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 Goldacre zwalcza złą naukę.

Filmed:
2,713,579 views

Każdego dnia pojawiają się nowe porady medyczne, ale skąd mamy wiedzieć, czy są słuszne? Lekarz i epidemiolog Ben Goldacre w szybkim tempie prezentuje jak można manipulować dowodami, zaczynając od pozornie oczywistych faktów dotyczących diety, a kończąc na subtelnych trikach firm farmaceutycznych.
- 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 doctorlekarz, but I kinduprzejmy of slippedangobowana sidewaysbokiem into researchBadania,
0
0
3000
Jestem lekarzem, ale trochę zboczyłem w kierunku badawczym
00:18
and now I'm an epidemiologistepidemiolog.
1
3000
2000
i teraz jestem epidemiologiem.
00:20
And nobodynikt really knowswie what epidemiologyepidemiologia is.
2
5000
2000
Nikt naprawdę nie wie czym jest epidemiologia.
00:22
EpidemiologyEpidemiologia is the sciencenauka of how we know in the realreal worldświat
3
7000
3000
Jest to nauka, która bada co w rzeczywistości
00:25
if something is good for you or badzły for you.
4
10000
2000
jest dla nas dobre lub złe.
00:27
And it's bestNajlepiej understoodzrozumiany throughprzez exampleprzykład
5
12000
2000
Najlepiej zrozumiemy to na przykładzie
00:29
as the sciencenauka of those crazyzwariowany, wackyodlotowe newspaperGazeta headlinesnagłówki.
6
14000
5000
zwariowanych nagłówków w prasie.
00:34
And these are just some of the examplesprzykłady.
7
19000
2000
Oto kilka z nich.
00:36
These are from the DailyCodziennie MailPoczta. EveryKażdy countrykraj in the worldświat has a newspaperGazeta like this.
8
21000
3000
Te są z Daily Mail. W każdym kraju wydają podobna prasę.
00:39
It has this bizarredziwaczne, ongoingtrwający philosophicalfilozoficzny projectprojekt
9
24000
3000
Gazeta prowadzi dziwaczny filozoficzny projekt
00:42
of dividingdziałowy all the inanimatenieożywiony objectsobiekty in the worldświat
10
27000
2000
zakładający podział wszystkich przedmiotów
00:44
into the oneste that eitherzarówno causeprzyczyna or preventzapobiec cancernowotwór.
11
29000
3000
na wywołujące raka i zapobiegające mu.
00:47
So here are some of the things they said causeprzyczyna cancernowotwór recentlyostatnio:
12
32000
2000
Oto kilka rzeczy, które według nich powodują raka:
00:49
divorcerozwód, Wi-FiWi-Fi, toiletrieszestaw kosmetyków and coffeeKawa.
13
34000
2000
rozwód, Wi-Fi, przybory toaletowe, kawa.
00:51
Here are some of the things they say preventszapobiega cancernowotwór:
14
36000
2000
A tu mamy te, które rakowi zapobiegają:
00:53
crustsstrupy, redczerwony pepperpieprz, licoriceLukrecja and coffeeKawa.
15
38000
2000
skórka chleba, papryka, lukrecja i kawa.
00:55
So alreadyjuż you can see there are contradictionssprzeczności.
16
40000
2000
Wyraźnie widać tu sprzeczność.
00:57
CoffeeKawa bothobie causesprzyczyny and preventszapobiega cancernowotwór.
17
42000
2000
Kawa powoduje raka i mu przeciwdziała.
00:59
And as you startpoczątek to readczytać on, you can see
18
44000
2000
Gdy zaczniesz czytać dalej, widzisz
01:01
that maybe there's some kinduprzejmy of politicalpolityczny valenceValence behindza some of this.
19
46000
3000
że być może wkradła się tutaj polityka.
01:04
So for womenkobiety, houseworkprace domowe preventszapobiega breastpierś cancernowotwór,
20
49000
2000
Prace domowe zapobiegają rakowi piersi u kobiet,
01:06
but for menmężczyźni, shoppingzakupy could make you impotentbezsilny.
21
51000
3000
a mężczyzn zakupy mogą uczynić impotentami.
01:09
So we know that we need to startpoczątek
22
54000
3000
Wiemy już, że musimy
01:12
unpickingRozszyfrowanie the sciencenauka behindza this.
23
57000
3000
próbować wyjaśnić te fakty naukowo.
01:15
And what I hopenadzieja to showpokazać
24
60000
2000
Mam nadzieję pokazać,
01:17
is that unpickingRozszyfrowanie dodgysprytny claimsroszczenia,
25
62000
2000
że obalanie mitów,
01:19
unpickingRozszyfrowanie the evidencedowód behindza dodgysprytny claimsroszczenia,
26
64000
2000
pozornych dowodów, jakie za nimi stoją
01:21
isn't a kinduprzejmy of nastypaskudny carpingkarpi activityczynność;
27
66000
3000
nie jest wstrętnym krytykanctwem,
01:24
it's sociallyspołecznie usefulprzydatny,
28
69000
2000
a społecznie użytecznym
01:26
but it's alsorównież an extremelyniezwykle valuablecenny
29
71000
2000
i niezmiernie wartościowym
01:28
explanatorywyjaśniający toolnarzędzie.
30
73000
2000
narzędziem wyjaśniania.
01:30
Because realreal sciencenauka is all about
31
75000
2000
Nauka polega bowiem na
01:32
criticallykrytycznie appraisingOcenianie the evidencedowód for somebodyktoś else'sw przeciwnym razie positionpozycja.
32
77000
2000
krytycznej ocenie przedstawionych przez innych dowodów.
01:34
That's what happensdzieje się in academicakademicki journalsczasopism.
33
79000
2000
Tak rzecz ma się w uczelnianych czasopismach
01:36
That's what happensdzieje się at academicakademicki conferenceskonferencje.
34
81000
2000
czy podczas akademickich konferencji.
01:38
The Q&A sessionsesja after a post-oppo operacji presentsprzedstawia datadane
35
83000
2000
Pooperacyjne narady lekarzy
01:40
is oftenczęsto a bloodkrew bathkąpiel.
36
85000
2000
to często masakra.
01:42
And nobodynikt mindsumysły that. We activelyaktywnie welcomeWitamy it.
37
87000
2000
Nikomu to nie przeszkadza.
01:44
It's like a consentingzgodę intellectualintelektualny S&M activityczynność.
38
89000
3000
Zgadzamy się na takie intelektualne sado-maso.
01:47
So what I'm going to showpokazać you
39
92000
2000
Zaprezentuję wam
01:49
is all of the mainGłówny things,
40
94000
2000
główne zagadnienia
01:51
all of the mainGłówny featurescechy of my disciplinedyscyplina --
41
96000
2000
mojej dyscypliny -
01:53
evidence-basedoparte na dowodach medicinelekarstwo.
42
98000
2000
medycyny opartej na dowodach.
01:55
And I will talk you throughprzez all of these
43
100000
2000
Opowiem wam o jej założeniach,
01:57
and demonstratewykazać how they work,
44
102000
2000
pokażę, jak działają,
01:59
exclusivelywyłącznie usingza pomocą examplesprzykłady of people gettinguzyskiwanie stuffrzeczy wrongźle.
45
104000
3000
przedstawiając przykłady ludzkich pomyłek.
02:02
So we'lldobrze startpoczątek with the absoluteabsolutny weakestnajsłabsze formformularz of evidencedowód knownznany to man,
46
107000
3000
Zaczniemy od najsłabszej znanej ludzkości formy dowodu.
02:05
and that is authorityautorytet.
47
110000
2000
Jest nią autorytet.
02:07
In sciencenauka, we don't careopieka how manywiele letterslisty you have after your nameNazwa.
48
112000
3000
Nauka nie dba o to ile literek masz przed nazwiskiem.
02:10
In sciencenauka, we want to know what your reasonspowody are for believingwierząc something.
49
115000
3000
W nauce liczy się to czym możesz poprzeć swoją wiarę w coś.
02:13
How do you know that something is good for us
50
118000
2000
Skąd wiesz, że coś jest dla nas dobre,
02:15
or badzły for us?
51
120000
2000
czy złe?
02:17
But we're alsorównież unimpressedwrażenia by authorityautorytet,
52
122000
2000
Czyjś autorytet nas nie rusza,
02:19
because it's so easyłatwo to contrivewymyślić.
53
124000
2000
bo łatwo go sfabrykować.
02:21
This is somebodyktoś callednazywa DrDr. GillianGillian McKeithMcKeith PhPH.D,
54
126000
2000
Ta pani to dr n.med. Gillian McKeith,
02:23
or, to give her fullpełny medicalmedyczny titletytuł, GillianGillian McKeithMcKeith.
55
128000
3000
a biorąc jej dorobek naukowy, to Gillian McKeith.
02:26
(LaughterŚmiech)
56
131000
3000
(Śmiech)
02:29
Again, everykażdy countrykraj has somebodyktoś like this.
57
134000
2000
W każdym kraju znajdzie się ktoś podobny.
02:31
She is our TVTELEWIZOR dietdieta guruguru.
58
136000
2000
Jest telewizyjnym guru diety.
02:33
She has massivemasywny fivepięć seriesseria of prime-timeprime time televisiontelewizja,
59
138000
3000
Prowadzi pięć programów w najlepszym czasie antenowym,
02:36
givingdający out very lavishrozrzutny and exoticegzotyczne healthzdrowie adviceRada.
60
141000
3000
gdzie prezentuje egzotyczne porady zdrowotne.
02:39
She, it turnsskręca out, has a non-accreditedakredytowani correspondenceKorespondencja coursekurs PhPH.D.
61
144000
3000
Okazuje się, że tytuł doktora zdobyła na korespondencyjnym kursie,
02:42
from somewheregdzieś in AmericaAmeryka.
62
147000
2000
prowadzonym gdzieś w Ameryce.
02:44
She alsorównież boastsszczyci się that she's a certifiedcertyfikat professionalprofesjonalny memberczłonek
63
149000
2000
Chwali się też, że jest certyfikowanym członkiem
02:46
of the AmericanAmerykański AssociationStowarzyszenie of NutritionalOdżywcze ConsultantsKonsultanci,
64
151000
2000
Amerykańskiego Stowarzyszenia Specjalistów Żywienia,
02:48
whichktóry soundsDźwięki very glamorousczarujący and excitingekscytujący.
65
153000
2000
co brzmi bardzo efektownie i ekscytująco.
02:50
You get a certificatecertyfikat and everything.
66
155000
2000
Mamy tu certyfikat.
02:52
This one belongsnależy to my deadnie żyje catkot HettiHetti. She was a horribleokropny catkot.
67
157000
2000
Ten należał do mojej zmarłej kotki, Hetti. Była okropna.
02:54
You just go to the websitestronie internetowej, fillwypełniać out the formformularz,
68
159000
2000
Wchodzisz na stronkę, wypełniasz formularz,
02:56
give them $60, and it arrivesprzybywa in the poststanowisko.
69
161000
2000
płacisz im 60 dolców i dostajesz dyplom pocztą.
02:58
Now that's not the only reasonpowód that we think this personosoba is an idiotidiota.
70
163000
2000
To nie jedyny powód świadczący, że ta osoba jest idiotką.
03:00
She alsorównież goesidzie and saysmówi things like,
71
165000
2000
Mówi też rzeczy typu:
03:02
you should eatjeść lots of darkciemny greenZielony leavesodchodzi,
72
167000
2000
powinniśmy jeść dużo ciemnozielonych liści,
03:04
because they containzawierać lots of chlorophyllchlorofil, and that will really oxygenatetlenowych your bloodkrew.
73
169000
2000
bo zawierają dużo chlorofilu, który świetnie dotlenia naszą krew.
03:06
And anybodyktoś who'skto jest doneGotowe schoolszkoła biologybiologia rememberspamięta
74
171000
2000
Każdy, kto uczył się biologii w szkole pamięta,
03:08
that chlorophyllchlorofil and chloroplastschloroplastach
75
173000
2000
że chlorofil i chloroplasty
03:10
only make oxygentlen in sunlightświatło słoneczne,
76
175000
2000
wytwarzają tlen tylko w świetle słonecznym,
03:12
and it's quitecałkiem darkciemny in your bowelswnętrzności after you've eatenjeść spinachszpinak.
77
177000
3000
a szpinak w naszych trzewiach ma całkiem ciemno.
03:15
NextNastępny, we need properprawidłowe sciencenauka, properprawidłowe evidencedowód.
78
180000
3000
Potrzebujemy odpowiednich dowodów naukowych.
03:18
So, "RedCzerwony winewino can help preventzapobiec breastpierś cancernowotwór."
79
183000
2000
"Czerwone wino może powstrzymać raka piersi".
03:20
This is a headlinenagłówek from the DailyCodziennie TelegraphTelegraph in the U.K.
80
185000
2000
To nagłówek z brytyjskiego Daily Telegraph.
03:22
"A glassszkło of redczerwony winewino a day could help preventzapobiec breastpierś cancernowotwór."
81
187000
3000
"Szklanka czerwonego wina dziennie może powstrzymać raka piersi"
03:25
So you go and find this paperpapier, and what you find
82
190000
2000
Gdy czytasz tę gazetę, odkrywasz,
03:27
is it is a realreal piecekawałek of sciencenauka.
83
192000
2000
że to kawał nauki.
03:29
It is a descriptionopis of the changeszmiany in one enzymeenzym
84
194000
3000
Jest to opis zmian w jednym z enzymów,
03:32
when you dripkroplówki a chemicalchemiczny extractedwyodrębnione from some redczerwony grapewinogron skinskóra
85
197000
3000
gdy związkiem chemicznym ze skórki winogron
03:35
ontona some cancernowotwór cellskomórki
86
200000
2000
nasączy się komórki rakowe
03:37
in a dishdanie on a benchławka in a laboratorylaboratorium somewheregdzieś.
87
202000
3000
w naczyniu, w jakimś laboratorium.
03:40
And that's a really usefulprzydatny thing to describeopisać
88
205000
2000
To bardzo pożyteczna rzecz, warto opisać ją
03:42
in a scientificnaukowy paperpapier,
89
207000
2000
w czasopiśmie naukowym,
03:44
but on the questionpytanie of your ownwłasny personalosobisty riskryzyko
90
209000
2000
ale o ryzyku dotyczącym
03:46
of gettinguzyskiwanie breastpierś cancernowotwór if you drinkdrink redczerwony winewino,
91
211000
2000
nabawienia się raka piersi, pijąc czerwone wino,
03:48
it tellsmówi you absolutelyabsolutnie buggerfacet all.
92
213000
2000
figę ci to mówi.
03:50
ActuallyFaktycznie, it turnsskręca out that your riskryzyko of breastpierś cancernowotwór
93
215000
2000
W zasadzie okazuje się, że ryzyko zachorowania
03:52
actuallytak właściwie increaseswzrasta slightlynieco
94
217000
2000
nieznacznie wzrasta
03:54
with everykażdy amountilość of alcoholalkohol that you drinkdrink.
95
219000
2000
z każdą kroplą alkoholu, którą wypijamy.
03:56
So what we want is studiesstudia in realreal humanczłowiek people.
96
221000
4000
Domagamy się więc badań na ludziach.
04:00
And here'soto jest anotherinne exampleprzykład.
97
225000
2000
Oto kolejny przykład.
04:02
This is from Britain'sW Wielkiej Brytanii leadingprowadzący dietdieta and nutritionistdietetyka in the DailyCodziennie MirrorLustro,
98
227000
3000
Jest to wypowiedź czołowego brytyjskiego dietetyka w Daily Mirror,
04:05
whichktóry is our seconddruga biggestnajwiększy sellingsprzedawanie newspaperGazeta.
99
230000
2000
naszej drugiej najlepiej sprzedającej się gazecie.
04:07
"An AustralianAustralijski studybadanie in 2001
100
232000
2000
"Australijskie badania z 2001 roku dowiodły,
04:09
founduznany that oliveOliwa oilolej in combinationpołączenie with fruitsowoce, vegetableswarzywa and pulsesimpulsy
101
234000
2000
że oliwa z oliwek wraz z owocami, warzywami i strączkami
04:11
offersoferuje measurablemierzalne protectionochrona againstprzeciwko skinskóra wrinklingswrinklings."
102
236000
2000
dostrzegalnie chroni przed zmarszczkami".
04:13
And then they give you adviceRada:
103
238000
2000
Dają nam wskazówkę:
04:15
"If you eatjeść oliveOliwa oilolej and vegetableswarzywa, you'llTy będziesz have fewermniej skinskóra wrinkleszmarszczki."
104
240000
2000
"Jedz warzywa z oliwą, będziesz miał mniej zmarszczek"
04:17
And they very helpfullyusłużnie tell you how to go and find the paperpapier.
105
242000
2000
Uprzejmie piszą jak możesz znaleźć dokumentację.
04:19
So you go and find the paperpapier, and what you find is an observationalobserwacyjne studybadanie.
106
244000
3000
Gdy już to zrobisz, okazuje się że opiera się na badaniach obserwacyjnych.
04:22
ObviouslyOczywiście nobodynikt has been ablezdolny
107
247000
2000
Oczywiście nikt nie może
04:24
to go back to 1930,
108
249000
2000
przenieść się do 1930 roku,
04:26
get all the people bornurodzony in one maternityurlop macierzyński unitjednostka,
109
251000
3000
zebrać wszystkich urodzonych na jednym oddziale,
04:29
and halfpół of them eatjeść lots of fruitowoc and vegveg and oliveOliwa oilolej,
110
254000
2000
z których połowa będzie jeść owoce, warzywa i oliwę,
04:31
and then halfpół of them eatjeść McDonald'sMcDonald's,
111
256000
2000
a połowa stołować się w McDonalds`s,
04:33
and then we see how manywiele wrinkleszmarszczki you've got laterpóźniej.
112
258000
2000
a potem sprawdzić kto ile będzie miał zmarszczek.
04:35
You have to take a snapshotmigawka of how people are now.
113
260000
2000
Należy zrobić współczesnym ludziom zdjęcia.
04:37
And what you find is, of coursekurs,
114
262000
2000
Oczywiście odkryjemy, że ci
04:39
people who eatjeść vegveg and oliveOliwa oilolej have fewermniej skinskóra wrinkleszmarszczki.
115
264000
3000
którzy jedzą warzywa z oliwą mają mniej zmarszczek.
04:42
But that's because people who eatjeść fruitowoc and vegveg and oliveOliwa oilolej,
116
267000
3000
Ale dzieje się tak, ponieważ ludzie jedzący takie rzeczy
04:45
they're freaksFreaks, they're not normalnormalna, they're like you;
117
270000
3000
to oszołomy, nienormalni, tacy jak wy.
04:48
they come to eventswydarzenia like this.
118
273000
2000
Chodzą na podobne wykłady.
04:50
They are poshPosh, they're wealthyzamożny, they're lessmniej likelyprawdopodobne to have outdoorodkryty jobsOferty pracy,
119
275000
3000
Są wytworni, bogaci, raczej nie pracują na dworze,
04:53
they're lessmniej likelyprawdopodobne to do manualpodręcznik laborpraca,
120
278000
2000
nie wykonują pracy fizycznej,
04:55
they have better socialspołeczny supportwsparcie, they're lessmniej likelyprawdopodobne to smokepalić --
121
280000
2000
żyją w lepszym środowisku społecznym, pewnie nie palą.
04:57
so for a wholecały hostgospodarz of fascinatingfascynujący, interlockingblokujące
122
282000
2000
A więc z powodu całej gamy fascynujących
04:59
socialspołeczny, politicalpolityczny and culturalkulturalny reasonspowody,
123
284000
2000
społecznych, politycznych i kulturowych przyczyn
05:01
they are lessmniej likelyprawdopodobne to have skinskóra wrinkleszmarszczki.
124
286000
2000
mają mniejszą szansę na posiadanie zmarszczek.
05:03
That doesn't mean that it's the vegetableswarzywa or the oliveOliwa oilolej.
125
288000
2000
Nie oznacza to, że wszystko dzięki warzywom czy oliwie.
05:05
(LaughterŚmiech)
126
290000
2000
(Śmiech)
05:07
So ideallyidealnie what you want to do is a trialpróba.
127
292000
3000
Najlepiej, abyśmy przeprowadzili doświadczenie.
05:10
And everybodywszyscy thinksmyśli they're very familiarznajomy with the ideapomysł of a trialpróba.
128
295000
2000
Każdy myśli, że wie na czym polega jego idea.
05:12
TrialsWersje próbne are very oldstary. The first trialpróba was in the BibleBiblii -- DanielDaniel 1:12.
129
297000
3000
Próby wykonuje się od dawna. Pierwszą z nich mamy w Biblii, Księga Daniela.
05:15
It's very straightforwardbezpośredni -- you take a bunchwiązka of people, you splitrozdzielać them in halfpół,
130
300000
2000
Zasada jest bardzo prosta - masz ludzi, dzielisz ich na dwie grupy,
05:17
you treatleczyć one groupGrupa one way, you treatleczyć the other groupGrupa the other way,
131
302000
2000
z jedną grupą postępujesz w dany sposób, z drugą w inny,
05:19
and a little while laterpóźniej, you followśledzić them up
132
304000
2000
a trochę później sprawdzasz,
05:21
and see what happenedstało się to eachkażdy of them.
133
306000
2000
co stało się w każdej z nich.
05:23
So I'm going to tell you about one trialpróba,
134
308000
2000
Opowiem wam o jednym eksperymencie,
05:25
whichktóry is probablyprawdopodobnie the mostwiększość well-reporteddobrze podać trialpróba
135
310000
2000
prawdopodobnie najgłośniejszym
05:27
in the U.K. newsAktualności mediagłoska bezdźwięczna over the pastprzeszłość decadedekada.
136
312000
2000
w brytyjskich mediach w ostatniej dekadzie.
05:29
And this is the trialpróba of fishryba oilolej pillspigułki.
137
314000
2000
Doświadczenie dotyczy pigułek tranowych.
05:31
And the claimroszczenie was fishryba oilolej pillspigułki improveulepszać schoolszkoła performancewydajność and behaviorzachowanie
138
316000
2000
Założenie było takie, że pigułki te poprawiają szkolne osiągnięcia
05:33
in mainstreamgłówny nurt childrendzieci.
139
318000
2000
u dzieci.
05:35
And they said, "We'veMamy doneGotowe a trialpróba.
140
320000
2000
Powiedziano: "Zrobiliśmy eksperyment.
05:37
All the previouspoprzedni trialspróby were positivepozytywny, and we know this one'sswoje gonna be too."
141
322000
2000
Wszystkie poprzednie dały wynik pozytywny, z tym będzie tak samo".
05:39
That should always ringpierścień alarmalarm bellsdzwony.
142
324000
2000
To zawsze jest alarmujące.
05:41
Because if you alreadyjuż know the answerodpowiedź to your trialpróba, you shouldn'tnie powinien be doing one.
143
326000
3000
Bo jeśli z góry znasz wynik eksperymentu, nie musisz go przeprowadzać.
05:44
EitherAlbo you've riggedsfałszowane it by designprojekt,
144
329000
2000
Albo zepsułeś coś na starcie
05:46
or you've got enoughdość datadane so there's no need to randomizeRandomize people anymorejuż.
145
331000
3000
albo masz dość danych, aby nie przeprowadzać więcej prób.
05:49
So this is what they were going to do in theirich trialpróba.
146
334000
3000
Oto na czym miał polegać wspomniany eksperyment.
05:52
They were takingnabierający 3,000 childrendzieci,
147
337000
2000
Próba składała się z 3000 dzieci,
05:54
they were going to give them all these hugeolbrzymi fishryba oilolej pillspigułki,
148
339000
2000
którym dawano tabletki tranowe,
05:56
sixsześć of them a day,
149
341000
2000
sześć na dzień,
05:58
and then a yearrok laterpóźniej, they were going to measurezmierzyć theirich schoolszkoła examegzamin performancewydajność
150
343000
3000
a rok później zbadano wyniki ich szkolnych egzaminów
06:01
and compareporównać theirich schoolszkoła examegzamin performancewydajność
151
346000
2000
i porównano te wyniki
06:03
againstprzeciwko what they predictedprzewidywane theirich examegzamin performancewydajność would have been
152
348000
2000
z przewidywanymi rezultatami, zakładając
06:05
if they hadn'tnie miał had the pillspigułki.
153
350000
3000
że nie zażywały pigułek.
06:08
Now can anybodyktoś spotmiejsce a flawwada in this designprojekt?
154
353000
3000
Czy ktoś widzi błąd w tym badaniu?
06:11
And no professorsprofesorowie of clinicalkliniczny trialpróba methodologymetodologia
155
356000
3000
Profesorowie metodologii badań klinicznych
06:14
are alloweddozwolony to answerodpowiedź this questionpytanie.
156
359000
2000
nie mogą odpowiadać.
06:16
So there's no controlkontrola; there's no controlkontrola groupGrupa.
157
361000
2000
Nie ma grupy kontrolnej.
06:18
But that soundsDźwięki really techieMajsterkowicz.
158
363000
2000
Brzmi to bardzo naukowo.
06:20
That's a technicaltechniczny termsemestr.
159
365000
2000
To termin techniczny.
06:22
The kidsdzieciaki got the pillspigułki, and then theirich performancewydajność improvedulepszony.
160
367000
2000
Dzieci dostały pigułki i ich wyniki się poprawiły.
06:24
What elsejeszcze could it possiblymożliwie be if it wasn'tnie było the pillspigułki?
161
369000
3000
Co, jeśli nie tabletki, wpłynęło na te rezultaty?
06:27
They got olderstarsze. We all developrozwijać over time.
162
372000
3000
Dzieci stały się starsze. Wszyscy się rozwijamy.
06:30
And of coursekurs, alsorównież there's the placeboplacebo effectefekt.
163
375000
2000
Oczywiście dochodzi tu efekt placebo.
06:32
The placeboplacebo effectefekt is one of the mostwiększość fascinatingfascynujący things in the wholecały of medicinelekarstwo.
164
377000
2000
To jedna z najbardziej fascynujących rzeczy w medycynie.
06:34
It's not just about takingnabierający a pillpigułka, and your performancewydajność and your painból gettinguzyskiwanie better.
165
379000
3000
Nie chodzi o pigułki, które poprawiają wyniki czy uśmierzają ból.
06:37
It's about our beliefswierzenia and expectationsoczekiwań.
166
382000
2000
Chodzi tu o wiarę i oczekiwania.
06:39
It's about the culturalkulturalny meaningznaczenie of a treatmentleczenie.
167
384000
2000
O kulturowy aspekt terapii.
06:41
And this has been demonstratedwykazane in a wholecały rafttratwa of fascinatingfascynujący studiesstudia
168
386000
3000
Pokazano to w szeregu fascynujących badań,
06:44
comparingporównywanie one kinduprzejmy of placeboplacebo againstprzeciwko anotherinne.
169
389000
3000
porównując jeden rodzaj placebo do drugiego.
06:47
So we know, for exampleprzykład, that two sugarcukier pillspigułki a day
170
392000
2000
Na przykład dwie cukrowe tabletki na dzień
06:49
are a more effectiveefektywny treatmentleczenie for gettinguzyskiwanie ridpozbyć się of gastricżołądka ulcerswrzody
171
394000
2000
efektywniej leczą wrzody żołądka,
06:51
than one sugarcukier pillpigułka.
172
396000
2000
niż jedna tabletka.
06:53
Two sugarcukier pillspigułki a day beatsbije one sugarcukier pillpigułka a day.
173
398000
2000
Dwie tabletki dziennie są lepsze niż jedna.
06:55
And that's an outrageousskandaliczny and ridiculousśmieszny findingodkrycie, but it's trueprawdziwe.
174
400000
3000
To niesłychanie absurdalne, ale to prawda.
06:58
We know from threetrzy differentróżne studiesstudia on threetrzy differentróżne typestypy of painból
175
403000
2000
Na przykładzie trzech badań nad trzema rodzajami bólu wiemy,
07:00
that a saltwatermorskie injectionwstrzyknięcia is a more effectiveefektywny treatmentleczenie for painból
176
405000
3000
że zastrzyki z soli fizjologicznej są skuteczniejsze w terapii bólu
07:03
than takingnabierający a sugarcukier pillpigułka, takingnabierający a dummyobojętne pillpigułka that has no medicinelekarstwo in it --
177
408000
4000
niż tabletka, która nie zawiera w sobie żadnego leku.
07:07
not because the injectionwstrzyknięcia or the pillspigułki do anything physicallyfizycznie to the bodyciało,
178
412000
3000
Nie dzieje się tak bo zastrzyk czy pigułki działają jakoś na organizm,
07:10
but because an injectionwstrzyknięcia feelsczuje like a much more dramaticdramatyczny interventioninterwencja.
179
415000
3000
ale dlatego że zastrzyk wydaje się poważniejszą interwencją.
07:13
So we know that our beliefswierzenia and expectationsoczekiwań
180
418000
2000
Wiemy, że naszymi oczekiwaniami
07:15
can be manipulatedmanipulować,
181
420000
2000
można manipulować,
07:17
whichktóry is why we do trialspróby
182
422000
2000
dlatego robimy eksperymenty
07:19
where we controlkontrola againstprzeciwko a placeboplacebo --
183
424000
2000
gdzie mamy grupę kontrolną,
07:21
where one halfpół of the people get the realreal treatmentleczenie
184
426000
2000
gdzie połowę ludzi leczy się naprawdę,
07:23
and the other halfpół get placeboplacebo.
185
428000
2000
a druga połowa dostaje placebo.
07:25
But that's not enoughdość.
186
430000
3000
Ale to nie wystarczy.
07:28
What I've just shownpokazane you are examplesprzykłady of the very simpleprosty and straightforwardbezpośredni wayssposoby
187
433000
3000
Pokazałem kilka przykładów na to, jak nieskomplikowane działania
07:31
that journalistsdziennikarze and foodjedzenie supplementdodatek pillpigułka peddlersHandlarze
188
436000
2000
dziennikarzy, handlarzy suplementów,
07:33
and naturopathsścieżka zdrowia
189
438000
2000
czy specjalistów naturopatii
07:35
can distortzniekształcanie evidencedowód for theirich ownwłasny purposescele.
190
440000
3000
mogą wypaczyć dowody dla własnych celów tych ludzi.
07:38
What I find really fascinatingfascynujący
191
443000
2000
Najbardziej fascynujące jest to,
07:40
is that the pharmaceuticalfarmaceutyczny industryprzemysł
192
445000
2000
że przemysł farmaceutyczny
07:42
usesużywa exactlydokładnie the samepodobnie kindsrodzaje of trickswydziwianie and devicespomysłowość,
193
447000
2000
stosuje te same przebiegłe chwyty,
07:44
but slightlynieco more sophisticatedwyrafinowany versionswersje of them,
194
449000
3000
ale w bardziej wyrafinowanej wersji
07:47
in orderzamówienie to distortzniekształcanie the evidencedowód that they give to doctorslekarze and patientspacjenci,
195
452000
3000
w celu nagięcia wyników przedstawianych lekarzom i pacjentom,
07:50
and whichktóry we use to make vitallyniezwykle importantważny decisionsdecyzje.
196
455000
3000
którzy na ich podstawie podejmują kluczowe decyzje.
07:53
So firstlypo pierwsze, trialspróby againstprzeciwko placeboplacebo:
197
458000
2000
Po pierwsze, eksperyment z placebo:
07:55
everybodywszyscy thinksmyśli they know that a trialpróba should be
198
460000
2000
wydaje się, że eksperyment powinien polegać
07:57
a comparisonporównanie of your newNowy drugnarkotyk againstprzeciwko placeboplacebo.
199
462000
2000
na porównaniu nowego leku do placebo.
07:59
But actuallytak właściwie in a lot of situationssytuacje that's wrongźle.
200
464000
2000
Tak naprawdę bardzo często jest to błędem.
08:01
Because oftenczęsto we alreadyjuż have a very good treatmentleczenie that is currentlyobecnie availabledostępny,
201
466000
3000
Często bowiem dysponujemy gotową, bardzo dobrą terapią,
08:04
so we don't want to know that your alternativealternatywny newNowy treatmentleczenie
202
469000
2000
więc nie potrzebujemy potwierdzenia, że alternatywne leczenie
08:06
is better than nothing.
203
471000
2000
jest lepsze niż nic.
08:08
We want to know that it's better than the bestNajlepiej currentlyobecnie availabledostępny treatmentleczenie that we have.
204
473000
3000
Chcemy dowiedzieć się, że jest lepsze niż najlepsze obecnie dostępne.
08:11
And yetjeszcze, repeatedlywielokrotnie, you consistentlykonsekwentnie see people doing trialspróby
205
476000
3000
Jednak wciąż wykonuje się eksperymenty
08:14
still againstprzeciwko placeboplacebo.
206
479000
2000
z użyciem placebo.
08:16
And you can get licenselicencja to bringprzynieść your drugnarkotyk to marketrynek
207
481000
2000
Można wprowadzić lek na rynek
08:18
with only datadane showingseans that it's better than nothing,
208
483000
2000
udowadniając, że jest lepszy niż nic,
08:20
whichktóry is uselessbezużyteczny for a doctorlekarz like me tryingpróbować to make a decisiondecyzja.
209
485000
3000
co jest bezużyteczne dla lekarza w obliczu decyzji do podjęcia.
08:23
But that's not the only way you can rigtakielunek your datadane.
210
488000
2000
Nie jest to jedyny sposób manipulacji danymi.
08:25
You can alsorównież rigtakielunek your datadane
211
490000
2000
Można zrobić to,
08:27
by makingzrobienie the thing you compareporównać your newNowy drugnarkotyk againstprzeciwko
212
492000
2000
porównując nowy lek
08:29
really rubbishśmieci.
213
494000
2000
do jakiegoś szmelcu.
08:31
You can give the competingkonkurowanie drugnarkotyk in too lowNiska a dosedawka,
214
496000
2000
Można podać konkurujący lek w za niskiej dawce,
08:33
so that people aren'tnie są properlyprawidłowo treatedleczony.
215
498000
2000
co nie wywoła efektu leczniczego.
08:35
You can give the competingkonkurowanie drugnarkotyk in too highwysoki a dosedawka,
216
500000
2000
Można podać konkurujący lek w za wysokiej dawce,
08:37
so that people get sidebok effectsruchomości.
217
502000
2000
co spowoduje efekty uboczne.
08:39
And this is exactlydokładnie what happenedstało się
218
504000
2000
Dokładnie tak zdarzyło się w związku
08:41
whichktóry antipsychoticleki przeciwpsychotyczne medicationlek for schizophreniaschizofrenia.
219
506000
2000
z antypsychotycznym lekiem na schizofrenię.
08:43
20 yearslat agotemu, a newNowy generationgeneracja of antipsychoticleki przeciwpsychotyczne drugsleki were broughtprzyniósł in
220
508000
3000
20 lat temu wprowadzono nową generację tych leków
08:46
and the promiseobietnica was that they would have fewermniej sidebok effectsruchomości.
221
511000
3000
i zapewniono, że nigdy nie będą powodować skutków ubocznych.
08:49
So people setzestaw about doing trialspróby of these newNowy drugsleki
222
514000
2000
Rozpoczęto więc próby nowych leków skierowane
08:51
againstprzeciwko the oldstary drugsleki,
223
516000
2000
przeciwko starym,
08:53
but they gavedał the oldstary drugsleki in ridiculouslyśmiesznie highwysoki dosesdawki --
224
518000
2000
ale te stare podawano w absurdalnie wysokich dawkach -
08:55
20 milligramsmiligramów a day of haloperidolHaloperidol.
225
520000
2000
20 miligramów haloperidolu dziennie.
08:57
And it's a foregoneutraconych conclusionwniosek,
226
522000
2000
Założenie było wtedy takie,
08:59
if you give a drugnarkotyk at that highwysoki a dosedawka,
227
524000
2000
że jeśli poda się lek w tak wysokiej dawce,
09:01
that it will have more sidebok effectsruchomości and that your newNowy drugnarkotyk will look better.
228
526000
3000
to spowoduje efekty uboczne, z korzyścią dla nowego leku.
09:04
10 yearslat agotemu, historyhistoria repeatedpowtarzający się itselfsamo, interestinglyco ciekawe,
229
529000
2000
10 lat temu historia się powtórzyła, co ciekawe
09:06
when risperidonerysperydon, whichktóry was the first of the new-generationnowej generacji antipscyhoticantipscyhotic drugsleki,
230
531000
3000
w czasie gdy risperidon, pierwszy lek antypsychotyczny nowej generacji,
09:09
cameoprawa ołowiana witrażu off copyrightPrawo autorskie, so anybodyktoś could make copieskopie.
231
534000
3000
został zwolniony z ograniczeń patentowych.
09:12
EverybodyKażdy wanted to showpokazać that theirich drugnarkotyk was better than risperidonerysperydon,
232
537000
2000
Wszyscy chcieli pokazać, że ich kopia leku jest lepsza niż risperidon,
09:14
so you see a bunchwiązka of trialspróby comparingporównywanie newNowy antipsychoticleki przeciwpsychotyczne drugsleki
233
539000
3000
wykonano więc sporo testów porównując nowe neuroleptyki
09:17
againstprzeciwko risperidonerysperydon at eightosiem milligramsmiligramów a day.
234
542000
2000
z risperidonem w dawce ośmiu miligramów dziennie.
09:19
Again, not an insaneszalony dosedawka, not an illegalnielegalny dosedawka,
235
544000
2000
Nie była to szalona czy nielegalna dawka,
09:21
but very much at the highwysoki endkoniec of normalnormalna.
236
546000
2000
ale w górnej granicy normalnej.
09:23
And so you're boundgranica to make your newNowy drugnarkotyk look better.
237
548000
3000
Firmy starają się pokazać swój lek w lepszym świetle.
09:26
And so it's no surpriseniespodzianka that overallogólnie,
238
551000
3000
Nie jest więc niespodzianką,
09:29
industry-fundedfinansowane przez przemysł trialspróby
239
554000
2000
że finansowane przez nie eksperymenty
09:31
are fourcztery timesczasy more likelyprawdopodobne to give a positivepozytywny resultwynik
240
556000
2000
dają pozytywne wyniki cztery razy częściej
09:33
than independentlyniezależnie sponsoredsponsorowane trialspróby.
241
558000
3000
niż niezależne testy.
09:36
But -- and it's a bigduży but --
242
561000
3000
Ale, i to wielkie "ale" -
09:39
(LaughterŚmiech)
243
564000
2000
(Śmiech)
09:41
it turnsskręca out,
244
566000
2000
okazuje się, że
09:43
when you look at the methodsmetody used by industry-fundedfinansowane przez przemysł trialspróby,
245
568000
3000
metody stosowane w finansowanych przez przemysł testach
09:46
that they're actuallytak właściwie better
246
571000
2000
są lepsze
09:48
than independentlyniezależnie sponsoredsponsorowane trialspróby.
247
573000
2000
niż w niezależnych eksperymentach.
09:50
And yetjeszcze, they always managezarządzanie to to get the resultwynik that they want.
248
575000
3000
Ciągle udaje im się osiągać wyniki, jakie tylko chcą.
09:53
So how does this work?
249
578000
2000
Jak to się dzieje?
09:55
How can we explainwyjaśniać this strangedziwne phenomenonzjawisko?
250
580000
3000
Jak wyjaśnimy to dziwne zjawisko?
09:58
Well it turnsskręca out that what happensdzieje się
251
583000
2000
Okazuje się, że
10:00
is the negativenegatywny datadane goesidzie missingbrakujący in actionczynność;
252
585000
2000
dane negatywne gdzieś giną,
10:02
it's withheldwstrzymane from doctorslekarze and patientspacjenci.
253
587000
2000
są ukrywane przed lekarzami i pacjentami.
10:04
And this is the mostwiększość importantważny aspectaspekt of the wholecały storyfabuła.
254
589000
2000
To najważniejszy aspekt całej historii.
10:06
It's at the topTop of the pyramidpiramida of evidencedowód.
255
591000
2000
Stoi na szczycie piramidy dowodów.
10:08
We need to have all of the datadane on a particularszczególny treatmentleczenie
256
593000
3000
Musimy mieć dostęp do wszystkich danych dotyczących terapii,
10:11
to know whetherczy or not it really is effectiveefektywny.
257
596000
2000
by wiedzieć czy jest skuteczna, czy nie.
10:13
And there are two differentróżne wayssposoby that you can spotmiejsce
258
598000
2000
Istnieją dwa sposoby, aby sprawdzić
10:15
whetherczy some datadane has goneodszedł missingbrakujący in actionczynność.
259
600000
2000
czy trochę danych zaginęło w akcji.
10:17
You can use statisticsStatystyka, or you can use storieshistorie.
260
602000
3000
Można użyć statystyki lub opowiedzieć historię.
10:20
I personallyosobiście preferwoleć statisticsStatystyka, so that's what I'm going to do first.
261
605000
2000
Osobiście wolę statystyki, więc najpierw zajmę się nimi.
10:22
This is something callednazywa funnelLejek plotwątek.
262
607000
2000
Oto wykres lejkowy.
10:24
And a funnelLejek plotwątek is a very cleversprytny way of spottingplamienia
263
609000
2000
Jest bardzo sprytnym narzędziem stwierdzającym
10:26
if smallmały negativenegatywny trialspróby have disappearedzniknął, have goneodszedł missingbrakujący in actionczynność.
264
611000
3000
zniknięcie danych w małych, dających negatywne rezultaty doświadczeniach.
10:29
So this is a graphwykres of all of the trialspróby
265
614000
2000
Ten wykres dotyczy wszystkich eksperymentów
10:31
that have been doneGotowe on a particularszczególny treatmentleczenie.
266
616000
2000
wykonanych w związku z konkretną terapią.
10:33
And as you go up towardsw kierunku the topTop of the graphwykres,
267
618000
2000
Patrząc ku górze wykresu,
10:35
what you see is eachkażdy dotkropka is a trialpróba.
268
620000
2000
każda kropka to jeden eksperyment.
10:37
And as you go up, those are the biggerwiększy trialspróby, so they'veoni got lessmniej errorbłąd in them.
269
622000
3000
Kropki na górze oznaczają większe eksperymenty, z mniejszą ilością błędów.
10:40
So they're lessmniej likelyprawdopodobne to be randomlylosowo falsefałszywy positivespozytywy, randomlylosowo falsefałszywy negativesnegatywy.
270
625000
3000
Jest tu mniejsza szansa na losowo fałszywie pozytywne i negatywne wyniki.
10:43
So they all clustergrupa togetherRazem.
271
628000
2000
Wyniki te grupują się.
10:45
The bigduży trialspróby are closerbliższy to the trueprawdziwe answerodpowiedź.
272
630000
2000
Duże eksperymenty są bliższe prawdzie.
10:47
Then as you go furtherdalej down at the bottomDolny,
273
632000
2000
Patrząc ku dołowi wykresu,
10:49
what you can see is, over on this sidebok, the spuriousfałszywe falsefałszywy negativesnegatywy,
274
634000
3000
widzimy po tej stronie rzekomo fałszywie negatywne wyniki,
10:52
and over on this sidebok, the spuriousfałszywe falsefałszywy positivespozytywy.
275
637000
2000
a po tej stronie rzekomo fałszywie pozytywne.
10:54
If there is publicationopublikowanie biasstronniczość,
276
639000
2000
Zakładając stronniczość,
10:56
if smallmały negativenegatywny trialspróby have goneodszedł missingbrakujący in actionczynność,
277
641000
3000
jeśli znikają wyniki doświadczeń o negatywnych rezultatach,
10:59
you can see it on one of these graphswykresy.
278
644000
2000
zobaczymy to na jednym z takich wykresów.
11:01
So you can see here that the smallmały negativenegatywny trialspróby
279
646000
2000
Widzimy zatem, że małe "negatywne" eksperymenty,
11:03
that should be on the bottomDolny left have disappearedzniknął.
280
648000
2000
które powinny być na dole po lewej stronie, zniknęły.
11:05
This is a graphwykres demonstratingdemonstrowanie the presenceobecność of publicationopublikowanie biasstronniczość
281
650000
3000
Ten wykres pokazuje stronniczość wyników
11:08
in studiesstudia of publicationopublikowanie biasstronniczość.
282
653000
2000
w badaniach zjawiska stronniczości.
11:10
And I think that's the funniestnajśmieszniejsze epidemiologyepidemiologia jokeżart
283
655000
2000
To najśmieszniejszy dowcip w epidemiologii,
11:12
that you will ever hearsłyszeć.
284
657000
2000
jaki kiedykolwiek usłyszycie.
11:14
That's how you can proveokazać się it statisticallystatystycznie,
285
659000
2000
Tyle w temacie dowodzenia statystycznego,
11:16
but what about storieshistorie?
286
661000
2000
a co z opowieściami?
11:18
Well they're heinoushaniebny, they really are.
287
663000
2000
Są naprawdę okropne.
11:20
This is a drugnarkotyk callednazywa reboxetinereboksetyna.
288
665000
2000
Oto lek o nazwie reboksetyna.
11:22
This is a drugnarkotyk that I myselfsiebie have prescribedprzepisane to patientspacjenci.
289
667000
2000
Osobiście przepisywałem go pacjentom.
11:24
And I'm a very nerdynerdy doctorlekarz.
290
669000
2000
Straszny kujon ze mnie.
11:26
I hopenadzieja I try to go out of my way to try and readczytać and understandzrozumieć all the literatureliteratura.
291
671000
3000
Staram się czytać ze zrozumieniem całą literaturę przedmiotu.
11:29
I readczytać the trialspróby on this. They were all positivepozytywny. They were all well-conducteddobrze prowadzone.
292
674000
3000
Czytałem o pozytywnych i dobrze prowadzonych eksperymentach dotyczących tego leku.
11:32
I founduznany no flawwada.
293
677000
2000
Nie znalazłem błędów.
11:34
UnfortunatelyNiestety, it turnedobrócony out,
294
679000
2000
Niestety okazało się,
11:36
that manywiele of these trialspróby were withheldwstrzymane.
295
681000
2000
że wyniki wielu testów zatajono.
11:38
In factfakt, 76 percentprocent
296
683000
2000
Jakieś 76% z wszystkich
11:40
of all of the trialspróby that were doneGotowe on this drugnarkotyk
297
685000
2000
doświadczeń wykonanych na leku
11:42
were withheldwstrzymane from doctorslekarze and patientspacjenci.
298
687000
2000
zostało zatajonych przed lekarzami i pacjentami.
11:44
Now if you think about it,
299
689000
2000
Jeśli wyobrazimy sobie,
11:46
if I tossedrzucony a coinmoneta a hundredsto timesczasy,
300
691000
2000
że rzucam monetą sto razy
11:48
and I'm alloweddozwolony to withholdwstrzymania from you
301
693000
2000
i zatajam przed wami wyniki rzutów,
11:50
the answersodpowiedzi halfpół the timesczasy,
302
695000
2000
to w połowie przypadków,
11:52
then I can convinceprzekonać you
303
697000
2000
przekonam was,
11:54
that I have a coinmoneta with two headsgłowy.
304
699000
2000
że mam monetę z dwoma orłami.
11:56
If we removeusunąć halfpół of the datadane,
305
701000
2000
Jeśli usuniemy połowę danych,
11:58
we can never know what the trueprawdziwe effectefekt sizerozmiar of these medicinesleki is.
306
703000
3000
nigdy nie dowiemy się prawdziwych efektów danego leku.
12:01
And this is not an isolatedodosobniony storyfabuła.
307
706000
2000
Nie jest to odosobniona historia.
12:03
Around halfpół of all of the trialpróba datadane on antidepressantsleki przeciwdepresyjne has been withheldwstrzymane,
308
708000
4000
Około połowy wyników eksperymentów dotyczących antydepresantów zatajono,
12:07
but it goesidzie way beyondpoza that.
309
712000
2000
ale to tylko czubek góry lodowej.
12:09
The NordicNordycka CochraneCochrane GroupGrupa were tryingpróbować to get a holdutrzymać of the datadane on that
310
714000
2000
Nordic Cochrane Group próbowała zdobyć te dane,
12:11
to bringprzynieść it all togetherRazem.
311
716000
2000
aby połączyć je w spójną całość.
12:13
The CochraneCochrane GroupsGrupy are an internationalmiędzynarodowy nonprofitniedochodowy collaborationwspółpraca
312
718000
3000
Grupy Cochrane`a to międzynarodowe organizacje nonprofit
12:16
that produceprodukować systematicsystematyczne reviewsOpinie of all of the datadane that has ever been shownpokazane.
313
721000
3000
systematycznie recenzujące wszystkie dane medyczne, jakie tylko się pojawiają.
12:19
And they need to have accessdostęp to all of the trialpróba datadane.
314
724000
3000
Muszą mieć dostęp do wyników wszystkich eksperymentów.
12:22
But the companiesfirmy withheldwstrzymane that datadane from them,
315
727000
3000
Jednak firmy ukrywają te dane przed nimi,
12:25
and so did the EuropeanEuropejski MedicinesLeki AgencyAgencja
316
730000
2000
tak jak robiła do Europejska Agencja Leków
12:27
for threetrzy yearslat.
317
732000
2000
przez trzy lata.
12:29
This is a problemproblem that is currentlyobecnie lackingbrakuje a solutionrozwiązanie.
318
734000
3000
W tej chwili nie ma rozwiązania tego problemu.
12:32
And to showpokazać how bigduży it goesidzie, this is a drugnarkotyk callednazywa TamifluTamiflu,
319
737000
3000
Żeby zobaczyć jak jest on wielki, popatrzmy na lek Tamiflu,
12:35
whichktóry governmentsrządy around the worldświat
320
740000
2000
na który rządy na całym świecie
12:37
have spentwydany billionsmiliardy and billionsmiliardy of dollarsdolarów on.
321
742000
2000
wydały grube miliardy dolarów.
12:39
And they spendwydać that moneypieniądze on the promiseobietnica
322
744000
2000
Pieniądze te wydano w oparciu o obietnicę,
12:41
that this is a drugnarkotyk whichktóry will reducezmniejszyć the rateoceniać
323
746000
2000
że lek ten będzie redukował
12:43
of complicationspowikłania with flugrypa.
324
748000
2000
powikłania pogrypowe.
12:45
We alreadyjuż have the datadane
325
750000
2000
Dysponujemy danymi świadczącymi,
12:47
showingseans that it reducesredukuje the durationTrwanie of your flugrypa by a fewkilka hoursgodziny.
326
752000
2000
że skraca chorobę o kilka godzin.
12:49
But I don't really careopieka about that. GovernmentsRządy don't careopieka about that.
327
754000
2000
Naprawdę mnie to nie obchodzi, podobnie myślą rządy.
12:51
I'm very sorry if you have the flugrypa, I know it's horribleokropny,
328
756000
3000
Bardzo mi przykro, że masz grypę, to straszne,
12:54
but we're not going to spendwydać billionsmiliardy of dollarsdolarów
329
759000
2000
ale nie zamierzamy wydawać miliardów dolarów,
12:56
tryingpróbować to reducezmniejszyć the durationTrwanie of your flugrypa symptomsobjawy
330
761000
2000
aby skrócić twoje objawy
12:58
by halfpół a day.
331
763000
2000
o pół dnia.
13:00
We prescribeprzepisać these drugsleki, we stockpilerobić zapasy żywności them for emergenciesnagłe wypadki
332
765000
2000
Przepisujemy te leki, gromadzimy je na wszelki wypadek,
13:02
on the understandingzrozumienie that they will reducezmniejszyć the numbernumer of complicationspowikłania,
333
767000
2000
w oparciu o wiedzę, że redukują szereg powikłań,
13:04
whichktóry meansznaczy pneumoniazapalenie płuc and whichktóry meansznaczy deathśmierć.
334
769000
3000
takich jak zapalenie płuc, które może doprowadzić do śmierci.
13:07
The infectiouszakaźnych diseaseschoroby CochraneCochrane GroupGrupa, whichktóry are basedna podstawie in ItalyWłochy,
335
772000
3000
Włoski oddział Grupy Cochrane`a zajmujący się chorobami zakaźnymi,
13:10
has been tryingpróbować to get
336
775000
2000
starał się uzyskać
13:12
the fullpełny datadane in a usableużytkowej formformularz out of the drugnarkotyk companiesfirmy
337
777000
3000
kompletne i użyteczne dane od firm farmaceutycznych,
13:15
so that they can make a fullpełny decisiondecyzja
338
780000
3000
aby móc w pełni orzec,
13:18
about whetherczy this drugnarkotyk is effectiveefektywny or not,
339
783000
2000
czy lek jest efektywny, czy nie,
13:20
and they'veoni not been ablezdolny to get that informationInformacja.
340
785000
3000
jednak odmówiono im udzielenia tych informacji.
13:23
This is undoubtedlybez wątpienia
341
788000
2000
Jest to niewątpliwie
13:25
the singlepojedynczy biggestnajwiększy ethicaletyczny problemproblem
342
790000
3000
największy problem etyczny, przed jakim stoi
13:28
facingokładzina medicinelekarstwo todaydzisiaj.
343
793000
2000
dzisiejsza medycyna.
13:30
We cannotnie może make decisionsdecyzje
344
795000
3000
Nie możemy podejmować decyzji
13:33
in the absencebrak of all of the informationInformacja.
345
798000
4000
bez wszystkich potrzebnych danych.
13:37
So it's a little bitkawałek difficulttrudny from there
346
802000
3000
Trochę ciężko mi z tego miejsca
13:40
to spinspin in some kinduprzejmy of positivepozytywny conclusionwniosek.
347
805000
4000
dojść do jakiejkolwiek pozytywnej konkluzji.
13:44
But I would say this:
348
809000
4000
Ale powiem tak:
13:48
I think that sunlightświatło słoneczne
349
813000
3000
Myślę, że światło słoneczne
13:51
is the bestNajlepiej disinfectantśrodek dezynfekujący.
350
816000
2000
to najlepszy środek dezynfekujący.
13:53
All of these things are happeningwydarzenie in plainRównina sightwidok,
351
818000
3000
Wszystkie te rzeczy dzieją się na naszych oczach,
13:56
and they're all protectedchroniony
352
821000
2000
ale zaciemnia je
13:58
by a forcesiła fieldpole of tediousnessmitręgę.
353
823000
3000
powłoka opieszałości.
14:01
And I think, with all of the problemsproblemy in sciencenauka,
354
826000
2000
Myślę, że w obliczu wszystkich problemów nauki
14:03
one of the bestNajlepiej things that we can do
355
828000
2000
najlepsze, co możemy zrobić,
14:05
is to liftwinda up the lidpokrywa,
356
830000
2000
to unieść pokrywę,
14:07
fingerpalec around in the mechanicsmechanika and peerpar in.
357
832000
2000
pogmerać w mechanizmie i bacznie mu się przyjrzeć.
14:09
Thank you very much.
358
834000
2000
Dziękuję bardzo.
14:11
(ApplauseAplauz)
359
836000
3000
(oklaski)
Translated by Marcin Mituniewicz
Reviewed by Monika Sulima

▲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