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

Ben Goldrace: Combattere la cattiva scienza

Filmed:
2,713,579 views

Ogni giorno ci sono nuovi rapporti su nuove allerte sanitarie, ma come sapere se sono vere? Il medico ed epidemiologo Ben Goldrace mostra, rapidamente, i sistemi con cui le prove possano essere distorte, dagli evidenti messaggi nutrizionali ai subdoli trucchi dell'industria farmaceutica.
- 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 doctormedico, but I kindgenere of slippedscivolato sidewayslateralmente into researchricerca,
0
0
3000
Sono un medico, ma sono scivolato nella vicina ricerca,
00:18
and now I'm an epidemiologistepidemiologo.
1
3000
2000
e quindi adesso sono un epidemiologo.
00:20
And nobodynessuno really knowsconosce what epidemiologyepidemiologia is.
2
5000
2000
E nessuno sa veramente cosa sia l'epidemiologia.
00:22
EpidemiologyEpidemiologia is the sciencescienza of how we know in the realvero worldmondo
3
7000
3000
Epidemiologia è la scienza che studia come, nel mondo reale,
00:25
if something is good for you or badcattivo for you.
4
10000
2000
qualcosa sia per noi buono o cattivo.
00:27
And it's bestmigliore understoodinteso throughattraverso exampleesempio
5
12000
2000
E si capisce meglio attraverso un esempio
00:29
as the sciencescienza of those crazypazzo, wackyWacky newspapergiornale headlinesNotizie.
6
14000
5000
come la scienza di questi titoli dei giornali pazzi e fuori di testa.
00:34
And these are just some of the examplesesempi.
7
19000
2000
E questi sono solo alcuni esempi.
00:36
These are from the DailyGiornaliero MailPosta. EveryOgni countrynazione in the worldmondo has a newspapergiornale like this.
8
21000
3000
Questi sono dal Daily Mail. Ogni paese nel mondo ha un quotidiano come questo.
00:39
It has this bizarrebizzarro, ongoingin corso philosophicalfilosofico projectprogetto
9
24000
3000
Ha uno stravagante progetto filosofico in corso
00:42
of dividingdemarcazione all the inanimateinanimato objectsoggetti in the worldmondo
10
27000
2000
di dividere tutti gli oggetti inanimati nel mondo
00:44
into the onesquelli that eithero causecausa or preventimpedire cancercancro.
11
29000
3000
tra quelli che o causano il cancro o prevengono il cancro.
00:47
So here are some of the things they said causecausa cancercancro recentlyrecentemente:
12
32000
2000
Ecco alcune delle cose che hanno detto che causa il cancro:
00:49
divorcedivorzio, Wi-FiWi-Fi, toiletriesarticoli da toeletta and coffeecaffè.
13
34000
2000
divorzio, WiFi, detergenti e caffè.
00:51
Here are some of the things they say preventspreviene cancercancro:
14
36000
2000
Ecco alcune delle cose che prevengono il cancro:
00:53
crustscroste, redrosso pepperpepe, licoriceliquirizia and coffeecaffè.
15
38000
2000
croste, pepe rosso, liquirizia e caffè.
00:55
So alreadygià you can see there are contradictionscontraddizioni.
16
40000
2000
Vedete già che ci sono contraddizioni.
00:57
CoffeeCaffè bothentrambi causescause and preventspreviene cancercancro.
17
42000
2000
Il caffè causa il cancro e lo previene.
00:59
And as you startinizio to readleggere on, you can see
18
44000
2000
E andando avanti a leggere, osservate
01:01
that maybe there's some kindgenere of politicalpolitico valenceValence behinddietro a some of this.
19
46000
3000
che forse c'è un qualche tipo di valenza politica dietro tutto ciò.
01:04
So for womendonne, houseworklavori domestici preventspreviene breastSeno cancercancro,
20
49000
2000
Quindi per le donne, il lavoro domestico previene il cancro al seno,
01:06
but for menuomini, shoppingshopping could make you impotentimpotente.
21
51000
3000
ma per gli uomini, lo shopping può rendere impotenti.
01:09
So we know that we need to startinizio
22
54000
3000
Quindi sappiamo che dobbiamo cominciare
01:12
unpickingriprendendo the sciencescienza behinddietro a this.
23
57000
3000
a tirare fuori la scienza che c'è dietro a tutto questo.
01:15
And what I hopesperanza to showmostrare
24
60000
2000
E quello che spero di mostrare
01:17
is that unpickingriprendendo dodgypoco raccomandabile claimsreclami,
25
62000
2000
è che tirare fuori affermazioni poco affidabili,
01:19
unpickingriprendendo the evidenceprova behinddietro a dodgypoco raccomandabile claimsreclami,
26
64000
2000
disfare le prove dietro a queste affermazioni inaffidabili,
01:21
isn't a kindgenere of nastybrutto carpingcavilli activityattività;
27
66000
3000
non è un'attività così terribile e cavillosa;
01:24
it's sociallysocialmente usefulutile,
28
69000
2000
è socialmente utile,
01:26
but it's alsoanche an extremelyestremamente valuableprezioso
29
71000
2000
ed è anche uno strumento esplicativo
01:28
explanatoryesplicativo toolstrumento.
30
73000
2000
estremamente utile.
01:30
Because realvero sciencescienza is all about
31
75000
2000
Perché vera scienza vuol dire
01:32
criticallycriticamente appraisingvalutazione the evidenceprova for somebodyqualcuno else'sdi qualcun'altro positionposizione.
32
77000
2000
valutare criticamente le prove di una posizione altrui.
01:34
That's what happensaccade in academicaccademico journalsriviste.
33
79000
2000
È quello che succede sulle riviste accademiche.
01:36
That's what happensaccade at academicaccademico conferencesconferenze.
34
81000
2000
È quello che succede alle conferenze accademiche.
01:38
The Q&A sessionsessione after a post-opPost-op presentsregali datadati
35
83000
2000
La sessione di domande e risposte dopo la presentazione di dati post-operatori
01:40
is oftenspesso a bloodsangue bathVasca da bagno.
36
85000
2000
è spesso un bagno di sangue.
01:42
And nobodynessuno mindsmenti that. We activelyattivamente welcomebenvenuto it.
37
87000
2000
E nessuno se ne preoccupa. È molto apprezzato.
01:44
It's like a consentingconsenzienti intellectualintellettuale S&M activityattività.
38
89000
3000
È come acconsentire ad un attività intellettuale sadomasochistica.
01:47
So what I'm going to showmostrare you
39
92000
2000
Quello che vi mostrerò
01:49
is all of the mainprincipale things,
40
94000
2000
sono tutte le cose principali,
01:51
all of the mainprincipale featuresCaratteristiche of my disciplinedisciplina --
41
96000
2000
tutte le principali caratteristiche della mia disciplina -
01:53
evidence-basedprova-ha basato medicinemedicina.
42
98000
2000
medicina basata sulle prove.
01:55
And I will talk you throughattraverso all of these
43
100000
2000
E vi guiderò attraverso tutte queste
01:57
and demonstratedimostrare how they work,
44
102000
2000
e vi dimostrerò come funzionano,
01:59
exclusivelyesclusivamente usingutilizzando examplesesempi of people gettingottenere stuffcose wrongsbagliato.
45
104000
3000
esclusivamente utilizzando esempi di gente che interpreta male le cose.
02:02
So we'llbene startinizio with the absoluteassoluto weakestpiù deboli formmodulo of evidenceprova knownconosciuto to man,
46
107000
3000
Cominceremo con la prova più debole nota a tutti,
02:05
and that is authorityautorità.
47
110000
2000
ed è l'autorità.
02:07
In sciencescienza, we don't carecura how manymolti letterslettere you have after your namenome.
48
112000
3000
Nella scienza, non ci importa quante lettere avete dopo il vostro nome.
02:10
In sciencescienza, we want to know what your reasonsmotivi are for believingcredendo something.
49
115000
3000
Nella scienza, vogliamo sapere quali sono le ragioni per credere qualcosa.
02:13
How do you know that something is good for us
50
118000
2000
Come sapete se una cosa ci fa bene
02:15
or badcattivo for us?
51
120000
2000
o ci fa male?
02:17
But we're alsoanche unimpressedMaper by authorityautorità,
52
122000
2000
Ma siamo anche poco convinti dell'autorità,
02:19
because it's so easyfacile to contriveescogitare.
53
124000
2000
perché è così facile da inventare.
02:21
This is somebodyqualcuno calledchiamato DrDr. GillianGillian McKeithMcKeith PhPH.D,
54
126000
2000
Questa persona si chiama dott.ssa. Gillian McKeith con dottorato,
02:23
or, to give her fullpieno medicalmedico titletitolo, GillianGillian McKeithMcKeith.
55
128000
3000
o, per dare il suo titolo completo, Gillian McKeith.
02:26
(LaughterRisate)
56
131000
3000
(Risate)
02:29
Again, everyogni countrynazione has somebodyqualcuno like this.
57
134000
2000
Ancora una volta, ogni paese ha gente di questo tipo.
02:31
She is our TVTV dietdieta guruguru.
58
136000
2000
È la nostra esperta dietologa in TV.
02:33
She has massivemassiccio fivecinque seriesserie of prime-timeprime time televisiontelevisione,
59
138000
3000
Ha alle spalle cinque grosse serie televisive in prima serata,
02:36
givingdando out very lavishsontuoso and exoticesotici healthSalute adviceconsigli.
60
141000
3000
in cui dà consigli sulla salute molto generosi ed esotici.
02:39
She, it turnsgiri out, has a non-accreditednon accreditati correspondencecorrispondenza coursecorso PhPH.D.
61
144000
3000
E si scopre, che ha un titolo di dottorato in ricerca non accreditato
02:42
from somewhereda qualche parte in AmericaAmerica.
62
147000
2000
proveniente da qualche parte in America.
02:44
She alsoanche boastsvanta that she's a certifiedcertificato professionalprofessionale membermembro
63
149000
2000
Si vanta anche di essere membro certificato
02:46
of the AmericanAmericano AssociationAssociazione of NutritionalNutrizionali ConsultantsConsulenti,
64
151000
2000
dell'Associazione Americana di Consulenti Nutrizionali,
02:48
whichquale soundssuoni very glamorousaffascinante and excitingemozionante.
65
153000
2000
il che suona molto elegante e promettente.
02:50
You get a certificatecertificato and everything.
66
155000
2000
C'è un certificato e tutto.
02:52
This one belongsappartiene to my deadmorto catgatto HettiHetti. She was a horribleorribile catgatto.
67
157000
2000
Questo è quello del mio gatto, ora morto, Hetti. Era un gatto terribile.
02:54
You just go to the websiteSito web, fillriempire out the formmodulo,
68
159000
2000
Basta andare sul sito, riempire il modulo,
02:56
give them $60, and it arrivesarriva in the postinviare.
69
161000
2000
dare loro 60 dollari, e arriva per posta.
02:58
Now that's not the only reasonragionare that we think this personpersona is an idiotidiota.
70
163000
2000
Questo non è l'unico motivo per cui pensiamo che questa persona sia un'idiota.
03:00
She alsoanche goesva and saysdice things like,
71
165000
2000
Dice anche cose come,
03:02
you should eatmangiare lots of darkbuio greenverde leavesle foglie,
72
167000
2000
dovreste mangiare molte foglie verde scuro
03:04
because they containcontenere lots of chlorophyllclorofilla, and that will really oxygenateossigenare your bloodsangue.
73
169000
2000
perché contengono molta clorofilla, e contribuirà a ossigenare molto il vostro sangue.
03:06
And anybodynessuno who'schi è donefatto schoolscuola biologybiologia rememberssi ricorda
74
171000
2000
E chiunque abbia fatto biologia a scuola ricorda
03:08
that chlorophyllclorofilla and chloroplastscloroplasti
75
173000
2000
che la clorofilla e i cloroplasti
03:10
only make oxygenossigeno in sunlightluce del sole,
76
175000
2000
producono ossigeno solo in presenza di luce solare,
03:12
and it's quiteabbastanza darkbuio in your bowelsviscere after you've eatenmangiato spinachspinaci.
77
177000
3000
e l'interno del vostro organismo è abbastanza buio dopo aver mangiato spinaci.
03:15
NextSuccessivo, we need propercorretto sciencescienza, propercorretto evidenceprova.
78
180000
3000
Poi, abbiamo bisogno di scienza precisa, prove certe.
03:18
So, "RedRosso winevino can help preventimpedire breastSeno cancercancro."
79
183000
2000
Quindi, "Il vino rosso può aiutare a prevenire il cancro al seno".
03:20
This is a headlinetitolo from the DailyGiornaliero TelegraphTelegrafo in the U.K.
80
185000
2000
È un titolo in prima pagina del Daily Telegraph nel Regno Unito.
03:22
"A glassbicchiere of redrosso winevino a day could help preventimpedire breastSeno cancercancro."
81
187000
3000
"Un bicchiere di vino rosso al giorno può aiutare a prevenire il cancro al seno".
03:25
So you go and find this papercarta, and what you find
82
190000
2000
Quindi vedete questo giornale, e scoprite
03:27
is it is a realvero piecepezzo of sciencescienza.
83
192000
2000
è un vero articolo di scienza.
03:29
It is a descriptiondescrizione of the changesi cambiamenti in one enzymeenzima
84
194000
3000
È una descrizione dei cambiamenti in un enzima
03:32
when you dripgoccia a goccia a chemicalchimico extractedestratti from some redrosso grapeuva skinpelle
85
197000
3000
quando fate gocciolare un estratto chimico da un grappolo rosso
03:35
ontosu some cancercancro cellscellule
86
200000
2000
su delle cellule cancerose
03:37
in a dishpiatto on a benchpanchina in a laboratorylaboratorio somewhereda qualche parte.
87
202000
3000
in un piatto su un bancone di un laboratorio.
03:40
And that's a really usefulutile thing to describedescrivere
88
205000
2000
Ed è una cosa molto utile da descrivere
03:42
in a scientificscientifico papercarta,
89
207000
2000
su un articolo scientifico,
03:44
but on the questiondomanda of your ownproprio personalpersonale riskrischio
90
209000
2000
ma la questione del vostro rischio personale
03:46
of gettingottenere breastSeno cancercancro if you drinkbere redrosso winevino,
91
211000
2000
di avere il cancro al seno se bevete vino rosso,
03:48
it tellsdice you absolutelyassolutamente buggerBugger all.
92
213000
2000
è una totale stronzata.
03:50
ActuallyIn realtà, it turnsgiri out that your riskrischio of breastSeno cancercancro
93
215000
2000
Di fatto, si scopre che il rischio di avere il cancro al seno
03:52
actuallyin realtà increasesaumenta slightlyleggermente
94
217000
2000
aumenta leggermente
03:54
with everyogni amountquantità of alcoholalcool that you drinkbere.
95
219000
2000
al crescere della quantità di alcool che bevete.
03:56
So what we want is studiesstudi in realvero humanumano people.
96
221000
4000
Quello che vogliamo sono studi su persone vere.
04:00
And here'secco anotherun altro exampleesempio.
97
225000
2000
Ed ecco un altro esempio.
04:02
This is from Britain'sDella Gran Bretagna leadingprincipale dietdieta and nutritionistnutrizionista in the DailyGiornaliero MirrorSpecchio,
98
227000
3000
Questo è di un uno dei più noti nutrizionisti britannici sul Daily Mirror,
04:05
whichquale is our secondsecondo biggestmaggiore sellingvendita newspapergiornale.
99
230000
2000
che è il nostro secondo quotidiano più venduto.
04:07
"An AustralianAustraliano studystudia in 2001
100
232000
2000
"Uno studio australiano del 2001
04:09
foundtrovato that oliveoliva oilolio in combinationcombinazione with fruitsfrutta, vegetablesverdure and pulsesimpulsi
101
234000
2000
ha scoperto che l'olio di oliva combinato con frutta, vegetali e legumi
04:11
offersofferte measurablemisurabile protectionprotezione againstcontro skinpelle wrinklingswrinklings."
102
236000
2000
offre una protezione misurabile contro le rughe".
04:13
And then they give you adviceconsigli:
103
238000
2000
E poi danno un consiglio:
04:15
"If you eatmangiare oliveoliva oilolio and vegetablesverdure, you'llpotrai have fewermeno skinpelle wrinklesrughe."
104
240000
2000
"Mangiando olio di oliva e verdure, avrete meno rughe".
04:17
And they very helpfullygentile tell you how to go and find the papercarta.
105
242000
2000
E vi dicono anche come andare a trovare l'articolo.
04:19
So you go and find the papercarta, and what you find is an observationalosservazionale studystudia.
106
244000
3000
Allora andate a cercare l'articolo, e quello che trovate è uno studio di osservazione.
04:22
ObviouslyOvviamente nobodynessuno has been ablecapace
107
247000
2000
Ovviamente nessuno è stato in grado
04:24
to go back to 1930,
108
249000
2000
di andare indietro al 1930,
04:26
get all the people bornNato in one maternitymaternità unitunità,
109
251000
3000
prendere tutti i bambini nati al reparto maternità,
04:29
and halfmetà of them eatmangiare lots of fruitfrutta and vegveg and oliveoliva oilolio,
110
254000
2000
la metà di loro mangia molta frutta, verdura e olio di oliva,
04:31
and then halfmetà of them eatmangiare McDonald'sMcDonald,
111
256000
2000
e l'altra metà mangia da McDonald's,
04:33
and then we see how manymolti wrinklesrughe you've got laterdopo.
112
258000
2000
e poi si controlla quante rughe vengono fuori più avanti.
04:35
You have to take a snapshotistantanea of how people are now.
113
260000
2000
Si deve fare una fotografia di come sono le persone oggi.
04:37
And what you find is, of coursecorso,
114
262000
2000
E quello che scoprite, ovviamente,
04:39
people who eatmangiare vegveg and oliveoliva oilolio have fewermeno skinpelle wrinklesrughe.
115
264000
3000
le persone che mangiano vegetali e olio di oliva hanno meno rughe.
04:42
But that's because people who eatmangiare fruitfrutta and vegveg and oliveoliva oilolio,
116
267000
3000
Ma questo perché chi mangia frutta, verdure e olio di oliva
04:45
they're freaksFreaks, they're not normalnormale, they're like you;
117
270000
3000
sono strani, non sono normali, sono come voi;
04:48
they come to eventseventi like this.
118
273000
2000
vengono a eventi come questi.
04:50
They are poshPosh, they're wealthyricco, they're lessDi meno likelyprobabile to have outdoorall'aperto jobslavori,
119
275000
3000
Sono snob, sono sani, fanno meno lavori all'aria aperta,
04:53
they're lessDi meno likelyprobabile to do manualManuale laborlavoro,
120
278000
2000
fanno meno lavori manuali,
04:55
they have better socialsociale supportsupporto, they're lessDi meno likelyprobabile to smokefumo --
121
280000
2000
hanno una migliore assistenza sociale, tendono a fumare di meno -
04:57
so for a wholetotale hostospite of fascinatingaffascinante, interlockingad incastro
122
282000
2000
per tutta una serie di ragioni
04:59
socialsociale, politicalpolitico and culturalculturale reasonsmotivi,
123
284000
2000
affascinanti, interdipendenti, sociali, politiche e culturali,
05:01
they are lessDi meno likelyprobabile to have skinpelle wrinklesrughe.
124
286000
2000
tendono ad avere meno rughe.
05:03
That doesn't mean that it's the vegetablesverdure or the oliveoliva oilolio.
125
288000
2000
Questo non significa che sia per le verdure o per l'olio di oliva.
05:05
(LaughterRisate)
126
290000
2000
(Risate)
05:07
So ideallyidealmente what you want to do is a trialprova.
127
292000
3000
Idealmente quello che si vuole fare è un esperimento.
05:10
And everybodytutti thinkspensa they're very familiarfamiliare with the ideaidea of a trialprova.
128
295000
2000
E tutti pensano di avere familiarità con l'idea di esperimento.
05:12
TrialsProve are very oldvecchio. The first trialprova was in the BibleBibbia -- DanielDaniel 1:12.
129
297000
3000
Gli esperimenti sono molto antichi. Il primo compare nella Bibbia - Daniele 1:12.
05:15
It's very straightforwardschietto -- you take a bunchmazzo of people, you splitDiviso them in halfmetà,
130
300000
2000
È molto semplice - prendete un gruppo di persone, lo dividete in due,
05:17
you treattrattare one groupgruppo one way, you treattrattare the other groupgruppo the other way,
131
302000
2000
trattate un gruppo in un modo, trattate l'altro gruppo in un altro modo,
05:19
and a little while laterdopo, you followSeguire them up
132
304000
2000
e poco dopo, li controllate
05:21
and see what happenedè accaduto to eachogni of them.
133
306000
2000
e vedete cos'è successo a ogni gruppo.
05:23
So I'm going to tell you about one trialprova,
134
308000
2000
Vi racconterò di un esperimento,
05:25
whichquale is probablyprobabilmente the mostmaggior parte well-reportedben segnalati trialprova
135
310000
2000
che è probabilmente uno degli esperimenti meglio illustrati
05:27
in the U.K. newsnotizia mediamedia over the pastpassato decadedecennio.
136
312000
2000
dai notiziari del Regno Unito nell'ultimo decennio.
05:29
And this is the trialprova of fishpesce oilolio pillspillole.
137
314000
2000
Ed è l'esperimento sulle pillole di olio di pesce.
05:31
And the claimRichiesta was fishpesce oilolio pillspillole improveMigliorare schoolscuola performanceprestazione and behaviorcomportamento
138
316000
2000
E l'affermazione era che l'olio di pesce migliora i risultati scolastici e il comportamento
05:33
in mainstreamcorrente principale childrenbambini.
139
318000
2000
nella maggior parte dei bambini.
05:35
And they said, "We'veAbbiamo donefatto a trialprova.
140
320000
2000
E dicevano, "Abbiamo fatto questo esperimento.
05:37
All the previousprecedente trialsprove were positivepositivo, and we know this one'suno è gonna be too."
141
322000
2000
Tutti gli esperimenti precedenti erano positivi, e sappiamo che lo sarà anche questo".
05:39
That should always ringanello alarmallarme bellscampane.
142
324000
2000
Questo dovrebbe sempre essere un campanello d'allarme.
05:41
Because if you alreadygià know the answerrisposta to your trialprova, you shouldn'tnon dovrebbe be doing one.
143
326000
3000
Perché se conoscete già la risposta all'esperimento, non dovreste farlo.
05:44
EitherEntrambi you've riggedtruccato it by designdesign,
144
329000
2000
O l'avete già manipolato,
05:46
or you've got enoughabbastanza datadati so there's no need to randomizeRandomize people anymorepiù.
145
331000
3000
o avete dati a sufficienza per cui non è più necessario randomizzare nessuno.
05:49
So this is what they were going to do in theirloro trialprova.
146
334000
3000
Ecco cosa facevano nel loro esperimento.
05:52
They were takingpresa 3,000 childrenbambini,
147
337000
2000
Hanno preso 3000 bambini,
05:54
they were going to give them all these hugeenorme fishpesce oilolio pillspillole,
148
339000
2000
gli hanno dato tutte queste pillole a base di olio di pesce,
05:56
sixsei of them a day,
149
341000
2000
sei al giorno,
05:58
and then a yearanno laterdopo, they were going to measuremisurare theirloro schoolscuola examesame performanceprestazione
150
343000
3000
e un anno dopo, hanno misurato i loro risultati scolastici agli esami
06:01
and compareconfrontare theirloro schoolscuola examesame performanceprestazione
151
346000
2000
confrontandoli con gli esami scolastici
06:03
againstcontro what they predictedprevisto theirloro examesame performanceprestazione would have been
152
348000
2000
con la loro previsione di risultato su questi esami
06:05
if they hadn'tnon aveva had the pillspillole.
153
350000
3000
se non avessero preso le pillole.
06:08
Now can anybodynessuno spotindividuare a flawdifetto in this designdesign?
154
353000
3000
Riuscite a identificare un difetto in questo progetto?
06:11
And no professorsprofessori of clinicalclinico trialprova methodologymetodologia
155
356000
3000
E i professori di metodologia clinica
06:14
are allowedpermesso to answerrisposta this questiondomanda.
156
359000
2000
non sono autorizzati a rispondere alla domanda.
06:16
So there's no controlcontrollo; there's no controlcontrollo groupgruppo.
157
361000
2000
Non c'è controllo; non c'è un gruppo di controllo.
06:18
But that soundssuoni really techieTechie.
158
363000
2000
Ma sembra una cosa molto tecnica.
06:20
That's a technicaltecnico termtermine.
159
365000
2000
È un termine tecnico.
06:22
The kidsbambini got the pillspillole, and then theirloro performanceprestazione improvedmigliorata.
160
367000
2000
I ragazzi prendono le pillole, e i loro risultati migliorano.
06:24
What elsealtro could it possiblypossibilmente be if it wasn'tnon era the pillspillole?
161
369000
3000
Cos'altro potrebbe essere se non sono le pillole?
06:27
They got olderpiù vecchio. We all developsviluppare over time.
162
372000
3000
Sono cresciuti. Maturiamo tutti con il tempo.
06:30
And of coursecorso, alsoanche there's the placeboplacebo effecteffetto.
163
375000
2000
E naturalmente, c'è anche l'effetto placebo.
06:32
The placeboplacebo effecteffetto is one of the mostmaggior parte fascinatingaffascinante things in the wholetotale of medicinemedicina.
164
377000
2000
L'effetto placebo è una delle cose più affascinanti del mondo della medicina.
06:34
It's not just about takingpresa a pillpillola, and your performanceprestazione and your paindolore gettingottenere better.
165
379000
3000
Non si tratta solo di prendere una pillola, e i risultati e il dolore migliorano.
06:37
It's about our beliefscredenze and expectationsaspettative.
166
382000
2000
Si tratta delle nostre convinzioni e delle nostre aspettative.
06:39
It's about the culturalculturale meaningsenso of a treatmenttrattamento.
167
384000
2000
Si tratta del significato culturale del trattamento.
06:41
And this has been demonstrateddimostrato in a wholetotale raftzattera of fascinatingaffascinante studiesstudi
168
386000
3000
Ed è stato dimostrato in tutta una serie di studi affascinanti
06:44
comparingconfrontando one kindgenere of placeboplacebo againstcontro anotherun altro.
169
389000
3000
confrontando un tipo di placebo con un altro.
06:47
So we know, for exampleesempio, that two sugarzucchero pillspillole a day
170
392000
2000
Sappiamo quindi, per esempio, che due pastiglie di zucchero al giorno
06:49
are a more effectiveefficace treatmenttrattamento for gettingottenere ridliberare of gastricgastrico ulcersulcere
171
394000
2000
sono un trattamento più efficace per sbarazzarsi delle ulcere gastriche
06:51
than one sugarzucchero pillpillola.
172
396000
2000
di una pastiglia di zucchero.
06:53
Two sugarzucchero pillspillole a day beatsbattiti one sugarzucchero pillpillola a day.
173
398000
2000
Due pastiglie di zucchero al giorno battono una pastiglia di zucchero al giorno.
06:55
And that's an outrageousoltraggioso and ridiculousridicolo findingscoperta, but it's truevero.
174
400000
3000
Ed è una scoperta ridicola e stravagante, ma è vero.
06:58
We know from threetre differentdiverso studiesstudi on threetre differentdiverso typestipi of paindolore
175
403000
2000
Sappiamo da tre diversi studi su tre diversi tipi di dolore
07:00
that a saltwateracqua salata injectioniniezione is a more effectiveefficace treatmenttrattamento for paindolore
176
405000
3000
che un'iniezione di acqua salata è un trattamento più efficace contro il dolore
07:03
than takingpresa a sugarzucchero pillpillola, takingpresa a dummymanichino pillpillola that has no medicinemedicina in it --
177
408000
4000
di una pillola di zucchero, prendere una finta pillola che non contiene nessun medicinale -
07:07
not because the injectioniniezione or the pillspillole do anything physicallyfisicamente to the bodycorpo,
178
412000
3000
non perché l'iniezione o le pillole facciano fisicamente nulla al corpo,
07:10
but because an injectioniniezione feelssi sente like a much more dramaticdrammatico interventionintervento.
179
415000
3000
ma perché un'iniezione sembra un intervento molto più drastico.
07:13
So we know that our beliefscredenze and expectationsaspettative
180
418000
2000
Sappiamo quindi che le nostre convinzioni e aspettative
07:15
can be manipulatedmanipolato,
181
420000
2000
possono essere manipolate,
07:17
whichquale is why we do trialsprove
182
422000
2000
ed è il motivo per cui facciamo esperimenti
07:19
where we controlcontrollo againstcontro a placeboplacebo --
183
424000
2000
in cui controlliamo l'effetto placebo -
07:21
where one halfmetà of the people get the realvero treatmenttrattamento
184
426000
2000
dove la metà delle persone ricevono un vero trattamento
07:23
and the other halfmetà get placeboplacebo.
185
428000
2000
e l'altra metà ricevono un placebo.
07:25
But that's not enoughabbastanza.
186
430000
3000
Ma non è abbastanza.
07:28
What I've just shownmostrato you are examplesesempi of the very simplesemplice and straightforwardschietto waysmodi
187
433000
3000
Quello che vi ho mostrato sono esempi di metodi semplici e immediati
07:31
that journalistsgiornalisti and foodcibo supplementSupplemento pillpillola peddlersvenditori ambulanti
188
436000
2000
in cui i giornalisti e gli spacciatori di integratori alimentari
07:33
and naturopathsnaturopati
189
438000
2000
e naturopati
07:35
can distortfalsare la evidenceprova for theirloro ownproprio purposesscopi.
190
440000
3000
possono distorcere le prove per i propri scopi.
07:38
What I find really fascinatingaffascinante
191
443000
2000
Quello che trovo veramente affascinante
07:40
is that the pharmaceuticalfarmaceutico industryindustria
192
445000
2000
è che l'industria farmaceutica
07:42
usesusi exactlydi preciso the samestesso kindstipi of trickstrucchi and devicesdispositivi,
193
447000
2000
utilizza esattamente lo stesso tipo di trucchi e strumenti,
07:44
but slightlyleggermente more sophisticatedsofisticato versionsversioni of them,
194
449000
3000
ma in una versione leggermente più sofisticata,
07:47
in orderordine to distortfalsare la the evidenceprova that they give to doctorsmedici and patientspazienti,
195
452000
3000
allo scopo di distorcere le evidenze che danno a dottori e pazienti,
07:50
and whichquale we use to make vitallyvitale importantimportante decisionsdecisioni.
196
455000
3000
e che utilizziamo per prendere decisioni di vitale importanza.
07:53
So firstlyin primo luogo, trialsprove againstcontro placeboplacebo:
197
458000
2000
In primo luogo, test contro il placebo:
07:55
everybodytutti thinkspensa they know that a trialprova should be
198
460000
2000
tutti pensano che sappiano che un test debba essere
07:57
a comparisonconfronto of your newnuovo drugdroga againstcontro placeboplacebo.
199
462000
2000
un confronto della nuova medicina contro il placebo.
07:59
But actuallyin realtà in a lot of situationssituazioni that's wrongsbagliato.
200
464000
2000
Ma di fatto in molte situazioni non è così.
08:01
Because oftenspesso we alreadygià have a very good treatmenttrattamento that is currentlyattualmente availablea disposizione,
201
466000
3000
Perchè spesso esiste già un buon trattamento disponibile,
08:04
so we don't want to know that your alternativealternativa newnuovo treatmenttrattamento
202
469000
2000
quindi non si vuole far sapere che nuovo trattamento alternativo
08:06
is better than nothing.
203
471000
2000
è meglio di niente.
08:08
We want to know that it's better than the bestmigliore currentlyattualmente availablea disposizione treatmenttrattamento that we have.
204
473000
3000
Vogliamo sapere che è migliore del migliore del miglior trattamento attualmente disponibile.
08:11
And yetancora, repeatedlyripetutamente, you consistentlymodo coerente see people doing trialsprove
205
476000
3000
E ancora, ripetutamente, si vedono persone che fanno ripetutamente test
08:14
still againstcontro placeboplacebo.
206
479000
2000
rispetto al placebo.
08:16
And you can get licenselicenza to bringportare your drugdroga to marketmercato
207
481000
2000
E si riescono a ottenere licenze per la commercializzazione di medicinali
08:18
with only datadati showingmostrando that it's better than nothing,
208
483000
2000
con i soli dati che mostrano che è meglio di niente,
08:20
whichquale is uselessinutili for a doctormedico like me tryingprovare to make a decisiondecisione.
209
485000
3000
il ché è inutile per un medico come me che cerca di prendere decisioni.
08:23
But that's not the only way you can rigimpianto your datadati.
210
488000
2000
Ma non è l'unico modo di manipolare i dati.
08:25
You can alsoanche rigimpianto your datadati
211
490000
2000
I dati si possono manipolare anche
08:27
by makingfabbricazione the thing you compareconfrontare your newnuovo drugdroga againstcontro
212
492000
2000
facendo il giochino di confrontare il nuovo medicinale
08:29
really rubbishsciocchezze.
213
494000
2000
con robaccia.
08:31
You can give the competingcompetere drugdroga in too lowBasso a dosedose,
214
496000
2000
Si può somministrare il medicinale concorrente in dosi molto basse,
08:33
so that people aren'tnon sono properlypropriamente treatedtrattati.
215
498000
2000
cosicché le persone non siano trattate adeguatamente.
08:35
You can give the competingcompetere drugdroga in too highalto a dosedose,
216
500000
2000
Si può somministrare il medicinale concorrente in dosi troppo alte,
08:37
so that people get sidelato effectseffetti.
217
502000
2000
per provocare alla gente effetti collateriali.
08:39
And this is exactlydi preciso what happenedè accaduto
218
504000
2000
Ed è proprio quello che è successo
08:41
whichquale antipsychoticantipsicotico medicationmedicazione for schizophreniaschizofrenia.
219
506000
2000
con i medicinali antipsicotici per la schizofrenia.
08:43
20 yearsanni agofa, a newnuovo generationgenerazione of antipsychoticantipsicotico drugsfarmaci were broughtportato in
220
508000
3000
20 anni fa, è stata lanciata una nuova generazione di medicinali antipsicotici
08:46
and the promisepromettere was that they would have fewermeno sidelato effectseffetti.
221
511000
3000
e la promessa era che avrebbero avuto meno effetti collaterali.
08:49
So people setimpostato about doing trialsprove of these newnuovo drugsfarmaci
222
514000
2000
Quindi si è cominciata la sperimentazione su questi nuovi medicinali
08:51
againstcontro the oldvecchio drugsfarmaci,
223
516000
2000
rispetto a quelli vecchi,
08:53
but they gaveha dato the oldvecchio drugsfarmaci in ridiculouslyridicolmente highalto dosesdosi --
224
518000
2000
ma hanno somministrato i vecchi medicinali in dosi altissime -
08:55
20 milligramsmilligrammi a day of haloperidolHaloperidol.
225
520000
2000
20 milligrammi al giorno di aloperidolo.
08:57
And it's a foregonescontata conclusionconclusione,
226
522000
2000
E la conclusione è scontata,
08:59
if you give a drugdroga at that highalto a dosedose,
227
524000
2000
se dai un medicinale a quelle dose così alte,
09:01
that it will have more sidelato effectseffetti and that your newnuovo drugdroga will look better.
228
526000
3000
avrà maggiori effetti collaterali e il nuovo medicinale sembrerà migliore.
09:04
10 yearsanni agofa, historystoria repeatedripetuto itselfsi, interestinglyÈ interessante notare che,
229
529000
2000
10 anni fa, la storia si ripete, è interessante notare,
09:06
when risperidoneRisperidone, whichquale was the first of the new-generationnuova generazione antipscyhoticantipscyhotic drugsfarmaci,
230
531000
3000
quando è scaduto il brevetto del risperidone,
09:09
cameè venuto off copyrightdiritto d'autore, so anybodynessuno could make copiescopie.
231
534000
3000
il primo della nuova generazione di medicinali antipsicotici, tutti potevano fare copie.
09:12
EverybodyTutti wanted to showmostrare that theirloro drugdroga was better than risperidoneRisperidone,
232
537000
2000
Tutti volevano mostrare che il loro medicinale era meglio del risperidone,
09:14
so you see a bunchmazzo of trialsprove comparingconfrontando newnuovo antipsychoticantipsicotico drugsfarmaci
233
539000
3000
quindi si vedono tutta una serie di sperimentazioni che confrontano i nuovi medicinali antipsicotici
09:17
againstcontro risperidoneRisperidone at eightotto milligramsmilligrammi a day.
234
542000
2000
rispetto al risperidone a 8 milligrammi al giorno.
09:19
Again, not an insanefolle dosedose, not an illegalillegale dosedose,
235
544000
2000
Ancora una volta, non una dose da pazzi, non una dose illegale,
09:21
but very much at the highalto endfine of normalnormale.
236
546000
2000
ma molto più alta del normale.
09:23
And so you're boundlimite to make your newnuovo drugdroga look better.
237
548000
3000
Quindi per forza i nuovi medicinali sembrano migliori.
09:26
And so it's no surprisesorpresa that overallcomplessivamente,
238
551000
3000
E non stupisce che complessivamente,
09:29
industry-fundedfinanziati dall'industria trialsprove
239
554000
2000
le sperimentazioni finanziate dall'industria
09:31
are fourquattro timesvolte more likelyprobabile to give a positivepositivo resultrisultato
240
556000
2000
danno risultati positivi quattro volte in più
09:33
than independentlyin modo indipendente sponsoredsponsorizzato trialsprove.
241
558000
3000
rispetto alle sperimentazioni sostenute in maniera indipendente.
09:36
But -- and it's a biggrande but --
242
561000
3000
Ma - ed è un grosso ma -
09:39
(LaughterRisate)
243
564000
2000
(Risate)
09:41
it turnsgiri out,
244
566000
2000
salta fuori,
09:43
when you look at the methodsmetodi used by industry-fundedfinanziati dall'industria trialsprove,
245
568000
3000
osservando i metodi utilizzati per le sperimentazioni finanziate dall'industria,
09:46
that they're actuallyin realtà better
246
571000
2000
che di fatto sono migliori
09:48
than independentlyin modo indipendente sponsoredsponsorizzato trialsprove.
247
573000
2000
delle sperimentazioni indipendenti.
09:50
And yetancora, they always managegestire to to get the resultrisultato that they want.
248
575000
3000
Eppure, riescono sempre ad ottenere il risultato che volevano.
09:53
So how does this work?
249
578000
2000
Allora come funziona?
09:55
How can we explainspiegare this strangestrano phenomenonfenomeno?
250
580000
3000
[E che cavolo?] Come si spiega questo strano fenomeno?
09:58
Well it turnsgiri out that what happensaccade
251
583000
2000
Si scopre che quello che succede
10:00
is the negativenegativo datadati goesva missingmancante in actionazione;
252
585000
2000
è che i dati negativi si perdono per strada;
10:02
it's withheldtrattenuto from doctorsmedici and patientspazienti.
253
587000
2000
vengono nascosti a dottori e pazienti.
10:04
And this is the mostmaggior parte importantimportante aspectaspetto of the wholetotale storystoria.
254
589000
2000
Ed è l'aspetto più importante di tutta la storia.
10:06
It's at the topsuperiore of the pyramidpiramide of evidenceprova.
255
591000
2000
È in cima alla piramide delle prove.
10:08
We need to have all of the datadati on a particularparticolare treatmenttrattamento
256
593000
3000
Bisognerebbe avere tutti i dati di un particolare trattamento
10:11
to know whetherse or not it really is effectiveefficace.
257
596000
2000
per capire se è realmente efficace.
10:13
And there are two differentdiverso waysmodi that you can spotindividuare
258
598000
2000
E ci sono due modi diverse di identificare
10:15
whetherse some datadati has goneandato missingmancante in actionazione.
259
600000
2000
se dei dati sono stati persi per strada.
10:17
You can use statisticsstatistica, or you can use storiesstorie.
260
602000
3000
Si può usare la statistica, o si può usare la storia.
10:20
I personallypersonalmente preferpreferire statisticsstatistica, so that's what I'm going to do first.
261
605000
2000
Personalmente preferisco le statistiche, quindi è quello che farò per primo.
10:22
This is something calledchiamato funnelimbuto plottracciare.
262
607000
2000
Questo si chiama "funnel plot".
10:24
And a funnelimbuto plottracciare is a very cleverintelligente way of spottingspotting
263
609000
2000
Il funnel plot è un sistema molto intelligente di identificare
10:26
if smallpiccolo negativenegativo trialsprove have disappearedscomparso, have goneandato missingmancante in actionazione.
264
611000
3000
se piccoli esperimenti negativi sono scomparsi, persi per strada.
10:29
So this is a graphgrafico of all of the trialsprove
265
614000
2000
Questo è un grafico di tutte le sperimentazioni
10:31
that have been donefatto on a particularparticolare treatmenttrattamento.
266
616000
2000
che sono state fatte di un trattamento particolare.
10:33
And as you go up towardsin direzione the topsuperiore of the graphgrafico,
267
618000
2000
E spostandovi verso la parte alta del grafico,
10:35
what you see is eachogni dotpunto is a trialprova.
268
620000
2000
vedete che ogni puntino è un esperimento.
10:37
And as you go up, those are the biggerpiù grande trialsprove, so they'veessi hanno got lessDi meno errorerrore in them.
269
622000
3000
E salendo, questi sono gli esperimenti più grossi, quindi contengono meno errori.
10:40
So they're lessDi meno likelyprobabile to be randomlya caso falsefalso positivespositivi, randomlya caso falsefalso negativesnegativi.
270
625000
3000
Quindi è meno probabile che ci siano dei falsi positivi casuali, falsi negativi casuali.
10:43
So they all clustergrappolo togetherinsieme.
271
628000
2000
Si raggruppano tutti insieme.
10:45
The biggrande trialsprove are closerpiù vicino to the truevero answerrisposta.
272
630000
2000
I grossi esperimenti sono più vicini alla realtà.
10:47
Then as you go furtherulteriore down at the bottomparte inferiore,
273
632000
2000
Poi scendendo verso il basso,
10:49
what you can see is, over on this sidelato, the spuriousspurie falsefalso negativesnegativi,
274
634000
3000
quello che si vede sono, da questa parte, i fittizzi falsi negativi,
10:52
and over on this sidelato, the spuriousspurie falsefalso positivespositivi.
275
637000
2000
e da questa parte, i fittizzi falsi positivi.
10:54
If there is publicationpubblicazione biaspregiudizio,
276
639000
2000
Se la pubblicazione è pregiudicata,
10:56
if smallpiccolo negativenegativo trialsprove have goneandato missingmancante in actionazione,
277
641000
3000
se i piccoli esperimenti negativi si perdono per strada,
10:59
you can see it on one of these graphsgrafici.
278
644000
2000
si possono vedere su uno di questi grafici.
11:01
So you can see here that the smallpiccolo negativenegativo trialsprove
279
646000
2000
Vedete qui che i piccoli esperimenti negativi
11:03
that should be on the bottomparte inferiore left have disappearedscomparso.
280
648000
2000
che dovrebbero essere in basso a sinistra sono scomparsi.
11:05
This is a graphgrafico demonstratingdimostrando the presencepresenza of publicationpubblicazione biaspregiudizio
281
650000
3000
Questo è un grafico che dimostra la presenza di parzialità nella pubblicazione
11:08
in studiesstudi of publicationpubblicazione biaspregiudizio.
282
653000
2000
negli studi sulla parzialità delle pubblicazioni.
11:10
And I think that's the funniestpiù divertente epidemiologyepidemiologia jokescherzo
283
655000
2000
E credo che sia lo scherzo contagioso più divertente
11:12
that you will ever hearsentire.
284
657000
2000
che mai sentirete.
11:14
That's how you can provedimostrare it statisticallystatisticamente,
285
659000
2000
Questo è come potete provarlo statisticamente,
11:16
but what about storiesstorie?
286
661000
2000
ma le storie?
11:18
Well they're heinousatroce, they really are.
287
663000
2000
Sono atroci, lo sono veramente.
11:20
This is a drugdroga calledchiamato reboxetinereboxetina.
288
665000
2000
Questo è un medicinale chiamato reboxetina.
11:22
This is a drugdroga that I myselfme stessa have prescribedprescritto to patientspazienti.
289
667000
2000
È un medicinale che io stesso ho prescritto a pazienti.
11:24
And I'm a very nerdynerd doctormedico.
290
669000
2000
E sono un medico cervellone.
11:26
I hopesperanza I try to go out of my way to try and readleggere and understandcapire all the literatureletteratura.
291
671000
3000
Mi auguro di cercare di andare per la mia strada per cercare di leggere e capire tutta la letteratura.
11:29
I readleggere the trialsprove on this. They were all positivepositivo. They were all well-conductedben condotta.
292
674000
3000
Avevo letto le sperimentazioni su questo. Erano tutte positive. Erano state condotte bene.
11:32
I foundtrovato no flawdifetto.
293
677000
2000
Non ho trovato difetti.
11:34
UnfortunatelyPurtroppo, it turnedtrasformato out,
294
679000
2000
Sfortunatamente, si è scoperto,
11:36
that manymolti of these trialsprove were withheldtrattenuto.
295
681000
2000
che molte di queste sperimentazioni sono state occultate.
11:38
In factfatto, 76 percentper cento
296
683000
2000
In effetti, 76 per cento
11:40
of all of the trialsprove that were donefatto on this drugdroga
297
685000
2000
di tutte le sperimentazioni fatte su questo medicinale
11:42
were withheldtrattenuto from doctorsmedici and patientspazienti.
298
687000
2000
sono state occultate a medici e pazienti.
11:44
Now if you think about it,
299
689000
2000
Se ci pensate,
11:46
if I tossedsballottati a coinmoneta a hundredcentinaio timesvolte,
300
691000
2000
se lanciassi una moneta un centinaio di volte,
11:48
and I'm allowedpermesso to withholdtrattenere from you
301
693000
2000
e se mi fosse permesso trattenere
11:50
the answersrisposte halfmetà the timesvolte,
302
695000
2000
il risultato la metà delle volte,
11:52
then I can convinceconvincere you
303
697000
2000
allora potrei convincervi
11:54
that I have a coinmoneta with two headsteste.
304
699000
2000
che ho una moneta con due teste.
11:56
If we removerimuovere halfmetà of the datadati,
305
701000
2000
Rimuovendo la metà dei dati,
11:58
we can never know what the truevero effecteffetto sizedimensione of these medicinesfarmaci is.
306
703000
3000
non possiamo mai sapere quale sia il vero effetto di questa medicina.
12:01
And this is not an isolatedisolato storystoria.
307
706000
2000
E non è una storia isolata.
12:03
Around halfmetà of all of the trialprova datadati on antidepressantsantidepressivi has been withheldtrattenuto,
308
708000
4000
Circa la metà dei dati degli esperimenti sugli antidepressivi sono stati nascosti,
12:07
but it goesva way beyondal di là that.
309
712000
2000
ma si va molto oltre.
12:09
The NordicNordica CochraneCochrane GroupGruppo were tryingprovare to get a holdtenere of the datadati on that
310
714000
2000
Il Nordic Cochrane Group stava cercando di mettere le mani sui dati
12:11
to bringportare it all togetherinsieme.
311
716000
2000
per metterli insieme.
12:13
The CochraneCochrane GroupsGruppi are an internationalinternazionale nonprofitsenza scopo di lucro collaborationcollaborazione
312
718000
3000
I Cochrane Goups sono una collaborazione internazionale senza fini di lucro
12:16
that produceprodurre systematicsistematica reviewsrecensioni of all of the datadati that has ever been shownmostrato.
313
721000
3000
che produce relazioni sistematiche di tutti i dati che siano mai stati mostrati.
12:19
And they need to have accessaccesso to all of the trialprova datadati.
314
724000
3000
E hanno bisogno di avere accesso a tutti i dati di sperimentazione.
12:22
But the companiesaziende withheldtrattenuto that datadati from them,
315
727000
3000
Ma le aziende nascondono loro i dati,
12:25
and so did the EuropeanEuropeo MedicinesFarmaci AgencyAgenzia
316
730000
2000
e così ha fatto l'Agenzia europea per i medicinali
12:27
for threetre yearsanni.
317
732000
2000
per tre anni.
12:29
This is a problemproblema that is currentlyattualmente lackingcarente a solutionsoluzione.
318
734000
3000
È un problema a cui manca ancora una soluzione.
12:32
And to showmostrare how biggrande it goesva, this is a drugdroga calledchiamato TamifluTamiflu,
319
737000
3000
Per mostrare quanto sia importante il fenomeno, questo è un medicinale chiamato Tamiflu,
12:35
whichquale governmentsi governi around the worldmondo
320
740000
2000
su cui i governi del mondo
12:37
have spentspeso billionsmiliardi and billionsmiliardi of dollarsdollari on.
321
742000
2000
hanno speso miliardi di dollari.
12:39
And they spendtrascorrere that moneyi soldi on the promisepromettere
322
744000
2000
E spendono quei soldi sulla base della promessa
12:41
that this is a drugdroga whichquale will reduceridurre the rateVota
323
746000
2000
che sia un medicinale che riduce il tasso
12:43
of complicationscomplicazioni with fluinfluenza.
324
748000
2000
di complicazioni legate all'influenza.
12:45
We alreadygià have the datadati
325
750000
2000
Abbiamo già i dati
12:47
showingmostrando that it reducesriduce the durationdurata of your fluinfluenza by a fewpochi hoursore.
326
752000
2000
che mostrano che riduce la durata dell'influenza di qualche ora.
12:49
But I don't really carecura about that. GovernmentsGoverni don't carecura about that.
327
754000
2000
Ma non mi importa veramente. Ai governi non interessa.
12:51
I'm very sorry if you have the fluinfluenza, I know it's horribleorribile,
328
756000
3000
Se avete l'influenza mi dispiace, lo so che è terribile,
12:54
but we're not going to spendtrascorrere billionsmiliardi of dollarsdollari
329
759000
2000
ma non spenderemo miliardi di dollari
12:56
tryingprovare to reduceridurre the durationdurata of your fluinfluenza symptomssintomi
330
761000
2000
cercando di ridurre la durata dei sintomi della vostra influenza
12:58
by halfmetà a day.
331
763000
2000
di mezza giornata.
13:00
We prescribeprescrivere these drugsfarmaci, we stockpilescorta them for emergenciesemergenze
332
765000
2000
Prescriviamo questi medicinali, li accumuliamo per le emergenze
13:02
on the understandingcomprensione that they will reduceridurre the numbernumero of complicationscomplicazioni,
333
767000
2000
sulla base dell'interpretazione che ridurranno il numero delle complicazioni,
13:04
whichquale meanssi intende pneumoniapolmonite and whichquale meanssi intende deathmorte.
334
769000
3000
che significa pneumonia e che significa morte.
13:07
The infectiousinfettive diseasesmalattie CochraneCochrane GroupGruppo, whichquale are basedbasato in ItalyItalia,
335
772000
3000
Il Cochrane Group delle malattie infettive, che ha sede in Italia,
13:10
has been tryingprovare to get
336
775000
2000
sta cercando di ottenere
13:12
the fullpieno datadati in a usableutilizzabile formmodulo out of the drugdroga companiesaziende
337
777000
3000
alle aziende farmaceutiche i dati completi in forma utilizzabile
13:15
so that they can make a fullpieno decisiondecisione
338
780000
3000
così che possano prendere decisioni definitive
13:18
about whetherse this drugdroga is effectiveefficace or not,
339
783000
2000
sull'efficacia di un medicinale,
13:20
and they'veessi hanno not been ablecapace to get that informationinformazione.
340
785000
3000
e non sono stati in grado di ottenere quell'informazione.
13:23
This is undoubtedlysenza dubbio
341
788000
2000
È indubbiamente
13:25
the singlesingolo biggestmaggiore ethicaletico problemproblema
342
790000
3000
il problema etico singolo più grande
13:28
facingdi fronte medicinemedicina todayoggi.
343
793000
2000
a cui deve far fronte la medicina di oggi.
13:30
We cannotnon può make decisionsdecisioni
344
795000
3000
Non possiamo prendere decisioni
13:33
in the absenceassenza of all of the informationinformazione.
345
798000
4000
in assenza di tutte le informazioni.
13:37
So it's a little bitpo difficultdifficile from there
346
802000
3000
Quindi è un pò difficile da lì
13:40
to spinrotazione in some kindgenere of positivepositivo conclusionconclusione.
347
805000
4000
arrivare a una qualche conclusione positiva.
13:44
But I would say this:
348
809000
4000
Ma posso dire questo:
13:48
I think that sunlightluce del sole
349
813000
3000
Credo che la luce del sole
13:51
is the bestmigliore disinfectantdisinfettante.
350
816000
2000
sia il miglior disinfettante.
13:53
All of these things are happeningavvenimento in plainpianura sightvista,
351
818000
3000
Tutte queste cose stanno accadendo in piena vista,
13:56
and they're all protectedprotetto
352
821000
2000
e sono tutte protette
13:58
by a forcevigore fieldcampo of tediousnessnoia.
353
823000
3000
da un campo di forza di tediosità.
14:01
And I think, with all of the problemsi problemi in sciencescienza,
354
826000
2000
E credo, con tutti problemi della scienza,
14:03
one of the bestmigliore things that we can do
355
828000
2000
una delle migliori cose che possiamo fare
14:05
is to liftsollevamento up the lidcoperchio,
356
830000
2000
è alzare il coperchio,
14:07
fingerdito around in the mechanicsmeccanica and peerpari in.
357
832000
2000
tastare il meccanismo e sbirciare.
14:09
Thank you very much.
358
834000
2000
Grazie molte.
14:11
(ApplauseApplausi)
359
836000
3000
(Applausi)
Translated by Anna Cristiana Minoli
Reviewed by Ana María Pérez

▲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