TEDGlobal 2011
Ben Goldacre: Battling bad science
Μπεν Γκολντέικερ: Ενάντια στην κακή επιστήμη
Filmed:
Readability: 4.3
2,713,579 views
Καθημερινά ακούμε στις ειδήσεις νέες συμβουλές υγείας, αλλά πώς μπορούμε να ξέρουμε αν είναι σωστές; Ο γιατρός και επιδημιολόγος Μπεν Γκολντέικερ μας δείχνει πώς μπορούν να διαστρεβλωθούν τα στοιχεία, από τους πασιφανείς ισχυρισμούς για τη διατροφή μέχρι τα ανεπαίσθητα τρικ της φαρμακευτικής βιομηχανίας.
Ben Goldacre - Debunker
Ben Goldacre unpicks dodgy scientific claims made by scaremongering journalists, dubious government reports, pharmaceutical corporations, PR companies and quacks. Full bio
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 doctor, but I kind of slipped sideways into research,
0
0
3000
Είμαι γιατρός, αλλά έτυχε και ασχολήθηκα με την έρευνα,
00:18
and now I'm an epidemiologist.
1
3000
2000
και τώρα είμαι επιδημιολόγος.
00:20
And nobody really knows what epidemiology is.
2
5000
2000
H Επιδημιολογία είναι η επιστήμη που
00:22
Epidemiology is the science of how we know in the real world
3
7000
3000
αναζητά τη γνώση του τι πραγματικά
00:25
if something is good for you or bad for you.
4
10000
2000
μας κάνει καλό και τι κακό.
00:27
And it's best understood through example
5
12000
2000
Θα την καταλάβετε καλύτερα μέσα από παραδείγματα,
00:29
as the science of those crazy, wacky newspaper headlines.
6
14000
5000
ως την επιστήμη εκείνων των αλλόκοτων επικεφαλίδων.
00:34
And these are just some of the examples.
7
19000
2000
Ορίστε μερικά παραδείγματα.
00:36
These are from the Daily Mail. Every country in the world has a newspaper like this.
8
21000
3000
Από τη Ντέιλι Μέιλ. Σε κάθε χώρα υπάρχουν τέτοιες εφημερίδες.
00:39
It has this bizarre, ongoing philosophical project
9
24000
3000
Έχει τον αλλόκοτο σκοπό να διαχωρίσει
00:42
of dividing all the inanimate objects in the world
10
27000
2000
όλα τα άψυχα αντικείμενα στον κόσμο
00:44
into the ones that either cause or prevent cancer.
11
29000
3000
σε όσα προξενούν και όσα προλαμβάνουν τον καρκίνο.
00:47
So here are some of the things they said cause cancer recently:
12
32000
2000
Τα παρακάτω είπαν πως είναι καρκινογόνα:
00:49
divorce, Wi-Fi, toiletries and coffee.
13
34000
2000
το διαζύγιο, τα ασύρματα δίκτυα, τα καλλυντικά, ο καφές.
00:51
Here are some of the things they say prevents cancer:
14
36000
2000
Τα παρακάτω πως προλαμβάνουν τον καρκίνο:
00:53
crusts, red pepper, licorice and coffee.
15
38000
2000
οι κρούστες, το κόκκινο πιπέρι, η γλυκόριζα, ο καφές.
00:55
So already you can see there are contradictions.
16
40000
2000
Βλέπετε ήδη αντιφάσεις:
00:57
Coffee both causes and prevents cancer.
17
42000
2000
ο καφές προξενεί και προλαμβάνει τον καρκίνο.
00:59
And as you start to read on, you can see
18
44000
2000
Όσο συνεχίζετε να διαβάζετε
01:01
that maybe there's some kind of political valence behind some of this.
19
46000
3000
αντιλαμβάνεστε πως ίσως υπάρχoυν κάποιες σκοπιμότητες πίσω από μερικά.
01:04
So for women, housework prevents breast cancer,
20
49000
2000
Οι δουλειές του σπιτιού προλαμβάνουν τον καρκίνο του στήθους στις γυναίκες, λέει
01:06
but for men, shopping could make you impotent.
21
51000
3000
αλλά τα ψώνια μπορούν να προκαλέσουν ανικανότητα στους άντρες.
01:09
So we know that we need to start
22
54000
3000
Οπότε ξέρουμε πως πρέπει να
01:12
unpicking the science behind this.
23
57000
3000
εξετάσουμε την επιστήμη πίσω απ' όλα αυτά.
01:15
And what I hope to show
24
60000
2000
Αυτό που θέλω να σας δείξω
01:17
is that unpicking dodgy claims,
25
62000
2000
είναι πως η εξιχνίαση τέτοιων περίεργων ισχυρισμών
01:19
unpicking the evidence behind dodgy claims,
26
64000
2000
και των τεκμηρίων τους
01:21
isn't a kind of nasty carping activity;
27
66000
3000
δεν είναι κακή, δεν είναι ύπουλη.
01:24
it's socially useful,
28
69000
2000
Είναι χρήσιμη για την κοινωνία
01:26
but it's also an extremely valuable
29
71000
2000
αλλά και ένα πολύ σημαντικό
01:28
explanatory tool.
30
73000
2000
εργαλείο εξηγήσεων.
01:30
Because real science is all about
31
75000
2000
Επειδή η πραγματική επιστήμη βασίζεται
01:32
critically appraising the evidence for somebody else's position.
32
77000
2000
στην κριτική αξιολόγηση των τεκμηρίων.
01:34
That's what happens in academic journals.
33
79000
2000
Αυτό συμβαίνει στις ακαδημαϊκές επιθεωρήσεις
01:36
That's what happens at academic conferences.
34
81000
2000
και στα ακαδημαϊκά συνέδρια.
01:38
The Q&A session after a post-op presents data
35
83000
2000
Οι ερωτοαπαντήσεις μετά την παρουσίαση δεδομένων
01:40
is often a blood bath.
36
85000
2000
είναι συχνά λουτρό αίματος.
01:42
And nobody minds that. We actively welcome it.
37
87000
2000
Αυτό δε μας πειράζει, ίσα-ίσα
01:44
It's like a consenting intellectual S&M activity.
38
89000
3000
το ενθαρρύνουμε, αν και είναι κάπως σαδομαζοχιστικό.
01:47
So what I'm going to show you
39
92000
2000
Θα σας δείξω
01:49
is all of the main things,
40
94000
2000
όλα τα κύρια στοιχεία
01:51
all of the main features of my discipline --
41
96000
2000
της επιστήμης μου:
01:53
evidence-based medicine.
42
98000
2000
της τεκμηριωμένης ιατρικής.
01:55
And I will talk you through all of these
43
100000
2000
Θα σας τα εξηγήσω
01:57
and demonstrate how they work,
44
102000
2000
και θα σας δείξω πώς δουλεύουν,
01:59
exclusively using examples of people getting stuff wrong.
45
104000
3000
χρησιμοποιώντας αποκλειστικά παραδείγματα λανθασμένων ισχυρισμών.
02:02
So we'll start with the absolute weakest form of evidence known to man,
46
107000
3000
Θα αρχίσουμε με την πιο αδύναμη μορφή αποδείξεων που ξέρουμε,
02:05
and that is authority.
47
110000
2000
την εξουσία.
02:07
In science, we don't care how many letters you have after your name.
48
112000
3000
Στην επιστήμη, δε μας νοιάζουν οι τίτλοι σας,
02:10
In science, we want to know what your reasons are for believing something.
49
115000
3000
θέλουμε να ξέρουμε τους λόγους για τους οποίους πιστεύετε κάτι.
02:13
How do you know that something is good for us
50
118000
2000
Πώς ξέρετε πως κάτι είναι καλό
02:15
or bad for us?
51
120000
2000
ή κακό για μας;
02:17
But we're also unimpressed by authority,
52
122000
2000
Επίσης δε μας εντυπωσιάζει η εξουσία
02:19
because it's so easy to contrive.
53
124000
2000
επειδή είναι τόσο εύκολο να την παραποιήσεις.
02:21
This is somebody called Dr. Gillian McKeith Ph.D,
54
126000
2000
Ορίστε η Δρ. Γκίλιαν Μακ Κιθ, Ph.D,
02:23
or, to give her full medical title, Gillian McKeith.
55
128000
3000
ή, για να σας δώσω τον πλήρη ιατρικό της τίτλο,
02:26
(Laughter)
56
131000
3000
η Γκίλιαν Μακ Κιθ.
02:29
Again, every country has somebody like this.
57
134000
2000
Τέτοια άτομα υπάρχουν παντού.
02:31
She is our TV diet guru.
58
136000
2000
Είναι τηλεοπτική 'ειδικός' στις δίαιτες.
02:33
She has massive five series of prime-time television,
59
138000
3000
Έχει τέσσερις εκπομπές στην υψηλή ζώνη τηλεθέασης
02:36
giving out very lavish and exotic health advice.
60
141000
3000
και μοιράζει εντυπωσιακές, εξωτικές συμβουλές υγείας.
02:39
She, it turns out, has a non-accredited correspondence course Ph.D.
61
144000
3000
Έχει ένα μη αναγνωρισμένο Διδακτορικό που πήρε
02:42
from somewhere in America.
62
147000
2000
με αλληλογραφία, από κάπου στην Αμερική.
02:44
She also boasts that she's a certified professional member
63
149000
2000
Επίσης καυχιέται πως είναι πιστοποιημένο μέλος
02:46
of the American Association of Nutritional Consultants,
64
151000
2000
του Αμερικανικού Συλλόγου Συμβούλων Διατροφής,
02:48
which sounds very glamorous and exciting.
65
153000
2000
που ακούγεται πολύ εντυπωσιακό,
02:50
You get a certificate and everything.
66
155000
2000
μια που διαθέτει και πιστοποιητικό.
02:52
This one belongs to my dead cat Hetti. She was a horrible cat.
67
157000
2000
Αυτό ανήκει στη μακαρίτισσα τη γάτα μου, τη Χέτι.
02:54
You just go to the website, fill out the form,
68
159000
2000
Πηγαίνεις στην ιστοσελίδα τους, συμπληρώνεις μια αίτηση,
02:56
give them $60, and it arrives in the post.
69
161000
2000
τους δίνεις 60 δολάρια και το πιστοποιητικό καταφτάνει ταχυδρομικώς.
02:58
Now that's not the only reason that we think this person is an idiot.
70
163000
2000
Αυτός δεν είναι ο μόνος λόγος που η Μακ Κιθ είναι ηλίθια.
03:00
She also goes and says things like,
71
165000
2000
Λέει επίσης, κάτι πράγματα, όπως:
03:02
you should eat lots of dark green leaves,
72
167000
2000
«Πρέπει να τρώτε πολλά σκούρα πράσινα λαχανικά,
03:04
because they contain lots of chlorophyll, and that will really oxygenate your blood.
73
169000
2000
επειδή περιέχουν πολλή χλωροφύλλη, που θα σας οξυγονώσει καλά το αίμα».
03:06
And anybody who's done school biology remembers
74
171000
2000
Οποιοσδήποτε έχει κάνει βιολογία στο σχολείο
03:08
that chlorophyll and chloroplasts
75
173000
2000
θυμάται πως η χλωροφύλλη και οι χλωροπλάστες
03:10
only make oxygen in sunlight,
76
175000
2000
παράγουν οξυγόνο με το φως του ηλίου
03:12
and it's quite dark in your bowels after you've eaten spinach.
77
177000
3000
και δεν πέφτει και πολύς ήλιος στα έντερά μας.
03:15
Next, we need proper science, proper evidence.
78
180000
3000
Χρειαζόμαστε σωστή επιστήμη, σωστή τεκμηρίωση.
03:18
So, "Red wine can help prevent breast cancer."
79
183000
2000
Μια επικεφαλίδα της βρετανικής εφημερίδας Ντέιλι Τέλεγκραφ:
03:20
This is a headline from the Daily Telegraph in the U.K.
80
185000
2000
«Ένα ποτήρι κόκκινο κρασί την ημέρα
03:22
"A glass of red wine a day could help prevent breast cancer."
81
187000
3000
προλαμβάνει τον καρκίνο του στήθους».
03:25
So you go and find this paper, and what you find
82
190000
2000
Διαβάζεις την εφημερίδα,
03:27
is it is a real piece of science.
83
192000
2000
και βρίσκεις αληθινή επιστήμη:
03:29
It is a description of the changes in one enzyme
84
194000
3000
περιγράφει τις αλλαγές που προκαλεί μια χημική ουσία
03:32
when you drip a chemical extracted from some red grape skin
85
197000
3000
που περιέχει η φλούδα του κόκκινου σταφυλιού
03:35
onto some cancer cells
86
200000
2000
όταν τη στάξουμε σε καρκινικά κύτταρα,
03:37
in a dish on a bench in a laboratory somewhere.
87
202000
3000
σε ένα τρυβλίο, κάπου σε ένα εργαστήριο.
03:40
And that's a really useful thing to describe
88
205000
2000
Πολύ χρήσιμο δεδομένο
03:42
in a scientific paper,
89
207000
2000
για μια επιστημονική επιθεώρηση,
03:44
but on the question of your own personal risk
90
209000
2000
αλλά δε σου λέει απολύτως τίποτα
03:46
of getting breast cancer if you drink red wine,
91
211000
2000
για τις πιθανότητες να πάθεις καρκίνο
03:48
it tells you absolutely bugger all.
92
213000
2000
αν πίνεις κόκκινο κρασί.
03:50
Actually, it turns out that your risk of breast cancer
93
215000
2000
Μάλιστα, ο κίνδυνος καρκίνου του στήθους
03:52
actually increases slightly
94
217000
2000
αυξάνεται οριακά
03:54
with every amount of alcohol that you drink.
95
219000
2000
και προσθετικά με κάθε οινοπνευματώδες.
03:56
So what we want is studies in real human people.
96
221000
4000
Αυτό που χρειαζόμαστε, είναι μελέτες σε ανθρώπους.
04:00
And here's another example.
97
225000
2000
Ορίστε άλλο παράδειγμα,
04:02
This is from Britain's leading diet and nutritionist in the Daily Mirror,
98
227000
3000
από τη διαιτολόγο/διατροφολόγο της δεύτερης σε κυκλοφορία
04:05
which is our second biggest selling newspaper.
99
230000
2000
εφημερίδας της Βρετανίας, την Ντέιλι Μίρορ:
04:07
"An Australian study in 2001
100
232000
2000
«Μια αυστραλέζικη μελέτη του 2001
04:09
found that olive oil in combination with fruits, vegetables and pulses
101
234000
2000
έδειξε πως το ελαιόλαδο, τα φρούτα, τα λαχανικά και τα όσπρια
04:11
offers measurable protection against skin wrinklings."
102
236000
2000
προσφέρουν ισχυρή προστασία ενάντια στις ρυτίδες».
04:13
And then they give you advice:
103
238000
2000
Και σου λένε:
04:15
"If you eat olive oil and vegetables, you'll have fewer skin wrinkles."
104
240000
2000
«Αν τρως ελαιόλαδο και λαχανικά, θα έχεις λιγότερες ρυτίδες».
04:17
And they very helpfully tell you how to go and find the paper.
105
242000
2000
Πηγαίνεις και βρίσκεις τη μελέτη
04:19
So you go and find the paper, and what you find is an observational study.
106
244000
3000
και ανακαλύπτεις πως είναι μελέτη παρατήρησης.
04:22
Obviously nobody has been able
107
247000
2000
Προφανώς και κανείς δεν ταξίδεψε
04:24
to go back to 1930,
108
249000
2000
στο 1930, δεν πήρε
04:26
get all the people born in one maternity unit,
109
251000
3000
όλους όσους γεννήθηκαν σε ένα μαιευτήριο
04:29
and half of them eat lots of fruit and veg and olive oil,
110
254000
2000
και δεν έβαλε τους μισούς να τρώνε λαχανικά και ελαιόλαδο και φρούτα
04:31
and then half of them eat McDonald's,
111
256000
2000
και τους άλλους μισούς να τρώνε Μακ Ντόναλντς
04:33
and then we see how many wrinkles you've got later.
112
258000
2000
για να μετρήσει πόσες ρυτίδες έχουν.
04:35
You have to take a snapshot of how people are now.
113
260000
2000
Είδαν απλώς πώς είναι οι άνθρωποι αυτοί σήμερα.
04:37
And what you find is, of course,
114
262000
2000
Και βεβαίως βρίσκουμε πως
04:39
people who eat veg and olive oil have fewer skin wrinkles.
115
264000
3000
όσοι τρέφονται έτσι έχουν λιγότερες ρυτίδες,
04:42
But that's because people who eat fruit and veg and olive oil,
116
267000
3000
αλλά αυτό γίνεται επειδή όσοι τρώνε φρούτα, λαχανικά και ελαιόλαδο
04:45
they're freaks, they're not normal, they're like you;
117
270000
3000
δεν είναι καθημερινοί άνθρωποι, είναι ιδιαίτεροι, σαν και εσάς:
04:48
they come to events like this.
118
273000
2000
έρχονται σε τέτοιες εκδηλώσεις.
04:50
They are posh, they're wealthy, they're less likely to have outdoor jobs,
119
275000
3000
Είναι κυριλέδες, πλούσιοι, συνήθως δεν κάνουν εξωτερικές ούτε
04:53
they're less likely to do manual labor,
120
278000
2000
χειρονακτικές δουλειές
04:55
they have better social support, they're less likely to smoke --
121
280000
2000
έχουν καλύτερη κοινωνική στήριξη, συνήθως δεν καπνίζουν...
04:57
so for a whole host of fascinating, interlocking
122
282000
2000
οπότε για πολλούς συναρπαστικούς, μπερδεμένους
04:59
social, political and cultural reasons,
123
284000
2000
κοινωνικούς, πολιτικούς και πολιτισμικούς λόγους
05:01
they are less likely to have skin wrinkles.
124
286000
2000
είναι λιγότερο πιθανό να έχουν ρυτίδες.
05:03
That doesn't mean that it's the vegetables or the olive oil.
125
288000
2000
Αυτό δε σημαίνει πως ευθύνονται τα λαχανικά
05:05
(Laughter)
126
290000
2000
ούτε το ελαιόλαδο.
05:07
So ideally what you want to do is a trial.
127
292000
3000
(Γέλια) Ιδανικά,
05:10
And everybody thinks they're very familiar with the idea of a trial.
128
295000
2000
χρειάζεται μια κλινική μελέτη.
05:12
Trials are very old. The first trial was in the Bible -- Daniel 1:12.
129
297000
3000
Είναι πανάρχαιες. Η πρώτη εμφανίστηκε στη Βίβλο -- Δανιήλ 1:12.
05:15
It's very straightforward -- you take a bunch of people, you split them in half,
130
300000
2000
Παίρνεις μια ομάδα, τη χωρίζεις στα δύο,
05:17
you treat one group one way, you treat the other group the other way,
131
302000
2000
στους μισούς κάνεις κάτι,
05:19
and a little while later, you follow them up
132
304000
2000
στους υπόλοιπους κάτι άλλο,
05:21
and see what happened to each of them.
133
306000
2000
και βλέπεις τι συνέβη στον καθένα.
05:23
So I'm going to tell you about one trial,
134
308000
2000
Θα σας πω για μια πολυσυζητημένη
05:25
which is probably the most well-reported trial
135
310000
2000
στα Βρετανικά ΜΜΕ μελέτη:
05:27
in the U.K. news media over the past decade.
136
312000
2000
Την κλινική δοκιμή
05:29
And this is the trial of fish oil pills.
137
314000
2000
των χαπιών μουρουνέλαιου.
05:31
And the claim was fish oil pills improve school performance and behavior
138
316000
2000
Ισχυριζόταν πως τα χάπια μουρουνέλαιου βελτιώνουν τις σχολικές επιδόσεις
05:33
in mainstream children.
139
318000
2000
και τη συμπεριφορά του μέσου παιδιού.
05:35
And they said, "We've done a trial.
140
320000
2000
Είπαν «Αρχίζουμε κλινική μελέτη.
05:37
All the previous trials were positive, and we know this one's gonna be too."
141
322000
2000
Όλες οι προηγούμενες ήταν θετικές, άρα θα είναι και αυτή».
05:39
That should always ring alarm bells.
142
324000
2000
Αυτό πρέπει πάντα να μας βάζει σε υποψίες.
05:41
Because if you already know the answer to your trial, you shouldn't be doing one.
143
326000
3000
Αφού, εάν ξέρεις εκ των προτέρων το αποτέλεσμα, γιατί αρχίζεις μελέτη;
05:44
Either you've rigged it by design,
144
329000
2000
Ή έχεις μαγειρέψει τη μεθοδολογία,
05:46
or you've got enough data so there's no need to randomize people anymore.
145
331000
3000
ή έχεις αρκετά στοιχεία, οπότε δε χρειάζεται να την κάνεις.
05:49
So this is what they were going to do in their trial.
146
334000
3000
Ορίστε τι σκόπευαν να κάνουν:
05:52
They were taking 3,000 children,
147
337000
2000
Θα έπαιρναν 3.000 παιδιά
05:54
they were going to give them all these huge fish oil pills,
148
339000
2000
θα τους έδιναν τεράστια χάπια μουρουνέλαιου,
05:56
six of them a day,
149
341000
2000
έξι την ημέρα,
05:58
and then a year later, they were going to measure their school exam performance
150
343000
3000
και μετά από ένα χρόνο, θα μετρούσαν τις σχολικές τους επιδόσεις
06:01
and compare their school exam performance
151
346000
2000
και θα τις σύγκριναν με τις επιδόσεις
06:03
against what they predicted their exam performance would have been
152
348000
2000
που είχαν προβλέψει πως θα είχαν
06:05
if they hadn't had the pills.
153
350000
3000
εάν δεν έπαιρναν τα χάπια.
06:08
Now can anybody spot a flaw in this design?
154
353000
3000
Μπορεί κανείς να βρει το σφάλμα εδώ;
06:11
And no professors of clinical trial methodology
155
356000
3000
Απαγορεύεται να απαντήσουν καθηγητές
06:14
are allowed to answer this question.
156
359000
2000
μεθοδολογίας κλινικών δοκιμών.
06:16
So there's no control; there's no control group.
157
361000
2000
Δεν υπάρχει ομάδα ελέγχου.
06:18
But that sounds really techie.
158
363000
2000
Ακούγεται λίγο κάπως.
06:20
That's a technical term.
159
365000
2000
Είναι τεχνικός όρος.
06:22
The kids got the pills, and then their performance improved.
160
367000
2000
Τα παιδιά πήραν τα χάπια, και οι επιδόσεις τους βελτιώθηκαν.
06:24
What else could it possibly be if it wasn't the pills?
161
369000
3000
Από τι άλλο αν όχι από τα χάπια;
06:27
They got older. We all develop over time.
162
372000
3000
Μεγάλωσαν. Όλοι εξελισσόμαστε όσο μεγαλώνουμε.
06:30
And of course, also there's the placebo effect.
163
375000
2000
Και υπάρχει και η επίδραση του εικονικού φάρμακου,
06:32
The placebo effect is one of the most fascinating things in the whole of medicine.
164
377000
2000
ένα από τα συναρπαστικότερα ιατρικά φαινόμενα.
06:34
It's not just about taking a pill, and your performance and your pain getting better.
165
379000
3000
Δεν αφορά μόνο την κατάποση ενός ψεύτικου χαπιού,
06:37
It's about our beliefs and expectations.
166
382000
2000
αφορά τα πιστεύω και τις προσδοκίες μας.
06:39
It's about the cultural meaning of a treatment.
167
384000
2000
Αφορά την πολιτισμική σημασία μιας θεραπείας.
06:41
And this has been demonstrated in a whole raft of fascinating studies
168
386000
3000
Η επίδρασή των εικονικών φαρμάκων έχει μελετηθεί σε μια σειρά συναρπαστικών μελετών
06:44
comparing one kind of placebo against another.
169
389000
3000
που συγκρίνουν ένα είδος εικονικού φαρμάκου με άλλα.
06:47
So we know, for example, that two sugar pills a day
170
392000
2000
Ξέρουμε, για παράδειγμα, πως δύο χάπια ζάχαρης την ημέρα
06:49
are a more effective treatment for getting rid of gastric ulcers
171
394000
2000
είναι πιο αποτελεσματική θεραπεία
06:51
than one sugar pill.
172
396000
2000
για το γαστρικό έλκος από ένα χάπι ζάχαρης.
06:53
Two sugar pills a day beats one sugar pill a day.
173
398000
2000
Τα δύο νικούν το ένα.
06:55
And that's an outrageous and ridiculous finding, but it's true.
174
400000
3000
Είναι εξωφρενικό και γελοίο εύρημα, αλλά και αληθινό.
06:58
We know from three different studies on three different types of pain
175
403000
2000
Ξέρουμε από τρεις διαφορετικές μελέτες
07:00
that a saltwater injection is a more effective treatment for pain
176
405000
3000
πως μια ένεση άλμης είναι πιο αποτελεσματική θεραπεία για τον πόνο
07:03
than taking a sugar pill, taking a dummy pill that has no medicine in it --
177
408000
4000
από ένα χάπι ζάχαρης --ένα εικονικό χάπι που δεν περιέχει φάρμακο--
07:07
not because the injection or the pills do anything physically to the body,
178
412000
3000
όχι επειδή η ένεση ή τα χάπια προκαλούν κάτι στο σώμα,
07:10
but because an injection feels like a much more dramatic intervention.
179
415000
3000
αλλά επειδή ο ασθενής νιώθει την ένεση σαν δραστικότερη επέμβαση.
07:13
So we know that our beliefs and expectations
180
418000
2000
Ξέρουμε λοιπόν πως τα πιστεύω και οι προσδοκίες μας
07:15
can be manipulated,
181
420000
2000
μπορούν να κατευθυνθούν
07:17
which is why we do trials
182
422000
2000
και γι'αυτό κάνουμε μελέτες
07:19
where we control against a placebo --
183
424000
2000
όπου συγκρίνουμε με εικονικά χάπια:
07:21
where one half of the people get the real treatment
184
426000
2000
οι μισοί παίρνουν το φάρμακο
07:23
and the other half get placebo.
185
428000
2000
και οι άλλοι μισοί το εικονικό χάπι.
07:25
But that's not enough.
186
430000
3000
Αλλά αυτό δεν αρκεί.
07:28
What I've just shown you are examples of the very simple and straightforward ways
187
433000
3000
Σας έδειξα παραδείγματα των πολύ απλών και άμεσων τρόπων
07:31
that journalists and food supplement pill peddlers
188
436000
2000
με τους οποίους οι δημοσιογράφοι και οι
07:33
and naturopaths
189
438000
2000
οι πλασιέ συμπληρωμάτων διατροφής
07:35
can distort evidence for their own purposes.
190
440000
3000
μπορούν να διαστρεβλώσουν τα ευρήματα για να καταφέρουν τους σκοπούς τους.
07:38
What I find really fascinating
191
443000
2000
Βρίσκω ενδιαφέρον το
07:40
is that the pharmaceutical industry
192
445000
2000
γεγονός ότι η φαρμακευτική βιομηχανία
07:42
uses exactly the same kinds of tricks and devices,
193
447000
2000
χρησιμοποιεί ακριβώς τα ίδια κόλπα και τεχνάσματα,
07:44
but slightly more sophisticated versions of them,
194
449000
3000
αλλά σε ελαφρώς πιο επιτηδευμένες μορφές,
07:47
in order to distort the evidence that they give to doctors and patients,
195
452000
3000
για να διαστρεβλώσει τις αποδείξεις που δίνει στους γιατρούς και τους ασθενείς
07:50
and which we use to make vitally important decisions.
196
455000
3000
με τις οποίες παίρνουμε ζωτικής σημασίας αποφάσεις.
07:53
So firstly, trials against placebo:
197
458000
2000
Στη σύγκριση με εικονικό φάρμακο
07:55
everybody thinks they know that a trial should be
198
460000
2000
όλοι νομίζουν πως η σωστή δοκιμή συγκρίνει
07:57
a comparison of your new drug against placebo.
199
462000
2000
το νέο φάρμακο με ένα εικονικό.
07:59
But actually in a lot of situations that's wrong.
200
464000
2000
Σε πολλές περιπτώσεις αυτό είναι λάθος.
08:01
Because often we already have a very good treatment that is currently available,
201
466000
3000
Συχνά έχουμε πολύ καλή θεραπεία ήδη διαθέσιμη
08:04
so we don't want to know that your alternative new treatment
202
469000
2000
οπότε δε μας ενδιαφέρει εάν η καινούργια
08:06
is better than nothing.
203
471000
2000
είναι καλύτερη από το τίποτα.
08:08
We want to know that it's better than the best currently available treatment that we have.
204
473000
3000
Θέλουμε να μάθουμε αν είναι καλύτερη από την καλύτερη διαθέσιμη θεραπεία.
08:11
And yet, repeatedly, you consistently see people doing trials
205
476000
3000
Παρόλα αυτά, βλέπουμε συνεχώς δοκιμές
08:14
still against placebo.
206
479000
2000
και συγκρίσεις με εικονικά χάπια.
08:16
And you can get license to bring your drug to market
207
481000
2000
Ένα φάρμακο μπορεί να αδειοδοτηθεί
08:18
with only data showing that it's better than nothing,
208
483000
2000
με μοναδικό στοιχείο πως είναι καλύτερο από το τίποτα,
08:20
which is useless for a doctor like me trying to make a decision.
209
485000
3000
ένα άχρηστο δεδομένο για έναν γιατρό που προσπαθεί να πάρει μια απόφαση.
08:23
But that's not the only way you can rig your data.
210
488000
2000
Δεν είναι ο μόνος τρόπος να μαγειρέψεις τα στοιχεία σου.
08:25
You can also rig your data
211
490000
2000
Μπορείς επίσης να συγκρίνεις
08:27
by making the thing you compare your new drug against
212
492000
2000
το νέο σου φάρμακο με
08:29
really rubbish.
213
494000
2000
κάτι κακής ποιότητας.
08:31
You can give the competing drug in too low a dose,
214
496000
2000
Μπορείς να χορηγήσεις πολύ μικρές δόσεις του ανταγωνιστικού
08:33
so that people aren't properly treated.
215
498000
2000
ώστε να μην αποτελεί θεραπεία,
08:35
You can give the competing drug in too high a dose,
216
500000
2000
ή πολύ μεγάλες
08:37
so that people get side effects.
217
502000
2000
ώστε να προκαλέσει παρενέργειες.
08:39
And this is exactly what happened
218
504000
2000
Ακριβώς αυτό συνέβη
08:41
which antipsychotic medication for schizophrenia.
219
506000
2000
με τα αντιψυχωσικά κατά της σχιζοφρένειας.
08:43
20 years ago, a new generation of antipsychotic drugs were brought in
220
508000
3000
Πριν 20 χρόνια, κυκλοφόρησε μια νέα γενιά αντιψυχωσικών
08:46
and the promise was that they would have fewer side effects.
221
511000
3000
που υποσχόταν λιγότερες παρενέργειες.
08:49
So people set about doing trials of these new drugs
222
514000
2000
Άρχισαν οι δοκιμές των καινούργιων φαρμάκων
08:51
against the old drugs,
223
516000
2000
που τα σύγκριναν με τα παλιά
08:53
but they gave the old drugs in ridiculously high doses --
224
518000
2000
αλλά χορηγούσαν τα παλιά σε γελοιωδώς μεγάλες δόσεις,
08:55
20 milligrams a day of haloperidol.
225
520000
2000
πχ. 20 μιλιγκράμ αλοπεριδόλης την ημέρα.
08:57
And it's a foregone conclusion,
226
522000
2000
Είναι δεδομένο πως
08:59
if you give a drug at that high a dose,
227
524000
2000
αν χορηγήσεις φάρμακο σε τόσο μεγάλη δόση
09:01
that it will have more side effects and that your new drug will look better.
228
526000
3000
θα έχει περισσότερες παρενέργειες και το νέο σου φάρμακο θα φαίνεται καλύτερο.
09:04
10 years ago, history repeated itself, interestingly,
229
529000
2000
Πριν 10 χρόνια, η ιστορία επαναλήφθηκε,
09:06
when risperidone, which was the first of the new-generation antipscyhotic drugs,
230
531000
3000
όταν ελευθερώθηκαν τα δικαιώματα αναπαραγωγής της ρισπεριδόνης,
09:09
came off copyright, so anybody could make copies.
231
534000
3000
του πρώτου αντιψυχωσικού νέας γενιάς.
09:12
Everybody wanted to show that their drug was better than risperidone,
232
537000
2000
Όλοι θέλησαν να δείξουν πως η δική τους αντιγραφή ήταν καλύτερη από τη ρισπεριδόνη,
09:14
so you see a bunch of trials comparing new antipsychotic drugs
233
539000
3000
οπότε οι δοκιμές σύγκριναν τα νέα αντιψυχωτικά
09:17
against risperidone at eight milligrams a day.
234
542000
2000
με 8 μιλιγκράμ ρισπεριδόνης την ημέρα,
09:19
Again, not an insane dose, not an illegal dose,
235
544000
2000
που δεν είναι ακραία δόση,
09:21
but very much at the high end of normal.
236
546000
2000
αλλά πολύ μεγάλη.
09:23
And so you're bound to make your new drug look better.
237
548000
3000
Έτσι το νέο φάρμακο φαινόταν καλύτερο.
09:26
And so it's no surprise that overall,
238
551000
3000
Οπότε δεν είναι περίεργο πως στο σύνολό τους,
09:29
industry-funded trials
239
554000
2000
οι δοκιμές που χρηματοδοτεί η φαρμακευτική βιομηχανία
09:31
are four times more likely to give a positive result
240
556000
2000
είναι τέσσερις φορές πιθανότερο να δώσουν
09:33
than independently sponsored trials.
241
558000
3000
θετικό αποτέλεσμα από τις ανεξάρτητες.
09:36
But -- and it's a big but --
242
561000
3000
--ΟΜΩΣ--
09:39
(Laughter)
243
564000
2000
(Γέλια)
09:41
it turns out,
244
566000
2000
φαίνεται πως
09:43
when you look at the methods used by industry-funded trials,
245
568000
3000
η μεθοδολογία των μελετών των φαρμακευτικών
09:46
that they're actually better
246
571000
2000
είναι σωστότερη
09:48
than independently sponsored trials.
247
573000
2000
από εκείνη των ανεξάρτητων δοκιμών.
09:50
And yet, they always manage to to get the result that they want.
248
575000
3000
Παρόλα αυτά, πάντα καταφέρνουν να έχουν το επιθυμητό αποτέλεσμα.
09:53
So how does this work?
249
578000
2000
Πώς γίνεται αυτό;
09:55
How can we explain this strange phenomenon?
250
580000
3000
Πώς εξηγείται;
09:58
Well it turns out that what happens
251
583000
2000
Τα αρνητικά ευρήματα
10:00
is the negative data goes missing in action;
252
585000
2000
εξαφανίζονται!
10:02
it's withheld from doctors and patients.
253
587000
2000
Δεν γνωστοποιούνται στους γιατρούς και στους ασθενείς.
10:04
And this is the most important aspect of the whole story.
254
589000
2000
Και αυτό είναι το σημαντικότερο στοιχείο της ιστορίας.
10:06
It's at the top of the pyramid of evidence.
255
591000
2000
Βρίσκεται στην κορυφή της πυραμίδας των τεκμηρίων.
10:08
We need to have all of the data on a particular treatment
256
593000
3000
Χρειαζόμαστε όλα τα ευρήματα που αφορούν μια θεραπεία
10:11
to know whether or not it really is effective.
257
596000
2000
για να ξέρουμε εάν είναι αποτελεσματική ή όχι.
10:13
And there are two different ways that you can spot
258
598000
2000
Υπάρχουν δύο τρόποι για να καταλάβεις
10:15
whether some data has gone missing in action.
259
600000
2000
αν εξαφανίστηκαν κάποια ευρήματα.
10:17
You can use statistics, or you can use stories.
260
602000
3000
Με στατιστική, ή με περιστατικά.
10:20
I personally prefer statistics, so that's what I'm going to do first.
261
605000
2000
Προτιμώ τη στατιστική, οπότε θα σας την εξηγήσω πρώτη.
10:22
This is something called funnel plot.
262
607000
2000
Αυτό ονομάζεται γράφημα χοάνης.
10:24
And a funnel plot is a very clever way of spotting
263
609000
2000
Αποτελεί έναν πανέξυπνο τρόπο για να εντοπίσουμε
10:26
if small negative trials have disappeared, have gone missing in action.
264
611000
3000
εάν οι αρνητικές δοκιμές εξαφανίστηκαν.
10:29
So this is a graph of all of the trials
265
614000
2000
Είναι ένα διάγραμμα όλων των δοκιμών
10:31
that have been done on a particular treatment.
266
616000
2000
που αφορούν μια θεραπεία.
10:33
And as you go up towards the top of the graph,
267
618000
2000
Κάθε κουκκίδα είναι μια δοκιμή,
10:35
what you see is each dot is a trial.
268
620000
2000
και όσο ανεβαίνουμε πιο ψηλά,
10:37
And as you go up, those are the bigger trials, so they've got less error in them.
269
622000
3000
είναι μεγαλύτερες μελέτες, οπότε έχουν λιγότερα λάθη.
10:40
So they're less likely to be randomly false positives, randomly false negatives.
270
625000
3000
Άρα είναι λιγότερο πιθανό να έχουν τυχαία ψευδώς θετικά ή ψευδώς αρνητικά αποτελέσματα.
10:43
So they all cluster together.
271
628000
2000
Είναι όλες συγκεντρωμένες.
10:45
The big trials are closer to the true answer.
272
630000
2000
Οι μεγάλες μελέτες είναι πιο κοντά στην αλήθεια.
10:47
Then as you go further down at the bottom,
273
632000
2000
Όσο κατεβαίνουμε προς τη βάση,
10:49
what you can see is, over on this side, the spurious false negatives,
274
634000
3000
βλέπετε, σ' αυτή την πλευρά τα πλαστά ψευδώς αρνητικά
10:52
and over on this side, the spurious false positives.
275
637000
2000
και σ' αυτήν τα πλαστά ψευδώς θετικά.
10:54
If there is publication bias,
276
639000
2000
Εάν υπάρξει μεροληψία,
10:56
if small negative trials have gone missing in action,
277
641000
3000
αν οι μικρές αρνητικές δοκιμές έχουν αποσιωπηθεί,
10:59
you can see it on one of these graphs.
278
644000
2000
φαίνεται σε ένα τέτοιο γράφημα.
11:01
So you can see here that the small negative trials
279
646000
2000
Βλέπετε εδώ πως οι μικρές αρνητικές δοκιμές
11:03
that should be on the bottom left have disappeared.
280
648000
2000
που θα έπρεπε να είναι κάτω αριστερά έχουν εξαφανιστεί.
11:05
This is a graph demonstrating the presence of publication bias
281
650000
3000
Αυτό το γράφημα δείχνει αν υπήρξε μεροληψία
11:08
in studies of publication bias.
282
653000
2000
στις μελέτες μεροληψίας.
11:10
And I think that's the funniest epidemiology joke
283
655000
2000
Αυτό νομίζω είναι το πιο αστείο ανέκδοτο
11:12
that you will ever hear.
284
657000
2000
επιδημιολογίας που θα ακούσετε ποτέ.
11:14
That's how you can prove it statistically,
285
659000
2000
Έτσι αποδεικνύεται στατιστικά,
11:16
but what about stories?
286
661000
2000
αλλά πώς γίνεται με τα περιστατικά;
11:18
Well they're heinous, they really are.
287
663000
2000
Είναι πραγματικά αποτρόπαια.
11:20
This is a drug called reboxetine.
288
665000
2000
Υπάρχει ένα φάρμακο, η ρεμποξετίνη,
11:22
This is a drug that I myself have prescribed to patients.
289
667000
2000
που έχω γράψει κι εγώ σε ασθενείς
11:24
And I'm a very nerdy doctor.
290
669000
2000
και είμαι και ψαγμένος γιατρός.
11:26
I hope I try to go out of my way to try and read and understand all the literature.
291
671000
3000
Προσπαθώ να διαβάζω όλη τη βιβλιογραφία.
11:29
I read the trials on this. They were all positive. They were all well-conducted.
292
674000
3000
Διάβασα τις μελέτες για τη ρεμποξετίνη. Ήταν όλες θετικές και καλά εκτελεσμένες.
11:32
I found no flaw.
293
677000
2000
Δε βρήκα λάθος.
11:34
Unfortunately, it turned out,
294
679000
2000
Δυστυχώς, αποδείχθηκε πως
11:36
that many of these trials were withheld.
295
681000
2000
πολλές από τις δοκιμές είχαν αποσιωπηθεί.
11:38
In fact, 76 percent
296
683000
2000
Το 76% όλων των ερευνών
11:40
of all of the trials that were done on this drug
297
685000
2000
που έγιναν ποτέ γι' αυτό το φάρμακο,
11:42
were withheld from doctors and patients.
298
687000
2000
δε γνωστοποιήθηκαν σε γιατρούς και ασθενείς.
11:44
Now if you think about it,
299
689000
2000
Αν το καλοσκεφτείτε,
11:46
if I tossed a coin a hundred times,
300
691000
2000
εάν έριχνα ένα κέρμα εκατό φορές
11:48
and I'm allowed to withhold from you
301
693000
2000
και μου επιτρεπόταν να σας αποκρύψω
11:50
the answers half the times,
302
695000
2000
μισές από τις απαντήσεις
11:52
then I can convince you
303
697000
2000
θα μπορούσα να σας πείσω
11:54
that I have a coin with two heads.
304
699000
2000
πως το κέρμα μου έχει δύο κορώνες.
11:56
If we remove half of the data,
305
701000
2000
Αν αφαιρέσουμε τα μισά δεδομένα
11:58
we can never know what the true effect size of these medicines is.
306
703000
3000
δε μπορούμε με τίποτα να ξέρουμε την πραγματική δραστικότητα αυτών των φαρμάκων.
12:01
And this is not an isolated story.
307
706000
2000
Αυτό δεν είναι μεμονωμένο περιστατικό.
12:03
Around half of all of the trial data on antidepressants has been withheld,
308
708000
4000
Περίπου μισά από όλα τα ευρήματα ερευνών για αντικαταθλιπτικά έχουν αποκρυφτεί,
12:07
but it goes way beyond that.
309
712000
2000
και πάει και παραπέρα.
12:09
The Nordic Cochrane Group were trying to get a hold of the data on that
310
714000
2000
Η Σύμπραξη Κοχρέιν Σκανδιναβίας προσπάθησε
12:11
to bring it all together.
311
716000
2000
να συγκεντρώσει όλα τα ευρήματα γι' αυτό το φάρμακο.
12:13
The Cochrane Groups are an international nonprofit collaboration
312
718000
3000
Η Σύμπραξη Κοχρέιν είναι μια διεθνής μη κερδοσκοπική συνεργασία
12:16
that produce systematic reviews of all of the data that has ever been shown.
313
721000
3000
που παράγει συστηματικές αξιολογήσεις όλων των ευρημάτων για κάθε φάρμακο.
12:19
And they need to have access to all of the trial data.
314
724000
3000
Και χρειάζονται πρόσβαση σε όλα τα ευρήματα όλων των δοκιμών.
12:22
But the companies withheld that data from them,
315
727000
3000
Αλλά οι εταιρίες τους αποκρύπτουν τα δεδομένα,
12:25
and so did the European Medicines Agency
316
730000
2000
και το ίδιο έκανε για τρία χρόνια
12:27
for three years.
317
732000
2000
και ο Ευρωπαϊκός Οργανισμός Φαρμάκων.
12:29
This is a problem that is currently lacking a solution.
318
734000
3000
Αυτό το πρόβλημα δεν έχει λύση για την ώρα.
12:32
And to show how big it goes, this is a drug called Tamiflu,
319
737000
3000
Για να καταλάβετε τα μεγέθη για τα οποία μιλάμε,
12:35
which governments around the world
320
740000
2000
αυτό είναι το Ταμιφλού,
12:37
have spent billions and billions of dollars on.
321
742000
2000
για το οποίο κυβερνήσεις σε όλον τον κόσμο έχουν ξοδέψει δισεκατομμύρια,
12:39
And they spend that money on the promise
322
744000
2000
επειδή υπόσχεται
12:41
that this is a drug which will reduce the rate
323
746000
2000
πως μειώνει τη συχνότητα
12:43
of complications with flu.
324
748000
2000
των επιπλοκών της γρίπης.
12:45
We already have the data
325
750000
2000
Έχουμε ήδη τα δεδομένα
12:47
showing that it reduces the duration of your flu by a few hours.
326
752000
2000
που δείχνουν πως μειώνει την διάρκεια της γρίπης για μερικές ώρες.
12:49
But I don't really care about that. Governments don't care about that.
327
754000
2000
Αλλά αυτό δεν ενδιαφέρει ούτε εμένα ούτε τις κυβερνήσεις.
12:51
I'm very sorry if you have the flu, I know it's horrible,
328
756000
3000
Λυπάμαι πολύ αν έχετε γρίπη, είναι δυσάρεστη,
12:54
but we're not going to spend billions of dollars
329
759000
2000
αλλά δε θα ξοδέψουμε δισεκατομμύρια
12:56
trying to reduce the duration of your flu symptoms
330
761000
2000
για να μειώσουμε τη διάρκεια
12:58
by half a day.
331
763000
2000
των συμπτωμάτων σας μισή ημέρα.
13:00
We prescribe these drugs, we stockpile them for emergencies
332
765000
2000
Συνταγογραφούμε αυτά τα φάρμακα, τα παραγγέλνουμε για επείγουσες περιπτώσεις
13:02
on the understanding that they will reduce the number of complications,
333
767000
2000
επειδή υποτίθεται πως μειώνουν τον αριθμό των επιπλοκών,
13:04
which means pneumonia and which means death.
334
769000
3000
δηλαδή της πνευμονίας, δηλαδή των θανάτων.
13:07
The infectious diseases Cochrane Group, which are based in Italy,
335
772000
3000
Η Σύμπραξη Κοχρέιν για τα λοιμώδη νοσήματα, που έχει βάση στην Ιταλία
13:10
has been trying to get
336
775000
2000
προσπαθεί να αποκτήσει πρόσβαση
13:12
the full data in a usable form out of the drug companies
337
777000
3000
σε όλα τα ευρήματα, σε εύχρηστη μορφή
13:15
so that they can make a full decision
338
780000
3000
για να αποφασίσουν με σιγουριά
13:18
about whether this drug is effective or not,
339
783000
2000
εάν το Ταμιφλού είναι αποτελεσματικό,
13:20
and they've not been able to get that information.
340
785000
3000
αλλά οι εταιρίες δεν τους δίνουν τα δεδομένα.
13:23
This is undoubtedly
341
788000
2000
Αυτό είναι αναμφίβολα
13:25
the single biggest ethical problem
342
790000
3000
το μεγαλύτερο ηθικό πρόβλημα
13:28
facing medicine today.
343
793000
2000
της ιατρικής σήμερα.
13:30
We cannot make decisions
344
795000
3000
Δε μπορούμε να πάρουμε αποφάσεις
13:33
in the absence of all of the information.
345
798000
4000
χωρίς αυτές τις πληροφορίες.
13:37
So it's a little bit difficult from there
346
802000
3000
Είναι κάπως δύσκολο
13:40
to spin in some kind of positive conclusion.
347
805000
4000
να καταλήξω σε κάποιο θετικό συμπέρασμα.
13:44
But I would say this:
348
809000
4000
Θα σας πω όμως ότι
13:48
I think that sunlight
349
813000
3000
νομίζω πως το φως του ήλιου
13:51
is the best disinfectant.
350
816000
2000
είναι το καλύτερο απολυμαντικό.
13:53
All of these things are happening in plain sight,
351
818000
3000
Όλα αυτά συμβαίνουν μπροστά στα μάτια μας,
13:56
and they're all protected
352
821000
2000
και προστατεύονται
13:58
by a force field of tediousness.
353
823000
3000
από την πολυπλοκότητά τους.
14:01
And I think, with all of the problems in science,
354
826000
2000
Νομίζω, με όλα τα προβλήματα της επιστήμης,
14:03
one of the best things that we can do
355
828000
2000
το καλύτερο που έχουμε να κάνουμε
14:05
is to lift up the lid,
356
830000
2000
είναι να σηκώσουμε το καπάκι των μηχανισμών
14:07
finger around in the mechanics and peer in.
357
832000
2000
και να κοιτάξουμε πώς δουλεύουν.
14:09
Thank you very much.
358
834000
2000
Ευχαριστώ πολύ.
14:11
(Applause)
359
836000
3000
(Χειροκρότημα)
ABOUT THE SPEAKER
Ben Goldacre - DebunkerBen 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."
Ben Goldacre | Speaker | TED.com