TEDGlobal 2011
Ben Goldacre: Battling bad science
Ben Goldacre: Memerangi ilmu pengetahuan yang buruk
Filmed:
Readability: 4.3
2,713,579 views
Setiap hari ada banyak berita tentang anjuran kesehatan, tapi bagaimana Anda tahu semua itu benar? Dokter dan ahli epidemiologi Ben Goldacre menunjukkan, dengan cepat, bagaimana bukti-bukti dapat diubah, dari klaim nutrisi yang sangat jelas sampai pada trik-trik sangat halus dari industri farmasi.
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
Saya seorang dokter, tapi saya sedikit melenceng ke riset,
00:18
and now I'm an epidemiologist.
1
3000
2000
dan sekarang saya seorang ahli epidemiologi.
00:20
And nobody really knows what epidemiology is.
2
5000
2000
Tidak seorang pun benar-benar tahu apa itu epidemiologi.
00:22
Epidemiology is the science of how we know in the real world
3
7000
3000
Epidemiologi adalah ilmu tentang bagaimana kita tahu
00:25
if something is good for you or bad for you.
4
10000
2000
apakah sesuatu itu baik atau buruk untuk Anda.
00:27
And it's best understood through example
5
12000
2000
Ini paling mudah dipahami melalui contoh
00:29
as the science of those crazy, wacky newspaper headlines.
6
14000
5000
seperti ilmu pengetahuan dari berita-berita surat kabar gila itu.
00:34
And these are just some of the examples.
7
19000
2000
Dan ini hanya beberapa contohnya.
00:36
These are from the Daily Mail. Every country in the world has a newspaper like this.
8
21000
3000
Ini dari Daily Mail. Setiap negara di dunia punya surat kabar seperti ini.
00:39
It has this bizarre, ongoing philosophical project
9
24000
3000
Ada proyek filosofi aneh yang sedang berjalan
00:42
of dividing all the inanimate objects in the world
10
27000
2000
untuk memilah benda-benda mati di dunia
00:44
into the ones that either cause or prevent cancer.
11
29000
3000
ke dalam jenis yang dapat menyebabkan atau mencegah kanker.
00:47
So here are some of the things they said cause cancer recently:
12
32000
2000
Jadi inilah beberapa hal yang belakangan ini dikatakan menyebabkan kanker:
00:49
divorce, Wi-Fi, toiletries and coffee.
13
34000
2000
perceraian, Wi-Fi, perlengkapan mandi, dan kopi.
00:51
Here are some of the things they say prevents cancer:
14
36000
2000
Inilah beberapa hal yang dikatakan mencegah kanker:
00:53
crusts, red pepper, licorice and coffee.
15
38000
2000
remah-remah, lada merah, akar manis, dan kopi.
00:55
So already you can see there are contradictions.
16
40000
2000
Jadi Anda sudah dapat melihat ada kontradiksi.
00:57
Coffee both causes and prevents cancer.
17
42000
2000
Kopi menyebabkan dan mencegah kanker.
00:59
And as you start to read on, you can see
18
44000
2000
Ketika Anda mulai membaca, Anda dapat lihat
01:01
that maybe there's some kind of political valence behind some of this.
19
46000
3000
bahwa mungkin ada agenda politik tertentu di belakangnya.
01:04
So for women, housework prevents breast cancer,
20
49000
2000
Jadi pekerjaan rumah bagi wanita adalah mencegah kanker payudara,
01:06
but for men, shopping could make you impotent.
21
51000
3000
tapi untuk pria, berbelanja dapat membuat Anda impoten.
01:09
So we know that we need to start
22
54000
3000
Jadi kita tahu bahwa kita perlu mulai
01:12
unpicking the science behind this.
23
57000
3000
membongkar ilmu pengetahuan di balik hal ini.
01:15
And what I hope to show
24
60000
2000
Apa yang saya harapkan
01:17
is that unpicking dodgy claims,
25
62000
2000
adalah membongkar klaim tidak jelas ini,
01:19
unpicking the evidence behind dodgy claims,
26
64000
2000
membongkar bukti di balik klaim tidak jelas ini,
01:21
isn't a kind of nasty carping activity;
27
66000
3000
ini bukanlah kegiatan yang jelek;
01:24
it's socially useful,
28
69000
2000
ini berguna secara sosial,
01:26
but it's also an extremely valuable
29
71000
2000
tapi ini juga alat penjelasan yang sangat
01:28
explanatory tool.
30
73000
2000
berguna.
01:30
Because real science is all about
31
75000
2000
Karena ilmu pengetahuan yang sesungguhnya adalah tentang
01:32
critically appraising the evidence for somebody else's position.
32
77000
2000
menilai bukti bukti dari posisi orang lain dengan kritis.
01:34
That's what happens in academic journals.
33
79000
2000
Itulah yang terjadi pada jurnal akademik.
01:36
That's what happens at academic conferences.
34
81000
2000
Itulah yang terjadi pada konferensi akademik.
01:38
The Q&A session after a post-op presents data
35
83000
2000
Sesi tanya jawab setelah operasi saat dokter menunjukkan data
01:40
is often a blood bath.
36
85000
2000
sering bermandikan darah.
01:42
And nobody minds that. We actively welcome it.
37
87000
2000
Tidak ada yang keberatan. Kita dengan senang hati menerimanya.
01:44
It's like a consenting intellectual S&M activity.
38
89000
3000
Ini seperti memberi izin untuk kegiatan S&M intelektual.
01:47
So what I'm going to show you
39
92000
2000
Jadi apa yang akan saya tunjukkan pada Anda
01:49
is all of the main things,
40
94000
2000
adalah semua hal-hal utama,
01:51
all of the main features of my discipline --
41
96000
2000
semua hal-hal utama dari disiplin saya --
01:53
evidence-based medicine.
42
98000
2000
pengobatan yang didasarkan pada bukti.
01:55
And I will talk you through all of these
43
100000
2000
Saya akan berbicara tentang semua ini
01:57
and demonstrate how they work,
44
102000
2000
dan memperagakan bagaimana cara kerjanya,
01:59
exclusively using examples of people getting stuff wrong.
45
104000
3000
dengan contoh bagaimana orang melakukannya secara salah.
02:02
So we'll start with the absolute weakest form of evidence known to man,
46
107000
3000
Jadi kita akan mulai dengan bentuk bukti terlemah yang diketahui manusia,
02:05
and that is authority.
47
110000
2000
dan itu adalah otoritas.
02:07
In science, we don't care how many letters you have after your name.
48
112000
3000
Dalam ilmu pengetahuan, kita tidak peduli berapa banyak huruf yang ada pada nama Anda.
02:10
In science, we want to know what your reasons are for believing something.
49
115000
3000
Dalam ilmu pengetahuan, kita ingin tahu apakah alasan Anda mempercayai sesuatu.
02:13
How do you know that something is good for us
50
118000
2000
Bagaimana Anda tahu sesuatu itu baik atau buruk
02:15
or bad for us?
51
120000
2000
bagi kita?
02:17
But we're also unimpressed by authority,
52
122000
2000
Tapi kita juga tidak suka dengan otoritas,
02:19
because it's so easy to contrive.
53
124000
2000
karena itu sangat mudah dirancang.
02:21
This is somebody called Dr. Gillian McKeith Ph.D,
54
126000
2000
Inilah seseorang bernamal Dr. Gillian McKeith Ph.D,
02:23
or, to give her full medical title, Gillian McKeith.
55
128000
3000
atau, dengan gelar medisnya, Gillian McKeith.
02:26
(Laughter)
56
131000
3000
(Tawa)
02:29
Again, every country has somebody like this.
57
134000
2000
Sekali lagi, setiap negara memiliki seseorang seperti ini.
02:31
She is our TV diet guru.
58
136000
2000
Dia guru diet TV kita.
02:33
She has massive five series of prime-time television,
59
138000
3000
Dia memiliki 5 serial TV di jam-jam utama
02:36
giving out very lavish and exotic health advice.
60
141000
3000
memberikan nasihat kesehatan yang eksotis dan berlebihan.
02:39
She, it turns out, has a non-accredited correspondence course Ph.D.
61
144000
3000
Dia, ternyata, memiliki kelas korespondensi doktoral yang tidak terakreditasi
02:42
from somewhere in America.
62
147000
2000
dari suatu tempat di Amerika.
02:44
She also boasts that she's a certified professional member
63
149000
2000
Dia juga sesumbar bahwa dia seorang anggota resmi badan profesional
02:46
of the American Association of Nutritional Consultants,
64
151000
2000
Asosiasi Konsultan Nutrisi Amerika,
02:48
which sounds very glamorous and exciting.
65
153000
2000
yang terdengar sangat mewah dan menarik.
02:50
You get a certificate and everything.
66
155000
2000
Anda mendapatkan sertifikat dan semuanya.
02:52
This one belongs to my dead cat Hetti. She was a horrible cat.
67
157000
2000
Ini milik almarhum kucing saya, Hetti, Dia kucing yang sangat jelek.
02:54
You just go to the website, fill out the form,
68
159000
2000
Anda hanya perlu mengunjungi situsnya, mengisi formulirnya,
02:56
give them $60, and it arrives in the post.
69
161000
2000
berikan mereka $60, dan itu dikirim melalui pos.
02:58
Now that's not the only reason that we think this person is an idiot.
70
163000
2000
Sekarang itu bukan hanya alasan mengapa kita pikir orang ini seorang idiot.
03:00
She also goes and says things like,
71
165000
2000
Dia juga mengatakan hal-hal seperti,
03:02
you should eat lots of dark green leaves,
72
167000
2000
Anda seharusnya makan banyak daun-daunan hijau tua,
03:04
because they contain lots of chlorophyll, and that will really oxygenate your blood.
73
169000
2000
karena mengandung banyak klorofil, dan akan mengoksigenisasi darah Anda.
03:06
And anybody who's done school biology remembers
74
171000
2000
Setiap orang yang pernah belajar biologi ingat
03:08
that chlorophyll and chloroplasts
75
173000
2000
bahwa klorofil dan kloroplas
03:10
only make oxygen in sunlight,
76
175000
2000
hanya menghasilkan oksigen saat terpapar cahaya matahari,
03:12
and it's quite dark in your bowels after you've eaten spinach.
77
177000
3000
dan dalam perut Anda sangat gelap setelah Anda makan bayam.
03:15
Next, we need proper science, proper evidence.
78
180000
3000
Berikutnya, kita perlu ilmu pengetahuan dan bukti yang benar.
03:18
So, "Red wine can help prevent breast cancer."
79
183000
2000
Jadi, "Anggur merah dapat membantu mencegah kanker payudara."
03:20
This is a headline from the Daily Telegraph in the U.K.
80
185000
2000
Ini berita utama dari Daily Telegraph di Inggris.
03:22
"A glass of red wine a day could help prevent breast cancer."
81
187000
3000
"Satu gelas anggur merah sehari dapat membantu mencegah kanker payudara."
03:25
So you go and find this paper, and what you find
82
190000
2000
Jadi Anda mencari surat kabar ini, dan apa yang Anda temukan
03:27
is it is a real piece of science.
83
192000
2000
apakah itu ilmu pengetahuan yang benar.
03:29
It is a description of the changes in one enzyme
84
194000
3000
Inilah deskripsi dari perubahan satu enzim
03:32
when you drip a chemical extracted from some red grape skin
85
197000
3000
ketika Anda meneteskan zat kimia yang diekstrak dari kulit anggur merah
03:35
onto some cancer cells
86
200000
2000
pada beberapa sel kanker
03:37
in a dish on a bench in a laboratory somewhere.
87
202000
3000
dalam mangkuk di meja laboratorium entah di mana.
03:40
And that's a really useful thing to describe
88
205000
2000
Dan itu sangat berguna untuk menggambarkannya
03:42
in a scientific paper,
89
207000
2000
dalam makalah ilmiah,
03:44
but on the question of your own personal risk
90
209000
2000
tapi tentang pertanyaan mengenai risiko pribadi Anda
03:46
of getting breast cancer if you drink red wine,
91
211000
2000
mendapat kanker payudara jika Anda minum anggur merah,
03:48
it tells you absolutely bugger all.
92
213000
2000
sebenarnya menyuruh Anda meminumnya.
03:50
Actually, it turns out that your risk of breast cancer
93
215000
2000
Sebenarnya, yang ada adalah risiko kanker payudara
03:52
actually increases slightly
94
217000
2000
naik sedikit
03:54
with every amount of alcohol that you drink.
95
219000
2000
dengan setiap jumlah alkohol yang Anda minum.
03:56
So what we want is studies in real human people.
96
221000
4000
Jadi apa yang kita inginkan adalah kajian pada manusia asli.
04:00
And here's another example.
97
225000
2000
Inilah contoh lainnya.
04:02
This is from Britain's leading diet and nutritionist in the Daily Mirror,
98
227000
3000
Ini berasal dari ahli nutrisi dan diet ternama Inggris di Daily Mirror,
04:05
which is our second biggest selling newspaper.
99
230000
2000
yang merupakan surat kabar terlaris kedua kita.
04:07
"An Australian study in 2001
100
232000
2000
"Sebuah kajian dari Australia tahun 2001
04:09
found that olive oil in combination with fruits, vegetables and pulses
101
234000
2000
menemukan bahwa minyak zaitun dengan buah, sayuran, dan kacang-kacangan
04:11
offers measurable protection against skin wrinklings."
102
236000
2000
memberikan perlindungan terhadap pengerutan kulit."
04:13
And then they give you advice:
103
238000
2000
Dan mereka memberikan nasihat:
04:15
"If you eat olive oil and vegetables, you'll have fewer skin wrinkles."
104
240000
2000
"Jika Anda makan minyak zaitun dan sayuran, Anda akan memiliki lebih sedikit kerutan."
04:17
And they very helpfully tell you how to go and find the paper.
105
242000
2000
Mereka memberi tahu Anda bagaimana mendapatkan makalahnya.
04:19
So you go and find the paper, and what you find is an observational study.
106
244000
3000
Lalu Anda mencari makalahnya, dan apa yang Anda dapat adalah hasil pengamatan.
04:22
Obviously nobody has been able
107
247000
2000
Sudah jelas tidak ada orang yang dapat
04:24
to go back to 1930,
108
249000
2000
kembali ke tahun 1930,
04:26
get all the people born in one maternity unit,
109
251000
3000
mengumpulkan semua yang lahir dalam satu unit kelahiran,
04:29
and half of them eat lots of fruit and veg and olive oil,
110
254000
2000
dan setengah dari mereka memakan banyak buah dan sayuran dan minyak zaitun,
04:31
and then half of them eat McDonald's,
111
256000
2000
dan setengah dari mereka memakan McDonald's,
04:33
and then we see how many wrinkles you've got later.
112
258000
2000
dan kemudian kita lihat berapa banyak kerutan mereka.
04:35
You have to take a snapshot of how people are now.
113
260000
2000
Anda harus mengambil gambar bagaimana mereka sekarang.
04:37
And what you find is, of course,
114
262000
2000
Yang Anda temukan, tentu saja,
04:39
people who eat veg and olive oil have fewer skin wrinkles.
115
264000
3000
orang yang makan sayuran dan minyak zaitun memiliki lebih sedikit kerutan.
04:42
But that's because people who eat fruit and veg and olive oil,
116
267000
3000
Tapi itu karena orang yang makan buah, sayuran, dan minyak zaitun,
04:45
they're freaks, they're not normal, they're like you;
117
270000
3000
adalah orang gila, tidak normal, mereka seperti Anda;
04:48
they come to events like this.
118
273000
2000
mereka datang ke acara-acara seperti ini.
04:50
They are posh, they're wealthy, they're less likely to have outdoor jobs,
119
275000
3000
Mereka mewah, kaya, dan kemungkinan kecil bekerja di lapangan,
04:53
they're less likely to do manual labor,
120
278000
2000
mereka kemungkinan kecil melakukan pekerjaan kasar,
04:55
they have better social support, they're less likely to smoke --
121
280000
2000
mereka punya dukungan sosial yang lebih bagus, lebih mungkin tidak merokok --
04:57
so for a whole host of fascinating, interlocking
122
282000
2000
jadi untuk segala alasan sosial, politik, dan budaya
04:59
social, political and cultural reasons,
123
284000
2000
yang mengagumkan dan saling tergantung,
05:01
they are less likely to have skin wrinkles.
124
286000
2000
mereka kemungkinan kecil memiliki kerutan kulit.
05:03
That doesn't mean that it's the vegetables or the olive oil.
125
288000
2000
Itu tidak berarti bahwa itu berkat sayuran atau minyak zaitun.
05:05
(Laughter)
126
290000
2000
(Tawa)
05:07
So ideally what you want to do is a trial.
127
292000
3000
Jadi idealnya apa yang diinginkan adalah sebuah uji coba.
05:10
And everybody thinks they're very familiar with the idea of a trial.
128
295000
2000
Semua orang berpikir mereka akrab dengan ide uji coba.
05:12
Trials are very old. The first trial was in the Bible -- Daniel 1:12.
129
297000
3000
Uji coba itu sudah sangat tua. Uji coba pertama ada di alkitab -- Daniel 1:12.
05:15
It's very straightforward -- you take a bunch of people, you split them in half,
130
300000
2000
Sangat ringkas -- Anda mengumpulkan sekumpulan orang, bagi mereka menjadi dua.
05:17
you treat one group one way, you treat the other group the other way,
131
302000
2000
Anda memperlakukan satu grup dengan satu cara, dan yang lainnya dengan cara lain,
05:19
and a little while later, you follow them up
132
304000
2000
dan sesaat kemudian, Anda mencari mereka
05:21
and see what happened to each of them.
133
306000
2000
dan melihat apa yang terjadi pada mereka.
05:23
So I'm going to tell you about one trial,
134
308000
2000
Jadi saya akan memberi tahu Anda tentang satu uji coba,
05:25
which is probably the most well-reported trial
135
310000
2000
yang mungkin adalah uji coba yang paling banyak dilaporkan
05:27
in the U.K. news media over the past decade.
136
312000
2000
di media Inggris dalam dekade terakhir.
05:29
And this is the trial of fish oil pills.
137
314000
2000
Ini uji coba dari pil minyak ikan.
05:31
And the claim was fish oil pills improve school performance and behavior
138
316000
2000
Klaimnya, pil minyak ikan meningkatkan prestasi dan perilaku di sekolah
05:33
in mainstream children.
139
318000
2000
pada anak-anak sekolah umum.
05:35
And they said, "We've done a trial.
140
320000
2000
Mereka berkata, "Kami telah melakukan uji coba.
05:37
All the previous trials were positive, and we know this one's gonna be too."
141
322000
2000
Semua uji coba sebelumnya adalah positif dan kita tahu ini juga akan sama."
05:39
That should always ring alarm bells.
142
324000
2000
Itu seharusnya selalu mengkhawatirkan.
05:41
Because if you already know the answer to your trial, you shouldn't be doing one.
143
326000
3000
Karena jika Anda sudah tahu hasil uji cobanya, tidak seharusnya uji coba itu dilakukan.
05:44
Either you've rigged it by design,
144
329000
2000
Entah karena desainnya sudah bagus,
05:46
or you've got enough data so there's no need to randomize people anymore.
145
331000
3000
atau karena datanya sudah cukup sehingga tak perlu lagi mengambil orang secara acak.
05:49
So this is what they were going to do in their trial.
146
334000
3000
Jadi inilah apa yang mereka lakukan diuji coba mereka.
05:52
They were taking 3,000 children,
147
337000
2000
Mereka mengambil 3.000 anak-anak,
05:54
they were going to give them all these huge fish oil pills,
148
339000
2000
mereka akan memberi mereka semua pil minyak ikan besar ini,
05:56
six of them a day,
149
341000
2000
6 butir setiap harinya,
05:58
and then a year later, they were going to measure their school exam performance
150
343000
3000
dan setahun kemudian, mereka akan mengukur prestasi ujian sekolah mereka
06:01
and compare their school exam performance
151
346000
2000
dan membandingkan nilai ujian mereka
06:03
against what they predicted their exam performance would have been
152
348000
2000
dengan nilai ujian yang mereka perkirakan jika mereka
06:05
if they hadn't had the pills.
153
350000
3000
tidak makan pil itu.
06:08
Now can anybody spot a flaw in this design?
154
353000
3000
Sekarang siapa saja yang dapat melihat adanya kekurangan dalam desain ini?
06:11
And no professors of clinical trial methodology
155
356000
3000
Profesor di bidang metodologi uji coba klinis
06:14
are allowed to answer this question.
156
359000
2000
tidak diperbolehkan menjawab pertanyaan ini.
06:16
So there's no control; there's no control group.
157
361000
2000
Jadi tidak ada kontrol, tidak ada grup kontrol.
06:18
But that sounds really techie.
158
363000
2000
Tapi itu kedengaran terlalu teknis.
06:20
That's a technical term.
159
365000
2000
Itu istilah yang teknis.
06:22
The kids got the pills, and then their performance improved.
160
367000
2000
Anak-anak ini makan pilnya, dan kemudian prestasi mereka naik.
06:24
What else could it possibly be if it wasn't the pills?
161
369000
3000
Apa lagi alasan yang mungkin selain karena pilnya?
06:27
They got older. We all develop over time.
162
372000
3000
Mereka bertambah tua. Kita semua bertumbuh seiring waktu.
06:30
And of course, also there's the placebo effect.
163
375000
2000
Tentu saja, ada juga efek plasebonya.
06:32
The placebo effect is one of the most fascinating things in the whole of medicine.
164
377000
2000
Efek plasebo adalah salah satu hal paling mengesankan dalam dunia pengobatan.
06:34
It's not just about taking a pill, and your performance and your pain getting better.
165
379000
3000
Itu bukan hanya tentang minum pil dan prestasi dan rasa sakit Anda membaik.
06:37
It's about our beliefs and expectations.
166
382000
2000
Itu tentang kepercayaan dan pengharapan kita.
06:39
It's about the cultural meaning of a treatment.
167
384000
2000
Itu tentang arti budaya dari sebuah pengobatan.
06:41
And this has been demonstrated in a whole raft of fascinating studies
168
386000
3000
Ini telah ditunjukkan dalam sebuah kajian lengkap yang mengesankan
06:44
comparing one kind of placebo against another.
169
389000
3000
membandingkan satu macam plasebo dengan yang lainnya.
06:47
So we know, for example, that two sugar pills a day
170
392000
2000
Jadi kita tahu, contohnya, dua pil gula setiap hari
06:49
are a more effective treatment for getting rid of gastric ulcers
171
394000
2000
adalah pengobatan yang lebih efektif untuk mengusir sariawan lambung
06:51
than one sugar pill.
172
396000
2000
daripada satu pil gula.
06:53
Two sugar pills a day beats one sugar pill a day.
173
398000
2000
Dua pil gula setiap hari mengalahkan satu pil gula setiap hari.
06:55
And that's an outrageous and ridiculous finding, but it's true.
174
400000
3000
Itu penemuan yang konyol, tapi itu benar.
06:58
We know from three different studies on three different types of pain
175
403000
2000
Kita tahu dari 3 kajian berbeda pada 3 tipe rasa sakit berbeda
07:00
that a saltwater injection is a more effective treatment for pain
176
405000
3000
bahwa suntikan air garam itu pengobatan yang lebih efektif
07:03
than taking a sugar pill, taking a dummy pill that has no medicine in it --
177
408000
4000
daripada pil gula, minum pil bohongan yang tidak mengandung obat apapun --
07:07
not because the injection or the pills do anything physically to the body,
178
412000
3000
bukan karena suntikan atau pil itu melakukan sesuatu dengan tubuh kita,
07:10
but because an injection feels like a much more dramatic intervention.
179
415000
3000
tapi karena sebuah suntikan terasa seperti tindakan yang lebih dramatis.
07:13
So we know that our beliefs and expectations
180
418000
2000
Jadi kita tahu bahwa kepercayaan dan pengharapan
07:15
can be manipulated,
181
420000
2000
dapat dimanipulasi,
07:17
which is why we do trials
182
422000
2000
oleh karena itu kita melakukan uji coba
07:19
where we control against a placebo --
183
424000
2000
di mana kita mengontrol terhadap sebuah plasebo --
07:21
where one half of the people get the real treatment
184
426000
2000
di mana setengah dari orang orang mendapatkan pengobatan sesungguhnya
07:23
and the other half get placebo.
185
428000
2000
dan setengahnya lagi mendapatkan plasebo.
07:25
But that's not enough.
186
430000
3000
Tapi itu tidak cukup.
07:28
What I've just shown you are examples of the very simple and straightforward ways
187
433000
3000
Apa yang baru saja saya tunjukkan adalah contoh cara sederhana dan terus terang
07:31
that journalists and food supplement pill peddlers
188
436000
2000
bagaimana jurnalis dan penjual pil suplemen makanan
07:33
and naturopaths
189
438000
2000
dan naturopatik
07:35
can distort evidence for their own purposes.
190
440000
3000
dapat mengubah bukti demi tujuan mereka.
07:38
What I find really fascinating
191
443000
2000
Apa yang saya pikir benar-benar mengesankan
07:40
is that the pharmaceutical industry
192
445000
2000
adalah bahwa industri farmasi
07:42
uses exactly the same kinds of tricks and devices,
193
447000
2000
menggunakan trik dan alat-alat yang sama
07:44
but slightly more sophisticated versions of them,
194
449000
3000
tapi dengan versi yang lebih sedikit lebih rumit,
07:47
in order to distort the evidence that they give to doctors and patients,
195
452000
3000
untuk mengubah bukti yang mereka berikan kepada dokter dan pasien,
07:50
and which we use to make vitally important decisions.
196
455000
3000
yang kita gunakan untuk mengubah keputusan yang penting.
07:53
So firstly, trials against placebo:
197
458000
2000
Pertama, uji coba terhadap plasebo:
07:55
everybody thinks they know that a trial should be
198
460000
2000
setiap orang berpikir mereka tahu bagaimana uji coba seharusnya
07:57
a comparison of your new drug against placebo.
199
462000
2000
adalah perbandingan dari obat baru Anda terhadap plasebo.
07:59
But actually in a lot of situations that's wrong.
200
464000
2000
Tapi sebenarnya pada banyak situasi hal itu salah.
08:01
Because often we already have a very good treatment that is currently available,
201
466000
3000
Karena sering kita sudah mendapat pengobatan sangat bagus yang sudah tersedia,
08:04
so we don't want to know that your alternative new treatment
202
469000
2000
jadi kita tidak ingin tahu apakah pengobatan alternatif baru Anda
08:06
is better than nothing.
203
471000
2000
lebih baik daripada tidak melakukan apa apa.
08:08
We want to know that it's better than the best currently available treatment that we have.
204
473000
3000
Kita ingin tahu apakah itu lebih baik daripada pengobatan terbaik yang ada.
08:11
And yet, repeatedly, you consistently see people doing trials
205
476000
3000
Tetap, Anda melihat orang orang terus melakukan uji coba
08:14
still against placebo.
206
479000
2000
terhadap plasebo.
08:16
And you can get license to bring your drug to market
207
481000
2000
Anda mendapatkan izin membawa obat Anda ke pasaran
08:18
with only data showing that it's better than nothing,
208
483000
2000
hanya dengan data yang menunjukkan itu lebih baik daripada tidak sama sekali,
08:20
which is useless for a doctor like me trying to make a decision.
209
485000
3000
yang tak berguna untuk dokter seperti saya yang berusaha mengambil keputusan.
08:23
But that's not the only way you can rig your data.
210
488000
2000
Tapi itu bukan satu-satunya cara melengkapi data Anda.
08:25
You can also rig your data
211
490000
2000
Anda juga dapat melakukannya
08:27
by making the thing you compare your new drug against
212
492000
2000
dengan membuat hal di mana Anda membandingkan obat baru Anda
08:29
really rubbish.
213
494000
2000
dengan sampah.
08:31
You can give the competing drug in too low a dose,
214
496000
2000
Anda dapat memberikan obat pesaing dalam dosis yang sangat rendah,
08:33
so that people aren't properly treated.
215
498000
2000
sehingga orang tak terobati dengan layak.
08:35
You can give the competing drug in too high a dose,
216
500000
2000
Anda dapat memberikan obat pesaing dalam dosis yang sangat tinggi,
08:37
so that people get side effects.
217
502000
2000
sehingga orang terkena efek sampingnya.
08:39
And this is exactly what happened
218
504000
2000
Inilah apa yang terjadi
08:41
which antipsychotic medication for schizophrenia.
219
506000
2000
dengan obat antipsikotik untuk schizophrenia.
08:43
20 years ago, a new generation of antipsychotic drugs were brought in
220
508000
3000
20 tahun yang lalu, sebuah obat antipsikotik generasi baru ditemukan
08:46
and the promise was that they would have fewer side effects.
221
511000
3000
dan janjinya obat itu memiliki lebih sedikit efek samping.
08:49
So people set about doing trials of these new drugs
222
514000
2000
Jadi orang melakukan uji coba obat baru ini
08:51
against the old drugs,
223
516000
2000
dibandingkan dengan obat lama,
08:53
but they gave the old drugs in ridiculously high doses --
224
518000
2000
tapi mereka memberikan obat lama ini dengan dosis yang sangat tinggi --
08:55
20 milligrams a day of haloperidol.
225
520000
2000
20 miligram haloperidol per hari.
08:57
And it's a foregone conclusion,
226
522000
2000
Itu kesimpulan yang tidak berguna,
08:59
if you give a drug at that high a dose,
227
524000
2000
karena jika Anda memberikan obat dengan dosis setinggi itu,
09:01
that it will have more side effects and that your new drug will look better.
228
526000
3000
itu akan membawa lebih banyak efek samping dan obat baru akan terlihat lebih baik.
09:04
10 years ago, history repeated itself, interestingly,
229
529000
2000
10 tahun lalu, sejarah terulang sendiri dengan menarik,
09:06
when risperidone, which was the first of the new-generation antipscyhotic drugs,
230
531000
3000
ketika risperidone, yang merupakan obat antipsikotik generasi baru pertama,
09:09
came off copyright, so anybody could make copies.
231
534000
3000
keluar dari perlindungan hak cipta, sehingga semua orang dapat membuatnya.
09:12
Everybody wanted to show that their drug was better than risperidone,
232
537000
2000
Semua orang ingin menunjukkan bahwa obat mereka lebih baik dari risperidone,
09:14
so you see a bunch of trials comparing new antipsychotic drugs
233
539000
3000
jadi Anda melihat ada banyak uji coba membandingkan obat antipsikotik baru
09:17
against risperidone at eight milligrams a day.
234
542000
2000
dengan risperidone dengan dosis 8 miligram perhari.
09:19
Again, not an insane dose, not an illegal dose,
235
544000
2000
Sekali lagi, bukan dosis yang gila, dosis yang ilegal,
09:21
but very much at the high end of normal.
236
546000
2000
tapi berada pada batas atas dosis yang normal.
09:23
And so you're bound to make your new drug look better.
237
548000
3000
Jadi Anda terpaksa membuat obat baru Anda terlihat lebih baik.
09:26
And so it's no surprise that overall,
238
551000
3000
Jadi itu bukan hal mengejutkan bahwa pada umumnya,
09:29
industry-funded trials
239
554000
2000
uji coba yang disponsori oleh industri
09:31
are four times more likely to give a positive result
240
556000
2000
4 kali lebih mungkin menghasilkan hasil yang bagus
09:33
than independently sponsored trials.
241
558000
3000
dibandingkan uji coba yang didanai secara terpisah.
09:36
But -- and it's a big but --
242
561000
3000
Tapi -- dan ini tapi yang besar --
09:39
(Laughter)
243
564000
2000
(Tawa)
09:41
it turns out,
244
566000
2000
kenyataannya,
09:43
when you look at the methods used by industry-funded trials,
245
568000
3000
ketika Anda melihat metode yang digunakan uji coba yang didanai industri.
09:46
that they're actually better
246
571000
2000
di mana hasilnya lebih baik
09:48
than independently sponsored trials.
247
573000
2000
daripada uji coba yang didanai secara terpisah.
09:50
And yet, they always manage to to get the result that they want.
248
575000
3000
Mereka tetap selalu mendapat hasil yang mereka inginkan.
09:53
So how does this work?
249
578000
2000
Jadi bagaimana hal ini bekerja?
09:55
How can we explain this strange phenomenon?
250
580000
3000
Bagaimana kita dapat menjelaskan fenomena aneh ini.
09:58
Well it turns out that what happens
251
583000
2000
Ternyata apa yang terjadi
10:00
is the negative data goes missing in action;
252
585000
2000
adalah data negatif hilang dalam prosesnya;
10:02
it's withheld from doctors and patients.
253
587000
2000
data itu ditahan dari dokter dan pasien.
10:04
And this is the most important aspect of the whole story.
254
589000
2000
Ini aspek paling penting dari seluruh kisah ini.
10:06
It's at the top of the pyramid of evidence.
255
591000
2000
Itu berada pada ujung atas piramida buktinya.
10:08
We need to have all of the data on a particular treatment
256
593000
3000
Kita perlu memiliki semua data dari pengobatan tertentu
10:11
to know whether or not it really is effective.
257
596000
2000
agar tahu apakah itu benar-benar efektif atau tidak.
10:13
And there are two different ways that you can spot
258
598000
2000
Ada dua cara berbeda di mana Anda dapat melihat
10:15
whether some data has gone missing in action.
259
600000
2000
apakah beberapa data telah hilang dalam prosesnya.
10:17
You can use statistics, or you can use stories.
260
602000
3000
Ada dapat menggunakan statistik atau cerita.
10:20
I personally prefer statistics, so that's what I'm going to do first.
261
605000
2000
Saya pribadi memilih statistik, jadi itu yang akan saya lakukan pertama.
10:22
This is something called funnel plot.
262
607000
2000
Ini sesuatu yang disebut plot corong.
10:24
And a funnel plot is a very clever way of spotting
263
609000
2000
Plot corong adalah cara yang sangat pintar untuk melihat
10:26
if small negative trials have disappeared, have gone missing in action.
264
611000
3000
jika uji coba negatif kecil telah hilang, dalam prosesnya.
10:29
So this is a graph of all of the trials
265
614000
2000
Jadi inilah grafik dari semua uji coba
10:31
that have been done on a particular treatment.
266
616000
2000
yang telah dilakukan terhadap pengobatan tertentu.
10:33
And as you go up towards the top of the graph,
267
618000
2000
Ketika Anda bergerak ke bagian atas grafiknya,
10:35
what you see is each dot is a trial.
268
620000
2000
apa yang Anda lihat setiap titik adalah sebuah uji coba.
10:37
And as you go up, those are the bigger trials, so they've got less error in them.
269
622000
3000
Naik ke atas, itu uji coba yang lebih besar, lebih sedikit kesalahan di dalamnya.
10:40
So they're less likely to be randomly false positives, randomly false negatives.
270
625000
3000
Jadi lebih kecil kemungkinan adanya positif palsu acak, negatif palsu acak.
10:43
So they all cluster together.
271
628000
2000
Jadi semuanya berkelompok.
10:45
The big trials are closer to the true answer.
272
630000
2000
Uji coba besar itu lebih dekat ke jawaban sebenarnya.
10:47
Then as you go further down at the bottom,
273
632000
2000
Kemudian ketika Anda bergerak turun ke bawah,
10:49
what you can see is, over on this side, the spurious false negatives,
274
634000
3000
apa yang Anda lihat, pada sisi ini, negatif palsu,
10:52
and over on this side, the spurious false positives.
275
637000
2000
dan pada sisi ini, positif palsu.
10:54
If there is publication bias,
276
639000
2000
Jika ada keberpihakan dalam publikasi,
10:56
if small negative trials have gone missing in action,
277
641000
3000
jika uji coba negatif kecil telah hilang,
10:59
you can see it on one of these graphs.
278
644000
2000
Anda dapat melihatnya dalam salah satu grafik ini.
11:01
So you can see here that the small negative trials
279
646000
2000
Jadi Anda dapat melihat di sini ada uji coba negatif kecil
11:03
that should be on the bottom left have disappeared.
280
648000
2000
yang seharusnya ada di sisi kiri bawah telah hilang.
11:05
This is a graph demonstrating the presence of publication bias
281
650000
3000
Grafik ini memperagakan adanya keberpihakan publikasi
11:08
in studies of publication bias.
282
653000
2000
dalam kajian tentang keberpihakan publikasi.
11:10
And I think that's the funniest epidemiology joke
283
655000
2000
Saya pikir itu lelucon epidemiologi terlucu
11:12
that you will ever hear.
284
657000
2000
yang Anda akan pernah dengar.
11:14
That's how you can prove it statistically,
285
659000
2000
Itulah bagaimana Anda dapat membuktikannya dengan statistik,
11:16
but what about stories?
286
661000
2000
tapi bagaimana dengan cerita?
11:18
Well they're heinous, they really are.
287
663000
2000
Itu sangat mengerikan.
11:20
This is a drug called reboxetine.
288
665000
2000
Inilah obat yang disebut reboxetine.
11:22
This is a drug that I myself have prescribed to patients.
289
667000
2000
Ini obat yang saya telah resepkan sendiri ke pasien.
11:24
And I'm a very nerdy doctor.
290
669000
2000
Saya seorang dokter yang sangat kutu buku.
11:26
I hope I try to go out of my way to try and read and understand all the literature.
291
671000
3000
Saya mencoba membaca dan mengerti semua literatur yang ada.
11:29
I read the trials on this. They were all positive. They were all well-conducted.
292
674000
3000
Saya membaca uji coba ini. Semuanya positif. Semuanya dilakukan dengan benar.
11:32
I found no flaw.
293
677000
2000
Tidak ada kesalahan yang saya temukan.
11:34
Unfortunately, it turned out,
294
679000
2000
Sialnya, kenyataannya,
11:36
that many of these trials were withheld.
295
681000
2000
banyak dari uji coba ini yang ditahan.
11:38
In fact, 76 percent
296
683000
2000
Sebenarnya, 76 persen
11:40
of all of the trials that were done on this drug
297
685000
2000
dari semua uji coba yang dilakukan pada obat ini
11:42
were withheld from doctors and patients.
298
687000
2000
ditahan dari dokter dan pasien.
11:44
Now if you think about it,
299
689000
2000
Sekarang jika Anda pikirkan ini,
11:46
if I tossed a coin a hundred times,
300
691000
2000
Jika saya melemparkan koin seratus kali,
11:48
and I'm allowed to withhold from you
301
693000
2000
dan saya diperbolehkan menahan jawabannya
11:50
the answers half the times,
302
695000
2000
setengah dari jumlah lemparan,
11:52
then I can convince you
303
697000
2000
saya dapat meyakinkan Anda
11:54
that I have a coin with two heads.
304
699000
2000
bahwa saya memiliki koin bersisi sama.
11:56
If we remove half of the data,
305
701000
2000
Jika kita membuang sebagian data,
11:58
we can never know what the true effect size of these medicines is.
306
703000
3000
kita tidak akan pernah tahu apa efek sebenarnya dari obat-obatan ini.
12:01
And this is not an isolated story.
307
706000
2000
Ini bukan cerita tersendiri.
12:03
Around half of all of the trial data on antidepressants has been withheld,
308
708000
4000
Sekitar setengah dari data uji coba terhadap antidepresan telah ditahan,
12:07
but it goes way beyond that.
309
712000
2000
tapi itu lebih dari itu.
12:09
The Nordic Cochrane Group were trying to get a hold of the data on that
310
714000
2000
Grup Nordic Cochrane mencoba mendapatkan data-data yang ditahan
12:11
to bring it all together.
311
716000
2000
untuk digabungkan.
12:13
The Cochrane Groups are an international nonprofit collaboration
312
718000
3000
Grup Cochrane adalah kerja sama nirlaba internasional
12:16
that produce systematic reviews of all of the data that has ever been shown.
313
721000
3000
yang memproduksi ulasan sistematik dari data-data yang pernah ditunjukkan.
12:19
And they need to have access to all of the trial data.
314
724000
3000
Dan mereka memerlukan akses ke semua data uji coba.
12:22
But the companies withheld that data from them,
315
727000
3000
Tapi perusahaan-perusahaan menahan data data itu dari mereka,
12:25
and so did the European Medicines Agency
316
730000
2000
dan juga Agensi Obat-obatan Eropa
12:27
for three years.
317
732000
2000
selama 3 tahun.
12:29
This is a problem that is currently lacking a solution.
318
734000
3000
Ini masalah yang kekurangan jalan keluar.
12:32
And to show how big it goes, this is a drug called Tamiflu,
319
737000
3000
Untuk menunjukkan seberapa besar hal ini, inilah obat yang disebut Tamiflu,
12:35
which governments around the world
320
740000
2000
di mana semua pemerintahan di seluruh dunia
12:37
have spent billions and billions of dollars on.
321
742000
2000
telah menghabiskan miliaran dolar untuk ini.
12:39
And they spend that money on the promise
322
744000
2000
Mereka menghabiskan uang itu pada janji
12:41
that this is a drug which will reduce the rate
323
746000
2000
di mana obat ini akan menurunkan
12:43
of complications with flu.
324
748000
2000
laju komplikasi dari flu.
12:45
We already have the data
325
750000
2000
Kita telah memiliki data
12:47
showing that it reduces the duration of your flu by a few hours.
326
752000
2000
yang menunjukkan obat ini menurunkan durasi flu Anda beberapa jam.
12:49
But I don't really care about that. Governments don't care about that.
327
754000
2000
Tapi saya tidak terlalu peduli tentang itu. Pemerintah tidak terlalu peduli tentang itu.
12:51
I'm very sorry if you have the flu, I know it's horrible,
328
756000
3000
Saya minta maaf jika Anda terkena flu, saya tahu itu tidak enak,
12:54
but we're not going to spend billions of dollars
329
759000
2000
tapi kita tidak akah menghabiskan miliaran dolar
12:56
trying to reduce the duration of your flu symptoms
330
761000
2000
untuk mencoba mengurangi durasi gejala flu
12:58
by half a day.
331
763000
2000
sebanyak setengah hari.
13:00
We prescribe these drugs, we stockpile them for emergencies
332
765000
2000
Kita memberikan obat ini, kita menumpuknya untuk kondisi darurat
13:02
on the understanding that they will reduce the number of complications,
333
767000
2000
dengan pengertian obat ini akan mengurangi jumlah komplikasi,
13:04
which means pneumonia and which means death.
334
769000
3000
yang berarti pneumonia dan berarti kematian.
13:07
The infectious diseases Cochrane Group, which are based in Italy,
335
772000
3000
Grup Chochrane untuk penyakit menular, yang bermarkas di Italia,
13:10
has been trying to get
336
775000
2000
telah mencoba mendapatkan
13:12
the full data in a usable form out of the drug companies
337
777000
3000
data lengkap dalam bentuk yang dapat digunakan dari perusahaan obat
13:15
so that they can make a full decision
338
780000
3000
sehingga mereka dapat membuat keputusan penuh
13:18
about whether this drug is effective or not,
339
783000
2000
apakah obat ini efektif atau tidak,
13:20
and they've not been able to get that information.
340
785000
3000
dan mereka belum berhasil mendapatkan informasi itu.
13:23
This is undoubtedly
341
788000
2000
Ini sudah pasti
13:25
the single biggest ethical problem
342
790000
3000
adalah masalah etika terbesar
13:28
facing medicine today.
343
793000
2000
yang dihadapi dunia pengobatan sekarang.
13:30
We cannot make decisions
344
795000
3000
Kita tidak bisa mengambil keputusan
13:33
in the absence of all of the information.
345
798000
4000
tanpa adanya informasi lengkap.
13:37
So it's a little bit difficult from there
346
802000
3000
Jadi sedikit lebih sulit dari sana
13:40
to spin in some kind of positive conclusion.
347
805000
4000
untuk dapat mengeluarkan kesimpulan yang positif.
13:44
But I would say this:
348
809000
4000
Tapi saya akan katakan ini:
13:48
I think that sunlight
349
813000
3000
Saya pikir cahaya matahari
13:51
is the best disinfectant.
350
816000
2000
adalah pembasmi kuman terbaik.
13:53
All of these things are happening in plain sight,
351
818000
3000
Semua hal ini terjadi dalam pandangan yang jelas,
13:56
and they're all protected
352
821000
2000
dan mereka semua terlindungi
13:58
by a force field of tediousness.
353
823000
3000
oleh selimut kemonotonan.
14:01
And I think, with all of the problems in science,
354
826000
2000
Dan saya pikir, dengan semua masalah yang ada pada ilmu pengetahuan,
14:03
one of the best things that we can do
355
828000
2000
salah satu hal terbaik yang bisa kita lakukan
14:05
is to lift up the lid,
356
830000
2000
adalah mengangkat tutupnya,
14:07
finger around in the mechanics and peer in.
357
832000
2000
bermain di sekitar mesinnya dan mengintip ke dalam.
14:09
Thank you very much.
358
834000
2000
Terima kasih banyak.
14:11
(Applause)
359
836000
3000
(Tepuk tangan)
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