TEDGlobal 2011
Ben Goldacre: Battling bad science
Ben Goldacre zwalcza złą naukę.
Filmed:
Readability: 4.3
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.
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
Jestem lekarzem, ale trochę zboczyłem w kierunku badawczym
00:18
and now I'm an epidemiologist.
1
3000
2000
i teraz jestem epidemiologiem.
00:20
And nobody really knows what epidemiology is.
2
5000
2000
Nikt naprawdę nie wie czym jest epidemiologia.
00:22
Epidemiology is the science of how we know in the real world
3
7000
3000
Jest to nauka, która bada co w rzeczywistości
00:25
if something is good for you or bad for you.
4
10000
2000
jest dla nas dobre lub złe.
00:27
And it's best understood through example
5
12000
2000
Najlepiej zrozumiemy to na przykładzie
00:29
as the science of those crazy, wacky newspaper headlines.
6
14000
5000
zwariowanych nagłówków w prasie.
00:34
And these are just some of the examples.
7
19000
2000
Oto kilka z nich.
00:36
These are from the Daily Mail. Every country in the world has a newspaper like this.
8
21000
3000
Te są z Daily Mail. W każdym kraju wydają podobna prasę.
00:39
It has this bizarre, ongoing philosophical project
9
24000
3000
Gazeta prowadzi dziwaczny filozoficzny projekt
00:42
of dividing all the inanimate objects in the world
10
27000
2000
zakładający podział wszystkich przedmiotów
00:44
into the ones that either cause or prevent cancer.
11
29000
3000
na wywołujące raka i zapobiegające mu.
00:47
So here are some of the things they said cause cancer recently:
12
32000
2000
Oto kilka rzeczy, które według nich powodują raka:
00:49
divorce, Wi-Fi, toiletries and coffee.
13
34000
2000
rozwód, Wi-Fi, przybory toaletowe, kawa.
00:51
Here are some of the things they say prevents cancer:
14
36000
2000
A tu mamy te, które rakowi zapobiegają:
00:53
crusts, red pepper, licorice and coffee.
15
38000
2000
skórka chleba, papryka, lukrecja i kawa.
00:55
So already you can see there are contradictions.
16
40000
2000
Wyraźnie widać tu sprzeczność.
00:57
Coffee both causes and prevents cancer.
17
42000
2000
Kawa powoduje raka i mu przeciwdziała.
00:59
And as you start to read on, you can see
18
44000
2000
Gdy zaczniesz czytać dalej, widzisz
01:01
that maybe there's some kind of political valence behind some of this.
19
46000
3000
że być może wkradła się tutaj polityka.
01:04
So for women, housework prevents breast cancer,
20
49000
2000
Prace domowe zapobiegają rakowi piersi u kobiet,
01:06
but for men, shopping could make you impotent.
21
51000
3000
a mężczyzn zakupy mogą uczynić impotentami.
01:09
So we know that we need to start
22
54000
3000
Wiemy już, że musimy
01:12
unpicking the science behind this.
23
57000
3000
próbować wyjaśnić te fakty naukowo.
01:15
And what I hope to show
24
60000
2000
Mam nadzieję pokazać,
01:17
is that unpicking dodgy claims,
25
62000
2000
że obalanie mitów,
01:19
unpicking the evidence behind dodgy claims,
26
64000
2000
pozornych dowodów, jakie za nimi stoją
01:21
isn't a kind of nasty carping activity;
27
66000
3000
nie jest wstrętnym krytykanctwem,
01:24
it's socially useful,
28
69000
2000
a społecznie użytecznym
01:26
but it's also an extremely valuable
29
71000
2000
i niezmiernie wartościowym
01:28
explanatory tool.
30
73000
2000
narzędziem wyjaśniania.
01:30
Because real science is all about
31
75000
2000
Nauka polega bowiem na
01:32
critically appraising the evidence for somebody else's position.
32
77000
2000
krytycznej ocenie przedstawionych przez innych dowodów.
01:34
That's what happens in academic journals.
33
79000
2000
Tak rzecz ma się w uczelnianych czasopismach
01:36
That's what happens at academic conferences.
34
81000
2000
czy podczas akademickich konferencji.
01:38
The Q&A session after a post-op presents data
35
83000
2000
Pooperacyjne narady lekarzy
01:40
is often a blood bath.
36
85000
2000
to często masakra.
01:42
And nobody minds that. We actively welcome it.
37
87000
2000
Nikomu to nie przeszkadza.
01:44
It's like a consenting intellectual S&M activity.
38
89000
3000
Zgadzamy się na takie intelektualne sado-maso.
01:47
So what I'm going to show you
39
92000
2000
Zaprezentuję wam
01:49
is all of the main things,
40
94000
2000
główne zagadnienia
01:51
all of the main features of my discipline --
41
96000
2000
mojej dyscypliny -
01:53
evidence-based medicine.
42
98000
2000
medycyny opartej na dowodach.
01:55
And I will talk you through all of these
43
100000
2000
Opowiem wam o jej założeniach,
01:57
and demonstrate how they work,
44
102000
2000
pokażę, jak działają,
01:59
exclusively using examples of people getting stuff wrong.
45
104000
3000
przedstawiając przykłady ludzkich pomyłek.
02:02
So we'll start with the absolute weakest form of evidence known to man,
46
107000
3000
Zaczniemy od najsłabszej znanej ludzkości formy dowodu.
02:05
and that is authority.
47
110000
2000
Jest nią autorytet.
02:07
In science, we don't care how many letters you have after your name.
48
112000
3000
Nauka nie dba o to ile literek masz przed nazwiskiem.
02:10
In science, we want to know what your reasons are for believing 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 bad for us?
51
120000
2000
czy złe?
02:17
But we're also unimpressed by authority,
52
122000
2000
Czyjś autorytet nas nie rusza,
02:19
because it's so easy to contrive.
53
124000
2000
bo łatwo go sfabrykować.
02:21
This is somebody called Dr. Gillian McKeith Ph.D,
54
126000
2000
Ta pani to dr n.med. Gillian McKeith,
02:23
or, to give her full medical title, Gillian McKeith.
55
128000
3000
a biorąc jej dorobek naukowy, to Gillian McKeith.
02:26
(Laughter)
56
131000
3000
(Śmiech)
02:29
Again, every country has somebody like this.
57
134000
2000
W każdym kraju znajdzie się ktoś podobny.
02:31
She is our TV diet guru.
58
136000
2000
Jest telewizyjnym guru diety.
02:33
She has massive five series of prime-time television,
59
138000
3000
Prowadzi pięć programów w najlepszym czasie antenowym,
02:36
giving out very lavish and exotic health advice.
60
141000
3000
gdzie prezentuje egzotyczne porady zdrowotne.
02:39
She, it turns out, has a non-accredited correspondence course Ph.D.
61
144000
3000
Okazuje się, że tytuł doktora zdobyła na korespondencyjnym kursie,
02:42
from somewhere in America.
62
147000
2000
prowadzonym gdzieś w Ameryce.
02:44
She also boasts that she's a certified professional member
63
149000
2000
Chwali się też, że jest certyfikowanym członkiem
02:46
of the American Association of Nutritional Consultants,
64
151000
2000
Amerykańskiego Stowarzyszenia Specjalistów Żywienia,
02:48
which sounds very glamorous and exciting.
65
153000
2000
co brzmi bardzo efektownie i ekscytująco.
02:50
You get a certificate and everything.
66
155000
2000
Mamy tu certyfikat.
02:52
This one belongs to my dead cat Hetti. She was a horrible cat.
67
157000
2000
Ten należał do mojej zmarłej kotki, Hetti. Była okropna.
02:54
You just go to the website, fill out the form,
68
159000
2000
Wchodzisz na stronkę, wypełniasz formularz,
02:56
give them $60, and it arrives in the post.
69
161000
2000
płacisz im 60 dolców i dostajesz dyplom pocztą.
02:58
Now that's not the only reason that we think this person is an idiot.
70
163000
2000
To nie jedyny powód świadczący, że ta osoba jest idiotką.
03:00
She also goes and says things like,
71
165000
2000
Mówi też rzeczy typu:
03:02
you should eat lots of dark green leaves,
72
167000
2000
powinniśmy jeść dużo ciemnozielonych liści,
03:04
because they contain lots of chlorophyll, and that will really oxygenate your blood.
73
169000
2000
bo zawierają dużo chlorofilu, który świetnie dotlenia naszą krew.
03:06
And anybody who's done school biology remembers
74
171000
2000
Każdy, kto uczył się biologii w szkole pamięta,
03:08
that chlorophyll and chloroplasts
75
173000
2000
że chlorofil i chloroplasty
03:10
only make oxygen in sunlight,
76
175000
2000
wytwarzają tlen tylko w świetle słonecznym,
03:12
and it's quite dark in your bowels after you've eaten spinach.
77
177000
3000
a szpinak w naszych trzewiach ma całkiem ciemno.
03:15
Next, we need proper science, proper evidence.
78
180000
3000
Potrzebujemy odpowiednich dowodów naukowych.
03:18
So, "Red wine can help prevent breast cancer."
79
183000
2000
"Czerwone wino może powstrzymać raka piersi".
03:20
This is a headline from the Daily Telegraph in the U.K.
80
185000
2000
To nagłówek z brytyjskiego Daily Telegraph.
03:22
"A glass of red wine a day could help prevent breast cancer."
81
187000
3000
"Szklanka czerwonego wina dziennie może powstrzymać raka piersi"
03:25
So you go and find this paper, and what you find
82
190000
2000
Gdy czytasz tę gazetę, odkrywasz,
03:27
is it is a real piece of science.
83
192000
2000
że to kawał nauki.
03:29
It is a description of the changes in one enzyme
84
194000
3000
Jest to opis zmian w jednym z enzymów,
03:32
when you drip a chemical extracted from some red grape skin
85
197000
3000
gdy związkiem chemicznym ze skórki winogron
03:35
onto some cancer cells
86
200000
2000
nasączy się komórki rakowe
03:37
in a dish on a bench in a laboratory somewhere.
87
202000
3000
w naczyniu, w jakimś laboratorium.
03:40
And that's a really useful thing to describe
88
205000
2000
To bardzo pożyteczna rzecz, warto opisać ją
03:42
in a scientific paper,
89
207000
2000
w czasopiśmie naukowym,
03:44
but on the question of your own personal risk
90
209000
2000
ale o ryzyku dotyczącym
03:46
of getting breast cancer if you drink red wine,
91
211000
2000
nabawienia się raka piersi, pijąc czerwone wino,
03:48
it tells you absolutely bugger all.
92
213000
2000
figę ci to mówi.
03:50
Actually, it turns out that your risk of breast cancer
93
215000
2000
W zasadzie okazuje się, że ryzyko zachorowania
03:52
actually increases slightly
94
217000
2000
nieznacznie wzrasta
03:54
with every amount of alcohol that you drink.
95
219000
2000
z każdą kroplą alkoholu, którą wypijamy.
03:56
So what we want is studies in real human people.
96
221000
4000
Domagamy się więc badań na ludziach.
04:00
And here's another example.
97
225000
2000
Oto kolejny przykład.
04:02
This is from Britain's leading diet and nutritionist in the Daily Mirror,
98
227000
3000
Jest to wypowiedź czołowego brytyjskiego dietetyka w Daily Mirror,
04:05
which is our second biggest selling newspaper.
99
230000
2000
naszej drugiej najlepiej sprzedającej się gazecie.
04:07
"An Australian study in 2001
100
232000
2000
"Australijskie badania z 2001 roku dowiodły,
04:09
found that olive oil in combination with fruits, vegetables and pulses
101
234000
2000
że oliwa z oliwek wraz z owocami, warzywami i strączkami
04:11
offers measurable protection against skin wrinklings."
102
236000
2000
dostrzegalnie chroni przed zmarszczkami".
04:13
And then they give you advice:
103
238000
2000
Dają nam wskazówkę:
04:15
"If you eat olive oil and vegetables, you'll have fewer skin wrinkles."
104
240000
2000
"Jedz warzywa z oliwą, będziesz miał mniej zmarszczek"
04:17
And they very helpfully tell you how to go and find the paper.
105
242000
2000
Uprzejmie piszą jak możesz znaleźć dokumentację.
04:19
So you go and find the paper, and what you find is an observational study.
106
244000
3000
Gdy już to zrobisz, okazuje się że opiera się na badaniach obserwacyjnych.
04:22
Obviously nobody has been able
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 born in one maternity unit,
109
251000
3000
zebrać wszystkich urodzonych na jednym oddziale,
04:29
and half of them eat lots of fruit and veg and olive oil,
110
254000
2000
z których połowa będzie jeść owoce, warzywa i oliwę,
04:31
and then half of them eat McDonald's,
111
256000
2000
a połowa stołować się w McDonalds`s,
04:33
and then we see how many wrinkles you've got later.
112
258000
2000
a potem sprawdzić kto ile będzie miał zmarszczek.
04:35
You have to take a snapshot of how people are now.
113
260000
2000
Należy zrobić współczesnym ludziom zdjęcia.
04:37
And what you find is, of course,
114
262000
2000
Oczywiście odkryjemy, że ci
04:39
people who eat veg and olive oil have fewer skin wrinkles.
115
264000
3000
którzy jedzą warzywa z oliwą mają mniej zmarszczek.
04:42
But that's because people who eat fruit and veg and olive oil,
116
267000
3000
Ale dzieje się tak, ponieważ ludzie jedzący takie rzeczy
04:45
they're freaks, they're not normal, they're like you;
117
270000
3000
to oszołomy, nienormalni, tacy jak wy.
04:48
they come to events like this.
118
273000
2000
Chodzą na podobne wykłady.
04:50
They are posh, they're wealthy, they're less likely to have outdoor jobs,
119
275000
3000
Są wytworni, bogaci, raczej nie pracują na dworze,
04:53
they're less likely to do manual labor,
120
278000
2000
nie wykonują pracy fizycznej,
04:55
they have better social support, they're less likely to smoke --
121
280000
2000
żyją w lepszym środowisku społecznym, pewnie nie palą.
04:57
so for a whole host of fascinating, interlocking
122
282000
2000
A więc z powodu całej gamy fascynujących
04:59
social, political and cultural reasons,
123
284000
2000
społecznych, politycznych i kulturowych przyczyn
05:01
they are less likely to have skin wrinkles.
124
286000
2000
mają mniejszą szansę na posiadanie zmarszczek.
05:03
That doesn't mean that it's the vegetables or the olive oil.
125
288000
2000
Nie oznacza to, że wszystko dzięki warzywom czy oliwie.
05:05
(Laughter)
126
290000
2000
(Śmiech)
05:07
So ideally what you want to do is a trial.
127
292000
3000
Najlepiej, abyśmy przeprowadzili doświadczenie.
05:10
And everybody thinks they're very familiar with the idea of a trial.
128
295000
2000
Każdy myśli, że wie na czym polega jego idea.
05:12
Trials are very old. The first trial was in the Bible -- Daniel 1:12.
129
297000
3000
Próby wykonuje się od dawna. Pierwszą z nich mamy w Biblii, Księga Daniela.
05:15
It's very straightforward -- you take a bunch of people, you split them in half,
130
300000
2000
Zasada jest bardzo prosta - masz ludzi, dzielisz ich na dwie grupy,
05:17
you treat one group one way, you treat the other group the other way,
131
302000
2000
z jedną grupą postępujesz w dany sposób, z drugą w inny,
05:19
and a little while later, you follow them up
132
304000
2000
a trochę później sprawdzasz,
05:21
and see what happened to each of them.
133
306000
2000
co stało się w każdej z nich.
05:23
So I'm going to tell you about one trial,
134
308000
2000
Opowiem wam o jednym eksperymencie,
05:25
which is probably the most well-reported trial
135
310000
2000
prawdopodobnie najgłośniejszym
05:27
in the U.K. news media over the past decade.
136
312000
2000
w brytyjskich mediach w ostatniej dekadzie.
05:29
And this is the trial of fish oil pills.
137
314000
2000
Doświadczenie dotyczy pigułek tranowych.
05:31
And the claim was fish oil pills improve school performance and behavior
138
316000
2000
Założenie było takie, że pigułki te poprawiają szkolne osiągnięcia
05:33
in mainstream children.
139
318000
2000
u dzieci.
05:35
And they said, "We've done a trial.
140
320000
2000
Powiedziano: "Zrobiliśmy eksperyment.
05:37
All the previous trials were positive, and we know this one's gonna be too."
141
322000
2000
Wszystkie poprzednie dały wynik pozytywny, z tym będzie tak samo".
05:39
That should always ring alarm bells.
142
324000
2000
To zawsze jest alarmujące.
05:41
Because if you already know the answer to your trial, you shouldn't be doing one.
143
326000
3000
Bo jeśli z góry znasz wynik eksperymentu, nie musisz go przeprowadzać.
05:44
Either you've rigged it by design,
144
329000
2000
Albo zepsułeś coś na starcie
05:46
or you've got enough data so there's no need to randomize people anymore.
145
331000
3000
albo masz dość danych, aby nie przeprowadzać więcej prób.
05:49
So this is what they were going to do in their trial.
146
334000
3000
Oto na czym miał polegać wspomniany eksperyment.
05:52
They were taking 3,000 children,
147
337000
2000
Próba składała się z 3000 dzieci,
05:54
they were going to give them all these huge fish oil pills,
148
339000
2000
którym dawano tabletki tranowe,
05:56
six of them a day,
149
341000
2000
sześć na dzień,
05:58
and then a year later, they were going to measure their school exam performance
150
343000
3000
a rok później zbadano wyniki ich szkolnych egzaminów
06:01
and compare their school exam performance
151
346000
2000
i porównano te wyniki
06:03
against what they predicted their exam performance would have been
152
348000
2000
z przewidywanymi rezultatami, zakładając
06:05
if they hadn't had the pills.
153
350000
3000
że nie zażywały pigułek.
06:08
Now can anybody spot a flaw in this design?
154
353000
3000
Czy ktoś widzi błąd w tym badaniu?
06:11
And no professors of clinical trial methodology
155
356000
3000
Profesorowie metodologii badań klinicznych
06:14
are allowed to answer this question.
156
359000
2000
nie mogą odpowiadać.
06:16
So there's no control; there's no control group.
157
361000
2000
Nie ma grupy kontrolnej.
06:18
But that sounds really techie.
158
363000
2000
Brzmi to bardzo naukowo.
06:20
That's a technical term.
159
365000
2000
To termin techniczny.
06:22
The kids got the pills, and then their performance improved.
160
367000
2000
Dzieci dostały pigułki i ich wyniki się poprawiły.
06:24
What else could it possibly be if it wasn't the pills?
161
369000
3000
Co, jeśli nie tabletki, wpłynęło na te rezultaty?
06:27
They got older. We all develop over time.
162
372000
3000
Dzieci stały się starsze. Wszyscy się rozwijamy.
06:30
And of course, also there's the placebo effect.
163
375000
2000
Oczywiście dochodzi tu efekt placebo.
06:32
The placebo effect is one of the most fascinating things in the whole of medicine.
164
377000
2000
To jedna z najbardziej fascynujących rzeczy w medycynie.
06:34
It's not just about taking a pill, and your performance and your pain getting better.
165
379000
3000
Nie chodzi o pigułki, które poprawiają wyniki czy uśmierzają ból.
06:37
It's about our beliefs and expectations.
166
382000
2000
Chodzi tu o wiarę i oczekiwania.
06:39
It's about the cultural meaning of a treatment.
167
384000
2000
O kulturowy aspekt terapii.
06:41
And this has been demonstrated in a whole raft of fascinating studies
168
386000
3000
Pokazano to w szeregu fascynujących badań,
06:44
comparing one kind of placebo against another.
169
389000
3000
porównując jeden rodzaj placebo do drugiego.
06:47
So we know, for example, that two sugar pills a day
170
392000
2000
Na przykład dwie cukrowe tabletki na dzień
06:49
are a more effective treatment for getting rid of gastric ulcers
171
394000
2000
efektywniej leczą wrzody żołądka,
06:51
than one sugar pill.
172
396000
2000
niż jedna tabletka.
06:53
Two sugar pills a day beats one sugar pill a day.
173
398000
2000
Dwie tabletki dziennie są lepsze niż jedna.
06:55
And that's an outrageous and ridiculous finding, but it's true.
174
400000
3000
To niesłychanie absurdalne, ale to prawda.
06:58
We know from three different studies on three different types of pain
175
403000
2000
Na przykładzie trzech badań nad trzema rodzajami bólu wiemy,
07:00
that a saltwater injection is a more effective treatment for pain
176
405000
3000
że zastrzyki z soli fizjologicznej są skuteczniejsze w terapii bólu
07:03
than taking a sugar pill, taking a dummy pill that has no medicine in it --
177
408000
4000
niż tabletka, która nie zawiera w sobie żadnego leku.
07:07
not because the injection or the pills do anything physically to the body,
178
412000
3000
Nie dzieje się tak bo zastrzyk czy pigułki działają jakoś na organizm,
07:10
but because an injection feels like a much more dramatic intervention.
179
415000
3000
ale dlatego że zastrzyk wydaje się poważniejszą interwencją.
07:13
So we know that our beliefs and expectations
180
418000
2000
Wiemy, że naszymi oczekiwaniami
07:15
can be manipulated,
181
420000
2000
można manipulować,
07:17
which is why we do trials
182
422000
2000
dlatego robimy eksperymenty
07:19
where we control against a placebo --
183
424000
2000
gdzie mamy grupę kontrolną,
07:21
where one half of the people get the real treatment
184
426000
2000
gdzie połowę ludzi leczy się naprawdę,
07:23
and the other half get placebo.
185
428000
2000
a druga połowa dostaje placebo.
07:25
But that's not enough.
186
430000
3000
Ale to nie wystarczy.
07:28
What I've just shown you are examples of the very simple and straightforward ways
187
433000
3000
Pokazałem kilka przykładów na to, jak nieskomplikowane działania
07:31
that journalists and food supplement pill peddlers
188
436000
2000
dziennikarzy, handlarzy suplementów,
07:33
and naturopaths
189
438000
2000
czy specjalistów naturopatii
07:35
can distort evidence for their own purposes.
190
440000
3000
mogą wypaczyć dowody dla własnych celów tych ludzi.
07:38
What I find really fascinating
191
443000
2000
Najbardziej fascynujące jest to,
07:40
is that the pharmaceutical industry
192
445000
2000
że przemysł farmaceutyczny
07:42
uses exactly the same kinds of tricks and devices,
193
447000
2000
stosuje te same przebiegłe chwyty,
07:44
but slightly more sophisticated versions of them,
194
449000
3000
ale w bardziej wyrafinowanej wersji
07:47
in order to distort the evidence that they give to doctors and patients,
195
452000
3000
w celu nagięcia wyników przedstawianych lekarzom i pacjentom,
07:50
and which we use to make vitally important decisions.
196
455000
3000
którzy na ich podstawie podejmują kluczowe decyzje.
07:53
So firstly, trials against placebo:
197
458000
2000
Po pierwsze, eksperyment z placebo:
07:55
everybody thinks they know that a trial should be
198
460000
2000
wydaje się, że eksperyment powinien polegać
07:57
a comparison of your new drug against placebo.
199
462000
2000
na porównaniu nowego leku do placebo.
07:59
But actually in a lot of situations that's wrong.
200
464000
2000
Tak naprawdę bardzo często jest to błędem.
08:01
Because often we already have a very good treatment that is currently available,
201
466000
3000
Często bowiem dysponujemy gotową, bardzo dobrą terapią,
08:04
so we don't want to know that your alternative new treatment
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 best currently available treatment that we have.
204
473000
3000
Chcemy dowiedzieć się, że jest lepsze niż najlepsze obecnie dostępne.
08:11
And yet, repeatedly, you consistently see people doing trials
205
476000
3000
Jednak wciąż wykonuje się eksperymenty
08:14
still against placebo.
206
479000
2000
z użyciem placebo.
08:16
And you can get license to bring your drug to market
207
481000
2000
Można wprowadzić lek na rynek
08:18
with only data showing that it's better than nothing,
208
483000
2000
udowadniając, że jest lepszy niż nic,
08:20
which is useless for a doctor like me trying to make a decision.
209
485000
3000
co jest bezużyteczne dla lekarza w obliczu decyzji do podjęcia.
08:23
But that's not the only way you can rig your data.
210
488000
2000
Nie jest to jedyny sposób manipulacji danymi.
08:25
You can also rig your data
211
490000
2000
Można zrobić to,
08:27
by making the thing you compare your new drug against
212
492000
2000
porównując nowy lek
08:29
really rubbish.
213
494000
2000
do jakiegoś szmelcu.
08:31
You can give the competing drug in too low a dose,
214
496000
2000
Można podać konkurujący lek w za niskiej dawce,
08:33
so that people aren't properly treated.
215
498000
2000
co nie wywoła efektu leczniczego.
08:35
You can give the competing drug in too high a dose,
216
500000
2000
Można podać konkurujący lek w za wysokiej dawce,
08:37
so that people get side effects.
217
502000
2000
co spowoduje efekty uboczne.
08:39
And this is exactly what happened
218
504000
2000
Dokładnie tak zdarzyło się w związku
08:41
which antipsychotic medication for schizophrenia.
219
506000
2000
z antypsychotycznym lekiem na schizofrenię.
08:43
20 years ago, a new generation of antipsychotic drugs were brought in
220
508000
3000
20 lat temu wprowadzono nową generację tych leków
08:46
and the promise was that they would have fewer side effects.
221
511000
3000
i zapewniono, że nigdy nie będą powodować skutków ubocznych.
08:49
So people set about doing trials of these new drugs
222
514000
2000
Rozpoczęto więc próby nowych leków skierowane
08:51
against the old drugs,
223
516000
2000
przeciwko starym,
08:53
but they gave the old drugs in ridiculously high doses --
224
518000
2000
ale te stare podawano w absurdalnie wysokich dawkach -
08:55
20 milligrams a day of haloperidol.
225
520000
2000
20 miligramów haloperidolu dziennie.
08:57
And it's a foregone conclusion,
226
522000
2000
Założenie było wtedy takie,
08:59
if you give a drug at that high a dose,
227
524000
2000
że jeśli poda się lek w tak wysokiej dawce,
09:01
that it will have more side effects and that your new drug will look better.
228
526000
3000
to spowoduje efekty uboczne, z korzyścią dla nowego leku.
09:04
10 years ago, history repeated itself, interestingly,
229
529000
2000
10 lat temu historia się powtórzyła, co ciekawe
09:06
when risperidone, which was the first of the new-generation antipscyhotic drugs,
230
531000
3000
w czasie gdy risperidon, pierwszy lek antypsychotyczny nowej generacji,
09:09
came off copyright, so anybody could make copies.
231
534000
3000
został zwolniony z ograniczeń patentowych.
09:12
Everybody wanted to show that their drug was better than risperidone,
232
537000
2000
Wszyscy chcieli pokazać, że ich kopia leku jest lepsza niż risperidon,
09:14
so you see a bunch of trials comparing new antipsychotic drugs
233
539000
3000
wykonano więc sporo testów porównując nowe neuroleptyki
09:17
against risperidone at eight milligrams a day.
234
542000
2000
z risperidonem w dawce ośmiu miligramów dziennie.
09:19
Again, not an insane dose, not an illegal dose,
235
544000
2000
Nie była to szalona czy nielegalna dawka,
09:21
but very much at the high end of normal.
236
546000
2000
ale w górnej granicy normalnej.
09:23
And so you're bound to make your new drug look better.
237
548000
3000
Firmy starają się pokazać swój lek w lepszym świetle.
09:26
And so it's no surprise that overall,
238
551000
3000
Nie jest więc niespodzianką,
09:29
industry-funded trials
239
554000
2000
że finansowane przez nie eksperymenty
09:31
are four times more likely to give a positive result
240
556000
2000
dają pozytywne wyniki cztery razy częściej
09:33
than independently sponsored trials.
241
558000
3000
niż niezależne testy.
09:36
But -- and it's a big but --
242
561000
3000
Ale, i to wielkie "ale" -
09:39
(Laughter)
243
564000
2000
(Śmiech)
09:41
it turns out,
244
566000
2000
okazuje się, że
09:43
when you look at the methods used by industry-funded trials,
245
568000
3000
metody stosowane w finansowanych przez przemysł testach
09:46
that they're actually better
246
571000
2000
są lepsze
09:48
than independently sponsored trials.
247
573000
2000
niż w niezależnych eksperymentach.
09:50
And yet, they always manage to to get the result 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 explain this strange phenomenon?
250
580000
3000
Jak wyjaśnimy to dziwne zjawisko?
09:58
Well it turns out that what happens
251
583000
2000
Okazuje się, że
10:00
is the negative data goes missing in action;
252
585000
2000
dane negatywne gdzieś giną,
10:02
it's withheld from doctors and patients.
253
587000
2000
są ukrywane przed lekarzami i pacjentami.
10:04
And this is the most important aspect of the whole story.
254
589000
2000
To najważniejszy aspekt całej historii.
10:06
It's at the top of the pyramid of evidence.
255
591000
2000
Stoi na szczycie piramidy dowodów.
10:08
We need to have all of the data on a particular treatment
256
593000
3000
Musimy mieć dostęp do wszystkich danych dotyczących terapii,
10:11
to know whether or not it really is effective.
257
596000
2000
by wiedzieć czy jest skuteczna, czy nie.
10:13
And there are two different ways that you can spot
258
598000
2000
Istnieją dwa sposoby, aby sprawdzić
10:15
whether some data has gone missing in action.
259
600000
2000
czy trochę danych zaginęło w akcji.
10:17
You can use statistics, or you can use stories.
260
602000
3000
Można użyć statystyki lub opowiedzieć historię.
10:20
I personally prefer statistics, 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 called funnel plot.
262
607000
2000
Oto wykres lejkowy.
10:24
And a funnel plot is a very clever way of spotting
263
609000
2000
Jest bardzo sprytnym narzędziem stwierdzającym
10:26
if small negative trials have disappeared, have gone missing in action.
264
611000
3000
zniknięcie danych w małych, dających negatywne rezultaty doświadczeniach.
10:29
So this is a graph of all of the trials
265
614000
2000
Ten wykres dotyczy wszystkich eksperymentów
10:31
that have been done on a particular treatment.
266
616000
2000
wykonanych w związku z konkretną terapią.
10:33
And as you go up towards the top of the graph,
267
618000
2000
Patrząc ku górze wykresu,
10:35
what you see is each dot is a trial.
268
620000
2000
każda kropka to jeden eksperyment.
10:37
And as you go up, those are the bigger trials, so they've got less error in them.
269
622000
3000
Kropki na górze oznaczają większe eksperymenty, z mniejszą ilością błędów.
10:40
So they're less likely to be randomly false positives, randomly false negatives.
270
625000
3000
Jest tu mniejsza szansa na losowo fałszywie pozytywne i negatywne wyniki.
10:43
So they all cluster together.
271
628000
2000
Wyniki te grupują się.
10:45
The big trials are closer to the true answer.
272
630000
2000
Duże eksperymenty są bliższe prawdzie.
10:47
Then as you go further down at the bottom,
273
632000
2000
Patrząc ku dołowi wykresu,
10:49
what you can see is, over on this side, the spurious false negatives,
274
634000
3000
widzimy po tej stronie rzekomo fałszywie negatywne wyniki,
10:52
and over on this side, the spurious false positives.
275
637000
2000
a po tej stronie rzekomo fałszywie pozytywne.
10:54
If there is publication bias,
276
639000
2000
Zakładając stronniczość,
10:56
if small negative trials have gone missing in action,
277
641000
3000
jeśli znikają wyniki doświadczeń o negatywnych rezultatach,
10:59
you can see it on one of these graphs.
278
644000
2000
zobaczymy to na jednym z takich wykresów.
11:01
So you can see here that the small negative trials
279
646000
2000
Widzimy zatem, że małe "negatywne" eksperymenty,
11:03
that should be on the bottom left have disappeared.
280
648000
2000
które powinny być na dole po lewej stronie, zniknęły.
11:05
This is a graph demonstrating the presence of publication bias
281
650000
3000
Ten wykres pokazuje stronniczość wyników
11:08
in studies of publication bias.
282
653000
2000
w badaniach zjawiska stronniczości.
11:10
And I think that's the funniest epidemiology joke
283
655000
2000
To najśmieszniejszy dowcip w epidemiologii,
11:12
that you will ever hear.
284
657000
2000
jaki kiedykolwiek usłyszycie.
11:14
That's how you can prove it statistically,
285
659000
2000
Tyle w temacie dowodzenia statystycznego,
11:16
but what about stories?
286
661000
2000
a co z opowieściami?
11:18
Well they're heinous, they really are.
287
663000
2000
Są naprawdę okropne.
11:20
This is a drug called reboxetine.
288
665000
2000
Oto lek o nazwie reboksetyna.
11:22
This is a drug that I myself have prescribed to patients.
289
667000
2000
Osobiście przepisywałem go pacjentom.
11:24
And I'm a very nerdy doctor.
290
669000
2000
Straszny kujon ze mnie.
11:26
I hope I try to go out of my way to try and read and understand all the literature.
291
671000
3000
Staram się czytać ze zrozumieniem całą literaturę przedmiotu.
11:29
I read the trials on this. They were all positive. They were all well-conducted.
292
674000
3000
Czytałem o pozytywnych i dobrze prowadzonych eksperymentach dotyczących tego leku.
11:32
I found no flaw.
293
677000
2000
Nie znalazłem błędów.
11:34
Unfortunately, it turned out,
294
679000
2000
Niestety okazało się,
11:36
that many of these trials were withheld.
295
681000
2000
że wyniki wielu testów zatajono.
11:38
In fact, 76 percent
296
683000
2000
Jakieś 76% z wszystkich
11:40
of all of the trials that were done on this drug
297
685000
2000
doświadczeń wykonanych na leku
11:42
were withheld from doctors and patients.
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 tossed a coin a hundred times,
300
691000
2000
że rzucam monetą sto razy
11:48
and I'm allowed to withhold from you
301
693000
2000
i zatajam przed wami wyniki rzutów,
11:50
the answers half the times,
302
695000
2000
to w połowie przypadków,
11:52
then I can convince you
303
697000
2000
przekonam was,
11:54
that I have a coin with two heads.
304
699000
2000
że mam monetę z dwoma orłami.
11:56
If we remove half of the data,
305
701000
2000
Jeśli usuniemy połowę danych,
11:58
we can never know what the true effect size of these medicines is.
306
703000
3000
nigdy nie dowiemy się prawdziwych efektów danego leku.
12:01
And this is not an isolated story.
307
706000
2000
Nie jest to odosobniona historia.
12:03
Around half of all of the trial data on antidepressants has been withheld,
308
708000
4000
Około połowy wyników eksperymentów dotyczących antydepresantów zatajono,
12:07
but it goes way beyond that.
309
712000
2000
ale to tylko czubek góry lodowej.
12:09
The Nordic Cochrane Group were trying to get a hold of the data on that
310
714000
2000
Nordic Cochrane Group próbowała zdobyć te dane,
12:11
to bring it all together.
311
716000
2000
aby połączyć je w spójną całość.
12:13
The Cochrane Groups are an international nonprofit collaboration
312
718000
3000
Grupy Cochrane`a to międzynarodowe organizacje nonprofit
12:16
that produce systematic reviews of all of the data that has ever been shown.
313
721000
3000
systematycznie recenzujące wszystkie dane medyczne, jakie tylko się pojawiają.
12:19
And they need to have access to all of the trial data.
314
724000
3000
Muszą mieć dostęp do wyników wszystkich eksperymentów.
12:22
But the companies withheld that data from them,
315
727000
3000
Jednak firmy ukrywają te dane przed nimi,
12:25
and so did the European Medicines Agency
316
730000
2000
tak jak robiła do Europejska Agencja Leków
12:27
for three years.
317
732000
2000
przez trzy lata.
12:29
This is a problem that is currently lacking a solution.
318
734000
3000
W tej chwili nie ma rozwiązania tego problemu.
12:32
And to show how big it goes, this is a drug called Tamiflu,
319
737000
3000
Żeby zobaczyć jak jest on wielki, popatrzmy na lek Tamiflu,
12:35
which governments around the world
320
740000
2000
na który rządy na całym świecie
12:37
have spent billions and billions of dollars on.
321
742000
2000
wydały grube miliardy dolarów.
12:39
And they spend that money on the promise
322
744000
2000
Pieniądze te wydano w oparciu o obietnicę,
12:41
that this is a drug which will reduce the rate
323
746000
2000
że lek ten będzie redukował
12:43
of complications with flu.
324
748000
2000
powikłania pogrypowe.
12:45
We already have the data
325
750000
2000
Dysponujemy danymi świadczącymi,
12:47
showing that it reduces the duration of your flu by a few hours.
326
752000
2000
że skraca chorobę o kilka godzin.
12:49
But I don't really care about that. Governments don't care about that.
327
754000
2000
Naprawdę mnie to nie obchodzi, podobnie myślą rządy.
12:51
I'm very sorry if you have the flu, I know it's horrible,
328
756000
3000
Bardzo mi przykro, że masz grypę, to straszne,
12:54
but we're not going to spend billions of dollars
329
759000
2000
ale nie zamierzamy wydawać miliardów dolarów,
12:56
trying to reduce the duration of your flu symptoms
330
761000
2000
aby skrócić twoje objawy
12:58
by half a day.
331
763000
2000
o pół dnia.
13:00
We prescribe these drugs, we stockpile them for emergencies
332
765000
2000
Przepisujemy te leki, gromadzimy je na wszelki wypadek,
13:02
on the understanding that they will reduce the number of complications,
333
767000
2000
w oparciu o wiedzę, że redukują szereg powikłań,
13:04
which means pneumonia and which means death.
334
769000
3000
takich jak zapalenie płuc, które może doprowadzić do śmierci.
13:07
The infectious diseases Cochrane Group, which are based in Italy,
335
772000
3000
Włoski oddział Grupy Cochrane`a zajmujący się chorobami zakaźnymi,
13:10
has been trying to get
336
775000
2000
starał się uzyskać
13:12
the full data in a usable form out of the drug companies
337
777000
3000
kompletne i użyteczne dane od firm farmaceutycznych,
13:15
so that they can make a full decision
338
780000
3000
aby móc w pełni orzec,
13:18
about whether this drug is effective or not,
339
783000
2000
czy lek jest efektywny, czy nie,
13:20
and they've not been able to get that information.
340
785000
3000
jednak odmówiono im udzielenia tych informacji.
13:23
This is undoubtedly
341
788000
2000
Jest to niewątpliwie
13:25
the single biggest ethical problem
342
790000
3000
największy problem etyczny, przed jakim stoi
13:28
facing medicine today.
343
793000
2000
dzisiejsza medycyna.
13:30
We cannot make decisions
344
795000
3000
Nie możemy podejmować decyzji
13:33
in the absence of all of the information.
345
798000
4000
bez wszystkich potrzebnych danych.
13:37
So it's a little bit difficult from there
346
802000
3000
Trochę ciężko mi z tego miejsca
13:40
to spin in some kind of positive conclusion.
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 sunlight
349
813000
3000
Myślę, że światło słoneczne
13:51
is the best disinfectant.
350
816000
2000
to najlepszy środek dezynfekujący.
13:53
All of these things are happening in plain sight,
351
818000
3000
Wszystkie te rzeczy dzieją się na naszych oczach,
13:56
and they're all protected
352
821000
2000
ale zaciemnia je
13:58
by a force field of tediousness.
353
823000
3000
powłoka opieszałości.
14:01
And I think, with all of the problems in science,
354
826000
2000
Myślę, że w obliczu wszystkich problemów nauki
14:03
one of the best things that we can do
355
828000
2000
najlepsze, co możemy zrobić,
14:05
is to lift up the lid,
356
830000
2000
to unieść pokrywę,
14:07
finger around in the mechanics and peer 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
(Applause)
359
836000
3000
(oklaski)
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