TEDGlobal 2011
Ben Goldacre: Battling bad science
เบ็น โกลเดเคอร์ (Ben Goldacre): การต่อต้านวิทยาศาสตร์ที่ไม่ดี
Filmed:
Readability: 4.3
2,713,579 views
ข่าวเกี่ยวกับข้อแนะนำทางสุขภาพใหม่ๆ นั้นออกมาได้ทุกวัน แต่คุณจะรู้ได้อย่างไรว่ามันถูกต้องหรือไม่? แพทย์และผู้เชี่ยวชาญด้านต้นกำเนิดและการพัฒนาของเชื้อโรค เบ็น โกลเดเคอร์ แสดงให้เราเห็นแบบเร็วจี๋ถึงวิธีการต่างๆที่หลักฐานถูกบิดเบือนไป จากคำกล่าวอ้างถึงคุณค่าของอาหารที่เห็นได้ชัดเจนว่ามากเกินไป จนถึงกลวิธีที่แยบยลมากๆ ของธุรกิจการผลิตยา
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
ผมเป็นแพทย์ แต่คล้ายกับว่าไถลออกไปทำการวิจัย,
00:18
and now I'm an epidemiologist.
1
3000
2000
และตอนนี้ผมเป็นผู้เชี่ยวชาญด้านต้นกำเนิดและการพัฒนาของเชื้อโรค
00:20
And nobody really knows what epidemiology is.
2
5000
2000
ไม่มีใครรู้จริงว่าศาสตร์ด้านนี้คืออะไร
00:22
Epidemiology is the science of how we know in the real world
3
7000
3000
มันเป็นศาสตร์เกี่ยวกับว่าเราจะรู้ได้อย่างไรในโลกแห่งความเป็นจริง
00:25
if something is good for you or bad for you.
4
10000
2000
ว่าสิ่งบางอย่างดีหรือไม่ดีสำหรับคุณ
00:27
And it's best understood through example
5
12000
2000
เรื่องนี้จะเข้าใจได้ดีที่สุดจากตัวอย่าง
00:29
as the science of those crazy, wacky newspaper headlines.
6
14000
5000
ที่เป็นศาสตร์ของหัวข่าวหนังสือพิมพ์ที่ประหลาดพิลึกกึกกือ
00:34
And these are just some of the examples.
7
19000
2000
นี่เป็นเพียงบางตัวอย่างเท่านั้น
00:36
These are from the Daily Mail. Every country in the world has a newspaper like this.
8
21000
3000
พวกนี้มาจากหนังสือพิมพ์เดลิเมล์ ทุกประเทศในโลกมีหนังสือพิมพ์แบบนี้
00:39
It has this bizarre, ongoing philosophical project
9
24000
3000
มันมีแนวปรัชญาต่อเนื่องที่แปลกแบบนี้
00:42
of dividing all the inanimate objects in the world
10
27000
2000
ในการแบ่งสิ่งต่างๆที่ไม่มีชีวิตทั้งหมดในโลก
00:44
into the ones that either cause or prevent cancer.
11
29000
3000
ออกเป็นสิ่งที่ก่อให้เกิดหรือป้องกันโรคมะเร็ง
00:47
So here are some of the things they said cause cancer recently:
12
32000
2000
นี่เป็นบางสิ่งที่เมื่อไม่นานมานี้พวกเขาบอกว่าทำให้เกิดมะเร็ง
00:49
divorce, Wi-Fi, toiletries and coffee.
13
34000
2000
การหย่าร้าง ระบบเครือข่ายไร้สาย ของใช้อาบนํ้าและกาแฟ
00:51
Here are some of the things they say prevents cancer:
14
36000
2000
นี่เป็นบางสิ่งที่พวกเขาบอกว่าป้องกันมะเร็งได้:
00:53
crusts, red pepper, licorice and coffee.
15
38000
2000
เปลือกขนมปัง,พริกสีแดง,ชะเอมและกาแฟ
00:55
So already you can see there are contradictions.
16
40000
2000
คุณจะเห็นได้แล้วว่ามีความขัดแย้งกัน
00:57
Coffee both causes and prevents cancer.
17
42000
2000
กาแฟเป็นได้ทั้งสาเหตุและป้องกันมะเร็ง
00:59
And as you start to read on, you can see
18
44000
2000
และถ้าคุณอ่านต่อไป คุณจะเห็นได้
01:01
that maybe there's some kind of political valence behind some of this.
19
46000
3000
ว่าอาจจะมีสายการผลิตเชิงการเมืองบางอย่างอยู่เบื้องหลังเรื่องนี้
01:04
So for women, housework prevents breast cancer,
20
49000
2000
สำหรับพวกผู้หญิง งานบ้านป้องกันมะเร็งเต้านมได้
01:06
but for men, shopping could make you impotent.
21
51000
3000
สำหรับพวกผู้ชาย ช้อปปิ้งอาจทำให้คุณขาดสมรรถภาพทางเพศ
01:09
So we know that we need to start
22
54000
3000
เราจึงรู้ว่าเราต้องเริ่มต้น
01:12
unpicking the science behind this.
23
57000
3000
เปิดโปงศาสตร์ที่อยู่เบื้องหลังเรื่องนี้
01:15
And what I hope to show
24
60000
2000
และสิ่งที่ผมหวังจะแสดงให้เห็น
01:17
is that unpicking dodgy claims,
25
62000
2000
คือการเปิดโปงคำกล่าวอ้างที่น่าสงสัยเหล่านี้
01:19
unpicking the evidence behind dodgy claims,
26
64000
2000
เผยหลักฐานเบื้องหลังคำกล่าวอ้างนั้น
01:21
isn't a kind of nasty carping activity;
27
66000
3000
นี่ไม่ใช่การจับผิดนะครับ
01:24
it's socially useful,
28
69000
2000
มันเป็นประโยชน์ต่อสังคม
01:26
but it's also an extremely valuable
29
71000
2000
และเป็นเครื่องมือที่มีคุณค่าอย่างมาก
01:28
explanatory tool.
30
73000
2000
ที่ใช้อธิบาย
01:30
Because real science is all about
31
75000
2000
เพราะว่าวิทยาศาสตร์ที่แท้จริงนั้นเกี่ยวกับ
01:32
critically appraising the evidence for somebody else's position.
32
77000
2000
การประเมินหลักฐานอย่างสาหัสสากรรจ์เกี่ยวกับแนวคิดของคนอื่น
01:34
That's what happens in academic journals.
33
79000
2000
นั่นคือสิ่งที่เกิดขึ้นในวารสารวิชาการ
01:36
That's what happens at academic conferences.
34
81000
2000
นั่นคือสิ่งที่เกิดขึ้นในการประชุมวิชาการ
01:38
The Q&A session after a post-op presents data
35
83000
2000
ช่วงที่ให้มีการถามตอบหลังการเสนอข้อมูล
01:40
is often a blood bath.
36
85000
2000
บ่อยครั้งเป็นประหัตประหารกัน
01:42
And nobody minds that. We actively welcome it.
37
87000
2000
และไม่มีใครใส่ใจเรื่องนั้นกัน เราต้อนรับมันอย่างกระตือรือร้น
01:44
It's like a consenting intellectual S&M activity.
38
89000
3000
คล้ายกับกิจกรรมเชิงให้ความรู้ที่ยอมรับกันของบริษัทการแสดงเอสแอนเอ็ม
01:47
So what I'm going to show you
39
92000
2000
สิ่งที่ผมกำลังจะแสดงให้ท่านชม
01:49
is all of the main things,
40
94000
2000
คือสิ่งสำคัญทั้งหมด,
01:51
all of the main features of my discipline --
41
96000
2000
ลักษณะสำคัญทั้งหมดของกฎเกณฑ์ของผม--
01:53
evidence-based medicine.
42
98000
2000
ยาที่ได้พิสูจน์หลักฐานแล้ว
01:55
And I will talk you through all of these
43
100000
2000
และผมจะพูดกับคุณโดยใช้กฎเณฑ์ทั้งหมดนี้
01:57
and demonstrate how they work,
44
102000
2000
และแสดงให้ดูว่ามันใช้ได้อย่างไร
01:59
exclusively using examples of people getting stuff wrong.
45
104000
3000
โดยใช้เพียงตัวอย่างของผู้ที่ทำให้เกิดความผิดพลาดขึ้น
02:02
So we'll start with the absolute weakest form of evidence known to man,
46
107000
3000
เราจะเริ่มต้นด้วยแบบของหลักฐานที่อ่อนที่สุดที่ทุกคนทราบดี
02:05
and that is authority.
47
110000
2000
และนั่นคือความเชื่อถือได้
02:07
In science, we don't care how many letters you have after your name.
48
112000
3000
ตามหลักวิทยาศาสตร์ เราไม่สนใจว่าชื่อของคนจะมีกี่ตัวอักษร
02:10
In science, we want to know what your reasons are for believing something.
49
115000
3000
ตามหลักวิทยาศาสตร์เราต้องการทราบเหตุผลในการที่คุณจะเชื่อบางสิ่ง
02:13
How do you know that something is good for us
50
118000
2000
คุณรู้ได้อย่างไรว่าของบางอย่างดีสำหรับคุณ
02:15
or bad for us?
51
120000
2000
หรือไม่ดีสำหรับคุณ?
02:17
But we're also unimpressed by authority,
52
122000
2000
แต่เรารู้สึกไม่ประทับใจในเรื่องความเชื่อถือ
02:19
because it's so easy to contrive.
53
124000
2000
เพราะมันง่ายมากที่จะแต่งเรื่องโกหกขึ้น
02:21
This is somebody called Dr. Gillian McKeith Ph.D,
54
126000
2000
มีคนๆหนึ่งชื่อว่าด๊อกเตอร์ กิลเลียน แม็กคีท ปริญญาเอก
02:23
or, to give her full medical title, Gillian McKeith.
55
128000
3000
หรือ ถ้าเรียกชื่อเต็มทางการแพทย์ กิลเลียน แม็กคีท
02:26
(Laughter)
56
131000
3000
(เสียงหัวเราะ)
02:29
Again, every country has somebody like this.
57
134000
2000
ทุกประเทศมีบุคคลแบบนี้
02:31
She is our TV diet guru.
58
136000
2000
เธอเป็นปรมาจารย์ด้านการลดนํ้าหนักทางทีวี
02:33
She has massive five series of prime-time television,
59
138000
3000
เธอมีรายการใหญ่ทางทีวีในช่วงเวลาที่ดีเยี่ยมถึงห้ารายการ
02:36
giving out very lavish and exotic health advice.
60
141000
3000
ที่ให้คำแนะนำด้านสุขภาพที่เกินพอและไม่เหมือนใคร
02:39
She, it turns out, has a non-accredited correspondence course Ph.D.
61
144000
3000
เธอกลายเป็นว่า ได้ปริญญาเอกทางไกลจากสถาบันที่ยังไม่ได้รับการรับรอง
02:42
from somewhere in America.
62
147000
2000
จากที่ใดที่หนึ่งในอเมริกา
02:44
She also boasts that she's a certified professional member
63
149000
2000
เธอยังโอ้อวดว่าเธอเป็นสมาชิกด้านวิชาชีพที่ได้รับการรับรอง
02:46
of the American Association of Nutritional Consultants,
64
151000
2000
ของสมาคมอเมริกันที่ให้คำปรึกษาด้านโภชนาการ
02:48
which sounds very glamorous and exciting.
65
153000
2000
ซึ่งฟังดูดีและน่าตื่นเต้นมาก
02:50
You get a certificate and everything.
66
155000
2000
คุณมีวุฒิบัตรและทุกๆอย่าง
02:52
This one belongs to my dead cat Hetti. She was a horrible cat.
67
157000
2000
ใบนี้เป็นของเจ้าเฮ็ตติแมวของผมที่ตายไปแล้ว มันเป็นแมวที่นิสัยไม่ดี
02:54
You just go to the website, fill out the form,
68
159000
2000
คุณแค่เข้าไปในเว็บไซท์ กรอกแบบฟอร์ม
02:56
give them $60, and it arrives in the post.
69
161000
2000
จ่ายเงินให้เขาไป 60ดอลล่าร์และมันก็มาถึงคุณทางไปรษณีย์
02:58
Now that's not the only reason that we think this person is an idiot.
70
163000
2000
และนั่นไม่ใช่เพียงแค่เหตุผลเดียวที่เราคิดว่าคนๆนี้เป็นคนโง่เง่า
03:00
She also goes and says things like,
71
165000
2000
เธอยังได้พูดถึงเรื่องต่างๆเช่น
03:02
you should eat lots of dark green leaves,
72
167000
2000
คุณควรจะทานผักสีเขียวเข้มมากๆ
03:04
because they contain lots of chlorophyll, and that will really oxygenate your blood.
73
169000
2000
เพราะว่ามันมีคลอโรฟิลล์มาก และจริงๆแล้วมันจะสร้างออกซิเจนมาหล่อเลี้ยงเลือดคุณ
03:06
And anybody who's done school biology remembers
74
171000
2000
แต่ใครก็ตามที่ได้เรียนชีววิทยาในโรงเรียนย่อมจำได้ว่า
03:08
that chlorophyll and chloroplasts
75
173000
2000
คลอโรฟิลล์และคลอโรพลาสท์
03:10
only make oxygen in sunlight,
76
175000
2000
สร้างออกซิเจนได้เมื่อมีแสงอาทิตย์เท่านั้น
03:12
and it's quite dark in your bowels after you've eaten spinach.
77
177000
3000
และในท้องของเรามืดมากหลังจากที่เราได้ทานผักขมเข้าไป
03:15
Next, we need proper science, proper evidence.
78
180000
3000
เรื่องต่อไป เราต้องการวิทยาศาสตร์ที่เหมาะสม หลักฐานถูกต้อง
03:18
So, "Red wine can help prevent breast cancer."
79
183000
2000
อย่าง "เหล้าองุ่นแดงป้องกันมะเร็งเต้านมได้"
03:20
This is a headline from the Daily Telegraph in the U.K.
80
185000
2000
นี่เป็นหัวข่าวจากหนังสือพิมพ์เดลี่ เทเลกราฟในอังกฤษ
03:22
"A glass of red wine a day could help prevent breast cancer."
81
187000
3000
"เหล้าองุ่นแดงวันละหนึ่งแก้วช่วยป้องกันมะเร็งเต้านมได้"
03:25
So you go and find this paper, and what you find
82
190000
2000
แล้วคุณก็ไปหาหนังสือพิมพ์นี้มา และสิ่งที่คุณพบ
03:27
is it is a real piece of science.
83
192000
2000
คือมันเป็นเรื่องของวิทยาศาสตร์จริงๆ
03:29
It is a description of the changes in one enzyme
84
194000
3000
มันเป็นการอธิบายการเปลี่ยนแปลงของตัวเอนไซม์ตัวหนึ่ง
03:32
when you drip a chemical extracted from some red grape skin
85
197000
3000
เมื่อคุณหยดสารที่สกัดมาจากผิวขององุ่นแดงบางชนิด
03:35
onto some cancer cells
86
200000
2000
ลงบนเซลล์มะเร็งบางตัว
03:37
in a dish on a bench in a laboratory somewhere.
87
202000
3000
ที่อยู่ในจานบนโต๊ะในห้องทดลองที่ไหนก็ได้
03:40
And that's a really useful thing to describe
88
205000
2000
และนั่นเป็นสิ่งที่มีประโยชน์จริงๆที่ได้บรรยายไว้
03:42
in a scientific paper,
89
207000
2000
ในสิ่งตีพิมพ์ทางวิทยาศาสตร์
03:44
but on the question of your own personal risk
90
209000
2000
แต่ปัญหาเรื่องความเสี่ยงของตัวคุณเอง
03:46
of getting breast cancer if you drink red wine,
91
211000
2000
เกี่ยวกับการเป็นมะเร็งเต้านมถ้าคุณดื่มเหล้าองุ่นแดง
03:48
it tells you absolutely bugger all.
92
213000
2000
มันไม่ได้บอกอะไรคุณเลย
03:50
Actually, it turns out that your risk of breast cancer
93
215000
2000
จริงๆกลายเป็นว่าความเสี่ยงเรื่องมะเร็งเต้านมของตัวคุณ
03:52
actually increases slightly
94
217000
2000
กลับทวีเพิ่มขึ้นอีก
03:54
with every amount of alcohol that you drink.
95
219000
2000
ด้วยปริมาณของแอลกอฮอล์ที่คุณดื่ม
03:56
So what we want is studies in real human people.
96
221000
4000
ดังนั้นสิ่งที่คุณต้องการก็คืองานวิจัยกับคนจริงๆ
04:00
And here's another example.
97
225000
2000
และนี่เป็นอีกตัวอย่างหนึ่ง
04:02
This is from Britain's leading diet and nutritionist in the Daily Mirror,
98
227000
3000
มาจากนักโภชนาการและควบคุมนํ้าหนักชั้นนำชาวอังกฤษในเดลี่มิเรอร์
04:05
which is our second biggest selling newspaper.
99
230000
2000
ซึ่งเป็นหนังสือพิมพ์ที่มียอดขายมากเป็นอันดับสองของเรา
04:07
"An Australian study in 2001
100
232000
2000
"การวิจัยของชาวออสเตรเลียในปี 2001
04:09
found that olive oil in combination with fruits, vegetables and pulses
101
234000
2000
พบว่านํ้ามันมะกอกผสมกับผลไม้ ผักและเมล็ดถั่ว
04:11
offers measurable protection against skin wrinklings."
102
236000
2000
ให้การป้องกันต่อต้านการเหี่ยวย่นของผิวหนังซึ่งวัดผลได้"
04:13
And then they give you advice:
103
238000
2000
แล้วพวกเขาก็ให้คำแนะนำคุณว่า:
04:15
"If you eat olive oil and vegetables, you'll have fewer skin wrinkles."
104
240000
2000
"ถ้าคุณกินนํ้ามันมะกอกและผัก ผิวของคุณจะมีรอยเหี่ยวย่นน้อยลง"
04:17
And they very helpfully tell you how to go and find the paper.
105
242000
2000
และพวกเขาก็บอกคุณอย่างเกื้อกูลว่าจะไปหาบทความนี้ได้อย่างไร
04:19
So you go and find the paper, and what you find is an observational study.
106
244000
3000
คุณก็ไปหาบทความนี้มาและสิ่งที่คุณพบก็คือการวิจัยจากการสังเกต
04:22
Obviously nobody has been able
107
247000
2000
เห็นได้ชัดว่าไม่มีผู้ใดสามารถ
04:24
to go back to 1930,
108
249000
2000
ย้อนกลับไปถึงปี 1930
04:26
get all the people born in one maternity unit,
109
251000
3000
ไปเอาคนทุกคนที่เกิดในแผนกคลอดแห่งหนึ่ง
04:29
and half of them eat lots of fruit and veg and olive oil,
110
254000
2000
และครึ่งหนึ่งของคนเหล่านั้นกินผลไม้ผักและนํ้ามันมะกอกมาก
04:31
and then half of them eat McDonald's,
111
256000
2000
แล้วอีกครึ่งหนึ่งกินอาหารจากแม็กโดนัลด์
04:33
and then we see how many wrinkles you've got later.
112
258000
2000
แล้วพบว่าในเวลาต่อมามีคนกี่คนที่ผิวเหี่ยวย่น
04:35
You have to take a snapshot of how people are now.
113
260000
2000
คุณต้องเก็บภาพของคนที่เป็นอยู่ในปัจจุบัน
04:37
And what you find is, of course,
114
262000
2000
และสิ่งที่คุณพบก็แน่ละ
04:39
people who eat veg and olive oil have fewer skin wrinkles.
115
264000
3000
คนที่กินผักและนํ้ามันมะกอกมีผิวพรรณที่เหี่ยวย่นน้อยกว่า
04:42
But that's because people who eat fruit and veg and olive oil,
116
267000
3000
และนั่นก็เป็นเพราะว่าคนที่กินผลไม้และผักและนํ้ามันมะกอก,
04:45
they're freaks, they're not normal, they're like you;
117
270000
3000
เป็นพวกประหลาด พวกผิดปกติ เหมือนอย่างคุณ
04:48
they come to events like this.
118
273000
2000
พวกเขามาร่วมกิจกรรมแบบนี้
04:50
They are posh, they're wealthy, they're less likely to have outdoor jobs,
119
275000
3000
พวกเขาเก๋เท่ รํ่ารวย ไม่น่าจะเป็นพวกทำงานกลางแจ้ง
04:53
they're less likely to do manual labor,
120
278000
2000
พวกเขาไม่น่าจะเป็นผู้ใช้แรงงาน
04:55
they have better social support, they're less likely to smoke --
121
280000
2000
พวกเขาได้รับการช่วยเหลือทางสังคมที่ดีกว่า ไม่น่าจะสูบบุหรี่--
04:57
so for a whole host of fascinating, interlocking
122
282000
2000
ดังนั้นสาเหตุมากมายที่น่าหลงไหล เข้ามาเกี่ยวข้องกัน
04:59
social, political and cultural reasons,
123
284000
2000
ทั้งทางด้านสังคม การเมืองและวัฒนธรรม
05:01
they are less likely to have skin wrinkles.
124
286000
2000
คนพวกนี้ไม่น่าจะมีผิวที่เหี่ยวย่น
05:03
That doesn't mean that it's the vegetables or the olive oil.
125
288000
2000
นั่นไม่ได้หมายความว่าเป็นเพราะผักหรือนํ้ามันมะกอก
05:05
(Laughter)
126
290000
2000
(เสียงหัวเราะ)
05:07
So ideally what you want to do is a trial.
127
292000
3000
ดังนั้นตามหลักการแล้วสิ่งที่คุณต้องทำคือการทดลอง
05:10
And everybody thinks they're very familiar with the idea of a trial.
128
295000
2000
และทุกคนคิดว่าพวกเขาคุ้นเคยกับแนวคิดเรื่องการทดลอง
05:12
Trials are very old. The first trial was in the Bible -- Daniel 1:12.
129
297000
3000
การทดลองเป็นเรื่องเก่ามากๆ การทดลองครั้งแรกอยู่ในคำภีร์ไบเบิล--แดเนียล1:12
05:15
It's very straightforward -- you take a bunch of people, you split them in half,
130
300000
2000
เป็นเรื่องตรงไปตรงมาอย่างมาก--คุณเอาคนมากลุ่มหนึ่ง แบ่งครึ่ง
05:17
you treat one group one way, you treat the other group the other way,
131
302000
2000
คุณจัดการคนกลุ่มหนึ่งด้วยวิธีหนึ่ง อีกกลุ่มหนึ่งด้วยอีกวิธี
05:19
and a little while later, you follow them up
132
304000
2000
และจากนั้น คุณก็ติดตามผล
05:21
and see what happened to each of them.
133
306000
2000
และดูว่าเกิดอะไรขึ้นกับแต่ละคน
05:23
So I'm going to tell you about one trial,
134
308000
2000
ผมจะเล่าให้คุณฟังเกี่ยวกับการทดลองอันหนึ่ง
05:25
which is probably the most well-reported trial
135
310000
2000
ซึ่งอาจจะเป็นการทดลองที่ถูกกล่าวถึงมากที่สุด
05:27
in the U.K. news media over the past decade.
136
312000
2000
ในสื่อข่าวของอังกฤษตลอดทศวรรษที่ผ่านมา
05:29
And this is the trial of fish oil pills.
137
314000
2000
นี่คือการทดลองเรื่องยาเม็ดนํ้ามันปลา
05:31
And the claim was fish oil pills improve school performance and behavior
138
316000
2000
และการกล่าวอ้างคือยาเม็ดนํ้ามันปลาช่วยให้การเรียนและพฤติกรรมดีขึ้น
05:33
in mainstream children.
139
318000
2000
กับเด็กในโรงเรียน
05:35
And they said, "We've done a trial.
140
320000
2000
พวกเขาพูดว่า "เราได้ทำการทดลองแล้ว
05:37
All the previous trials were positive, and we know this one's gonna be too."
141
322000
2000
การทดลองก่อนหน้านี้ทั้งหมดมีผลเป็นบวกและเรารู้ว่าการทดลองครั้งนี้จะได้ผลอย่างเดียวกันด้วย"
05:39
That should always ring alarm bells.
142
324000
2000
นั่นควรจะส่งสัญญาณเตือนภัยได้เสมอ
05:41
Because if you already know the answer to your trial, you shouldn't be doing one.
143
326000
3000
เพราะว่าถ้าคุณรู้คำตอบของการทดลองแล้ว ก็ไม่ควรทำการทดลองนั้นอีก
05:44
Either you've rigged it by design,
144
329000
2000
คุณอาจจะวางกลอุบายในการออกแบบ
05:46
or you've got enough data so there's no need to randomize people anymore.
145
331000
3000
หรือคุณก็มีข้อมูลอย่างเพียงพออยู่แล้วไม่จำเป็นต้องสุ่มเลือกตัวอย่างอีกต่อไป
05:49
So this is what they were going to do in their trial.
146
334000
3000
ดังนั้นสิ่งที่พวกเขาจะทำในการทดลองก็คือ
05:52
They were taking 3,000 children,
147
337000
2000
พวกเขาก็เอาเด็กมา 3000คน
05:54
they were going to give them all these huge fish oil pills,
148
339000
2000
พวกเขาจะให้เด็กทั้งหมดกินยาเม็ดนํ้ามันปลามากๆ
05:56
six of them a day,
149
341000
2000
วันละหกเม็ด
05:58
and then a year later, they were going to measure their school exam performance
150
343000
3000
แล้วหนึ่งปีหลังจากนั้นพวกเขาจะวัดผลการสอบของนักเรียนกลุ่มนี้
06:01
and compare their school exam performance
151
346000
2000
และเปรียบเทียบผลการสอบของเด็ก
06:03
against what they predicted their exam performance would have been
152
348000
2000
กับสิ่งที่พวกเขาคาดไว้ว่าผลการสอบที่เด็กควรจะเป็น
06:05
if they hadn't had the pills.
153
350000
3000
ถ้าเด็กเหล่านั้นไม่ได้กินยา
06:08
Now can anybody spot a flaw in this design?
154
353000
3000
มีใครเห็นข้อบกพร่องในการออกแบบวิจัยนี้ไหมครับ
06:11
And no professors of clinical trial methodology
155
356000
3000
ไม่มีศาสตราจารย์ด้านวิธีการวิจัยเชิงทดลองคนใด
06:14
are allowed to answer this question.
156
359000
2000
ได้รับอนุญาตให้ตอบคำถามนี้
06:16
So there's no control; there's no control group.
157
361000
2000
เห็นได้ว่าไม่มีการควบคุม ไม่มีกลุ่มควบคุม
06:18
But that sounds really techie.
158
363000
2000
แต่ดูเป็นเรื่องของผู้เชี่ยวชาญโดยแท้
06:20
That's a technical term.
159
365000
2000
นั่นเป็นศัพท์เทคนิค
06:22
The kids got the pills, and then their performance improved.
160
367000
2000
พวกเด็กได้กินยา แล้วก็ผลการเรียนดีขึ้น
06:24
What else could it possibly be if it wasn't the pills?
161
369000
3000
มันจะเป็นอย่างอื่นได้ไหมถ้าไม่ใช่ยา?
06:27
They got older. We all develop over time.
162
372000
3000
พวกเด็กเติบโตขึ้น เราทุกคนพัฒนาขึ้นตามกาลเวลา
06:30
And of course, also there's the placebo effect.
163
375000
2000
และแน่นอนมีผลที่เกิดขึ้นได้เองโดยไม่ต้องใช้ยาด้วย
06:32
The placebo effect is one of the most fascinating things in the whole of medicine.
164
377000
2000
ผลที่เกิดขึ้นได้เองนี้เป็นสิ่งที่มีเสน่ห์ที่สุดอย่างหนึ่งในเรื่องทั้งหมดของยา
06:34
It's not just about taking a pill, and your performance and your pain getting better.
165
379000
3000
มันไม่ใช่เพียงแค่กินยา แล้วสมรรถภาพหรือการเจ็บปวดของคุณจะดีขึ้น
06:37
It's about our beliefs and expectations.
166
382000
2000
มันเกี่ยวกับความเชื่อและการคาดหวังของเรา
06:39
It's about the cultural meaning of a treatment.
167
384000
2000
มันเกี่ยวกับความหมายเชิงวัฒนธรรมของการรักษาโรค
06:41
And this has been demonstrated in a whole raft of fascinating studies
168
386000
3000
และนี่ได้ถูกแสดงออกมาให้เห็นในการศึกษาวิจัยมากมายที่น่าหลงไหล
06:44
comparing one kind of placebo against another.
169
389000
3000
ซึ่งเปรียบเทียบผลที่เกิดขึ้นเองอย่างหนึ่งกับอีกอย่างหนึ่ง
06:47
So we know, for example, that two sugar pills a day
170
392000
2000
เราจึงทราบ ตัวอย่างเช่นว่ายาเม็ดนํ้าตาลวันละสองเม็ด
06:49
are a more effective treatment for getting rid of gastric ulcers
171
394000
2000
ให้ผลการรักษาที่ดีในการกำจัดแผลที่กระเพาะอาหาร
06:51
than one sugar pill.
172
396000
2000
กว่ายาเม็ดนํ้าตาลหนึ่งเม็ด
06:53
Two sugar pills a day beats one sugar pill a day.
173
398000
2000
ยาเม็ดนํ้าตาลวันละสองเม็ดได้ผลดีกว่ายาเม็ดนํ้าตาลวันละเม็ด
06:55
And that's an outrageous and ridiculous finding, but it's true.
174
400000
3000
และนั่นเป็นการค้นพบที่เหลือทนและน่าขันแต่เป็นความจริง
06:58
We know from three different studies on three different types of pain
175
403000
2000
เราทราบจากงานวิจัยสามเรื่องเกี่ยวกับอาการเจ็บปวดสามแบบ
07:00
that a saltwater injection is a more effective treatment for pain
176
405000
3000
ว่าการฉีดนํ้าเกลือเป็นการรักษาอาการเจ็บปวดที่ได้ผล
07:03
than taking a sugar pill, taking a dummy pill that has no medicine in it --
177
408000
4000
ดีกว่าการกินยาเม็ดนํ้าตาล การกินยาหลอกที่ไม่มีตัวยาในเม็ดยานั้น--
07:07
not because the injection or the pills do anything physically to the body,
178
412000
3000
มิใช่เพราะว่าการฉีดหรือยาเม็ดได้ทำอะไรกับร่างกายทางกายภาพ
07:10
but because an injection feels like a much more dramatic intervention.
179
415000
3000
แต่เป็นเพราะว่าการฉีดทำให้รู้สึกว่าเป็นการแทรกแซงที่ตื่นเต้นเร้าใจมากกว่า
07:13
So we know that our beliefs and expectations
180
418000
2000
เราจึงทราบว่าความเชื่อและความคาดหวังของเรา
07:15
can be manipulated,
181
420000
2000
ถูกควบคุมและนำมาใช้ได้
07:17
which is why we do trials
182
422000
2000
ซึ่งก็คือทำไมเราจึงทำการทดลอง
07:19
where we control against a placebo --
183
424000
2000
เมื่อเราควบคุมผลที่เกิดขึ้นได้เอง--
07:21
where one half of the people get the real treatment
184
426000
2000
เมื่อครึ่งหนึ่งของประชากรได้รับการรักษาจริง
07:23
and the other half get placebo.
185
428000
2000
และอีกครึ่งหนึ่งได้รับยาหลอก
07:25
But that's not enough.
186
430000
3000
แต่นั่นก็ยังไม่พอ
07:28
What I've just shown you are examples of the very simple and straightforward ways
187
433000
3000
สิ่งที่ผมเพิ่งจะแสดงให้คุณเห็นเป็นตัวอย่างของวิธีการง่ายๆและตรงไปตรงมา
07:31
that journalists and food supplement pill peddlers
188
436000
2000
ที่นักหนังสือพิมพ์และพวกเร่ขายอาหารเสริม
07:33
and naturopaths
189
438000
2000
และพวกนักธรรมชาติบำบัด
07:35
can distort evidence for their own purposes.
190
440000
3000
สามารถบิดเบือนหลักฐานเพื่อจุดประสงค์ของตนเอง
07:38
What I find really fascinating
191
443000
2000
สิ่งที่ผมพบว่าน่าหลงไหลจริงๆ
07:40
is that the pharmaceutical industry
192
445000
2000
ก็คืออุตสาหกรรมผลิตยา
07:42
uses exactly the same kinds of tricks and devices,
193
447000
2000
ใช้กลอุบายและเครื่องมือที่เหมือนกันทุกประการ
07:44
but slightly more sophisticated versions of them,
194
449000
3000
แต่ในรูปแบบที่ได้รับการปรุงแต่งให้ดูดีขึ้นเล็กน้อย
07:47
in order to distort the evidence that they give to doctors and patients,
195
452000
3000
เพื่อบิดเบือนหลักฐานที่พวกเขาให้แก่แพทย์และคนไข้
07:50
and which we use to make vitally important decisions.
196
455000
3000
และใช้เพื่อการตัดสินใจที่สำคัญยิ่งของเรา
07:53
So firstly, trials against placebo:
197
458000
2000
ดังนั้นอันดับแรก การทดลองเพื่อเทียบกับผลที่เกิดขึ้นได้เอง
07:55
everybody thinks they know that a trial should be
198
460000
2000
ทุกคนคิดว่าเขารู้ว่าการทดลองควรจะเป็น
07:57
a comparison of your new drug against placebo.
199
462000
2000
การเปรียบเทียบยาตัวใหม่กับผลที่จะเกิดขึ้นได้เอง
07:59
But actually in a lot of situations that's wrong.
200
464000
2000
แต่จริงๆแล้วในหลายๆสถานการณ์สิ่งที่ว่านั้นไม่จริง
08:01
Because often we already have a very good treatment that is currently available,
201
466000
3000
เพราะว่าบ่อยครั้งเรามีการรักษาที่ดีมากๆอยู่แล้วในปัจจุบัน
08:04
so we don't want to know that your alternative new treatment
202
469000
2000
เราจึงไม่ต้องการจะรู้ว่าการรักษาแบบใหม่ของคุณนั้น
08:06
is better than nothing.
203
471000
2000
ดีกว่าไม่มีการรักษาเลย
08:08
We want to know that it's better than the best currently available treatment that we have.
204
473000
3000
เราต้องการจะรู้ว่ามันดีกว่าการรักษาที่ดีที่สุดที่เรามีอยู่ในปัจจุบัน
08:11
And yet, repeatedly, you consistently see people doing trials
205
476000
3000
แต่ซํ้าแล้วคุณจะเห็นคนทำการทดลองอย่างไม่สิ้นสุด
08:14
still against placebo.
206
479000
2000
โดยนำมาเทียบกับผลที่เกิดขึ้นได้เอง
08:16
And you can get license to bring your drug to market
207
481000
2000
และคุณก็ได้รับใบอนุญาตให้นำยาของคุณสู่ตลาดได้
08:18
with only data showing that it's better than nothing,
208
483000
2000
โดยมีเพียงข้อมูลที่แสดงว่ามันดีกว่าไม่ใช้ยาเลย
08:20
which is useless for a doctor like me trying to make a decision.
209
485000
3000
ซึ่งไร้ประโยชน์กับแพทย์อย่างผมซึ่งต้องพยายามตัดสินใจ
08:23
But that's not the only way you can rig your data.
210
488000
2000
แต่นั่นไม่ใช่เป็นเพียงวิธีเดียวที่คุณใช้กลอุบายบิดเบือนข้อมูลได้
08:25
You can also rig your data
211
490000
2000
คุณใช้กลอุบายบิดเบือนข้อมุลได้อีกด้วย
08:27
by making the thing you compare your new drug against
212
492000
2000
โดยทำให้สิ่งที่คุณนำมาเปรียบเทียบกับยาใหม่ของคุณ
08:29
really rubbish.
213
494000
2000
เป็นสิ่งที่ไร้ค่าจริงๆ
08:31
You can give the competing drug in too low a dose,
214
496000
2000
คุณสามารถให้ยาคู่แข่งในปริมาณยาที่ตํ่าเกินไป
08:33
so that people aren't properly treated.
215
498000
2000
เพื่อให้ประชากรไม่ได้รับการรักษาอย่างถูกต้อง
08:35
You can give the competing drug in too high a dose,
216
500000
2000
คุณสามารถให้ยาคู่แข่งในปริมาณยาที่สูงเกินไป
08:37
so that people get side effects.
217
502000
2000
เพื่อให้ประชากรเกิดอาการข้างเคียงจากยา
08:39
And this is exactly what happened
218
504000
2000
และนี่คือสิ่งที่เกิดขึ้นจริง
08:41
which antipsychotic medication for schizophrenia.
219
506000
2000
กับยาที่ใช้รักษาทางจิตสำหรับโรคจิตเภท
08:43
20 years ago, a new generation of antipsychotic drugs were brought in
220
508000
3000
20ปีที่แล้วยาร้กษาทางจิตรุ่นใหม่ถูกนำเข้ามา
08:46
and the promise was that they would have fewer side effects.
221
511000
3000
และคำมั่นสัญญาก็คือมันจะมีผลข้างเคียงของยาน้อยที่สุด
08:49
So people set about doing trials of these new drugs
222
514000
2000
ผู้คนจึงเริ่มทำการทดลองยาใหม่เหล่านี้
08:51
against the old drugs,
223
516000
2000
โดยเปรียบกับยาเก่า
08:53
but they gave the old drugs in ridiculously high doses --
224
518000
2000
แต่พวกเขาให้ยาเก่าในปริมาณที่สูงอย่างไม่สมเหตุผล--
08:55
20 milligrams a day of haloperidol.
225
520000
2000
ยาฮาโลพิริดอล วันละ 20มิลลิแกรม
08:57
And it's a foregone conclusion,
226
522000
2000
และมันเป็นการสรุปผลก่อนแล้วล่วงหน้า
08:59
if you give a drug at that high a dose,
227
524000
2000
ว่าถ้าคุณให้ยาในปริมาณที่สูงขนาดนั้น
09:01
that it will have more side effects and that your new drug will look better.
228
526000
3000
มันจะทำให้เกิดผลข้างเคียงและยาตัวใหม่ของคุณก็จะดูดีกว่า
09:04
10 years ago, history repeated itself, interestingly,
229
529000
2000
สิบปีที่แล้วประวัติศาสตร์ก็ซํ้ารอยอย่างหน้าสนใจ
09:06
when risperidone, which was the first of the new-generation antipscyhotic drugs,
230
531000
3000
เมื่อริสเพริโดน ซึ่งเป็นยารักษาโรคทางจิตรุ่นแรก
09:09
came off copyright, so anybody could make copies.
231
534000
3000
สิ้นสุดการมีลิขสิทธิ์ ดังนั้นใครๆก็ลอกแบบได้
09:12
Everybody wanted to show that their drug was better than risperidone,
232
537000
2000
ทุกคนต้องการแสดงให้เห็นว่ายาของเขาดีกว่าริสเพริโดน,
09:14
so you see a bunch of trials comparing new antipsychotic drugs
233
539000
3000
คุณจึงเห็นได้ว่ามีการทดลองจำนวนมากเพื่อเปรียบเทียบยารักษาโรคทางจิตตัวใหม่
09:17
against risperidone at eight milligrams a day.
234
542000
2000
กับริสเพริดโดนที่วันละแปดมิลลิแกรม
09:19
Again, not an insane dose, not an illegal dose,
235
544000
2000
เหมือนเดิม ไม่ได้ให้ปริมาณยาอย่างบ้าคลั่งหรืออย่างผิดกฎหมาย
09:21
but very much at the high end of normal.
236
546000
2000
แต่มากในแนวที่สูงกว่าปกติ
09:23
And so you're bound to make your new drug look better.
237
548000
3000
ดังนั้นคุณก็มั่นใจว่ามันจะทำให้ยาของคุณดูดีกว่า
09:26
And so it's no surprise that overall,
238
551000
3000
ดังนั้นจึงไม่น่าประหลาดใจว่าโดยรวมแล้ว
09:29
industry-funded trials
239
554000
2000
การทดลองที่ได้รับเงินอุดหนุนเชิงอุตสาหกรรม
09:31
are four times more likely to give a positive result
240
556000
2000
น่าจะให้ผลทางบวกมากกว่าถึงสี่เท่า
09:33
than independently sponsored trials.
241
558000
3000
กับการทดลองอิสระ
09:36
But -- and it's a big but --
242
561000
3000
แต่--และมันใหญ่แต่--
09:39
(Laughter)
243
564000
2000
(เสียงหัวเราะ)
09:41
it turns out,
244
566000
2000
กลายเป็นว่า
09:43
when you look at the methods used by industry-funded trials,
245
568000
3000
เมื่อคุณดูวิธีการที่การทดลองที่ได้ทุนอุดหนุนจากอุตสาหกรรมใช้
09:46
that they're actually better
246
571000
2000
เห็นว่าจริงๆมันดี
09:48
than independently sponsored trials.
247
573000
2000
กว่าการทดลองอิสระ
09:50
And yet, they always manage to to get the result that they want.
248
575000
3000
แต่มันได้จัดการให้ได้ผลการทดลองที่มันต้องการ
09:53
So how does this work?
249
578000
2000
ทำได้อย่างไร?
09:55
How can we explain this strange phenomenon?
250
580000
3000
เราจะอธิบายปรากฏการณ์แปลกๆนี้ได้อย่างไร?
09:58
Well it turns out that what happens
251
583000
2000
ปรากฎว่าสิ่งที่เกิดขึ้น
10:00
is the negative data goes missing in action;
252
585000
2000
คือข้อมูลด้านลบได้หายไปในระหว่างกระบวนการ;
10:02
it's withheld from doctors and patients.
253
587000
2000
มันถูกกันไว้จากแพทย์และคนไข้
10:04
And this is the most important aspect of the whole story.
254
589000
2000
และนี่เป็นด้านสำคัญที่สุดของเรื่องทั้งหมด
10:06
It's at the top of the pyramid of evidence.
255
591000
2000
มันอยู่บนสุดของพีระมิดของหลักฐาน
10:08
We need to have all of the data on a particular treatment
256
593000
3000
เราจำเป็นต้องได้หลักฐานทั้งหมดเกี่ยวกับการรักษานั้น
10:11
to know whether or not it really is effective.
257
596000
2000
เพื่อจะทราบว่ามันได้ผลจริงหรือไม่
10:13
And there are two different ways that you can spot
258
598000
2000
มีสองวิธีที่คุณจะพบได้ว่า
10:15
whether some data has gone missing in action.
259
600000
2000
ข้อมูลบางอย่างได้หายไปในระหว่างกระบวนการหรือไม่
10:17
You can use statistics, or you can use stories.
260
602000
3000
คุณสามารถใช้สถิติ,หรือใช้เรื่องที่แต่งขึ้น
10:20
I personally prefer statistics, so that's what I'm going to do first.
261
605000
2000
โดยส่วนตัวผมชอบสถิติมากกว่า ดังนั้นสิ่งนี้แหละที่ผมจะใช้เป็นอันดับแรก
10:22
This is something called funnel plot.
262
607000
2000
สิ่งนี้เป็นสิ่งที่เราเรียกว่าฟันนัลพล๊อต (funnel plot)
10:24
And a funnel plot is a very clever way of spotting
263
609000
2000
และฟันนัลพล๊อตเป็นวิธีการอันชาญฉลาดในการค้นหา
10:26
if small negative trials have disappeared, have gone missing in action.
264
611000
3000
การทดลองที่มีผลเป็นลบจำนวนน้อยที่หายไป,ได้หายไปในระหว่างกระบวนการ
10:29
So this is a graph of all of the trials
265
614000
2000
และนี่คือกราฟของการทดลองทั้งหมด
10:31
that have been done on a particular treatment.
266
616000
2000
ที่ได้ทำไปแล้วเกี่ยวกับการรักษาอย่างหนึ่ง
10:33
And as you go up towards the top of the graph,
267
618000
2000
และเมื่อคุณมองขึ้นไปสู่ส่วนบนของกราฟ
10:35
what you see is each dot is a trial.
268
620000
2000
สิ่งที่คุณเห็นคือแต่ละจุดคือการทดลองหนึ่งครั้ง
10:37
And as you go up, those are the bigger trials, so they've got less error in them.
269
622000
3000
และเมื่อคุณมองดู พวกนั้นเป็นการทดลองที่ใหญ่กว่า พวกนั้นจึงมีความผิดพลาดน้อยกว่า
10:40
So they're less likely to be randomly false positives, randomly false negatives.
270
625000
3000
การทดลองเหล่านั้นจึงมีความเป็นไปได้น้อยกว่าที่จะเป็นผลบวกเท็จหรือผลลบเท็จ
10:43
So they all cluster together.
271
628000
2000
พวกนั้นจึงเกาะกลุ่มกันอยู่
10:45
The big trials are closer to the true answer.
272
630000
2000
การทดลองใหญ่ๆเข้าใกล้คำตอบที่เป็นจริง
10:47
Then as you go further down at the bottom,
273
632000
2000
แล้วถ้าคุณมองลงไปที่ด้านล่าง
10:49
what you can see is, over on this side, the spurious false negatives,
274
634000
3000
สิ่งที่คุณเห็นก็คือ ตรงด้านนี้ ผลด้านลบเท็จที่หลอกลวง
10:52
and over on this side, the spurious false positives.
275
637000
2000
และตรงด้านนี้ ผลด้านบวกเท็จที่หลอกลวง
10:54
If there is publication bias,
276
639000
2000
ถ้ามีอคติจากการตีพิมพ์
10:56
if small negative trials have gone missing in action,
277
641000
3000
ถ้าการทดลองจำนวนน้อยได้หายไปในกระบวนการ
10:59
you can see it on one of these graphs.
278
644000
2000
คุณเห็นมันได้บนกราฟหนึ่งในบรรดากราฟเหล่านี้
11:01
So you can see here that the small negative trials
279
646000
2000
คุณจึงเห็นได้ตรงนี้ว่าการทดลองที่มีผลเป็นลบจำนวนน้อย
11:03
that should be on the bottom left have disappeared.
280
648000
2000
ที่ควรจะอยู่ตรงด้านล่างซ้ายมือได้หายไป
11:05
This is a graph demonstrating the presence of publication bias
281
650000
3000
นี่เป็นกราฟที่แสดงให้เห็นว่ามีอคติจากการตีพิมพ์
11:08
in studies of publication bias.
282
653000
2000
ได้จากการศึกษาวิจัยเกี่ยวกับอคติจากการตีพิมพ์
11:10
And I think that's the funniest epidemiology joke
283
655000
2000
และผมคิดว่านั่นเป็นเรื่องตลกด้านระบาดวิทยาที่น่าขำที่สุด
11:12
that you will ever hear.
284
657000
2000
ที่คุณเคยได้ยินมา
11:14
That's how you can prove it statistically,
285
659000
2000
นั่นเป็นเรื่องที่เราจะพิสูจน์ทางสถิติได้อย่างไร
11:16
but what about stories?
286
661000
2000
แล้วเกี่ยวกับเรื่องที่แต่งขึ้นเล่า?
11:18
Well they're heinous, they really are.
287
663000
2000
มันเลวร้าย เลวร้ายจริงๆ
11:20
This is a drug called reboxetine.
288
665000
2000
นี่คือยาตัวหนึ่งชื่อว่า รีบ๊อกซิทีน
11:22
This is a drug that I myself have prescribed to patients.
289
667000
2000
เป็นยาที่ผมเองเคยสั่งให้คนไข้
11:24
And I'm a very nerdy doctor.
290
669000
2000
และผมเป็นแพทย์ที่ทึ่มมากๆ
11:26
I hope I try to go out of my way to try and read and understand all the literature.
291
671000
3000
ผมหวังว่าผมพยายามจะออกจากวิถีนี้ได้โดยพยายามและอ่านทำความเข้าใจหนังสือทั้งมวล
11:29
I read the trials on this. They were all positive. They were all well-conducted.
292
674000
3000
ผมอ่านการทดลองเรื่องนี้ มันมีผลทางบวกทั้งหมด มันเป็นงานที่ได้ทำไว้อย่างดี
11:32
I found no flaw.
293
677000
2000
ผมไม่พบข้อบกพร่อง
11:34
Unfortunately, it turned out,
294
679000
2000
โชคไม่ดี กลายเป็นว่า
11:36
that many of these trials were withheld.
295
681000
2000
การทดลองหลายครั้งถูกเก็บกลบไว้
11:38
In fact, 76 percent
296
683000
2000
จริงๆแล้ว ร้อยละ 76
11:40
of all of the trials that were done on this drug
297
685000
2000
ของการทดลองทั้งหมดที่ทำเรื่องยาตัวนี้
11:42
were withheld from doctors and patients.
298
687000
2000
ถูกกันไว้จากแพทย์และคนไข้
11:44
Now if you think about it,
299
689000
2000
ถ้าคุณคิดถึงเรื่องนี้
11:46
if I tossed a coin a hundred times,
300
691000
2000
ถ้าผมโยนเหรียญร้อยครั้ง
11:48
and I'm allowed to withhold from you
301
693000
2000
และผมได้รับอนุญาตให้กันไว้จากคุณ
11:50
the answers half the times,
302
695000
2000
ผลลัพธ์ที่ได้ไว้ครึ่งหนึ่ง
11:52
then I can convince you
303
697000
2000
แล้วผมก็ทำให้คุณเชื่อได้
11:54
that I have a coin with two heads.
304
699000
2000
ว่าเหรียญของผมมีสองด้าน
11:56
If we remove half of the data,
305
701000
2000
ถ้าเราเอาข้อมูลออกไปครึ่งหนึ่ง,
11:58
we can never know what the true effect size of these medicines is.
306
703000
3000
เราจะไม่ทราบเลยว่าขนาดของผลการใช้ยาเหล่านี้ที่แท้จริงเป็นอย่างไร
12:01
And this is not an isolated story.
307
706000
2000
และนี่ไม่ใช่เพียงเรื่องเดียว
12:03
Around half of all of the trial data on antidepressants has been withheld,
308
708000
4000
ประมาณครึ่งหนึ่งของข้อมูลการทดลองทั้งหมดของยาต้านอาการซึมเศร้าถูกปิดบังไว้
12:07
but it goes way beyond that.
309
712000
2000
แต่เรื่องไปไกลกว่านั้น
12:09
The Nordic Cochrane Group were trying to get a hold of the data on that
310
714000
2000
กลุ่มนอร์ดิกค๊อกเครน(Nordic Cochrane Group) พยายามให้ได้มาซึ่งข้อมูลเรื่องนั้น
12:11
to bring it all together.
311
716000
2000
เพื่อนำทั้งหมดมารวมกัน
12:13
The Cochrane Groups are an international nonprofit collaboration
312
718000
3000
กลุ่มค๊อกเครนเป็นการร่วมมือระหว่างประเทศที่ไม่หวังผลกำไร
12:16
that produce systematic reviews of all of the data that has ever been shown.
313
721000
3000
ที่ได้ให้ผลการตรวจสอบอย่างเป็นระบบเกี่ยวกับข้อมูลทั้งมวลที่เคยถูกนำมาแสดง
12:19
And they need to have access to all of the trial data.
314
724000
3000
พวกเขาจำเป็นต้องเข้าสู่ข้อมูลการทดลองทั้งหมด
12:22
But the companies withheld that data from them,
315
727000
3000
แต่บริษัทเหล่านั้นกันข้อมูลนั้นจากพวกเขา
12:25
and so did the European Medicines Agency
316
730000
2000
เช่นเดียวกับที่สำนักงานยายุโรป(European Medicines Agency)ปฎิบัติ
12:27
for three years.
317
732000
2000
เป็นเวลานานสามปี
12:29
This is a problem that is currently lacking a solution.
318
734000
3000
นี่เป็นปัญหาที่ปัจจุบันยังขาดการแก้ไข
12:32
And to show how big it goes, this is a drug called Tamiflu,
319
737000
3000
และเพื่อจะแสดงให้เห็นว่าปัญหาใหญ่แค่ไหน,นี่เป็นยาชื่อว่าทามิฟลู(Tamiflu)
12:35
which governments around the world
320
740000
2000
ซึ่งรัฐบาลทั่วโลก
12:37
have spent billions and billions of dollars on.
321
742000
2000
ได้ใช้เงินเป็นล้านๆดอลลาร์
12:39
And they spend that money on the promise
322
744000
2000
พวกเขาได้ใช้เงินเหล่านั้นไปเพื่อคำมั่นสัญญา
12:41
that this is a drug which will reduce the rate
323
746000
2000
ว่านี่เป็นตัวยาที่จะลดอัตราการเกิด
12:43
of complications with flu.
324
748000
2000
อาการข้างเคียงของไข้หวัดใหญ่
12:45
We already have the data
325
750000
2000
เราได้ข้อมูลมาเรียบร้อยแล้ว
12:47
showing that it reduces the duration of your flu by a few hours.
326
752000
2000
ที่แสดงว่ามันลดระยะเวลาของอาการหวัดได้เพียงแค่ไม่กี่ชั่งโมง
12:49
But I don't really care about that. Governments don't care about that.
327
754000
2000
แต่จริงๆแล้วผมไม่ได้ห่วงเรื่องนั้น รัฐบาลต่างๆก็ไม่ห่วงเรื่องนั้น
12:51
I'm very sorry if you have the flu, I know it's horrible,
328
756000
3000
ผมเสียใจมากถ้าคุณเป็นไข้หวัดใหญ่ ผมรู้ว่ามันแย่
12:54
but we're not going to spend billions of dollars
329
759000
2000
แต่เราจะไม่ใช้เงินเป็นล้านๆดอลลาร์
12:56
trying to reduce the duration of your flu symptoms
330
761000
2000
เพื่อพยายามลดช่วงเวลาของอาการไข้หวัดใหญ่ของคุณ
12:58
by half a day.
331
763000
2000
เพียงครึ่งวัน
13:00
We prescribe these drugs, we stockpile them for emergencies
332
765000
2000
เราสั่งยาเหล่านี้ เราเก็บสะสมยาเหล่านั้นไว้ใช้ในกรณีฉุกเฉิน
13:02
on the understanding that they will reduce the number of complications,
333
767000
2000
เพราะเข้าใจว่ามันจะลดอาการแทรกซ้อนต่างๆ
13:04
which means pneumonia and which means death.
334
769000
3000
ซึ่งได้แก่โรคปอดบวมซึ่งหมายถึงความตาย
13:07
The infectious diseases Cochrane Group, which are based in Italy,
335
772000
3000
กลุ่มค๊อกเครนที่เกี่ยวกับโรคติดต่อ ซึ่งมีฐานการปฏิบัติงานในอิตาลี
13:10
has been trying to get
336
775000
2000
ได้พยายามให้ได้มาซึ่ง
13:12
the full data in a usable form out of the drug companies
337
777000
3000
ข้อมูลทั้งหมดในรูปที่จะนำมาใช้การได้จากบริษัทยา
13:15
so that they can make a full decision
338
780000
3000
เพื่อที่ว่าจะสามารถตัดสินใจได้อย่างเต็มที่
13:18
about whether this drug is effective or not,
339
783000
2000
ว่ายานี้ใช้ได้ผลดีหรือไม่
13:20
and they've not been able to get that information.
340
785000
3000
แต่พวกเขาก็ยังไม่สามารถได้ข้อมูลนั้นมา
13:23
This is undoubtedly
341
788000
2000
เรื่องนี้ไม่ต้องสงสัยเลยว่า
13:25
the single biggest ethical problem
342
790000
3000
เป็นปัญหาด้านจริยธรรมที่ใหญ่ที่สุดปัญหาเดียว
13:28
facing medicine today.
343
793000
2000
ที่การแพทย์ต้องเผชิญอยู่ในปัจจุบัน
13:30
We cannot make decisions
344
795000
3000
เราไม่สามารถตัดสินใจได้
13:33
in the absence of all of the information.
345
798000
4000
เมื่อข้อมูลทั้งหมดขาดหายไป
13:37
So it's a little bit difficult from there
346
802000
3000
ดังนั้นมันจึงยากอยู่บ้างต่อจากนั้น
13:40
to spin in some kind of positive conclusion.
347
805000
4000
ที่จะให้ได้มาซึ่งข้อสรุปเชิงบวกบางอย่าง
13:44
But I would say this:
348
809000
4000
แต่ผมอยากจะพูดอย่างนี้:
13:48
I think that sunlight
349
813000
3000
ผมคิดว่าแสงอาทิตย์
13:51
is the best disinfectant.
350
816000
2000
เป็นยาฆ่าเชื่อโรคที่ดีที่สุด
13:53
All of these things are happening in plain sight,
351
818000
3000
เห็นได้ชัดเจนว่าเรื่องทั้งหมดนี้กำลังเกิดขึ้นอยู่
13:56
and they're all protected
352
821000
2000
และมันถูกปกป้องไว้ทั้งหมด
13:58
by a force field of tediousness.
353
823000
3000
โดยสนามพลังของความเบื่อหน่าย
14:01
And I think, with all of the problems in science,
354
826000
2000
และผมคิดว่า,พร้อมกับปัญหาเรื่องวิทยาศาสตร์ทั้งหมด
14:03
one of the best things that we can do
355
828000
2000
สิ่งที่ดีที่สุดสิ่งหนึ่งที่เรากระทำได้
14:05
is to lift up the lid,
356
830000
2000
คือยกฝาที่ครอบมันไว้ขึ้น
14:07
finger around in the mechanics and peer in.
357
832000
2000
ตรวจสอบวิธีดำเนินการรอบๆแล้วมองเข้าไปข้างใน
14:09
Thank you very much.
358
834000
2000
ขอบคุณมากครับ
14:11
(Applause)
359
836000
3000
(เสียงปรบมือ)
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