Historische data combineren met nieuwe data

paarden

Kennis uit eerder onderzoek beïnvloedt de opzet en uitvoering van nieuw onderzoek. Daarnaast kunnen resultaten uit dit eerdere onderzoek een rol spelen bij de analyse en interpretatie van nieuwe gegevens. Maar het is niet eenvoudig (en bovendien omstreden) om resultaten uit eerder onderzoek te gebruiken in de analyse van nieuwe data. De Bayesiaanse statistiek biedt een oplossing.  

Gewicht toekennen

De Bayesiaanse statistiek is heel geschikt voor het meenemen van al bestaande kennis of resultaten van eerder onderzoek in de analyse van nieuwe data, door de zogenaamde prior-verdeling voor de modelparameters. Huidig M&S-onderzoek richt zich onder andere op de powerprior-methode. Daarbij nemen onderzoekers de resultaten uit eerder onderzoek niet volledig mee; experts in het betreffende onderzoeksveld mogen aangeven hoe relevant en waardevol de historische studie is voor de onderzoeksvraag van de huidige studie. Elke historische studie krijgt zo een gewicht. Dat gewicht wordt als een macht (‘power’) op de prior-verdeling gezet. 

Door aan resultaten van eerdere studies gewichten toe te kennen, kunnen we ze beter combineren met nieuwe.

Diergeneeskunde

Een voorbeeld uit de diergeneeskunde. Stel: men wil weten welk effect een bepaald medicijn heeft op paarden. Gerandomiseerde studies bij paarden zijn duur; ze kennen meestal maar een kleine steekproef en worden zelden gerepliceerd. Maar er zijn andere diersoorten die dezelfde medicatie krijgen tegen vergelijkbare klachten, en daarover zijn wel veel onderzoeksdata beschikbaar. De vraag die we dan aan experts (dierenartsen en/of paardenspecialisten) voorleggen is: “Hoe relevant is dit onderzoek onder honden/katten/mensen voor de vraag naar effectiviteit van het medicijn bij paarden?”

Sociale wetenschappen

M&S-onderzoekers die zich met dit onderwerp bezighouden, werken vooral in de context van de epidemiologie en  diergeneeskunde. Maar dit onderwerp is ook voor de sociale en gedragswetenschappen interessant. Door resultaten van verschillende studies op flexibele en vooral transparante wijze samen te nemen, kunnen ook deze disciplines zich meer richten op het accumuleren van kennis.

Wetenschappelijk medewerkers