Sử dụng hồi quy tuyến tính phân đoạn làm bằng chứng cho giới hạn tuổi thọ của con người

Thiên nhiên công bố năm nay bài báo sau: Bằng chứng về giới hạn tuổi thọ của con người ¹ , trong đó các tác giả cho rằng "kết quả của họ cho thấy rằng tuổi thọ tối đa của con người là cố định và chịu các ràng buộc tự nhiên."

Một trong những phân tích thống kê của bài báo này đã được đưa ra tại một số trang web, bao gồm bài báo Tự nhiên đã sai về giới hạn 115 năm đối với tuổi thọ của con người và Bằng chứng về giới hạn đánh giá ngang hàng hiệu quả , vì nó xuất hiện trên một số phương tiện truyền thông phổ biến.

Nghiên cứu dựa trên một số điều, dựa trên dữ liệu từ cơ sở dữ liệu chi tiết về tuổi chết tối đa hàng năm. Trong số các phân tích của họ, con số sau đây được bao gồm :

Về cơ bản, các tác giả cho rằng có một điểm dừng, và vì vậy họ đã thực hiện hồi quy phân đoạn trước khoảng năm 1995 và sau thời điểm đó trở đi. Hồi quy được sử dụng làm bằng chứng cho giới hạn tuổi thọ của con người.

Liệu nó có ý nghĩa mặc dù? Nếu không, phương pháp nào tốt hơn có thể được sử dụng để nghiên cứu những dữ liệu này?

_{[1] Đồng, Xiao, Brandon Milholland và Jan Vijg. "Bằng chứng cho một giới hạn cho tuổi thọ của con người." Thiên nhiên 538.7624 (2016): 257-259.}

Trước hết, hãy trích xuất thủ công các giá trị từ Hình 2 ban đầu của chúng và vẽ dữ liệu mà không có bất kỳ màu hoặc đường hồi quy nào thiên vị kiểm tra trực quan đầu tiên của chúng tôi về dữ liệu thô.

year <- c(1968, 1970, 1973, 1975, 1978, 1979, 1980, 1981, 1982, 
          1983, 1984, 1985, 1986, 1987, 1988, 1989, 1990, 1991, 
          1992, 1994, 1993, 1995, 1996, 1998, 1997, 1999, 2000, 
          2001, 2002, 2003, 2004, 2005, 2006)
age <- c(111, 111, 112, 111, 111, 110, 111, 113, 113, 113, 111, 
         114, 113, 114, 114, 112, 112, 112, 114, 115, 117, 112, 
         114, 115, 121, 119, 114, 115, 115, 114, 113, 114, 112)

plot(year,age,xlab="Year",
     ylab="Yearly maximum reported age at death (years)", 
     pch=20,cex=2,ylim=c(108,124),xlim=c(1960,2010))

Chúng tôi đạt được:

Và, hãy làm tương tự cho dữ liệu trong Hình 6 (như được trình bày trong câu hỏi trên):

age <- c(113, 109, 109, 110, 113, 109, 110, 111, 111, 111, 
         112, 112, 113, 111, 111, 113, 113, 113, 114, 115, 
         113, 114, 122, 119, 117, 114, 115, 115, 114, 114, 
         115, 116, 115, 115, 114, 114, 116, 116, 117)
year <- c(1954, 1957, 1958, 1958, 1963, 1964, 1965, 1967,
          1968, 1970, 1975, 1972, 1976, 1976, 1977, 1980, 
          1981, 1982, 1984, 1985, 1986, 1987, 1997, 1998, 
          1998, 1999, 2001, 2001, 2002, 2003, 2006, 2006,
          2008, 2007, 2010, 2011, 2011, 2012, 2015)

plot(year,age,xlab="Year",
     ylab="MRAD from GRG", 
     pch=20,cex=2,ylim=c(108,124),xlim=c(1950,2020))

Có vẻ như một mô hình hồi quy tuyến tính đơn giản sẽ là ứng cử viên tự nhiên thách thức mô hình điểm thay đổi ít phức tạp hơn mà các tác giả đề xuất. Thật vậy, Philipp Berens và Tom Wallis đã làm như vậy và công bố phân tích lại của họ trên github: https://github.com/philippberens/lifespan

$\pm$

1. Khái niệm về tuổi thọ tự nhiên xung đột với sự vượt trội của nghiên cứu về lão hóa, di truyền và telomere.
2. Một thiết kế thử nghiệm để giải quyết tuổi thọ tự nhiên của con người là cần thiết bằng cách sử dụng công nghệ "cơ thể trên chip".
3. 50 năm là hoàn toàn tầm thường trong quá trình lịch sử của loài người. Đã có nhiều điểm trong quá khứ, nơi một xu hướng tăng tuổi thọ được theo sau bởi một xu hướng giảm.
4. Dữ liệu như những dữ liệu được trình bày có thể đã được mô phỏng từ một mô hình phi tuyến tính có sự không liên tục và / hoặc tiệm cận không thể đo lường được.
5. Vì mục tiêu của mô hình là dự đoán, các giả định phân phối và tính chính xác của mô hình trung bình là cần thiết và không (có vẻ như) chúng không được kiểm tra cũng như không được đáp ứng.