Narkotikatest er en vigtig procedure for at opretholde retfærdighed i sport, men den kan være kontroversiel på grund af fejlslutningen af adoption og fejlslutningen af afvisning. Vi undersøger vigtigheden af at sætte optimale tærskler og hvordan man balancerer begge fejl.
Når man tester atleter i slutningen af en konkurrence, anses enhver atlet, hvis urin- eller blodprøve viser sig at indeholde mere end en vis tærskel af et forbudt stof, for at have taget et forbudt stof og diskvalificeres. Dette er en vigtig proces for at beskytte sportens retfærdighed og atleternes sundhed. Men de fejl, der kan opstå under disse tests, og deres konsekvenser er meget følsomme.
Afhængigt af de anvendte kriterier er det muligt, at en atlet kan konstateres at have taget stoffer, når han eller hun ikke gjorde det, eller omvendt. I statistikker kaldes førstnævnte udvælgelsesfejl (falsk positiv), og sidstnævnte kaldes afvisningsfejl (falsk negativ). Disse fejl kan forekomme afhængigt af testmetodens følsomhed og specificitet og den indstillede cut-off værdi.
I førstnævnte tilfælde kan stoffetesteren betale en alvorlig pris, såsom en ærekrænkelsessag fra atleten og tab af troværdighed for testorganisationen, mens der i sidstnævnte tilfælde næsten ikke er nogen pris at betale, fordi få atleter vil tilstå . Det betyder, at vi skal være meget forsigtige, når vi opstiller standarderne for narkotikatestning, hvilket kan føre til ansvars- og troværdighedsproblemer for testere og organisationer.
På den anden side kan der findes eksempler på, hvordan adoptionsfejlen og afvisningsfejlen påvirker hinanden på forskellige måder, på mange områder, ikke kun ved narkotikatestning. For eksempel kan uskyldige passagerer ved sikkerhedsscreening i lufthavne blive generet eller bagvasket, når der anvendes strenge screeningskriterier for at fange terrorister. Dette viser, hvor vigtigt det er at finde en balance mellem følsomhed og specificitet i sikkerhedsscreeningen. På hvert af disse områder er det vigtigt at lede efter måder at minimere risikoen for fejl og øge pålideligheden.
På den anden side er omkostningerne ved en fejl i accept nogle gange mindre indlysende, mens omkostningerne ved en fejl ved afvisning er mere indlysende. Når banker beslutter, om de skal godkende et lån til en kunde, afgør de, om kunden sandsynligvis vil misligholde lånet. Afhængig af godkendelseskriterierne er der to typer fejl: Adoptionsfejl, hvor banken beslutter, at kunden vil tilbagebetale lånet (og misligholder), og afvisningsfejl, hvor banken beslutter, at kunden ikke vil tilbagebetale lånet (og ikke vil misligholde).
I dette tilfælde er bankens manglende evne til at øge driftsresultatet ved ikke at udlåne mindre indlysende, mens bankens manglende tilbagebetaling af lånet efter udlån er mere åbenlys. Af denne grund skal banker være mere forsigtige, når de opstiller kriterier for lånegodkendelse, og det er vigtigt at balancere acceptfejlen med fejlen ved afvisning.
Når der opstilles kriterier, vil lægemiddelscreenere og banker ønske at reducere omkostningerne ved fejl, der er relativt åbenlyse. Disse to fejl for det samme mål er dog vippet med hinanden. Det vil sige, at skift af kriterierne for at reducere acceptfejlen vil øge fejlen ved afvisning, og at flytte kriterierne for at reducere fejlen ved afvisning vil øge acceptfejlen, så du kan ikke reducere sandsynligheden for begge fejl sammen. Statistikere siger, at ethvert detektionssystem blot omfordeler sandsynligheden for enten adoptionsfejlen eller afvisningsfejlen, så det er vigtigt ikke at fokusere på omkostningerne ved en fejl og overse, at reduktion af den vil øge den anden.
Så det er vigtigt at finde en balance, når man sætter standarder. Det er et princip, der kan anvendes på mange områder, ikke kun lægemiddeltest eller lånegodkendelser. Det endelige mål bør være at minimere forekomsten af fejl og samtidig opretholde pålidelighed og retfærdighed gennem de rigtige kriterier. Dette kan gøres ved at udnytte relevante data og statistiske analyser og ved løbende at overvåge og justere kriterierne for at optimere dem.
