Illusione di efficacia (132)

In questo video vi spiegherò come sia possibile trasformare un farmaco con efficacia estremamente bassa, o addirittura zero, in un farmaco di grande efficacia, commettendo degli errori nel modo in cui vengono categorizzati i dati sperimentali. Lascio a voi decidere, tramite una vostra indagine personale, se ci sono stati errori di questo genere, di recente, nel valutare particolari trattamenti profilattici, e se questi errori erano volontari o involontari. Ad ogni modo, indipendentemente dal fatto che quello di cui parleremo abbia pertinenza o meno con recenti situazioni sanitarie, sicuramente si tratta di un piccolo esercizio matematico che ha il suo interesse a prescindere. Questa mia analisi è ispirata da quanto esposto di recente dal matematico Norman Fenton e dall’informatico Martin Neil. PS: Molte persone hanno chiesto a Norman Fenton e Martin Neil perché includevano le persone trattate nel periodo kτ, nel denominatore dell’espressione per calcolare p'_(k+q), se tali persone sono state classificate come ufficialmente non trattate. Cioè, perché considerare un punto (2) e un punto (3) manifestamente contraddittori? (E stessa cosa per i punti (1) e (4). La loro risposta è che negli studi osservazionali le persone trattate e ammalate da un tempo inferiore a kτ vengono classificate come non trattate, mentre quelle che non sono ammalate (che non sono positive) vengono catalogate come trattate a prescindere da considerazioni di intervalli temporali. Questo perché non esiste un gruppo trattato e un gruppo non trattato ben distinti, come avviene nell’ambito di una sperimentazione controllata, e tutto è guidato dall’osservazione dei “casi”. Questo modo di procedere porta a commettere, affermano sempre questi autori, gli errori in questione nella quantificazione dei “denominatori”, e citano come esempio quello del NIMS: National Immunisation Management System. Per visionare il lavoro di questi autori, fare una ricerca inserendo "The illusion of v*****e efficacy revisited. How to make a placebo look 95% effective and guarantee repeat business" Per una lista di studi che commettono questo genere di errori di classificazione, fare una ricerca inserendo "The Very Best of Cheap Trick..... How widespread is the (mal)practice of miscategorising vacc****ion status?" WARNING: il fatto che in alcuni studi vengano usati dei trucchi per gonfiare i dati di efficacia (o relativi agli effetti avversi), non significa, ovviamente, che tutti gli studi siano di questa natura. Scopo di questo video non è rimettere in questione la ricerca farmacologica nel suo assieme (ci mancherebbe) ma attirare l'attenzione su situazioni specifiche di mal pratica nella classificazione dei dati, che è importante imparare a riconoscere e denunciare. Secondo Norman Fenton e Martin Neil, questi "errori" di classificazione possono essere raggruppati in quattro categorie: (1) I trattati da troppo poco tempo (solitamente due o tre settimane) vengono classificati come non trattati, o i trattati due volte vengono classificati come trattati una volta, ecc. (2) I trattati che non possono essere verificati come tali vengono classificati come non trattati. (3) I trattati da troppo poco tempo (solitamente due o tre settimane) non vengono assegnati né alle categorie dei non trattati né a quelle dei trattati e vengono semplicemente rimossi dall'analisi. (4) Le definizioni di trattato e non trattato vengono lasciate intenzionalmente indefinite.