ABOUT THE SPEAKER
Ben Goldacre - Debunker
Ben Goldacre unpicks dodgy scientific claims made by scaremongering journalists, dubious government reports, pharmaceutical corporations, PR companies and quacks.

Why you should listen

"It was the MMR story that finally made me crack," begins the Bad Science manifesto, referring to the sensationalized -- and now-refuted -- link between vaccines and autism. With that sentence Ben Goldacre fired the starting shot of a crusade waged from the pages of The Guardian from 2003 to 2011, on an addicitve Twitter feed, and in bestselling books, including Bad Science and his latest, Bad Pharma, which puts the $600 billion global pharmaceutical industry under the microscope. What he reveals is a fascinating, terrifying mess.

Goldacre was trained in medicine at Oxford and London, and works as an academic in epidemiology. Helped along by this inexhaustible supply of material, he also travels the speaking circuit, promoting skepticism and nerdish curiosity with fire, wit, fast delivery and a lovable kind of exasperation. (He might even convince you that real science, sober reporting and reason are going to win in the end.)

As he writes, "If you're a journalist who misrepresents science for the sake of a headline, a politician more interested in spin than evidence, or an advertiser who loves pictures of molecules in little white coats, then beware: your days are numbered."

Read an excerpt of Bad Pharma >>

More profile about the speaker
Ben Goldacre | Speaker | TED.com
TEDGlobal 2011

Ben Goldacre: Battling bad science

Μπεν Γκολντέικερ: Ενάντια στην κακή επιστήμη

Filmed:
2,713,579 views

Καθημερινά ακούμε στις ειδήσεις νέες συμβουλές υγείας, αλλά πώς μπορούμε να ξέρουμε αν είναι σωστές; Ο γιατρός και επιδημιολόγος Μπεν Γκολντέικερ μας δείχνει πώς μπορούν να διαστρεβλωθούν τα στοιχεία, από τους πασιφανείς ισχυρισμούς για τη διατροφή μέχρι τα ανεπαίσθητα τρικ της φαρμακευτικής βιομηχανίας.
- Debunker
Ben Goldacre unpicks dodgy scientific claims made by scaremongering journalists, dubious government reports, pharmaceutical corporations, PR companies and quacks. Full bio

Double-click the English transcript below to play the video.

00:15
So I'm a doctorγιατρός, but I kindείδος of slippedγλίστρησε sidewaysστο πλάι into researchέρευνα,
0
0
3000
Είμαι γιατρός, αλλά έτυχε και ασχολήθηκα με την έρευνα,
00:18
and now I'm an epidemiologistεπιδημιολόγος.
1
3000
2000
και τώρα είμαι επιδημιολόγος.
00:20
And nobodyκανείς really knowsξέρει what epidemiologyεπιδημιολογία is.
2
5000
2000
H Επιδημιολογία είναι η επιστήμη που
00:22
EpidemiologyΕπιδημιολογία is the scienceεπιστήμη of how we know in the realπραγματικός worldκόσμος
3
7000
3000
αναζητά τη γνώση του τι πραγματικά
00:25
if something is good for you or badκακό for you.
4
10000
2000
μας κάνει καλό και τι κακό.
00:27
And it's bestκαλύτερος understoodκατανοητή throughδιά μέσου exampleπαράδειγμα
5
12000
2000
Θα την καταλάβετε καλύτερα μέσα από παραδείγματα,
00:29
as the scienceεπιστήμη of those crazyτρελός, wackyεκκεντρικός newspaperεφημερίδα headlinesπρωτοσέλιδα.
6
14000
5000
ως την επιστήμη εκείνων των αλλόκοτων επικεφαλίδων.
00:34
And these are just some of the examplesπαραδείγματα.
7
19000
2000
Ορίστε μερικά παραδείγματα.
00:36
These are from the DailyΚαθημερινά MailΤαχυδρομείο. EveryΚάθε countryΧώρα in the worldκόσμος has a newspaperεφημερίδα like this.
8
21000
3000
Από τη Ντέιλι Μέιλ. Σε κάθε χώρα υπάρχουν τέτοιες εφημερίδες.
00:39
It has this bizarreΠαράξενα σεξ, ongoingσε εξέλιξη philosophicalφιλοσοφικός projectέργο
9
24000
3000
Έχει τον αλλόκοτο σκοπό να διαχωρίσει
00:42
of dividingδιαιρώντας all the inanimateάψυχος objectsαντικείμενα in the worldκόσμος
10
27000
2000
όλα τα άψυχα αντικείμενα στον κόσμο
00:44
into the onesαυτές that eitherείτε causeαιτία or preventαποτρέψει cancerΚαρκίνος.
11
29000
3000
σε όσα προξενούν και όσα προλαμβάνουν τον καρκίνο.
00:47
So here are some of the things they said causeαιτία cancerΚαρκίνος recentlyπρόσφατα:
12
32000
2000
Τα παρακάτω είπαν πως είναι καρκινογόνα:
00:49
divorceδιαζύγιο, Wi-FiWi-Fi, toiletriesπροϊόντα περιποίησης and coffeeκαφές.
13
34000
2000
το διαζύγιο, τα ασύρματα δίκτυα, τα καλλυντικά, ο καφές.
00:51
Here are some of the things they say preventsαποτρέπει την cancerΚαρκίνος:
14
36000
2000
Τα παρακάτω πως προλαμβάνουν τον καρκίνο:
00:53
crustsκρουστών, redτο κόκκινο pepperπιπέρι, licoriceγλυκόριζα and coffeeκαφές.
15
38000
2000
οι κρούστες, το κόκκινο πιπέρι, η γλυκόριζα, ο καφές.
00:55
So alreadyήδη you can see there are contradictionsαντιφάσεις.
16
40000
2000
Βλέπετε ήδη αντιφάσεις:
00:57
CoffeeΚαφέ bothκαι τα δυο causesαιτίες and preventsαποτρέπει την cancerΚαρκίνος.
17
42000
2000
ο καφές προξενεί και προλαμβάνει τον καρκίνο.
00:59
And as you startαρχή to readανάγνωση on, you can see
18
44000
2000
Όσο συνεχίζετε να διαβάζετε
01:01
that maybe there's some kindείδος of politicalπολιτικός valenceσθένους behindπίσω some of this.
19
46000
3000
αντιλαμβάνεστε πως ίσως υπάρχoυν κάποιες σκοπιμότητες πίσω από μερικά.
01:04
So for womenγυναίκες, houseworkοικιακές εργασίες preventsαποτρέπει την breastστήθος cancerΚαρκίνος,
20
49000
2000
Οι δουλειές του σπιτιού προλαμβάνουν τον καρκίνο του στήθους στις γυναίκες, λέει
01:06
but for menάνδρες, shoppingψώνια could make you impotentανίκανη.
21
51000
3000
αλλά τα ψώνια μπορούν να προκαλέσουν ανικανότητα στους άντρες.
01:09
So we know that we need to startαρχή
22
54000
3000
Οπότε ξέρουμε πως πρέπει να
01:12
unpickingδιαμελιστούν the scienceεπιστήμη behindπίσω this.
23
57000
3000
εξετάσουμε την επιστήμη πίσω απ' όλα αυτά.
01:15
And what I hopeελπίδα to showπροβολή
24
60000
2000
Αυτό που θέλω να σας δείξω
01:17
is that unpickingδιαμελιστούν dodgydodgy claimsαξιώσεις,
25
62000
2000
είναι πως η εξιχνίαση τέτοιων περίεργων ισχυρισμών
01:19
unpickingδιαμελιστούν the evidenceαπόδειξη behindπίσω dodgydodgy claimsαξιώσεις,
26
64000
2000
και των τεκμηρίων τους
01:21
isn't a kindείδος of nastyάσχημη carpingκακόβουλη activityδραστηριότητα;
27
66000
3000
δεν είναι κακή, δεν είναι ύπουλη.
01:24
it's sociallyκοινωνικά usefulχρήσιμος,
28
69000
2000
Είναι χρήσιμη για την κοινωνία
01:26
but it's alsoεπίσης an extremelyεπακρώς valuableπολύτιμος
29
71000
2000
αλλά και ένα πολύ σημαντικό
01:28
explanatoryεπεξηγηματικός toolεργαλείο.
30
73000
2000
εργαλείο εξηγήσεων.
01:30
Because realπραγματικός scienceεπιστήμη is all about
31
75000
2000
Επειδή η πραγματική επιστήμη βασίζεται
01:32
criticallyκρισίμως appraisingαξιολόγηση the evidenceαπόδειξη for somebodyκάποιος else'sαλλού positionθέση.
32
77000
2000
στην κριτική αξιολόγηση των τεκμηρίων.
01:34
That's what happensσυμβαίνει in academicακαδημαϊκός journalsεπιστημονικά περιοδικά.
33
79000
2000
Αυτό συμβαίνει στις ακαδημαϊκές επιθεωρήσεις
01:36
That's what happensσυμβαίνει at academicακαδημαϊκός conferencesσυνέδρια.
34
81000
2000
και στα ακαδημαϊκά συνέδρια.
01:38
The Q&A sessionσυνεδρία after a post-opμετα-op presentsπαρουσιάζει dataδεδομένα
35
83000
2000
Οι ερωτοαπαντήσεις μετά την παρουσίαση δεδομένων
01:40
is oftenσυχνά a bloodαίμα bathλουτρό.
36
85000
2000
είναι συχνά λουτρό αίματος.
01:42
And nobodyκανείς mindsμυαλά that. We activelyδραστήρια welcomeκαλως ΗΡΘΑΤΕ it.
37
87000
2000
Αυτό δε μας πειράζει, ίσα-ίσα
01:44
It's like a consentingτη συγκατάθεσή σας intellectualδιανοούμενος S&M activityδραστηριότητα.
38
89000
3000
το ενθαρρύνουμε, αν και είναι κάπως σαδομαζοχιστικό.
01:47
So what I'm going to showπροβολή you
39
92000
2000
Θα σας δείξω
01:49
is all of the mainκύριος things,
40
94000
2000
όλα τα κύρια στοιχεία
01:51
all of the mainκύριος featuresχαρακτηριστικά of my disciplineπειθαρχία --
41
96000
2000
της επιστήμης μου:
01:53
evidence-basedβασίζονται σε τεκμηριωμένα στοιχεία medicineφάρμακο.
42
98000
2000
της τεκμηριωμένης ιατρικής.
01:55
And I will talk you throughδιά μέσου all of these
43
100000
2000
Θα σας τα εξηγήσω
01:57
and demonstrateαποδείξει how they work,
44
102000
2000
και θα σας δείξω πώς δουλεύουν,
01:59
exclusivelyαποκλειστικά usingχρησιμοποιώντας examplesπαραδείγματα of people gettingνα πάρει stuffυλικό wrongλανθασμένος.
45
104000
3000
χρησιμοποιώντας αποκλειστικά παραδείγματα λανθασμένων ισχυρισμών.
02:02
So we'llΚαλά startαρχή with the absoluteαπόλυτος weakestπιο αδύναμος formμορφή of evidenceαπόδειξη knownγνωστός to man,
46
107000
3000
Θα αρχίσουμε με την πιο αδύναμη μορφή αποδείξεων που ξέρουμε,
02:05
and that is authorityεξουσία.
47
110000
2000
την εξουσία.
02:07
In scienceεπιστήμη, we don't careΦροντίδα how manyΠολλά lettersγράμματα you have after your nameόνομα.
48
112000
3000
Στην επιστήμη, δε μας νοιάζουν οι τίτλοι σας,
02:10
In scienceεπιστήμη, we want to know what your reasonsαιτιολογικό are for believingπιστεύοντας something.
49
115000
3000
θέλουμε να ξέρουμε τους λόγους για τους οποίους πιστεύετε κάτι.
02:13
How do you know that something is good for us
50
118000
2000
Πώς ξέρετε πως κάτι είναι καλό
02:15
or badκακό for us?
51
120000
2000
ή κακό για μας;
02:17
But we're alsoεπίσης unimpressedεντυπωσιαστεί by authorityεξουσία,
52
122000
2000
Επίσης δε μας εντυπωσιάζει η εξουσία
02:19
because it's so easyεύκολος to contriveσχεδιάζω.
53
124000
2000
επειδή είναι τόσο εύκολο να την παραποιήσεις.
02:21
This is somebodyκάποιος calledπου ονομάζεται DrDr. GillianGillian McKeithΒασιλική Ζιώγα PhPH.D,
54
126000
2000
Ορίστε η Δρ. Γκίλιαν Μακ Κιθ, Ph.D,
02:23
or, to give her fullγεμάτος medicalιατρικός titleτίτλος, GillianGillian McKeithΒασιλική Ζιώγα.
55
128000
3000
ή, για να σας δώσω τον πλήρη ιατρικό της τίτλο,
02:26
(LaughterΤο γέλιο)
56
131000
3000
η Γκίλιαν Μακ Κιθ.
02:29
Again, everyκάθε countryΧώρα has somebodyκάποιος like this.
57
134000
2000
Τέτοια άτομα υπάρχουν παντού.
02:31
She is our TVΤΗΛΕΌΡΑΣΗ dietδιατροφή guruγκουρού.
58
136000
2000
Είναι τηλεοπτική 'ειδικός' στις δίαιτες.
02:33
She has massiveογκώδης fiveπέντε seriesσειρά of prime-timeprime time televisionτηλεόραση,
59
138000
3000
Έχει τέσσερις εκπομπές στην υψηλή ζώνη τηλεθέασης
02:36
givingδίνοντας out very lavishΚατασπαταλήστε and exoticεξωτικά healthυγεία adviceσυμβουλή.
60
141000
3000
και μοιράζει εντυπωσιακές, εξωτικές συμβουλές υγείας.
02:39
She, it turnsστροφές out, has a non-accreditedμη διαπιστευμένους correspondenceαλληλογραφία courseσειρά μαθημάτων PhPH.D.
61
144000
3000
Έχει ένα μη αναγνωρισμένο Διδακτορικό που πήρε
02:42
from somewhereκάπου in AmericaΑμερική.
62
147000
2000
με αλληλογραφία, από κάπου στην Αμερική.
02:44
She alsoεπίσης boastsμπορεί να υπερηφανεύεται that she's a certifiedπιστοποιημένη professionalεπαγγελματίας memberμέλος
63
149000
2000
Επίσης καυχιέται πως είναι πιστοποιημένο μέλος
02:46
of the AmericanΑμερικανική AssociationΣύλλογος of NutritionalΔιατροφική ConsultantsΣύμβουλοι,
64
151000
2000
του Αμερικανικού Συλλόγου Συμβούλων Διατροφής,
02:48
whichοι οποίες soundsήχους very glamorousγοητευτικός and excitingσυναρπαστικός.
65
153000
2000
που ακούγεται πολύ εντυπωσιακό,
02:50
You get a certificateπιστοποιητικό and everything.
66
155000
2000
μια που διαθέτει και πιστοποιητικό.
02:52
This one belongsανήκει to my deadνεκρός catΓάτα HettiHetti. She was a horribleφρικτός catΓάτα.
67
157000
2000
Αυτό ανήκει στη μακαρίτισσα τη γάτα μου, τη Χέτι.
02:54
You just go to the websiteδικτυακός τόπος, fillγέμισμα out the formμορφή,
68
159000
2000
Πηγαίνεις στην ιστοσελίδα τους, συμπληρώνεις μια αίτηση,
02:56
give them $60, and it arrivesφτάνει in the postΘέση.
69
161000
2000
τους δίνεις 60 δολάρια και το πιστοποιητικό καταφτάνει ταχυδρομικώς.
02:58
Now that's not the only reasonλόγος that we think this personπρόσωπο is an idiotβλάκας.
70
163000
2000
Αυτός δεν είναι ο μόνος λόγος που η Μακ Κιθ είναι ηλίθια.
03:00
She alsoεπίσης goesπηγαίνει and saysλέει things like,
71
165000
2000
Λέει επίσης, κάτι πράγματα, όπως:
03:02
you should eatτρώω lots of darkσκοτάδι greenπράσινος leavesφύλλα,
72
167000
2000
«Πρέπει να τρώτε πολλά σκούρα πράσινα λαχανικά,
03:04
because they containπεριέχω lots of chlorophyllχλωροφύλλη, and that will really oxygenateοξυγόνωσης your bloodαίμα.
73
169000
2000
επειδή περιέχουν πολλή χλωροφύλλη, που θα σας οξυγονώσει καλά το αίμα».
03:06
And anybodyοποιοσδήποτε who'sποιος είναι doneΈγινε schoolσχολείο biologyβιολογία remembersθυμάται
74
171000
2000
Οποιοσδήποτε έχει κάνει βιολογία στο σχολείο
03:08
that chlorophyllχλωροφύλλη and chloroplastsχλωροπλάστες
75
173000
2000
θυμάται πως η χλωροφύλλη και οι χλωροπλάστες
03:10
only make oxygenοξυγόνο in sunlightηλιακό φως,
76
175000
2000
παράγουν οξυγόνο με το φως του ηλίου
03:12
and it's quiteαρκετά darkσκοτάδι in your bowelsσπλάχνα after you've eatenτρώγονται spinachσπανάκι.
77
177000
3000
και δεν πέφτει και πολύς ήλιος στα έντερά μας.
03:15
NextΕπόμενη, we need properορθή scienceεπιστήμη, properορθή evidenceαπόδειξη.
78
180000
3000
Χρειαζόμαστε σωστή επιστήμη, σωστή τεκμηρίωση.
03:18
So, "RedΚόκκινο wineκρασί can help preventαποτρέψει breastστήθος cancerΚαρκίνος."
79
183000
2000
Μια επικεφαλίδα της βρετανικής εφημερίδας Ντέιλι Τέλεγκραφ:
03:20
This is a headlineεπικεφαλίδα from the DailyΚαθημερινά TelegraphΤηλέγραφος in the U.K.
80
185000
2000
«Ένα ποτήρι κόκκινο κρασί την ημέρα
03:22
"A glassποτήρι of redτο κόκκινο wineκρασί a day could help preventαποτρέψει breastστήθος cancerΚαρκίνος."
81
187000
3000
προλαμβάνει τον καρκίνο του στήθους».
03:25
So you go and find this paperχαρτί, and what you find
82
190000
2000
Διαβάζεις την εφημερίδα,
03:27
is it is a realπραγματικός pieceκομμάτι of scienceεπιστήμη.
83
192000
2000
και βρίσκεις αληθινή επιστήμη:
03:29
It is a descriptionπεριγραφή of the changesαλλαγές in one enzymeένζυμο
84
194000
3000
περιγράφει τις αλλαγές που προκαλεί μια χημική ουσία
03:32
when you dripστάγδην a chemicalχημική ουσία extractedεξάγεται from some redτο κόκκινο grapeσταφύλι skinδέρμα
85
197000
3000
που περιέχει η φλούδα του κόκκινου σταφυλιού
03:35
ontoεπάνω σε some cancerΚαρκίνος cellsκυττάρων
86
200000
2000
όταν τη στάξουμε σε καρκινικά κύτταρα,
03:37
in a dishπιάτο on a benchπαγκάκι in a laboratoryεργαστήριο somewhereκάπου.
87
202000
3000
σε ένα τρυβλίο, κάπου σε ένα εργαστήριο.
03:40
And that's a really usefulχρήσιμος thing to describeπεριγράφω
88
205000
2000
Πολύ χρήσιμο δεδομένο
03:42
in a scientificεπιστημονικός paperχαρτί,
89
207000
2000
για μια επιστημονική επιθεώρηση,
03:44
but on the questionερώτηση of your ownτα δικά personalπροσωπικός riskκίνδυνος
90
209000
2000
αλλά δε σου λέει απολύτως τίποτα
03:46
of gettingνα πάρει breastστήθος cancerΚαρκίνος if you drinkποτό redτο κόκκινο wineκρασί,
91
211000
2000
για τις πιθανότητες να πάθεις καρκίνο
03:48
it tellsλέει you absolutelyαπολύτως buggerγαμώ all.
92
213000
2000
αν πίνεις κόκκινο κρασί.
03:50
ActuallyΣτην πραγματικότητα, it turnsστροφές out that your riskκίνδυνος of breastστήθος cancerΚαρκίνος
93
215000
2000
Μάλιστα, ο κίνδυνος καρκίνου του στήθους
03:52
actuallyπράγματι increasesαυξάνεται slightlyελαφρώς
94
217000
2000
αυξάνεται οριακά
03:54
with everyκάθε amountποσό of alcoholαλκοόλ that you drinkποτό.
95
219000
2000
και προσθετικά με κάθε οινοπνευματώδες.
03:56
So what we want is studiesσπουδές in realπραγματικός humanο άνθρωπος people.
96
221000
4000
Αυτό που χρειαζόμαστε, είναι μελέτες σε ανθρώπους.
04:00
And here'sεδώ είναι anotherαλλο exampleπαράδειγμα.
97
225000
2000
Ορίστε άλλο παράδειγμα,
04:02
This is from Britain'sΤης Μεγάλης Βρετανίας leadingκύριος dietδιατροφή and nutritionistΔιατροφολόγος in the DailyΚαθημερινά MirrorΚαθρέφτης,
98
227000
3000
από τη διαιτολόγο/διατροφολόγο της δεύτερης σε κυκλοφορία
04:05
whichοι οποίες is our secondδεύτερος biggestμέγιστος sellingπώληση newspaperεφημερίδα.
99
230000
2000
εφημερίδας της Βρετανίας, την Ντέιλι Μίρορ:
04:07
"An AustralianΑυστραλιανή studyμελέτη in 2001
100
232000
2000
«Μια αυστραλέζικη μελέτη του 2001
04:09
foundβρέθηκαν that oliveελιά oilλάδι in combinationσυνδυασμός with fruitsφρούτα, vegetablesλαχανικά and pulsesόσπρια
101
234000
2000
έδειξε πως το ελαιόλαδο, τα φρούτα, τα λαχανικά και τα όσπρια
04:11
offersπροσφορές measurableμετρήσιμη protectionΠΡΟΣΤΑΣΙΑ againstκατά skinδέρμα wrinklingswrinklings."
102
236000
2000
προσφέρουν ισχυρή προστασία ενάντια στις ρυτίδες».
04:13
And then they give you adviceσυμβουλή:
103
238000
2000
Και σου λένε:
04:15
"If you eatτρώω oliveελιά oilλάδι and vegetablesλαχανικά, you'llθα το κάνετε have fewerλιγότεροι skinδέρμα wrinklesρυτίδες."
104
240000
2000
«Αν τρως ελαιόλαδο και λαχανικά, θα έχεις λιγότερες ρυτίδες».
04:17
And they very helpfullyπρόθυμα tell you how to go and find the paperχαρτί.
105
242000
2000
Πηγαίνεις και βρίσκεις τη μελέτη
04:19
So you go and find the paperχαρτί, and what you find is an observationalπαρατήρησης studyμελέτη.
106
244000
3000
και ανακαλύπτεις πως είναι μελέτη παρατήρησης.
04:22
ObviouslyΠροφανώς nobodyκανείς has been ableικανός
107
247000
2000
Προφανώς και κανείς δεν ταξίδεψε
04:24
to go back to 1930,
108
249000
2000
στο 1930, δεν πήρε
04:26
get all the people bornγεννημένος in one maternityάδεια μητρότητας unitμονάδα,
109
251000
3000
όλους όσους γεννήθηκαν σε ένα μαιευτήριο
04:29
and halfΉμισυ of them eatτρώω lots of fruitκαρπός and vegveg and oliveελιά oilλάδι,
110
254000
2000
και δεν έβαλε τους μισούς να τρώνε λαχανικά και ελαιόλαδο και φρούτα
04:31
and then halfΉμισυ of them eatτρώω McDonald'sMcDonald's,
111
256000
2000
και τους άλλους μισούς να τρώνε Μακ Ντόναλντς
04:33
and then we see how manyΠολλά wrinklesρυτίδες you've got laterαργότερα.
112
258000
2000
για να μετρήσει πόσες ρυτίδες έχουν.
04:35
You have to take a snapshotστιγμιότυπο of how people are now.
113
260000
2000
Είδαν απλώς πώς είναι οι άνθρωποι αυτοί σήμερα.
04:37
And what you find is, of courseσειρά μαθημάτων,
114
262000
2000
Και βεβαίως βρίσκουμε πως
04:39
people who eatτρώω vegveg and oliveελιά oilλάδι have fewerλιγότεροι skinδέρμα wrinklesρυτίδες.
115
264000
3000
όσοι τρέφονται έτσι έχουν λιγότερες ρυτίδες,
04:42
But that's because people who eatτρώω fruitκαρπός and vegveg and oliveελιά oilλάδι,
116
267000
3000
αλλά αυτό γίνεται επειδή όσοι τρώνε φρούτα, λαχανικά και ελαιόλαδο
04:45
they're freaksφρικιά, they're not normalκανονικός, they're like you;
117
270000
3000
δεν είναι καθημερινοί άνθρωποι, είναι ιδιαίτεροι, σαν και εσάς:
04:48
they come to eventsγεγονότα like this.
118
273000
2000
έρχονται σε τέτοιες εκδηλώσεις.
04:50
They are poshΠος, they're wealthyπλούσιος, they're lessπιο λιγο likelyπιθανός to have outdoorεξωτερική jobsθέσεις εργασίας,
119
275000
3000
Είναι κυριλέδες, πλούσιοι, συνήθως δεν κάνουν εξωτερικές ούτε
04:53
they're lessπιο λιγο likelyπιθανός to do manualεγχειρίδιο laborεργασία,
120
278000
2000
χειρονακτικές δουλειές
04:55
they have better socialκοινωνικός supportυποστήριξη, they're lessπιο λιγο likelyπιθανός to smokeκαπνός --
121
280000
2000
έχουν καλύτερη κοινωνική στήριξη, συνήθως δεν καπνίζουν...
04:57
so for a wholeολόκληρος hostπλήθος of fascinatingγοητευτικός, interlockingσύμπλεξη
122
282000
2000
οπότε για πολλούς συναρπαστικούς, μπερδεμένους
04:59
socialκοινωνικός, politicalπολιτικός and culturalπολιτιστικός reasonsαιτιολογικό,
123
284000
2000
κοινωνικούς, πολιτικούς και πολιτισμικούς λόγους
05:01
they are lessπιο λιγο likelyπιθανός to have skinδέρμα wrinklesρυτίδες.
124
286000
2000
είναι λιγότερο πιθανό να έχουν ρυτίδες.
05:03
That doesn't mean that it's the vegetablesλαχανικά or the oliveελιά oilλάδι.
125
288000
2000
Αυτό δε σημαίνει πως ευθύνονται τα λαχανικά
05:05
(LaughterΤο γέλιο)
126
290000
2000
ούτε το ελαιόλαδο.
05:07
So ideallyιδανικά what you want to do is a trialδίκη.
127
292000
3000
(Γέλια) Ιδανικά,
05:10
And everybodyόλοι thinksσκέφτεται they're very familiarοικείος with the ideaιδέα of a trialδίκη.
128
295000
2000
χρειάζεται μια κλινική μελέτη.
05:12
TrialsΔοκιμές are very oldπαλαιός. The first trialδίκη was in the BibleΑγία Γραφή -- DanielΔανιήλ 1:12.
129
297000
3000
Είναι πανάρχαιες. Η πρώτη εμφανίστηκε στη Βίβλο -- Δανιήλ 1:12.
05:15
It's very straightforwardειλικρινής -- you take a bunchδέσμη of people, you splitσπλιτ them in halfΉμισυ,
130
300000
2000
Παίρνεις μια ομάδα, τη χωρίζεις στα δύο,
05:17
you treatκέρασμα one groupομάδα one way, you treatκέρασμα the other groupομάδα the other way,
131
302000
2000
στους μισούς κάνεις κάτι,
05:19
and a little while laterαργότερα, you followακολουθηστε them up
132
304000
2000
στους υπόλοιπους κάτι άλλο,
05:21
and see what happenedσυνέβη to eachκαθε of them.
133
306000
2000
και βλέπεις τι συνέβη στον καθένα.
05:23
So I'm going to tell you about one trialδίκη,
134
308000
2000
Θα σας πω για μια πολυσυζητημένη
05:25
whichοι οποίες is probablyπιθανώς the mostπλέον well-reportedκαλά-που αναφέρθηκαν trialδίκη
135
310000
2000
στα Βρετανικά ΜΜΕ μελέτη:
05:27
in the U.K. newsΝέα mediaμεσο ΜΑΖΙΚΗΣ ΕΝΗΜΕΡΩΣΗΣ over the pastτο παρελθόν decadeδεκαετία.
136
312000
2000
Την κλινική δοκιμή
05:29
And this is the trialδίκη of fishψάρι oilλάδι pillsχάπια.
137
314000
2000
των χαπιών μουρουνέλαιου.
05:31
And the claimαπαίτηση was fishψάρι oilλάδι pillsχάπια improveβελτιώσει schoolσχολείο performanceεκτέλεση and behaviorη ΣΥΜΠΕΡΙΦΟΡΑ
138
316000
2000
Ισχυριζόταν πως τα χάπια μουρουνέλαιου βελτιώνουν τις σχολικές επιδόσεις
05:33
in mainstreammainstream childrenπαιδιά.
139
318000
2000
και τη συμπεριφορά του μέσου παιδιού.
05:35
And they said, "We'veΈχουμε doneΈγινε a trialδίκη.
140
320000
2000
Είπαν «Αρχίζουμε κλινική μελέτη.
05:37
All the previousπροηγούμενος trialsδοκιμές were positiveθετικός, and we know this one'sκάποιου gonna be too."
141
322000
2000
Όλες οι προηγούμενες ήταν θετικές, άρα θα είναι και αυτή».
05:39
That should always ringδαχτυλίδι alarmτρομάζω bellsκαμπάνες.
142
324000
2000
Αυτό πρέπει πάντα να μας βάζει σε υποψίες.
05:41
Because if you alreadyήδη know the answerαπάντηση to your trialδίκη, you shouldn'tδεν θα έπρεπε be doing one.
143
326000
3000
Αφού, εάν ξέρεις εκ των προτέρων το αποτέλεσμα, γιατί αρχίζεις μελέτη;
05:44
EitherΕίτε you've riggedελεγχθεί it by designσχέδιο,
144
329000
2000
Ή έχεις μαγειρέψει τη μεθοδολογία,
05:46
or you've got enoughαρκετά dataδεδομένα so there's no need to randomizeτυχαιοποιήσουν people anymoreπια.
145
331000
3000
ή έχεις αρκετά στοιχεία, οπότε δε χρειάζεται να την κάνεις.
05:49
So this is what they were going to do in theirδικα τους trialδίκη.
146
334000
3000
Ορίστε τι σκόπευαν να κάνουν:
05:52
They were takingλήψη 3,000 childrenπαιδιά,
147
337000
2000
Θα έπαιρναν 3.000 παιδιά
05:54
they were going to give them all these hugeτεράστιος fishψάρι oilλάδι pillsχάπια,
148
339000
2000
θα τους έδιναν τεράστια χάπια μουρουνέλαιου,
05:56
sixέξι of them a day,
149
341000
2000
έξι την ημέρα,
05:58
and then a yearέτος laterαργότερα, they were going to measureμετρήσει theirδικα τους schoolσχολείο examεξετάσεις performanceεκτέλεση
150
343000
3000
και μετά από ένα χρόνο, θα μετρούσαν τις σχολικές τους επιδόσεις
06:01
and compareσυγκρίνω theirδικα τους schoolσχολείο examεξετάσεις performanceεκτέλεση
151
346000
2000
και θα τις σύγκριναν με τις επιδόσεις
06:03
againstκατά what they predictedπροβλεπόταν theirδικα τους examεξετάσεις performanceεκτέλεση would have been
152
348000
2000
που είχαν προβλέψει πως θα είχαν
06:05
if they hadn'tδεν είχε had the pillsχάπια.
153
350000
3000
εάν δεν έπαιρναν τα χάπια.
06:08
Now can anybodyοποιοσδήποτε spotσημείο a flawελάττωμα in this designσχέδιο?
154
353000
3000
Μπορεί κανείς να βρει το σφάλμα εδώ;
06:11
And no professorsκαθηγητές of clinicalκλινικός trialδίκη methodologyμεθοδολογία
155
356000
3000
Απαγορεύεται να απαντήσουν καθηγητές
06:14
are allowedεπιτρέπεται to answerαπάντηση this questionερώτηση.
156
359000
2000
μεθοδολογίας κλινικών δοκιμών.
06:16
So there's no controlέλεγχος; there's no controlέλεγχος groupομάδα.
157
361000
2000
Δεν υπάρχει ομάδα ελέγχου.
06:18
But that soundsήχους really techietechie.
158
363000
2000
Ακούγεται λίγο κάπως.
06:20
That's a technicalτεχνικός termόρος.
159
365000
2000
Είναι τεχνικός όρος.
06:22
The kidsπαιδιά got the pillsχάπια, and then theirδικα τους performanceεκτέλεση improvedβελτίωση.
160
367000
2000
Τα παιδιά πήραν τα χάπια, και οι επιδόσεις τους βελτιώθηκαν.
06:24
What elseαλλού could it possiblyπιθανώς be if it wasn'tδεν ήταν the pillsχάπια?
161
369000
3000
Από τι άλλο αν όχι από τα χάπια;
06:27
They got olderΠαλαιότερα. We all developαναπτύσσω over time.
162
372000
3000
Μεγάλωσαν. Όλοι εξελισσόμαστε όσο μεγαλώνουμε.
06:30
And of courseσειρά μαθημάτων, alsoεπίσης there's the placeboεικονικό φάρμακο effectαποτέλεσμα.
163
375000
2000
Και υπάρχει και η επίδραση του εικονικού φάρμακου,
06:32
The placeboεικονικό φάρμακο effectαποτέλεσμα is one of the mostπλέον fascinatingγοητευτικός things in the wholeολόκληρος of medicineφάρμακο.
164
377000
2000
ένα από τα συναρπαστικότερα ιατρικά φαινόμενα.
06:34
It's not just about takingλήψη a pillχάπι, and your performanceεκτέλεση and your painπόνος gettingνα πάρει better.
165
379000
3000
Δεν αφορά μόνο την κατάποση ενός ψεύτικου χαπιού,
06:37
It's about our beliefsτις πεποιθήσεις and expectationsπροσδοκίες.
166
382000
2000
αφορά τα πιστεύω και τις προσδοκίες μας.
06:39
It's about the culturalπολιτιστικός meaningέννοια of a treatmentθεραπεία.
167
384000
2000
Αφορά την πολιτισμική σημασία μιας θεραπείας.
06:41
And this has been demonstratedαποδεδειγμένη in a wholeολόκληρος raftσχεδία of fascinatingγοητευτικός studiesσπουδές
168
386000
3000
Η επίδρασή των εικονικών φαρμάκων έχει μελετηθεί σε μια σειρά συναρπαστικών μελετών
06:44
comparingσύγκριση one kindείδος of placeboεικονικό φάρμακο againstκατά anotherαλλο.
169
389000
3000
που συγκρίνουν ένα είδος εικονικού φαρμάκου με άλλα.
06:47
So we know, for exampleπαράδειγμα, that two sugarζάχαρη pillsχάπια a day
170
392000
2000
Ξέρουμε, για παράδειγμα, πως δύο χάπια ζάχαρης την ημέρα
06:49
are a more effectiveαποτελεσματικός treatmentθεραπεία for gettingνα πάρει ridαπαλλάσσω of gastricγαστρικό ulcersέλκη
171
394000
2000
είναι πιο αποτελεσματική θεραπεία
06:51
than one sugarζάχαρη pillχάπι.
172
396000
2000
για το γαστρικό έλκος από ένα χάπι ζάχαρης.
06:53
Two sugarζάχαρη pillsχάπια a day beatsχτυπάει one sugarζάχαρη pillχάπι a day.
173
398000
2000
Τα δύο νικούν το ένα.
06:55
And that's an outrageousαποτρόπαιος and ridiculousγελοίος findingεύρεση, but it's trueαληθής.
174
400000
3000
Είναι εξωφρενικό και γελοίο εύρημα, αλλά και αληθινό.
06:58
We know from threeτρία differentδιαφορετικός studiesσπουδές on threeτρία differentδιαφορετικός typesτύπους of painπόνος
175
403000
2000
Ξέρουμε από τρεις διαφορετικές μελέτες
07:00
that a saltwaterαλμυρού νερού injectionένεση is a more effectiveαποτελεσματικός treatmentθεραπεία for painπόνος
176
405000
3000
πως μια ένεση άλμης είναι πιο αποτελεσματική θεραπεία για τον πόνο
07:03
than takingλήψη a sugarζάχαρη pillχάπι, takingλήψη a dummyομοίωμα pillχάπι that has no medicineφάρμακο in it --
177
408000
4000
από ένα χάπι ζάχαρης --ένα εικονικό χάπι που δεν περιέχει φάρμακο--
07:07
not because the injectionένεση or the pillsχάπια do anything physicallyφυσικώς to the bodyσώμα,
178
412000
3000
όχι επειδή η ένεση ή τα χάπια προκαλούν κάτι στο σώμα,
07:10
but because an injectionένεση feelsαισθάνεται like a much more dramaticδραματικός interventionπαρέμβαση.
179
415000
3000
αλλά επειδή ο ασθενής νιώθει την ένεση σαν δραστικότερη επέμβαση.
07:13
So we know that our beliefsτις πεποιθήσεις and expectationsπροσδοκίες
180
418000
2000
Ξέρουμε λοιπόν πως τα πιστεύω και οι προσδοκίες μας
07:15
can be manipulatedχειραγωγείται,
181
420000
2000
μπορούν να κατευθυνθούν
07:17
whichοι οποίες is why we do trialsδοκιμές
182
422000
2000
και γι'αυτό κάνουμε μελέτες
07:19
where we controlέλεγχος againstκατά a placeboεικονικό φάρμακο --
183
424000
2000
όπου συγκρίνουμε με εικονικά χάπια:
07:21
where one halfΉμισυ of the people get the realπραγματικός treatmentθεραπεία
184
426000
2000
οι μισοί παίρνουν το φάρμακο
07:23
and the other halfΉμισυ get placeboεικονικό φάρμακο.
185
428000
2000
και οι άλλοι μισοί το εικονικό χάπι.
07:25
But that's not enoughαρκετά.
186
430000
3000
Αλλά αυτό δεν αρκεί.
07:28
What I've just shownαπεικονίζεται you are examplesπαραδείγματα of the very simpleαπλός and straightforwardειλικρινής waysτρόπους
187
433000
3000
Σας έδειξα παραδείγματα των πολύ απλών και άμεσων τρόπων
07:31
that journalistsδημοσιογράφους and foodτροφή supplementτο συμπλήρωμα pillχάπι peddlersμικροπωλητές
188
436000
2000
με τους οποίους οι δημοσιογράφοι και οι
07:33
and naturopathsnaturopaths
189
438000
2000
οι πλασιέ συμπληρωμάτων διατροφής
07:35
can distortνοθεύσουν τον evidenceαπόδειξη for theirδικα τους ownτα δικά purposesσκοποί.
190
440000
3000
μπορούν να διαστρεβλώσουν τα ευρήματα για να καταφέρουν τους σκοπούς τους.
07:38
What I find really fascinatingγοητευτικός
191
443000
2000
Βρίσκω ενδιαφέρον το
07:40
is that the pharmaceuticalφαρμακευτικός industryβιομηχανία
192
445000
2000
γεγονός ότι η φαρμακευτική βιομηχανία
07:42
usesχρήσεις exactlyακριβώς the sameίδιο kindsείδη of tricksκόλπα and devicesσυσκευές,
193
447000
2000
χρησιμοποιεί ακριβώς τα ίδια κόλπα και τεχνάσματα,
07:44
but slightlyελαφρώς more sophisticatedεκλεπτυσμένο versionsεκδόσεις of them,
194
449000
3000
αλλά σε ελαφρώς πιο επιτηδευμένες μορφές,
07:47
in orderΣειρά to distortνοθεύσουν τον the evidenceαπόδειξη that they give to doctorsτους γιατρούς and patientsασθενείς,
195
452000
3000
για να διαστρεβλώσει τις αποδείξεις που δίνει στους γιατρούς και τους ασθενείς
07:50
and whichοι οποίες we use to make vitallyζωτικής importantσπουδαίος decisionsαποφάσεων.
196
455000
3000
με τις οποίες παίρνουμε ζωτικής σημασίας αποφάσεις.
07:53
So firstlyΠρώτα, trialsδοκιμές againstκατά placeboεικονικό φάρμακο:
197
458000
2000
Στη σύγκριση με εικονικό φάρμακο
07:55
everybodyόλοι thinksσκέφτεται they know that a trialδίκη should be
198
460000
2000
όλοι νομίζουν πως η σωστή δοκιμή συγκρίνει
07:57
a comparisonσύγκριση of your newνέος drugφάρμακο againstκατά placeboεικονικό φάρμακο.
199
462000
2000
το νέο φάρμακο με ένα εικονικό.
07:59
But actuallyπράγματι in a lot of situationsκαταστάσεις that's wrongλανθασμένος.
200
464000
2000
Σε πολλές περιπτώσεις αυτό είναι λάθος.
08:01
Because oftenσυχνά we alreadyήδη have a very good treatmentθεραπεία that is currentlyεπί του παρόντος availableδιαθέσιμος,
201
466000
3000
Συχνά έχουμε πολύ καλή θεραπεία ήδη διαθέσιμη
08:04
so we don't want to know that your alternativeεναλλακτική λύση newνέος treatmentθεραπεία
202
469000
2000
οπότε δε μας ενδιαφέρει εάν η καινούργια
08:06
is better than nothing.
203
471000
2000
είναι καλύτερη από το τίποτα.
08:08
We want to know that it's better than the bestκαλύτερος currentlyεπί του παρόντος availableδιαθέσιμος treatmentθεραπεία that we have.
204
473000
3000
Θέλουμε να μάθουμε αν είναι καλύτερη από την καλύτερη διαθέσιμη θεραπεία.
08:11
And yetΑκόμη, repeatedlyεπανειλημμένα, you consistentlyμε συνέπεια see people doing trialsδοκιμές
205
476000
3000
Παρόλα αυτά, βλέπουμε συνεχώς δοκιμές
08:14
still againstκατά placeboεικονικό φάρμακο.
206
479000
2000
και συγκρίσεις με εικονικά χάπια.
08:16
And you can get licenseάδεια to bringνα φερεις your drugφάρμακο to marketαγορά
207
481000
2000
Ένα φάρμακο μπορεί να αδειοδοτηθεί
08:18
with only dataδεδομένα showingεπίδειξη that it's better than nothing,
208
483000
2000
με μοναδικό στοιχείο πως είναι καλύτερο από το τίποτα,
08:20
whichοι οποίες is uselessάχρηστος for a doctorγιατρός like me tryingπροσπαθεί to make a decisionαπόφαση.
209
485000
3000
ένα άχρηστο δεδομένο για έναν γιατρό που προσπαθεί να πάρει μια απόφαση.
08:23
But that's not the only way you can rigενδύω your dataδεδομένα.
210
488000
2000
Δεν είναι ο μόνος τρόπος να μαγειρέψεις τα στοιχεία σου.
08:25
You can alsoεπίσης rigενδύω your dataδεδομένα
211
490000
2000
Μπορείς επίσης να συγκρίνεις
08:27
by makingκατασκευή the thing you compareσυγκρίνω your newνέος drugφάρμακο againstκατά
212
492000
2000
το νέο σου φάρμακο με
08:29
really rubbishσκουπίδια.
213
494000
2000
κάτι κακής ποιότητας.
08:31
You can give the competingανταγωνίζονται drugφάρμακο in too lowχαμηλός a doseδόση,
214
496000
2000
Μπορείς να χορηγήσεις πολύ μικρές δόσεις του ανταγωνιστικού
08:33
so that people aren'tδεν είναι properlyδεόντως treatedαντιμετωπίζεται.
215
498000
2000
ώστε να μην αποτελεί θεραπεία,
08:35
You can give the competingανταγωνίζονται drugφάρμακο in too highυψηλός a doseδόση,
216
500000
2000
ή πολύ μεγάλες
08:37
so that people get sideπλευρά effectsυπάρχοντα.
217
502000
2000
ώστε να προκαλέσει παρενέργειες.
08:39
And this is exactlyακριβώς what happenedσυνέβη
218
504000
2000
Ακριβώς αυτό συνέβη
08:41
whichοι οποίες antipsychoticαντιψυχωτικά medicationφαρμακευτική αγωγή for schizophreniaσχιζοφρένεια.
219
506000
2000
με τα αντιψυχωσικά κατά της σχιζοφρένειας.
08:43
20 yearsχρόνια agoπριν, a newνέος generationγενιά of antipsychoticαντιψυχωτικά drugsφάρμακα were broughtέφερε in
220
508000
3000
Πριν 20 χρόνια, κυκλοφόρησε μια νέα γενιά αντιψυχωσικών
08:46
and the promiseυπόσχεση was that they would have fewerλιγότεροι sideπλευρά effectsυπάρχοντα.
221
511000
3000
που υποσχόταν λιγότερες παρενέργειες.
08:49
So people setσειρά about doing trialsδοκιμές of these newνέος drugsφάρμακα
222
514000
2000
Άρχισαν οι δοκιμές των καινούργιων φαρμάκων
08:51
againstκατά the oldπαλαιός drugsφάρμακα,
223
516000
2000
που τα σύγκριναν με τα παλιά
08:53
but they gaveέδωσε the oldπαλαιός drugsφάρμακα in ridiculouslyγελοία highυψηλός dosesδόσεις --
224
518000
2000
αλλά χορηγούσαν τα παλιά σε γελοιωδώς μεγάλες δόσεις,
08:55
20 milligramsχιλιόγραμμα a day of haloperidolΑλοπεριδόλη.
225
520000
2000
πχ. 20 μιλιγκράμ αλοπεριδόλης την ημέρα.
08:57
And it's a foregoneδιαφυγόντα conclusionσυμπέρασμα,
226
522000
2000
Είναι δεδομένο πως
08:59
if you give a drugφάρμακο at that highυψηλός a doseδόση,
227
524000
2000
αν χορηγήσεις φάρμακο σε τόσο μεγάλη δόση
09:01
that it will have more sideπλευρά effectsυπάρχοντα and that your newνέος drugφάρμακο will look better.
228
526000
3000
θα έχει περισσότερες παρενέργειες και το νέο σου φάρμακο θα φαίνεται καλύτερο.
09:04
10 yearsχρόνια agoπριν, historyιστορία repeatedαλλεπάλληλος itselfεαυτό, interestinglyμε ενδιαφέρο,
229
529000
2000
Πριν 10 χρόνια, η ιστορία επαναλήφθηκε,
09:06
when risperidoneη ρισπεριδόνη, whichοι οποίες was the first of the new-generationνέας γενιάς antipscyhoticantipscyhotic drugsφάρμακα,
230
531000
3000
όταν ελευθερώθηκαν τα δικαιώματα αναπαραγωγής της ρισπεριδόνης,
09:09
cameήρθε off copyrightπνευματική ιδιοκτησία, so anybodyοποιοσδήποτε could make copiesαντίγραφα.
231
534000
3000
του πρώτου αντιψυχωσικού νέας γενιάς.
09:12
EverybodyΟ καθένας wanted to showπροβολή that theirδικα τους drugφάρμακο was better than risperidoneη ρισπεριδόνη,
232
537000
2000
Όλοι θέλησαν να δείξουν πως η δική τους αντιγραφή ήταν καλύτερη από τη ρισπεριδόνη,
09:14
so you see a bunchδέσμη of trialsδοκιμές comparingσύγκριση newνέος antipsychoticαντιψυχωτικά drugsφάρμακα
233
539000
3000
οπότε οι δοκιμές σύγκριναν τα νέα αντιψυχωτικά
09:17
againstκατά risperidoneη ρισπεριδόνη at eightοκτώ milligramsχιλιόγραμμα a day.
234
542000
2000
με 8 μιλιγκράμ ρισπεριδόνης την ημέρα,
09:19
Again, not an insaneπαράφρων doseδόση, not an illegalπαράνομος doseδόση,
235
544000
2000
που δεν είναι ακραία δόση,
09:21
but very much at the highυψηλός endτέλος of normalκανονικός.
236
546000
2000
αλλά πολύ μεγάλη.
09:23
And so you're boundόριο to make your newνέος drugφάρμακο look better.
237
548000
3000
Έτσι το νέο φάρμακο φαινόταν καλύτερο.
09:26
And so it's no surpriseέκπληξη that overallΣυνολικά,
238
551000
3000
Οπότε δεν είναι περίεργο πως στο σύνολό τους,
09:29
industry-fundedχρηματοδοτούμενο από την βιομηχανία trialsδοκιμές
239
554000
2000
οι δοκιμές που χρηματοδοτεί η φαρμακευτική βιομηχανία
09:31
are fourτέσσερα timesφορές more likelyπιθανός to give a positiveθετικός resultαποτέλεσμα
240
556000
2000
είναι τέσσερις φορές πιθανότερο να δώσουν
09:33
than independentlyανεξάρτητα sponsoredυπό την αιγίδα trialsδοκιμές.
241
558000
3000
θετικό αποτέλεσμα από τις ανεξάρτητες.
09:36
But -- and it's a bigμεγάλο but --
242
561000
3000
--ΟΜΩΣ--
09:39
(LaughterΤο γέλιο)
243
564000
2000
(Γέλια)
09:41
it turnsστροφές out,
244
566000
2000
φαίνεται πως
09:43
when you look at the methodsμεθόδων used by industry-fundedχρηματοδοτούμενο από την βιομηχανία trialsδοκιμές,
245
568000
3000
η μεθοδολογία των μελετών των φαρμακευτικών
09:46
that they're actuallyπράγματι better
246
571000
2000
είναι σωστότερη
09:48
than independentlyανεξάρτητα sponsoredυπό την αιγίδα trialsδοκιμές.
247
573000
2000
από εκείνη των ανεξάρτητων δοκιμών.
09:50
And yetΑκόμη, they always manageδιαχειρίζονται to to get the resultαποτέλεσμα that they want.
248
575000
3000
Παρόλα αυτά, πάντα καταφέρνουν να έχουν το επιθυμητό αποτέλεσμα.
09:53
So how does this work?
249
578000
2000
Πώς γίνεται αυτό;
09:55
How can we explainεξηγώ this strangeπαράξενος phenomenonφαινόμενο?
250
580000
3000
Πώς εξηγείται;
09:58
Well it turnsστροφές out that what happensσυμβαίνει
251
583000
2000
Τα αρνητικά ευρήματα
10:00
is the negativeαρνητικός dataδεδομένα goesπηγαίνει missingλείπει in actionδράση;
252
585000
2000
εξαφανίζονται!
10:02
it's withheldπαρακρατήθηκε from doctorsτους γιατρούς and patientsασθενείς.
253
587000
2000
Δεν γνωστοποιούνται στους γιατρούς και στους ασθενείς.
10:04
And this is the mostπλέον importantσπουδαίος aspectάποψη of the wholeολόκληρος storyιστορία.
254
589000
2000
Και αυτό είναι το σημαντικότερο στοιχείο της ιστορίας.
10:06
It's at the topμπλουζα of the pyramidπυραμίδα of evidenceαπόδειξη.
255
591000
2000
Βρίσκεται στην κορυφή της πυραμίδας των τεκμηρίων.
10:08
We need to have all of the dataδεδομένα on a particularιδιαιτερος treatmentθεραπεία
256
593000
3000
Χρειαζόμαστε όλα τα ευρήματα που αφορούν μια θεραπεία
10:11
to know whetherκατά πόσο or not it really is effectiveαποτελεσματικός.
257
596000
2000
για να ξέρουμε εάν είναι αποτελεσματική ή όχι.
10:13
And there are two differentδιαφορετικός waysτρόπους that you can spotσημείο
258
598000
2000
Υπάρχουν δύο τρόποι για να καταλάβεις
10:15
whetherκατά πόσο some dataδεδομένα has goneχαμένος missingλείπει in actionδράση.
259
600000
2000
αν εξαφανίστηκαν κάποια ευρήματα.
10:17
You can use statisticsστατιστική, or you can use storiesιστορίες.
260
602000
3000
Με στατιστική, ή με περιστατικά.
10:20
I personallyπροσωπικά preferπροτιμώ statisticsστατιστική, so that's what I'm going to do first.
261
605000
2000
Προτιμώ τη στατιστική, οπότε θα σας την εξηγήσω πρώτη.
10:22
This is something calledπου ονομάζεται funnelχωνί plotοικόπεδο.
262
607000
2000
Αυτό ονομάζεται γράφημα χοάνης.
10:24
And a funnelχωνί plotοικόπεδο is a very cleverέξυπνος way of spottingκηλίδες αίματος
263
609000
2000
Αποτελεί έναν πανέξυπνο τρόπο για να εντοπίσουμε
10:26
if smallμικρό negativeαρνητικός trialsδοκιμές have disappearedεξαφανίστηκε, have goneχαμένος missingλείπει in actionδράση.
264
611000
3000
εάν οι αρνητικές δοκιμές εξαφανίστηκαν.
10:29
So this is a graphγραφική παράσταση of all of the trialsδοκιμές
265
614000
2000
Είναι ένα διάγραμμα όλων των δοκιμών
10:31
that have been doneΈγινε on a particularιδιαιτερος treatmentθεραπεία.
266
616000
2000
που αφορούν μια θεραπεία.
10:33
And as you go up towardsπρος the topμπλουζα of the graphγραφική παράσταση,
267
618000
2000
Κάθε κουκκίδα είναι μια δοκιμή,
10:35
what you see is eachκαθε dotτελεία is a trialδίκη.
268
620000
2000
και όσο ανεβαίνουμε πιο ψηλά,
10:37
And as you go up, those are the biggerμεγαλύτερος trialsδοκιμές, so they'veέχουν got lessπιο λιγο errorλάθος in them.
269
622000
3000
είναι μεγαλύτερες μελέτες, οπότε έχουν λιγότερα λάθη.
10:40
So they're lessπιο λιγο likelyπιθανός to be randomlyτυχαία falseψευδής positivesθετικά, randomlyτυχαία falseψευδής negativesαρνητικά.
270
625000
3000
Άρα είναι λιγότερο πιθανό να έχουν τυχαία ψευδώς θετικά ή ψευδώς αρνητικά αποτελέσματα.
10:43
So they all clusterσύμπλεγμα togetherμαζί.
271
628000
2000
Είναι όλες συγκεντρωμένες.
10:45
The bigμεγάλο trialsδοκιμές are closerπιο κοντά to the trueαληθής answerαπάντηση.
272
630000
2000
Οι μεγάλες μελέτες είναι πιο κοντά στην αλήθεια.
10:47
Then as you go furtherπεραιτέρω down at the bottomκάτω μέρος,
273
632000
2000
Όσο κατεβαίνουμε προς τη βάση,
10:49
what you can see is, over on this sideπλευρά, the spuriousπαρασιτικές falseψευδής negativesαρνητικά,
274
634000
3000
βλέπετε, σ' αυτή την πλευρά τα πλαστά ψευδώς αρνητικά
10:52
and over on this sideπλευρά, the spuriousπαρασιτικές falseψευδής positivesθετικά.
275
637000
2000
και σ' αυτήν τα πλαστά ψευδώς θετικά.
10:54
If there is publicationδημοσίευση biasπροκατάληψη,
276
639000
2000
Εάν υπάρξει μεροληψία,
10:56
if smallμικρό negativeαρνητικός trialsδοκιμές have goneχαμένος missingλείπει in actionδράση,
277
641000
3000
αν οι μικρές αρνητικές δοκιμές έχουν αποσιωπηθεί,
10:59
you can see it on one of these graphsγραφικές παραστάσεις.
278
644000
2000
φαίνεται σε ένα τέτοιο γράφημα.
11:01
So you can see here that the smallμικρό negativeαρνητικός trialsδοκιμές
279
646000
2000
Βλέπετε εδώ πως οι μικρές αρνητικές δοκιμές
11:03
that should be on the bottomκάτω μέρος left have disappearedεξαφανίστηκε.
280
648000
2000
που θα έπρεπε να είναι κάτω αριστερά έχουν εξαφανιστεί.
11:05
This is a graphγραφική παράσταση demonstratingαποδεικνύοντας the presenceπαρουσία of publicationδημοσίευση biasπροκατάληψη
281
650000
3000
Αυτό το γράφημα δείχνει αν υπήρξε μεροληψία
11:08
in studiesσπουδές of publicationδημοσίευση biasπροκατάληψη.
282
653000
2000
στις μελέτες μεροληψίας.
11:10
And I think that's the funniestπιο αστείο epidemiologyεπιδημιολογία jokeαστείο
283
655000
2000
Αυτό νομίζω είναι το πιο αστείο ανέκδοτο
11:12
that you will ever hearακούω.
284
657000
2000
επιδημιολογίας που θα ακούσετε ποτέ.
11:14
That's how you can proveαποδεικνύω it statisticallyστατιστικώς,
285
659000
2000
Έτσι αποδεικνύεται στατιστικά,
11:16
but what about storiesιστορίες?
286
661000
2000
αλλά πώς γίνεται με τα περιστατικά;
11:18
Well they're heinousειδεχθή, they really are.
287
663000
2000
Είναι πραγματικά αποτρόπαια.
11:20
This is a drugφάρμακο calledπου ονομάζεται reboxetineρεβοξετίνη.
288
665000
2000
Υπάρχει ένα φάρμακο, η ρεμποξετίνη,
11:22
This is a drugφάρμακο that I myselfεγώ ο ίδιος have prescribedσυνταγογραφούνται to patientsασθενείς.
289
667000
2000
που έχω γράψει κι εγώ σε ασθενείς
11:24
And I'm a very nerdynerdy doctorγιατρός.
290
669000
2000
και είμαι και ψαγμένος γιατρός.
11:26
I hopeελπίδα I try to go out of my way to try and readανάγνωση and understandκαταλαβαίνουν all the literatureβιβλιογραφία.
291
671000
3000
Προσπαθώ να διαβάζω όλη τη βιβλιογραφία.
11:29
I readανάγνωση the trialsδοκιμές on this. They were all positiveθετικός. They were all well-conductedκαλά διεξήγαγε.
292
674000
3000
Διάβασα τις μελέτες για τη ρεμποξετίνη. Ήταν όλες θετικές και καλά εκτελεσμένες.
11:32
I foundβρέθηκαν no flawελάττωμα.
293
677000
2000
Δε βρήκα λάθος.
11:34
UnfortunatelyΔυστυχώς, it turnedγύρισε out,
294
679000
2000
Δυστυχώς, αποδείχθηκε πως
11:36
that manyΠολλά of these trialsδοκιμές were withheldπαρακρατήθηκε.
295
681000
2000
πολλές από τις δοκιμές είχαν αποσιωπηθεί.
11:38
In factγεγονός, 76 percentτοις εκατό
296
683000
2000
Το 76% όλων των ερευνών
11:40
of all of the trialsδοκιμές that were doneΈγινε on this drugφάρμακο
297
685000
2000
που έγιναν ποτέ γι' αυτό το φάρμακο,
11:42
were withheldπαρακρατήθηκε from doctorsτους γιατρούς and patientsασθενείς.
298
687000
2000
δε γνωστοποιήθηκαν σε γιατρούς και ασθενείς.
11:44
Now if you think about it,
299
689000
2000
Αν το καλοσκεφτείτε,
11:46
if I tossedχτύπησε a coinκέρμα a hundredεκατό timesφορές,
300
691000
2000
εάν έριχνα ένα κέρμα εκατό φορές
11:48
and I'm allowedεπιτρέπεται to withholdπαρακρατήσει from you
301
693000
2000
και μου επιτρεπόταν να σας αποκρύψω
11:50
the answersαπαντήσεις halfΉμισυ the timesφορές,
302
695000
2000
μισές από τις απαντήσεις
11:52
then I can convinceπείθω you
303
697000
2000
θα μπορούσα να σας πείσω
11:54
that I have a coinκέρμα with two headsκεφάλια.
304
699000
2000
πως το κέρμα μου έχει δύο κορώνες.
11:56
If we removeαφαιρώ halfΉμισυ of the dataδεδομένα,
305
701000
2000
Αν αφαιρέσουμε τα μισά δεδομένα
11:58
we can never know what the trueαληθής effectαποτέλεσμα sizeμέγεθος of these medicinesφάρμακα is.
306
703000
3000
δε μπορούμε με τίποτα να ξέρουμε την πραγματική δραστικότητα αυτών των φαρμάκων.
12:01
And this is not an isolatedαπομονωμένος storyιστορία.
307
706000
2000
Αυτό δεν είναι μεμονωμένο περιστατικό.
12:03
Around halfΉμισυ of all of the trialδίκη dataδεδομένα on antidepressantsαντικαταθλιπτικά has been withheldπαρακρατήθηκε,
308
708000
4000
Περίπου μισά από όλα τα ευρήματα ερευνών για αντικαταθλιπτικά έχουν αποκρυφτεί,
12:07
but it goesπηγαίνει way beyondπέρα that.
309
712000
2000
και πάει και παραπέρα.
12:09
The NordicΣκανδιναβική CochraneCochrane GroupΟμάδα were tryingπροσπαθεί to get a holdΚρατήστε of the dataδεδομένα on that
310
714000
2000
Η Σύμπραξη Κοχρέιν Σκανδιναβίας προσπάθησε
12:11
to bringνα φερεις it all togetherμαζί.
311
716000
2000
να συγκεντρώσει όλα τα ευρήματα γι' αυτό το φάρμακο.
12:13
The CochraneCochrane GroupsΟμάδες are an internationalΔιεθνές nonprofitμη κερδοσκοπικος collaborationσυνεργασία
312
718000
3000
Η Σύμπραξη Κοχρέιν είναι μια διεθνής μη κερδοσκοπική συνεργασία
12:16
that produceπαράγω systematicσυστηματική reviewsσχόλια of all of the dataδεδομένα that has ever been shownαπεικονίζεται.
313
721000
3000
που παράγει συστηματικές αξιολογήσεις όλων των ευρημάτων για κάθε φάρμακο.
12:19
And they need to have accessπρόσβαση to all of the trialδίκη dataδεδομένα.
314
724000
3000
Και χρειάζονται πρόσβαση σε όλα τα ευρήματα όλων των δοκιμών.
12:22
But the companiesεταιρείες withheldπαρακρατήθηκε that dataδεδομένα from them,
315
727000
3000
Αλλά οι εταιρίες τους αποκρύπτουν τα δεδομένα,
12:25
and so did the EuropeanΕυρωπαϊκή MedicinesΦάρμακα AgencyΟργανισμός
316
730000
2000
και το ίδιο έκανε για τρία χρόνια
12:27
for threeτρία yearsχρόνια.
317
732000
2000
και ο Ευρωπαϊκός Οργανισμός Φαρμάκων.
12:29
This is a problemπρόβλημα that is currentlyεπί του παρόντος lackingλείπει a solutionλύση.
318
734000
3000
Αυτό το πρόβλημα δεν έχει λύση για την ώρα.
12:32
And to showπροβολή how bigμεγάλο it goesπηγαίνει, this is a drugφάρμακο calledπου ονομάζεται TamifluΤο Tamiflu,
319
737000
3000
Για να καταλάβετε τα μεγέθη για τα οποία μιλάμε,
12:35
whichοι οποίες governmentsκυβερνήσεις around the worldκόσμος
320
740000
2000
αυτό είναι το Ταμιφλού,
12:37
have spentξόδεψε billionsδισεκατομμύρια and billionsδισεκατομμύρια of dollarsδολάρια on.
321
742000
2000
για το οποίο κυβερνήσεις σε όλον τον κόσμο έχουν ξοδέψει δισεκατομμύρια,
12:39
And they spendδαπανήσει that moneyχρήματα on the promiseυπόσχεση
322
744000
2000
επειδή υπόσχεται
12:41
that this is a drugφάρμακο whichοι οποίες will reduceπεριορίζω the rateτιμή
323
746000
2000
πως μειώνει τη συχνότητα
12:43
of complicationsεπιπλοκές with fluγρίπη.
324
748000
2000
των επιπλοκών της γρίπης.
12:45
We alreadyήδη have the dataδεδομένα
325
750000
2000
Έχουμε ήδη τα δεδομένα
12:47
showingεπίδειξη that it reducesμειώνει την the durationδιάρκεια of your fluγρίπη by a fewλίγοι hoursώρες.
326
752000
2000
που δείχνουν πως μειώνει την διάρκεια της γρίπης για μερικές ώρες.
12:49
But I don't really careΦροντίδα about that. GovernmentsΟι κυβερνήσεις don't careΦροντίδα about that.
327
754000
2000
Αλλά αυτό δεν ενδιαφέρει ούτε εμένα ούτε τις κυβερνήσεις.
12:51
I'm very sorry if you have the fluγρίπη, I know it's horribleφρικτός,
328
756000
3000
Λυπάμαι πολύ αν έχετε γρίπη, είναι δυσάρεστη,
12:54
but we're not going to spendδαπανήσει billionsδισεκατομμύρια of dollarsδολάρια
329
759000
2000
αλλά δε θα ξοδέψουμε δισεκατομμύρια
12:56
tryingπροσπαθεί to reduceπεριορίζω the durationδιάρκεια of your fluγρίπη symptomsσυμπτώματα
330
761000
2000
για να μειώσουμε τη διάρκεια
12:58
by halfΉμισυ a day.
331
763000
2000
των συμπτωμάτων σας μισή ημέρα.
13:00
We prescribeσυνταγογραφήσει these drugsφάρμακα, we stockpileπαρακαταθήκη them for emergenciesκαταστάσεις έκτακτης ανάγκης
332
765000
2000
Συνταγογραφούμε αυτά τα φάρμακα, τα παραγγέλνουμε για επείγουσες περιπτώσεις
13:02
on the understandingκατανόηση that they will reduceπεριορίζω the numberαριθμός of complicationsεπιπλοκές,
333
767000
2000
επειδή υποτίθεται πως μειώνουν τον αριθμό των επιπλοκών,
13:04
whichοι οποίες meansπου σημαίνει pneumoniaπνευμονία and whichοι οποίες meansπου σημαίνει deathθάνατος.
334
769000
3000
δηλαδή της πνευμονίας, δηλαδή των θανάτων.
13:07
The infectiousμολυσματικών diseasesασθένειες CochraneCochrane GroupΟμάδα, whichοι οποίες are basedμε βάση in ItalyΙταλία,
335
772000
3000
Η Σύμπραξη Κοχρέιν για τα λοιμώδη νοσήματα, που έχει βάση στην Ιταλία
13:10
has been tryingπροσπαθεί to get
336
775000
2000
προσπαθεί να αποκτήσει πρόσβαση
13:12
the fullγεμάτος dataδεδομένα in a usableμπορεί να χρησιμοποιηθεί formμορφή out of the drugφάρμακο companiesεταιρείες
337
777000
3000
σε όλα τα ευρήματα, σε εύχρηστη μορφή
13:15
so that they can make a fullγεμάτος decisionαπόφαση
338
780000
3000
για να αποφασίσουν με σιγουριά
13:18
about whetherκατά πόσο this drugφάρμακο is effectiveαποτελεσματικός or not,
339
783000
2000
εάν το Ταμιφλού είναι αποτελεσματικό,
13:20
and they'veέχουν not been ableικανός to get that informationπληροφορίες.
340
785000
3000
αλλά οι εταιρίες δεν τους δίνουν τα δεδομένα.
13:23
This is undoubtedlyαναμφίβολα
341
788000
2000
Αυτό είναι αναμφίβολα
13:25
the singleμονόκλινο biggestμέγιστος ethicalηθικά problemπρόβλημα
342
790000
3000
το μεγαλύτερο ηθικό πρόβλημα
13:28
facingαντιμέτωπος medicineφάρμακο todayσήμερα.
343
793000
2000
της ιατρικής σήμερα.
13:30
We cannotδεν μπορώ make decisionsαποφάσεων
344
795000
3000
Δε μπορούμε να πάρουμε αποφάσεις
13:33
in the absenceαπουσία of all of the informationπληροφορίες.
345
798000
4000
χωρίς αυτές τις πληροφορίες.
13:37
So it's a little bitκομμάτι difficultδύσκολος from there
346
802000
3000
Είναι κάπως δύσκολο
13:40
to spinγνέθω in some kindείδος of positiveθετικός conclusionσυμπέρασμα.
347
805000
4000
να καταλήξω σε κάποιο θετικό συμπέρασμα.
13:44
But I would say this:
348
809000
4000
Θα σας πω όμως ότι
13:48
I think that sunlightηλιακό φως
349
813000
3000
νομίζω πως το φως του ήλιου
13:51
is the bestκαλύτερος disinfectantαπολυμαντικό.
350
816000
2000
είναι το καλύτερο απολυμαντικό.
13:53
All of these things are happeningσυμβαίνει in plainπεδιάδα sightθέαμα,
351
818000
3000
Όλα αυτά συμβαίνουν μπροστά στα μάτια μας,
13:56
and they're all protectedπροστατεύονται
352
821000
2000
και προστατεύονται
13:58
by a forceδύναμη fieldπεδίο of tediousnessμονοτονία.
353
823000
3000
από την πολυπλοκότητά τους.
14:01
And I think, with all of the problemsπροβλήματα in scienceεπιστήμη,
354
826000
2000
Νομίζω, με όλα τα προβλήματα της επιστήμης,
14:03
one of the bestκαλύτερος things that we can do
355
828000
2000
το καλύτερο που έχουμε να κάνουμε
14:05
is to liftανελκυστήρας up the lidκαπάκι,
356
830000
2000
είναι να σηκώσουμε το καπάκι των μηχανισμών
14:07
fingerδάχτυλο around in the mechanicsμηχανική and peerομότιμων in.
357
832000
2000
και να κοιτάξουμε πώς δουλεύουν.
14:09
Thank you very much.
358
834000
2000
Ευχαριστώ πολύ.
14:11
(ApplauseΧειροκροτήματα)
359
836000
3000
(Χειροκρότημα)
Translated by Nikoleta Dimitriou
Reviewed by Dimitra Papageorgiou

▲Back to top

ABOUT THE SPEAKER
Ben Goldacre - Debunker
Ben Goldacre unpicks dodgy scientific claims made by scaremongering journalists, dubious government reports, pharmaceutical corporations, PR companies and quacks.

Why you should listen

"It was the MMR story that finally made me crack," begins the Bad Science manifesto, referring to the sensationalized -- and now-refuted -- link between vaccines and autism. With that sentence Ben Goldacre fired the starting shot of a crusade waged from the pages of The Guardian from 2003 to 2011, on an addicitve Twitter feed, and in bestselling books, including Bad Science and his latest, Bad Pharma, which puts the $600 billion global pharmaceutical industry under the microscope. What he reveals is a fascinating, terrifying mess.

Goldacre was trained in medicine at Oxford and London, and works as an academic in epidemiology. Helped along by this inexhaustible supply of material, he also travels the speaking circuit, promoting skepticism and nerdish curiosity with fire, wit, fast delivery and a lovable kind of exasperation. (He might even convince you that real science, sober reporting and reason are going to win in the end.)

As he writes, "If you're a journalist who misrepresents science for the sake of a headline, a politician more interested in spin than evidence, or an advertiser who loves pictures of molecules in little white coats, then beware: your days are numbered."

Read an excerpt of Bad Pharma >>

More profile about the speaker
Ben Goldacre | Speaker | TED.com