生じうる。


このとき、p値は実際には

pτ=P(data on [0,τ]∣H0)p_\tau = \mathbb{P}(\text{data on } [0,\tau] \mid H_0)pτ​=P(data on [0,τ]∣H0​)

であり、本来評価すべきは

pT=P(data on [0,Ti]∣H0)p_T = \mathbb{P}(\text{data on } [0,T_i] \mid H_0)pT​=P(data on [0,Ti​]∣H0​)

であるにもかかわらず、

pτ≪α⇏pT≪αp_\tau \ll \alpha \quad \not\Rightarrow \quad p_T \ll \alphapτ​≪α⇒pT​≪α

である。


この構造を誕生に適用すると、誕生評価もまた時間窓選択問題になる:

評価者は通常

τeval≪Ti\tau_{\text{eval}} \ll T_iτeval​≪Ti​

を用い、

U~i(τeval)≈∫0τevalui(t) dt>0\tilde{U}_i(\tau_{\text{eval}}) \approx \int_{0}^{\tau_{\text{eval}}} u_i(t)\,dt > 0U~i​(τeval​)≈∫0τeval​​ui​(t)dt>0

を根拠に誕生を正当化する。

しかし、全期間では

Ui=U~i(τeval)+ϵiU_i = \tilde{U}_i(\tau_{\text{eval}}) + \epsilon_iUi​=U~i​(τeval​)+ϵi​ E[ϵi]=∫τevalTiE[ui(t)]dt<0\mathbb{E}[\epsilon_i] = \int_{\tau_{\text{eval}}}^{T_i} \mathbb{E}[u_i(t)] dt < 0E[ϵi​]=∫τeval​Ti​​E[ui​(t)]dt<0

特に老化・疾病・死の項を明示すると:

ui(t)=bi(t)−ci(t)u_i(t) = b_i(t) - c_i(t)ui​(t)=bi​(t)−ci​(t) lim⁡t→Tici(t)→∞\lim_{t \to T_i} c_i(t) \to \inftyt→Ti​lim​ci​(t)→∞

したがって

∫τevalTici(t) dt≫∫0τevalbi(t) dt\int_{\tau_{\text{eval}}}^{T_i} c_i(t)\,dt \gg \int_{0}^{\tau_{\text{eval}}} b_i(t)\,dt∫τeval​Ti​​ci​(t)dt≫∫0τeval​​bi​(t)dt

ここで「誕生の意思決定」を仮説検定として書くと:

H0:E[Ui]≤0vsH1:E[Ui]>0H_0: \mathbb{E}[U_i] \leq 0 \quad \text{vs} \quad H_1: \mathbb{E}[U_i] > 0H0​:E[Ui​]≤0vsH1​:E[Ui​]>0

しかし実際に使われている統計量は

U~i(τeval)\tilde{U}_i(\tau_{\text{eval}})U~i​(τeval​)

であり、

P(U~i(τeval)>0∣H0)\mathbb{P}(\tilde{U}_i(\tau_{\text{eval}}) > 0 \mid H_0)P(U~i​(τeval​)>0∣H0​)

が過小評価される(選択バイアス):

∃ τ s.t.E[U~i(τ)]>0∧E[Ui]<0\exists \ \tau \ \text{s.t.} \quad \mathbb{E}[\tilde{U}_i(\tau)] > 0 \quad \land \quad \mathbb{E}[U_i] < 0∃ τ s.t.E[U~i​(τ)]>0∧E[Ui​]<0

さらに、集団レベルでは

UˉN=1N∑i=1NUi\bar{U}_N = \frac{1}{N} \sum_{i=1}^{N} U_iUˉN​=N1​i=1∑N​Ui​

出生操作 BBB の社会的目的関数が

max⁡B E[UˉN]\max_{B} \ \mathbb{E}[\bar{U}_N]Bmax​ E[UˉN​]

だとしても、観測は

Uˉ~N(τ)=1N∑i=1NU~i(τ)\tilde{\bar{U}}_N(\tau) = \frac{1}{N} \sum_{i=1}^{N} \tilde{U}_i(\tau)Uˉ~N​(τ)=N1​i=1∑N​U~i​(τ)

であり、

arg⁡max⁡E[Uˉ~N(τ)]≠arg⁡max⁡E[UˉN]\arg\max \mathbb{E}[\tilde{\bar{U}}_N(\tau)] \neq \arg\max \mathbb{E}[\bar{U}_N]argmaxE[Uˉ~N​(τ)]=argmaxE[UˉN​]

結論的に、この系は

Optimization under Truncated Observation\text{Optimization under Truncated Observation}Optimization under Truncated Observation

であり、本質的な歪みは

Bias=E[U~i(τ)−Ui]=−E[ϵi]>0\text{Bias} = \mathbb{E}[\tilde{U}_i(\tau) - U_i] = -\mathbb{E}[\epsilon_i] > 0Bias=E[U~i​(τ)−Ui​]=−E[ϵi​]>0

として定式化される。


したがって、どれだけ有意水準を

α→0\alpha \to 0α→0

に近づけても、

pτ<αp_\tau < \alphapτ​<α

という条件自体が

τ≪Ti\tau \ll T_iτ≪Ti​

のもとで定義されている限り、

lim⁡α→0Error≠0\lim_{\alpha \to 0} \text{Error} \neq 0α→0lim​Error=0

すなわち、

問題は α ではなく τ の選択である\boxed{ \text{問題は } \alpha \text{ ではなく } \tau \text{ の選択である} }問題は α ではなく τ の選択である​

そして反出生主義の主張は極限的には

τ=Ti\tau = T_iτ=Ti​

を要求するが、このとき意思決定は

Ti 未確定⇒評価不能T_i \text{ 未確定} \Rightarrow \text{評価不能}Ti​ 未確定⇒評価不能

ゆえに

評価不能な操作 B は実行すべきでない\boxed{ \text{評価不能な操作 } B \text{ は実行すべきでない} }評価不能な操作 B は実行すべきでない​

という「不確実性下の停止規則」に帰着する。


AI チャットボットである ChatGPT にメッセージを送ると、規約に同意し、プライバシーポリシーを読んだことになります。cookie の設定を参照してください。

ユーザーによって生成された、未検証または安全でない可能性があるコンテンツを表示しています。
報告する

では、先ほどの流れを「反出生主義 × 数理モデル」として、かなり数式寄りに拡張します:


まず、個体 iii の生涯にわたる効用(utility)を確率過程として定義する:

Ui=∫0Tiui(t) dtU_i = \int_{0}^{T_i} u_i(t)\,dtUi​=∫0Ti​​ui​(t)dt

ここで

  • TiT_iTi​:寿命(確率変数)

  • ui(t)u_i(t)ui​(t):時刻 ttt における瞬間効用(負値を取りうる)

反出生主義の基本命題は、誕生操作 BBB に対して

E[Ui∣B]≤0\mathbb{E}[U_i \mid B] \leq 0E[Ui​∣B]≤0

あるいはより強く、

P(Ui<0∣B)>12\mathbb{P}(U_i < 0 \mid B) > \frac{1}{2}P(Ui​<0∣B)>21​

を仮定することである。


次に、医療介入(新薬)を確率写像として定義する:

M:Ω→Ω′\mathcal{M}: \Omega \to \Omega'M:Ω→Ω′

ここで Ω\OmegaΩ は自然経過、Ω′\Omega'Ω′ は介入後の状態空間。

介入による効用差を

ΔUi=Ui′−Ui\Delta U_i = U_i' - U_iΔUi​=Ui′​−Ui​

と定義すると、承認条件は通常

H0:E[ΔUi]≤0vsH1:E[ΔUi]>0H_0: \mathbb{E}[\Delta U_i] \leq 0 \quad \text{vs} \quad H_1: \mathbb{E}[\Delta U_i] > 0H0​:E[ΔUi​]≤0vsH1​:E[ΔUi​]>0

に対して、

p=P(data∣H0)<αp = \mathbb{P}(\text{data} \mid H_0) < \alphap=P(data∣H0​)<α

(典型的には α=0.05\alpha = 0.05α=0.05)

である。


しかし、ここで治験期間の切り取りを時間窓 τ⊂[0,Ti]\tau \subset [0, T_i]τ⊂[0,Ti​] とすると、

観測効用は

U~i(τ)=∫0τui(t) dt\tilde{U}_i(\tau) = \int_{0}^{\tau} u_i(t)\,dtU~i​(τ)=∫0τ​ui​(t)dt

であり、真の効用との差は

ϵi=Ui−U~i(τ)=∫τTiui(t) dt\epsilon_i = U_i - \tilde{U}_i(\tau) = \int_{\tau}^{T_i} u_i(t)\,dtϵi​=Ui​−U~i​(τ)=∫τTi​​ui​(t)dt

副作用が遅延発現する場合、

ui(t)≪0for t>τu_i(t) \ll 0 \quad \text{for } t > \tauui​(t)≪0for t>τ

となるため、

E[ϵi]≪0\mathbb{E}[\epsilon_i] \ll 0E[ϵi​]≪0

すなわち、

E[U~i(τ)]>0かつE[Ui]<0\mathbb{E}[\tilde{U}_i(\tau)] > 0 \quad \text{かつ} \quad \mathbb{E}[U_i] < 0E[U~i​(τ)]>0かつE[Ui​]<0

という符号反転が生じうる。


このとき、p値は実際には

pτ=P(data on [0,τ]∣H0)p_\tau = \mathbb{P}(\text{data on } [0,\tau] \mid H_0)pτ​=P(data on [0,τ]∣H0​)

であり、本来評価すべきは

pT=P(data on [0,Ti]∣H0)p_T = \mathbb{P}(\text{data on } [0,T_i] \mid H_0)pT​=P(data on [0,Ti​]∣H0​)

であるにもかかわらず、

pτ≪α⇏pT≪αp_\tau \ll \alpha \quad \not\Rightarrow \quad p_T \ll \alphapτ​≪α⇒pT​≪α

である。


この構造を誕生に適用すると、誕生評価もまた時間窓選択問題になる:

評価者は通常

τeval≪Ti\tau_{\text{eval}} \ll T_iτeval​≪Ti​

を用い、

U~i(τeval)≈∫0τevalui(t) dt>0\tilde{U}_i(\tau_{\text{eval}}) \approx \int_{0}^{\tau_{\text{eval}}} u_i(t)\,dt > 0U~i​(τeval​)≈∫0τeval​​ui​(t)dt>0

を根拠に誕生を正当化する。

しかし、全期間では

Ui=U~i(τeval)+ϵiU_i = \tilde{U}_i(\tau_{\text{eval}}) + \epsilon_iUi​=U~i​(τeval​)+ϵi​ E[ϵi]=∫τevalTiE[ui(t)]dt<0\mathbb{E}[\epsilon_i] = \int_{\tau_{\text{eval}}}^{T_i} \mathbb{E}[u_i(t)] dt < 0E[ϵi​]=∫τeval​Ti​​E[ui​(t)]dt<0

特に老化・疾病・死の項を明示すると:

ui(t)=bi(t)−ci(t)u_i(t) = b_i(t) - c_i(t)ui​(t)=bi​(t)−ci​(t) lim⁡t→Tici(t)→∞\lim_{t \to T_i} c_i(t) \to \inftyt→Ti​lim​ci​(t)→∞

したがって

∫τevalTici(t) dt≫∫0τevalbi(t) dt\int_{\tau_{\text{eval}}}^{T_i} c_i(t)\,dt \gg \int_{0}^{\tau_{\text{eval}}} b_i(t)\,dt∫τeval​Ti​​ci​(t)dt≫∫0τeval​​bi​(t)dt

ここで「誕生の意思決定」を仮説検定として書くと:

H0:E[Ui]≤0vsH1:E[Ui]>0H_0: \mathbb{E}[U_i] \leq 0 \quad \text{vs} \quad H_1: \mathbb{E}[U_i] > 0H0​:E[Ui​]≤0vsH1​:E[Ui​]>0

しかし実際に使われている統計量は

U~i(τeval)\tilde{U}_i(\tau_{\text{eval}})U~i​(τeval​)

であり、

P(U~i(τeval)>0∣H0)\mathbb{P}(\tilde{U}_i(\tau_{\text{eval}}) > 0 \mid H_0)P(U~i​(τeval​)>0∣H0​)

が過小評価される(選択バイアス):

∃ τ s.t.E[U~i(τ)]>0∧E[Ui]<0\exists \ \tau \ \text{s.t.} \quad \mathbb{E}[\tilde{U}_i(\tau)] > 0 \quad \land \quad \mathbb{E}[U_i] < 0∃ τ s.t.E[U~i​(τ)]>0∧E[Ui​]<0

さらに、集団レベルでは

UˉN=1N∑i=1NUi\bar{U}_N = \frac{1}{N} \sum_{i=1}^{N} U_iUˉN​=N1​i=1∑N​Ui​

出生操作 BBB の社会的目的関数が

max⁡B E[UˉN]\max_{B} \ \mathbb{E}[\bar{U}_N]Bmax​ E[UˉN​]

だとしても、観測は

Uˉ~N(τ)=1N∑i=1NU~i(τ)\tilde{\bar{U}}_N(\tau) = \frac{1}{N} \sum_{i=1}^{N} \tilde{U}_i(\tau)Uˉ~N​(τ)=N1​i=1∑N​U~i​(τ)

であり、

arg⁡max⁡E[Uˉ~N(τ)]≠arg⁡max⁡E[UˉN]\arg\max \mathbb{E}[\tilde{\bar{U}}_N(\tau)] \neq \arg\max \mathbb{E}[\bar{U}_N]argmaxE[Uˉ~N​(τ)]=argmaxE[UˉN​]

結論的に、この系は

Optimization under Truncated Observation\text{Optimization under Truncated Observation}Optimization under Truncated Observation

であり、本質的な歪みは

Bias=E[U~i(τ)−Ui]=−E[ϵi]>0\text{Bias} = \mathbb{E}[\tilde{U}_i(\tau) - U_i] = -\mathbb{E}[\epsilon_i] > 0Bias=E[U~i​(τ)−Ui​]=−E[ϵi​]>0

として定式化される。


したがって、どれだけ有意水準を

α→0\alpha \to 0α→0

に近づけても、

pτ<αp_\tau < \alphapτ​<α

という条件自体が

τ≪Ti\tau \ll T_iτ≪Ti​

のもとで定義されている限り、

lim⁡α→0Error≠0\lim_{\alpha \to 0} \text{Error} \neq 0α→0lim​Error=0

すなわち、

問題は α ではなく τ の選択である\boxed{ \text{問題は } \alpha \text{ ではなく } \tau \text{ の選択である} }問題は α ではなく τ の選択である​

そして反出生主義の主張は極限的には

τ=Ti\tau = T_iτ=Ti​

を要求するが、このとき意思決定は

Ti 未確定⇒評価不能T_i \text{ 未確定} \Rightarrow \text{評価不能}Ti​ 未確定⇒評価不能

ゆえに

評価不能な操作 B は実行すべきでない\boxed{ \text{評価不能な操作 } B \text{ は実行すべきでない} }評価不能な操作 B は実行すべきでない​

という「不確実性下の停止規則」に帰着する。

当社では cookies を使用しています

当社では Cookie を使用して、このサイトの円滑な運営、サービス利用状況の把握、マーケティング活動に役立てています。Cookie を管理でいつでも設定を変更できます。詳細については、クッキーに関するポリシーをご覧ください。