TEDGlobal 2011
Ben Goldacre: Battling bad science
בן גולדייקר: להילחם במדע גרוע
Filmed:
Readability: 4.3
2,713,579 views
כל יום ישנם דיווחים בחדשות על המלצות רפואיות חדשות, אבל איך אפשר לדעת אם הן נכונות? בן גולדייקר - רופא ואפידמיולוג - מראה לנו, במהירות גבוהה, את הדרכים בהן ניתן לעוות עדויות, החל מטענות תזונתיות וכלה בתכסיסים המתוחכמים של חברות התרופות.
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
אני רופא, אבל איך שהוא גלשתי למחקר,
00:18
and now I'm an epidemiologist.
1
3000
2000
ועכשיו אני אפידמיולוג.
00:20
And nobody really knows what epidemiology is.
2
5000
2000
ואף אחד לא יודע מה זה אפידמיולוגיה.
00:22
Epidemiology is the science of how we know in the real world
3
7000
3000
אפידמיולוגיה היא המדע של איך יודעים בעולם האמיתי
00:25
if something is good for you or bad for you.
4
10000
2000
אם משהו טוב או רע עבורכם.
00:27
And it's best understood through example
5
12000
2000
והכי קל להבין אותו
00:29
as the science of those crazy, wacky newspaper headlines.
6
14000
5000
בתור המדע של הכותרות המוזרות בעיתון.
00:34
And these are just some of the examples.
7
19000
2000
והנה רק כמה דוגמאות.
00:36
These are from the Daily Mail. Every country in the world has a newspaper like this.
8
21000
3000
אלה כולן מהדיילי מייל. לכל מדינה יש עיתון כזה.
00:39
It has this bizarre, ongoing philosophical project
9
24000
3000
יש להם פרוייקט מוזר ומתמשך
00:42
of dividing all the inanimate objects in the world
10
27000
2000
בו הם מחלקים את כל החפצים בעולם
00:44
into the ones that either cause or prevent cancer.
11
29000
3000
לכאלה שגורמים סרטן או מונעים אותו.
00:47
So here are some of the things they said cause cancer recently:
12
32000
2000
אז הנה כמה מהדברים שלטענתם גורמים לסרטן:
00:49
divorce, Wi-Fi, toiletries and coffee.
13
34000
2000
גירושין, Wi-Fi, קוסמטיקה וקפה.
00:51
Here are some of the things they say prevents cancer:
14
36000
2000
ואלה לטענתם מונעים סרטן:
00:53
crusts, red pepper, licorice and coffee.
15
38000
2000
פלפל אדום, ליקריץ, קפה והקשה של הלחם.
00:55
So already you can see there are contradictions.
16
40000
2000
אז כבר אפשר לראות כמה סתירות.
00:57
Coffee both causes and prevents cancer.
17
42000
2000
קפה גם גורם וגם מונע סרטן.
00:59
And as you start to read on, you can see
18
44000
2000
וכשתקראו תראו שאולי
01:01
that maybe there's some kind of political valence behind some of this.
19
46000
3000
יש לכך מין רקע פוליטי.
01:04
So for women, housework prevents breast cancer,
20
49000
2000
כי לנשים, עבודות בית מונעות סרטן,
01:06
but for men, shopping could make you impotent.
21
51000
3000
אבל לגברים, קניות יכולות לגרום לאימפוטנציה.
01:09
So we know that we need to start
22
54000
3000
אז אנחנו יודעים שצריך להתחיל
01:12
unpicking the science behind this.
23
57000
3000
להתיר את המדע שמאחורי זה.
01:15
And what I hope to show
24
60000
2000
ומה שאני מקווה להראות
01:17
is that unpicking dodgy claims,
25
62000
2000
הוא שהתרה של טענות בעיתיות
01:19
unpicking the evidence behind dodgy claims,
26
64000
2000
התרה של הראיות העומדות מאחורי הטענות הבעיתיות,
01:21
isn't a kind of nasty carping activity;
27
66000
3000
היא לא פעילות קנטרנית,
01:24
it's socially useful,
28
69000
2000
אלא בעלת ערך חברתי שימושי,
01:26
but it's also an extremely valuable
29
71000
2000
אבל גם בעלת ערך רב
01:28
explanatory tool.
30
73000
2000
ככלי מסביר.
01:30
Because real science is all about
31
75000
2000
כי מדע אמיתי עוסק
01:32
critically appraising the evidence for somebody else's position.
32
77000
2000
בהערכה ביקורתית של ההוכחות לטענתו של אדם אחר.
01:34
That's what happens in academic journals.
33
79000
2000
זה מה שקורה בכתבי עת אקדמיים.
01:36
That's what happens at academic conferences.
34
81000
2000
זה מה שקורה בכנסים אקדמיים.
01:38
The Q&A session after a post-op presents data
35
83000
2000
זמן השאלות אחרי שמישהו מציג נתונים,
01:40
is often a blood bath.
36
85000
2000
דומה למרחץ דמים.
01:42
And nobody minds that. We actively welcome it.
37
87000
2000
ולאף אחד לא אכפת. אנחנו מברכים על זה.
01:44
It's like a consenting intellectual S&M activity.
38
89000
3000
זה כמו פעילות סאדו-מאזו אינטלקטואלית מתוך בחירה.
01:47
So what I'm going to show you
39
92000
2000
אז מה שאני אראה לכם
01:49
is all of the main things,
40
94000
2000
זה את כל הדברים העיקריים,
01:51
all of the main features of my discipline --
41
96000
2000
כל המאפיינים המרכזיים של התחום שלי -
01:53
evidence-based medicine.
42
98000
2000
רפואה מבוססת ראיות.
01:55
And I will talk you through all of these
43
100000
2000
ואני אעבור איתכם עליהם
01:57
and demonstrate how they work,
44
102000
2000
ואדגים לכם איך הם פועלים,
01:59
exclusively using examples of people getting stuff wrong.
45
104000
3000
בעזרת דוגמאות בהן אנשים טועים.
02:02
So we'll start with the absolute weakest form of evidence known to man,
46
107000
3000
אז נתחיל עם ההוכחה החלשה ביותר,
02:05
and that is authority.
47
110000
2000
וזאת הסמכות.
02:07
In science, we don't care how many letters you have after your name.
48
112000
3000
במדע לא אכפת לנו כמה תארים יש לכם.
02:10
In science, we want to know what your reasons are for believing something.
49
115000
3000
במדע אנחנו רוצים לדעת למה אתם מאמינים במשהו.
02:13
How do you know that something is good for us
50
118000
2000
איך אתם יודעים שמשהו טוב עבורנו
02:15
or bad for us?
51
120000
2000
או רע עבורנו?
02:17
But we're also unimpressed by authority,
52
122000
2000
אבל אנחנו לא מתרשמים מסמכות,
02:19
because it's so easy to contrive.
53
124000
2000
כי כ"כ קל לזייף אותה.
02:21
This is somebody called Dr. Gillian McKeith Ph.D,
54
126000
2000
הנה מישהי שנקראת ד"ר ג'יליאן מק'קית Ph.D (דוקטורט)
02:23
or, to give her full medical title, Gillian McKeith.
55
128000
3000
או בתוארה הרפואי המלא: גי'ליאן מק'קית.
02:26
(Laughter)
56
131000
3000
(צחוק)
02:29
Again, every country has somebody like this.
57
134000
2000
בכל מדינה יש מישהו כמוה.
02:31
She is our TV diet guru.
58
136000
2000
היא גורו הדיאטות אצלנו בטלוויזיה.
02:33
She has massive five series of prime-time television,
59
138000
3000
יש לה חמש סדרות בפריים-טיים בטלוויזיה,
02:36
giving out very lavish and exotic health advice.
60
141000
3000
בהן היא נותנת עצות רפואיות אקזוטיות ושופעות.
02:39
She, it turns out, has a non-accredited correspondence course Ph.D.
61
144000
3000
מתברר שאת תואר ה Ph.D היא קיבלה מקורס בהתכתבות
02:42
from somewhere in America.
62
147000
2000
שעשתה במכללה ללא הכרה פורמלית בארה"ב.
02:44
She also boasts that she's a certified professional member
63
149000
2000
היא גם מתפארת בכך שהיא חברה רשומה
02:46
of the American Association of Nutritional Consultants,
64
151000
2000
באיגוד האמריקאי של יועצים תזונתיים,
02:48
which sounds very glamorous and exciting.
65
153000
2000
שנשמע מרגש וזוהר.
02:50
You get a certificate and everything.
66
155000
2000
מקבלים תעודה והכל.
02:52
This one belongs to my dead cat Hetti. She was a horrible cat.
67
157000
2000
התעודה הזו שייכת לחתולה שלי הטי, ז"ל. היא היתה חתולה נוראית.
02:54
You just go to the website, fill out the form,
68
159000
2000
רק צריך להיכנס לאתר, למלא טופס,
02:56
give them $60, and it arrives in the post.
69
161000
2000
לשלם 60$, והיא מגיעה בדואר.
02:58
Now that's not the only reason that we think this person is an idiot.
70
163000
2000
עכשיו, זו לא הסיבה היחידה שבגללה אני חושב שהיא אידיוטית.
03:00
She also goes and says things like,
71
165000
2000
היא גם אומרת דברים כמו
03:02
you should eat lots of dark green leaves,
72
167000
2000
אתם צריכים לאכול הרבה עלים ירוקים כהים,
03:04
because they contain lots of chlorophyll, and that will really oxygenate your blood.
73
169000
2000
כי יש בהם הרבה כלורופיל שיחמצן את הדם שלכם.
03:06
And anybody who's done school biology remembers
74
171000
2000
וכל מי שלמד קצת ביולוגיה בבי"ס זוכר
03:08
that chlorophyll and chloroplasts
75
173000
2000
שכלורופיל וכלורופלסטים
03:10
only make oxygen in sunlight,
76
175000
2000
יכולים לייצר חמצן רק באור,
03:12
and it's quite dark in your bowels after you've eaten spinach.
77
177000
3000
ודי חשוך במעיים שלכם אחרי שאכלתם תרד.
03:15
Next, we need proper science, proper evidence.
78
180000
3000
הלאה. אנחנו זקוקים למדע טוב, הוכחות טובות.
03:18
So, "Red wine can help prevent breast cancer."
79
183000
2000
אז "יין אדום יכול לסייע במניעת סרטן השד."
03:20
This is a headline from the Daily Telegraph in the U.K.
80
185000
2000
זוהי כותרת מהדיילי טלגרף הבריטי,
03:22
"A glass of red wine a day could help prevent breast cancer."
81
187000
3000
"כוס יין אדום ביום יכולה לסייע במניעת סרטן השד."
03:25
So you go and find this paper, and what you find
82
190000
2000
אז אתם מחפשים את המאמר ומה שמוצאים
03:27
is it is a real piece of science.
83
192000
2000
זה שזה מדע רציני.
03:29
It is a description of the changes in one enzyme
84
194000
3000
זה תיאור של השינויים באנזים אחד
03:32
when you drip a chemical extracted from some red grape skin
85
197000
3000
שמתרחשים כששמים כימיקל שמוצה מקליפת עינב אדום
03:35
onto some cancer cells
86
200000
2000
על תאים סרטניים
03:37
in a dish on a bench in a laboratory somewhere.
87
202000
3000
בצלחת, על שולחן עבודה, במעבדה כלשהי.
03:40
And that's a really useful thing to describe
88
205000
2000
וזה תיאור מאוד שימושי
03:42
in a scientific paper,
89
207000
2000
בכתב עת מדעי,
03:44
but on the question of your own personal risk
90
209000
2000
אבל זה לא אומר לכם כלום
03:46
of getting breast cancer if you drink red wine,
91
211000
2000
על הסיכון האישי שלכם ללקות בסרטן השד
03:48
it tells you absolutely bugger all.
92
213000
2000
אם תשתו יין אדום.
03:50
Actually, it turns out that your risk of breast cancer
93
215000
2000
למעשה, מתברר שהסיכון לסרטן השד
03:52
actually increases slightly
94
217000
2000
עולה מעט
03:54
with every amount of alcohol that you drink.
95
219000
2000
עם כל מנת אלכוהול שתשתו.
03:56
So what we want is studies in real human people.
96
221000
4000
אז אנחנו מחפשים מחקרים בבני אדם אמיתיים.
04:00
And here's another example.
97
225000
2000
הנה עוד דוגמא.
04:02
This is from Britain's leading diet and nutritionist in the Daily Mirror,
98
227000
3000
היא מגיעה מהתזונאית המובילה של בריטניה בדיילי מירור,
04:05
which is our second biggest selling newspaper.
99
230000
2000
העיתון השני בגודלו.
04:07
"An Australian study in 2001
100
232000
2000
"מחקר אוסטרלי ב2001
04:09
found that olive oil in combination with fruits, vegetables and pulses
101
234000
2000
מצא ששמן זית בשילוב עם פירות וירקות
04:11
offers measurable protection against skin wrinklings."
102
236000
2000
מגן נגד קמטים בעור."
04:13
And then they give you advice:
103
238000
2000
והם מציעים:
04:15
"If you eat olive oil and vegetables, you'll have fewer skin wrinkles."
104
240000
2000
אם תאכלו שמן זית וירקות, יהיו לכם פחות קמטים."
04:17
And they very helpfully tell you how to go and find the paper.
105
242000
2000
ויאמר לזכותם שהם מפנים אתכם למאמר.
04:19
So you go and find the paper, and what you find is an observational study.
106
244000
3000
אז אתם מוצאים את המאמר ומגלים שזה מחקר תצפיתי.
04:22
Obviously nobody has been able
107
247000
2000
ברור שאף אחד לא
04:24
to go back to 1930,
108
249000
2000
חזר בזמן ל 1930,
04:26
get all the people born in one maternity unit,
109
251000
3000
אסף את כל מי שנולד בבית היולדות,
04:29
and half of them eat lots of fruit and veg and olive oil,
110
254000
2000
נתן לחצי לאכול הרבה ירקות, פירות ושמן זית,
04:31
and then half of them eat McDonald's,
111
256000
2000
ולחצי השני נתן לאכול מקדונלדס,
04:33
and then we see how many wrinkles you've got later.
112
258000
2000
ואז ראה כמה קמטים היו להם אח"כ.
04:35
You have to take a snapshot of how people are now.
113
260000
2000
חייבים לצלם תמונת מצב של האנשים היום.
04:37
And what you find is, of course,
114
262000
2000
ומה שמוצאים, כמובן,
04:39
people who eat veg and olive oil have fewer skin wrinkles.
115
264000
3000
זה שיש פחות קמטים למי שאוכל ירקות ושמן זית.
04:42
But that's because people who eat fruit and veg and olive oil,
116
267000
3000
אבל זה משום שמי שאוכל ירקות, פירות ושמן זית,
04:45
they're freaks, they're not normal, they're like you;
117
270000
3000
הוא פריק, לא נורמלי, הם כמוכם,
04:48
they come to events like this.
118
273000
2000
הם באים לארועים כאלה.
04:50
They are posh, they're wealthy, they're less likely to have outdoor jobs,
119
275000
3000
הם עשירים, אופנתיים, עובדים פחות בחוץ,
04:53
they're less likely to do manual labor,
120
278000
2000
עובדים פחות בעבודות פיזיות,
04:55
they have better social support, they're less likely to smoke --
121
280000
2000
יש להם תמיכה חברתית טובה יותר, הם מעשנים פחות -
04:57
so for a whole host of fascinating, interlocking
122
282000
2000
אז ממגוון עשיר של סיבות מרתקות, חברתיות,
04:59
social, political and cultural reasons,
123
284000
2000
פוליטיות, תרבותיות, הקשורות זו לזו,
05:01
they are less likely to have skin wrinkles.
124
286000
2000
יש להם פחות סיכוי לקמטים בעור.
05:03
That doesn't mean that it's the vegetables or the olive oil.
125
288000
2000
זה לא אומר שזה בגלל הירקות או שמן הזית.
05:05
(Laughter)
126
290000
2000
(צחוק)
05:07
So ideally what you want to do is a trial.
127
292000
3000
אז אידיאלית, היינו רוצים לערוך ניסוי.
05:10
And everybody thinks they're very familiar with the idea of a trial.
128
295000
2000
וכולם חושבים שהם מכירים היטב את הניסוי.
05:12
Trials are very old. The first trial was in the Bible -- Daniel 1:12.
129
297000
3000
ניסויים הם מאוד ותיקים. הניסוי הראשון היה בתנ"ך, דניאל א', י"ב.
05:15
It's very straightforward -- you take a bunch of people, you split them in half,
130
300000
2000
פשוט מאוד - קחו חבורה של אנשים, חלקו אותם לשניים,
05:17
you treat one group one way, you treat the other group the other way,
131
302000
2000
תתייחסו לכל קבוצה אחרת,
05:19
and a little while later, you follow them up
132
304000
2000
תעקבו אחריהם
05:21
and see what happened to each of them.
133
306000
2000
ותראו מה קורה לכל קבוצה.
05:23
So I'm going to tell you about one trial,
134
308000
2000
אז אני אספר לכם על ניסוי אחד,
05:25
which is probably the most well-reported trial
135
310000
2000
אולי הניסוי הכי מפורסם
05:27
in the U.K. news media over the past decade.
136
312000
2000
בתקשורת בבריטניה בעשור האחרון.
05:29
And this is the trial of fish oil pills.
137
314000
2000
וזה הניסוי של כמוסות שמן דגים.
05:31
And the claim was fish oil pills improve school performance and behavior
138
316000
2000
שטען ששמן דגים משפר ביצועים בביה"ס והתנהגות
05:33
in mainstream children.
139
318000
2000
בילדים רגילים.
05:35
And they said, "We've done a trial.
140
320000
2000
והם אמרו "ערכנו ניסוי.
05:37
All the previous trials were positive, and we know this one's gonna be too."
141
322000
2000
כל הניסויים הקודמים הצליחו, ואנחנו יודעים שגם זה יצליח."
05:39
That should always ring alarm bells.
142
324000
2000
זה צריך להפעיל פעמון אזהרה.
05:41
Because if you already know the answer to your trial, you shouldn't be doing one.
143
326000
3000
כי אם אתה כבר יודע מה תהיה תוצאת הניסוי, אתה לא צריך לערוך אותו.
05:44
Either you've rigged it by design,
144
329000
2000
או שתחמנת בתכנון המחקר,
05:46
or you've got enough data so there's no need to randomize people anymore.
145
331000
3000
או שיש לך מספיק מידע ואתה לא צריך להקצות יותר אנשים.
05:49
So this is what they were going to do in their trial.
146
334000
3000
אז זה מה שהם עמדו לעשות בניסוי שלהם.
05:52
They were taking 3,000 children,
147
337000
2000
הם לקחו 3,000 ילדים,
05:54
they were going to give them all these huge fish oil pills,
148
339000
2000
התכוונו לתת להם כמוסות שמן דגים ענקיות,
05:56
six of them a day,
149
341000
2000
6 כמוסות ביום,
05:58
and then a year later, they were going to measure their school exam performance
150
343000
3000
ושנה לאחר מכן רצו למדוד את ההצלחה שלהם במבחן
06:01
and compare their school exam performance
151
346000
2000
ולהשוות את הציון שלהם
06:03
against what they predicted their exam performance would have been
152
348000
2000
לעומת מה שהם ניבאו שהציון יהיה
06:05
if they hadn't had the pills.
153
350000
3000
אילולא לקחו את הכמוסות.
06:08
Now can anybody spot a flaw in this design?
154
353000
3000
מישהו רואה כאן איזו שהיא בעיה?
06:11
And no professors of clinical trial methodology
155
356000
3000
לפרופסורים לשיטות מחקר קליניות
06:14
are allowed to answer this question.
156
359000
2000
אסור לענות.
06:16
So there's no control; there's no control group.
157
361000
2000
אז אין כאן קבוצת ביקורת.
06:18
But that sounds really techie.
158
363000
2000
וזה נשמע מאוד טכני,
06:20
That's a technical term.
159
365000
2000
זה מושג טכני.
06:22
The kids got the pills, and then their performance improved.
160
367000
2000
הילדים קיבלו כמוסות והביצועים שלהם השתפרו.
06:24
What else could it possibly be if it wasn't the pills?
161
369000
3000
מה עוד יכול לגרום לכך פרט לכמוסות?
06:27
They got older. We all develop over time.
162
372000
3000
הם התבגרו. כולנו מתפתחים כל הזמן.
06:30
And of course, also there's the placebo effect.
163
375000
2000
וכמובן, יש גם אפקט פלצבו.
06:32
The placebo effect is one of the most fascinating things in the whole of medicine.
164
377000
2000
אפקט הפלצבו הוא אחד הדברים המרתקים ברפואה.
06:34
It's not just about taking a pill, and your performance and your pain getting better.
165
379000
3000
זה לא רק שכדור יכול לשפר ביצועים ולהפחית כאב.
06:37
It's about our beliefs and expectations.
166
382000
2000
זה קשור לאמונות שלנו ולציפיות שלנו.
06:39
It's about the cultural meaning of a treatment.
167
384000
2000
זה קשור למשמעות התרבותית שיש לטיפול.
06:41
And this has been demonstrated in a whole raft of fascinating studies
168
386000
3000
וזה הודגם במגוון מחקרים מרתקים
06:44
comparing one kind of placebo against another.
169
389000
3000
המשווים בין סוגי פלצבו שונים.
06:47
So we know, for example, that two sugar pills a day
170
392000
2000
אז אנחנו יודעים, למשל, ששני כדורי סוכר ביום
06:49
are a more effective treatment for getting rid of gastric ulcers
171
394000
2000
אפקטיביים יותר לחיסול אולקוס
06:51
than one sugar pill.
172
396000
2000
מאשר כדור סוכר אחד.
06:53
Two sugar pills a day beats one sugar pill a day.
173
398000
2000
שני כדורי סוכר ביום עדיפים על כדור אחד.
06:55
And that's an outrageous and ridiculous finding, but it's true.
174
400000
3000
וזה ממצא מגוחך, אבל נכון.
06:58
We know from three different studies on three different types of pain
175
403000
2000
מ3 מחקרים על 3 סוגי כאב עולה
07:00
that a saltwater injection is a more effective treatment for pain
176
405000
3000
שהזרקת מי מלח מפחיתה כאב
07:03
than taking a sugar pill, taking a dummy pill that has no medicine in it --
177
408000
4000
יותר מאשר כדור סוכר, כדור סרק ללא תרופה,
07:07
not because the injection or the pills do anything physically to the body,
178
412000
3000
לא משום שהזריקה או הכדור עושים משהו פיזי לגוף,
07:10
but because an injection feels like a much more dramatic intervention.
179
415000
3000
אלא משום שהזריקה נתפסת כטיפול יותר דרמטי.
07:13
So we know that our beliefs and expectations
180
418000
2000
אז אנחנו יודעים שהאמונות והציפיות שלנו
07:15
can be manipulated,
181
420000
2000
ניתנות למניפולציה,
07:17
which is why we do trials
182
422000
2000
ולכן אנחנו עורכים ניסויים
07:19
where we control against a placebo --
183
424000
2000
בהם משווים את הטיפול לפלצבו,
07:21
where one half of the people get the real treatment
184
426000
2000
בהם חצי מקבלים את הטיפול האמיתי
07:23
and the other half get placebo.
185
428000
2000
וחצי מקבלים פלצבו.
07:25
But that's not enough.
186
430000
3000
אבל זה לא מספיק.
07:28
What I've just shown you are examples of the very simple and straightforward ways
187
433000
3000
הראיתי לכם את הדרכים הפשוטות
07:31
that journalists and food supplement pill peddlers
188
436000
2000
דרכן יכולים עיתונאים, מוכרי תוספי מזון
07:33
and naturopaths
189
438000
2000
ונתורופטים
07:35
can distort evidence for their own purposes.
190
440000
3000
לעוות את הנתונים למטרתם.
07:38
What I find really fascinating
191
443000
2000
מה שמרתק בעיני
07:40
is that the pharmaceutical industry
192
445000
2000
זה שתעשיית התרופות
07:42
uses exactly the same kinds of tricks and devices,
193
447000
2000
משתמשת בדיוק באותם טריקים,
07:44
but slightly more sophisticated versions of them,
194
449000
3000
אבל בגרסאות מעט יותר מתוחכמות,
07:47
in order to distort the evidence that they give to doctors and patients,
195
452000
3000
על מנת לעוות את הנתונים שהם נותנים לרופאים ולפציינטים,
07:50
and which we use to make vitally important decisions.
196
455000
3000
בהם אנו משתמשים לקבל החלטות.
07:53
So firstly, trials against placebo:
197
458000
2000
אז ראשית, ניסוי מול פלצבו:
07:55
everybody thinks they know that a trial should be
198
460000
2000
כולם חושבים שבניסוי צריך
07:57
a comparison of your new drug against placebo.
199
462000
2000
להשוות את התרופה החדשה לעומת פלצבו.
07:59
But actually in a lot of situations that's wrong.
200
464000
2000
אבל למעשה, בהרבה מצבים זו שגיאה.
08:01
Because often we already have a very good treatment that is currently available,
201
466000
3000
כי לעיתים קרובות יש לנו כבר טיפול טוב זמין,
08:04
so we don't want to know that your alternative new treatment
202
469000
2000
אז אנחנו לא רוצים לדעת שהתרופה החדשה שלכם
08:06
is better than nothing.
203
471000
2000
טובה יותר מכלום.
08:08
We want to know that it's better than the best currently available treatment that we have.
204
473000
3000
אנחנו רוצים לדעת שהיא טובה יותר מהטיפול הכי טוב שיש כיום.
08:11
And yet, repeatedly, you consistently see people doing trials
205
476000
3000
ועדיין, שוב ושוב, אנשים עורכים ניסוי
08:14
still against placebo.
206
479000
2000
בהשוואה לפלצבו.
08:16
And you can get license to bring your drug to market
207
481000
2000
ואפשר לקבל רשיון להכניס את התרופה לשוק
08:18
with only data showing that it's better than nothing,
208
483000
2000
רק עם מידע שמראה שהיא טובה יותר מכלום,
08:20
which is useless for a doctor like me trying to make a decision.
209
485000
3000
שזה חסר ערך לרופא כמוני שמנסה לקבל החלטה.
08:23
But that's not the only way you can rig your data.
210
488000
2000
אבל זו לא הדרך היחידה בה אתם יכולים לעוות את הנתונים שלכם.
08:25
You can also rig your data
211
490000
2000
אתם יכולים לעוות אותם
08:27
by making the thing you compare your new drug against
212
492000
2000
גם בכך שתשוו את התרופה שלכם אל
08:29
really rubbish.
213
494000
2000
זבל.
08:31
You can give the competing drug in too low a dose,
214
496000
2000
אתם יכולים לתת את התרופה המתחרה במינון נמוך מדי,
08:33
so that people aren't properly treated.
215
498000
2000
כך שאנשים לא באמת מטופלים.
08:35
You can give the competing drug in too high a dose,
216
500000
2000
או במינון גבוה מדי,
08:37
so that people get side effects.
217
502000
2000
כך שאנשים יקבלו תופעות לוואי.
08:39
And this is exactly what happened
218
504000
2000
וזה בדיוק מה שקרה
08:41
which antipsychotic medication for schizophrenia.
219
506000
2000
עם תרופות אנטי-פסיכוטיות לסכיזופרניה.
08:43
20 years ago, a new generation of antipsychotic drugs were brought in
220
508000
3000
לפני 20 שנה, דור חדש של תרופות אנטי-פסיכוטיות הוכנס
08:46
and the promise was that they would have fewer side effects.
221
511000
3000
עם הבטחה לפחות תופעות לוואי.
08:49
So people set about doing trials of these new drugs
222
514000
2000
אז אנשים התחילו לערוך ניסויים על התרופות האלה
08:51
against the old drugs,
223
516000
2000
בהשוואה לתרופות הישנות,
08:53
but they gave the old drugs in ridiculously high doses --
224
518000
2000
אבל הם נתנו את התרופות הישנות במינונים גבוהים באופן מגוחך,
08:55
20 milligrams a day of haloperidol.
225
520000
2000
20 מ"ג הלופרידול ליום.
08:57
And it's a foregone conclusion,
226
522000
2000
וזו מסקנה ידועה,
08:59
if you give a drug at that high a dose,
227
524000
2000
שאם תתנו תרופה במינון גבוה כזה,
09:01
that it will have more side effects and that your new drug will look better.
228
526000
3000
יהיו לה יותר תופעות לוואי, והתרופה החדשה שלכם תיראה טוב יותר.
09:04
10 years ago, history repeated itself, interestingly,
229
529000
2000
לפני 10 שנים, ההיסטוריה חזרה על עצמה,
09:06
when risperidone, which was the first of the new-generation antipscyhotic drugs,
230
531000
3000
כשריספרידון, תרופה אנטי-פסיכוטית ראשונה מהדור החדש,
09:09
came off copyright, so anybody could make copies.
231
534000
3000
איבדה את זכויות היוצרים, כך שכל אחד יכול היה להכין העתקים שלה.
09:12
Everybody wanted to show that their drug was better than risperidone,
232
537000
2000
כולם רצו להראות שהתרופה שלהם טובה מריספרידון,
09:14
so you see a bunch of trials comparing new antipsychotic drugs
233
539000
3000
אז ראיתם מחקרים שמשווים תרופות אנטי-פסיכוטיות חדשות
09:17
against risperidone at eight milligrams a day.
234
542000
2000
אל 8 מ"ג ריספרידון ליום.
09:19
Again, not an insane dose, not an illegal dose,
235
544000
2000
שוב, זה לא מינון מופרע או בלתי חוקי,
09:21
but very much at the high end of normal.
236
546000
2000
אבל בהחלט בקצה העליון של הנורמה.
09:23
And so you're bound to make your new drug look better.
237
548000
3000
ואז בטוח שהתרופה החדשה שלהם תיראה טוב יותר.
09:26
And so it's no surprise that overall,
238
551000
3000
לכן זה כלל לא מפתיע שבסה"כ,
09:29
industry-funded trials
239
554000
2000
ניסויים הממומנים ע"י התעשייה
09:31
are four times more likely to give a positive result
240
556000
2000
מציגים תוצאה חיובית פי 4 יותר
09:33
than independently sponsored trials.
241
558000
3000
מאשר מחקרים בעלי מימון עצמאי.
09:36
But -- and it's a big but --
242
561000
3000
אבל - ויש כאן אבל גדול -
09:39
(Laughter)
243
564000
2000
(צחוק)
09:41
it turns out,
244
566000
2000
מתברר,
09:43
when you look at the methods used by industry-funded trials,
245
568000
3000
שכשבוחנים את השיטות בהם נערכים ניסויים הממומנים ע"י התעשיה,
09:46
that they're actually better
246
571000
2000
הם בעצם יותר טובים
09:48
than independently sponsored trials.
247
573000
2000
מאשר מחקרים עצמאיים.
09:50
And yet, they always manage to to get the result that they want.
248
575000
3000
ועדיין, הם תמיד מצליחים להשיג את התוצאה שהם רוצים.
09:53
So how does this work?
249
578000
2000
אז איך זה עובד?
09:55
How can we explain this strange phenomenon?
250
580000
3000
איך אפשר להסביר את התופעה המוזרה הזו?
09:58
Well it turns out that what happens
251
583000
2000
ובכן, מתברר שמה שקורה
10:00
is the negative data goes missing in action;
252
585000
2000
זה שהמידע השלילי "נעלם",
10:02
it's withheld from doctors and patients.
253
587000
2000
הוא מוסתר מרופאים ומפציינטים.
10:04
And this is the most important aspect of the whole story.
254
589000
2000
וזה הפן החשוב ביותר בכל הסיפור.
10:06
It's at the top of the pyramid of evidence.
255
591000
2000
בפסגת פירמידת ההוכחות.
10:08
We need to have all of the data on a particular treatment
256
593000
3000
אנחנו צריכים לקבל את כל הנתונים על טיפול מסוים
10:11
to know whether or not it really is effective.
257
596000
2000
כדי לדעת אם הוא באמת יעיל.
10:13
And there are two different ways that you can spot
258
598000
2000
ויש שתי דרכים בהן ניתן לגלות
10:15
whether some data has gone missing in action.
259
600000
2000
אם חלק מהמידע "נעלם".
10:17
You can use statistics, or you can use stories.
260
602000
3000
סטטיסטיקה או סיפורים.
10:20
I personally prefer statistics, so that's what I'm going to do first.
261
605000
2000
אישית, אני מעדיף סטטיסטיקה, אז אראה את זה קודם.
10:22
This is something called funnel plot.
262
607000
2000
זה משהו שנקרא funnel plot.
10:24
And a funnel plot is a very clever way of spotting
263
609000
2000
וזאת דרך מאוד מתוחכמת לזהות
10:26
if small negative trials have disappeared, have gone missing in action.
264
611000
3000
אם מחקרים שליליים קטנים "נעלמו".
10:29
So this is a graph of all of the trials
265
614000
2000
אז הנה הגרף של כל הניסויים
10:31
that have been done on a particular treatment.
266
616000
2000
שנעשו על טיפול מסויים.
10:33
And as you go up towards the top of the graph,
267
618000
2000
וככל שעולים במעלה הגרף,
10:35
what you see is each dot is a trial.
268
620000
2000
כל נקודה כאן היא ניסוי.
10:37
And as you go up, those are the bigger trials, so they've got less error in them.
269
622000
3000
וככל שאתם עולים, אלה הניסויים הגדולים יותר, אז הטעות בהם קטנה יותר.
10:40
So they're less likely to be randomly false positives, randomly false negatives.
270
625000
3000
כלומר הם יתנו פחות תוצאות שגויות.
10:43
So they all cluster together.
271
628000
2000
אז הם מצטברים יחד.
10:45
The big trials are closer to the true answer.
272
630000
2000
הניסויים הגדולים קרובים יותר לתשובה האמיתית.
10:47
Then as you go further down at the bottom,
273
632000
2000
וככל שתרדו למטה,
10:49
what you can see is, over on this side, the spurious false negatives,
274
634000
3000
אפשר לראות בצד הזה את התוצאות השליליות השגויות,
10:52
and over on this side, the spurious false positives.
275
637000
2000
ובצד הזה את התוצאות החיוביות השגויות.
10:54
If there is publication bias,
276
639000
2000
אם יש הטיה בפרסום המחקרים,
10:56
if small negative trials have gone missing in action,
277
641000
3000
אם מחקרים שליליים קטנים "נעלמו",
10:59
you can see it on one of these graphs.
278
644000
2000
אפשר יהיה לראות את זה באחד הגרפים האלה.
11:01
So you can see here that the small negative trials
279
646000
2000
אז אפשר לראות שהמחקרים השליליים הקטנים
11:03
that should be on the bottom left have disappeared.
280
648000
2000
שהיו אמורים להימצא למטה משמאל - נעלמו.
11:05
This is a graph demonstrating the presence of publication bias
281
650000
3000
זה גרף שמדגים הטיה בפרסום מחקרים
11:08
in studies of publication bias.
282
653000
2000
במחקרים על הטיה בפרסום מחקרים.
11:10
And I think that's the funniest epidemiology joke
283
655000
2000
ולדעתי זו הבדיחה האפידמיולוגית הכי מצחיקה
11:12
that you will ever hear.
284
657000
2000
שאי פעם תשמעו.
11:14
That's how you can prove it statistically,
285
659000
2000
כך אפשר להוכיח את זה סטטיסטית.
11:16
but what about stories?
286
661000
2000
מה לגבי סיפורים?
11:18
Well they're heinous, they really are.
287
663000
2000
הם אכזריים. באמת.
11:20
This is a drug called reboxetine.
288
665000
2000
זו תרופה בשם רבוקסטין.
11:22
This is a drug that I myself have prescribed to patients.
289
667000
2000
תרופה שאני בעצמי רשמתי לפציינטים.
11:24
And I'm a very nerdy doctor.
290
669000
2000
ואני רופא חנון.
11:26
I hope I try to go out of my way to try and read and understand all the literature.
291
671000
3000
אני מקווה שאני יוצא מגדרי לנסות ולקרוא ולהבין את הספרות.
11:29
I read the trials on this. They were all positive. They were all well-conducted.
292
674000
3000
קראתי את הניסויים עליה, הם כולם היו חיוביים, כולם נערכו נכון.
11:32
I found no flaw.
293
677000
2000
לא מצאתי בעיה.
11:34
Unfortunately, it turned out,
294
679000
2000
לרוע המזל, מתברר,
11:36
that many of these trials were withheld.
295
681000
2000
שניסויים רבים על התרופה הוסתרו.
11:38
In fact, 76 percent
296
683000
2000
למעשה, 76%
11:40
of all of the trials that were done on this drug
297
685000
2000
מכל המחקרים שנעשו על התרופה הזו
11:42
were withheld from doctors and patients.
298
687000
2000
הוסתרו מרופאים ומפציינטים.
11:44
Now if you think about it,
299
689000
2000
עכשיו, אם תחשבו על זה,
11:46
if I tossed a coin a hundred times,
300
691000
2000
אם אני אזרוק מטבע 100 פעם,
11:48
and I'm allowed to withhold from you
301
693000
2000
ומותר לי להסתיר מכם
11:50
the answers half the times,
302
695000
2000
את התשובות מחצית מהפעמים,
11:52
then I can convince you
303
697000
2000
אז אני יכול לשכנע אתכם
11:54
that I have a coin with two heads.
304
699000
2000
שיש לי מטבע עם שני צידי פלי.
11:56
If we remove half of the data,
305
701000
2000
אם נסיר מחצית מהנתונים,
11:58
we can never know what the true effect size of these medicines is.
306
703000
3000
לעולם לא נוכל לדעת מה גודל האפקט האמיתי של התרופות הללו.
12:01
And this is not an isolated story.
307
706000
2000
וזה לא מקרה בודד.
12:03
Around half of all of the trial data on antidepressants has been withheld,
308
708000
4000
בערך מחצית מנתוני הניסויים על תרופות אנטי-דכאוניות הוסתרה,
12:07
but it goes way beyond that.
309
712000
2000
אבל זה יותר מזה.
12:09
The Nordic Cochrane Group were trying to get a hold of the data on that
310
714000
2000
קבוצת קוקריין הסקנדינבית ניסתה להשיג את הנתונים האלה,
12:11
to bring it all together.
311
716000
2000
לחבר הכל יחד.
12:13
The Cochrane Groups are an international nonprofit collaboration
312
718000
3000
קבוצות קוקריין הן שת"פ בינלאומי שלא למטרות רווח
12:16
that produce systematic reviews of all of the data that has ever been shown.
313
721000
3000
שמייצרות סקירות שיטתיות של כל הנתונים שהוצגו.
12:19
And they need to have access to all of the trial data.
314
724000
3000
והם צריכים גישה לכל נתוני הניסויים.
12:22
But the companies withheld that data from them,
315
727000
3000
אבל החברות מנעו מהם את המידע הזה.
12:25
and so did the European Medicines Agency
316
730000
2000
וכך גם סוכנות התרופות האירופאית
12:27
for three years.
317
732000
2000
במשך 3 שנים.
12:29
This is a problem that is currently lacking a solution.
318
734000
3000
זו בעיה שכרגע אין לה פתרון.
12:32
And to show how big it goes, this is a drug called Tamiflu,
319
737000
3000
וכדי להראות את היקפה, זו תרופה בשם תמיפלו,
12:35
which governments around the world
320
740000
2000
שממשלות בכל העולם
12:37
have spent billions and billions of dollars on.
321
742000
2000
רכשו במיליארדי דולרים.
12:39
And they spend that money on the promise
322
744000
2000
והם הוציאו את הכסף הזה על ההבטחה
12:41
that this is a drug which will reduce the rate
323
746000
2000
שהתרופה הזו תוריד את שכיחות
12:43
of complications with flu.
324
748000
2000
סיבוכי השפעת.
12:45
We already have the data
325
750000
2000
יש לנו כבר מידע
12:47
showing that it reduces the duration of your flu by a few hours.
326
752000
2000
המראה שהיא מפחיתה את משך השפעת בכמה שעות.
12:49
But I don't really care about that. Governments don't care about that.
327
754000
2000
אבל זה לא מעניין אותי או את הממשלות.
12:51
I'm very sorry if you have the flu, I know it's horrible,
328
756000
3000
אני מצטער אם יש לכם שפעת, אני יודע שזה נורא,
12:54
but we're not going to spend billions of dollars
329
759000
2000
אבל לא נוציא מיליארדי דולרים
12:56
trying to reduce the duration of your flu symptoms
330
761000
2000
כדי להפחית את משך הסימפטומים שלכם
12:58
by half a day.
331
763000
2000
בחצי יום.
13:00
We prescribe these drugs, we stockpile them for emergencies
332
765000
2000
אנחנו נותנים מרשמים לתרופות האלה, אוגרים אותן למקרי חירום
13:02
on the understanding that they will reduce the number of complications,
333
767000
2000
מתוך הנחה שהן יפחיתו את מספר הסיבוכים,
13:04
which means pneumonia and which means death.
334
769000
3000
כלומר דלקת ריאות, כלומר מוות.
13:07
The infectious diseases Cochrane Group, which are based in Italy,
335
772000
3000
קבוצת קוקריין למחלות זיהומיות הנמצאת באיטליה,
13:10
has been trying to get
336
775000
2000
מנסה להשיג
13:12
the full data in a usable form out of the drug companies
337
777000
3000
את המידע המלא בפורמט שימושי מחברות התרופות
13:15
so that they can make a full decision
338
780000
3000
כך שהם יוכלו לקבל החלטה שלמה
13:18
about whether this drug is effective or not,
339
783000
2000
לגבי האפקטיביות שלה,
13:20
and they've not been able to get that information.
340
785000
3000
והם לא מצליחים להשיג את המידע הזה.
13:23
This is undoubtedly
341
788000
2000
זוהי ללא ספק
13:25
the single biggest ethical problem
342
790000
3000
הבעיה האתית החמורה ביותר
13:28
facing medicine today.
343
793000
2000
ברפואה היום.
13:30
We cannot make decisions
344
795000
3000
אנחנו לא יכולים לקבל החלטות
13:33
in the absence of all of the information.
345
798000
4000
ללא המידע המלא.
13:37
So it's a little bit difficult from there
346
802000
3000
אז קשה להוציא מכאן
13:40
to spin in some kind of positive conclusion.
347
805000
4000
איזו שהיא מסקנה חיובית.
13:44
But I would say this:
348
809000
4000
אבל אני יכול לומר כך:
13:48
I think that sunlight
349
813000
3000
אני חושב שהשמש
13:51
is the best disinfectant.
350
816000
2000
היא המחטא הטוב ביותר.
13:53
All of these things are happening in plain sight,
351
818000
3000
כל הדברים האלה מתרחשים לעיני כל,
13:56
and they're all protected
352
821000
2000
והם מוגנים
13:58
by a force field of tediousness.
353
823000
3000
בשדה כוח טרחני.
14:01
And I think, with all of the problems in science,
354
826000
2000
ועם כל הבעיות במדע,
14:03
one of the best things that we can do
355
828000
2000
אחד הדברים הכי טובים שניתן לעשות
14:05
is to lift up the lid,
356
830000
2000
זה להרים את המכסה,
14:07
finger around in the mechanics and peer in.
357
832000
2000
ולהציץ פנימה.
14:09
Thank you very much.
358
834000
2000
תודה רבה.
14:11
(Applause)
359
836000
3000
(מחיאות כפיים)
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