TEDGlobal 2011
Ben Goldacre: Battling bad science
Ben Goldacre: kova su bloguoju mokslu
Filmed:
Readability: 4.3
2,713,579 views
Kasdien mus pasiekia žinios apie naujus sveikatos patarimus, bet kaip žinoti ar jie teisingi? Gydytojas ir epidemiologas Ben Goldacre greitai atskleidžia, kaip gali būti iškraipomi įrodymai, nuo akivaizdžių mitybos patarimų iki itin subtilių farmacijos pramonės triukų.
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
Esu aš gydytojas, bet nuslydau į tyrimų sritį,
00:18
and now I'm an epidemiologist.
1
3000
2000
tad dabar esu epidemiologas.
00:20
And nobody really knows what epidemiology is.
2
5000
2000
Ir niekas iš tikrųjų nežino, kas yra epidemiologija.
00:22
Epidemiology is the science of how we know in the real world
3
7000
3000
Epidemiologija yra mokslas, aiškinantis, kaip tikrajame pasaulyje žinoti,
00:25
if something is good for you or bad for you.
4
10000
2000
kas jums naudinga ir kas kenkia.
00:27
And it's best understood through example
5
12000
2000
Ir ji geriausiai suprantama, pavyzdžiui,
00:29
as the science of those crazy, wacky newspaper headlines.
6
14000
5000
kaip tų beprotiškų, trenktų laikraščių antraščių mokslas.
00:34
And these are just some of the examples.
7
19000
2000
Štai keletas pavyzdžių.
00:36
These are from the Daily Mail. Every country in the world has a newspaper like this.
8
21000
3000
Šios yra iš "Daily Mail" (britų laikraštis). Kiekviena pasaulio šalis turi po tokį laikraštį.
00:39
It has this bizarre, ongoing philosophical project
9
24000
3000
Jame vyksta toks keistas filosofinis projektas:
00:42
of dividing all the inanimate objects in the world
10
27000
2000
visi negyvi pasaulio objektai skirstomi
00:44
into the ones that either cause or prevent cancer.
11
29000
3000
į sukeliančius vėžį arba užkertančius jam kelią.
00:47
So here are some of the things they said cause cancer recently:
12
32000
2000
Štai keli dalykai, apie kuriuos pastaruoju metu sakoma, kad sukelia vėžį:
00:49
divorce, Wi-Fi, toiletries and coffee.
13
34000
2000
skyrybos, Wi-Fi, kosmetika ir kava.
00:51
Here are some of the things they say prevents cancer:
14
36000
2000
Štai keletas dalykų, anot jų, stabdančių vėžį:
00:53
crusts, red pepper, licorice and coffee.
15
38000
2000
duonos plutelė, raudonieji pipirai, saldymedis ir kava.
00:55
So already you can see there are contradictions.
16
40000
2000
Iškart matote, kad yra prieštaravimų.
00:57
Coffee both causes and prevents cancer.
17
42000
2000
Kava vėžį ir sukelia, ir saugo nuo jo.
00:59
And as you start to read on, you can see
18
44000
2000
Pradėjus straipsnį skaityti toliau, matyti,
01:01
that maybe there's some kind of political valence behind some of this.
19
46000
3000
kad galbūt už to slepiasi kokios nors politinės jėgos.
01:04
So for women, housework prevents breast cancer,
20
49000
2000
Tad moteris namų ruoša saugo nuo krūties vėžio,
01:06
but for men, shopping could make you impotent.
21
51000
3000
o vyrams apsipirkinėjimas gali sukelti impotenciją.
01:09
So we know that we need to start
22
54000
3000
Tad aišku, kad reik pradėti
01:12
unpicking the science behind this.
23
57000
3000
narplioti už šito slypintį mokslą.
01:15
And what I hope to show
24
60000
2000
Aš tikiuosi parodyti,
01:17
is that unpicking dodgy claims,
25
62000
2000
kad narplioti neaiškius teiginius,
01:19
unpicking the evidence behind dodgy claims,
26
64000
2000
išnarplioti tų neaiškių teiginių įrodymus
01:21
isn't a kind of nasty carping activity;
27
66000
3000
nėra bjaurus kabinėjimasis,
01:24
it's socially useful,
28
69000
2000
tai naudinga visuomenei,
01:26
but it's also an extremely valuable
29
71000
2000
bet taip pat ir itin vertingas
01:28
explanatory tool.
30
73000
2000
aiškinamasis įrankis.
01:30
Because real science is all about
31
75000
2000
Nes tikrame moksle visada
01:32
critically appraising the evidence for somebody else's position.
32
77000
2000
kritiškai vertinami kieno nors kito pozicijos įrodymai.
01:34
That's what happens in academic journals.
33
79000
2000
Tai vyksta akademiniuose žurnaluose.
01:36
That's what happens at academic conferences.
34
81000
2000
Tai vyksta akademinėse konferencijose.
01:38
The Q&A session after a post-op presents data
35
83000
2000
Per diskusiją, pristačius duomenis apie savo veiklą,
01:40
is often a blood bath.
36
85000
2000
dažnai kraujo upės liejas.
01:42
And nobody minds that. We actively welcome it.
37
87000
2000
Ir niekas tam neprieštarauja. Mes tai aktyviai palaikome.
01:44
It's like a consenting intellectual S&M activity.
38
89000
3000
Tai lyg pritarti intelektualiniam sadomazochistiniam užsiėmimui.
01:47
So what I'm going to show you
39
92000
2000
Taigi ką ketinu jums parodyti,
01:49
is all of the main things,
40
94000
2000
yra visi pagrindiniai dalykai,
01:51
all of the main features of my discipline --
41
96000
2000
visi pagrindiniai požymiai mano disciplinos -
01:53
evidence-based medicine.
42
98000
2000
įrodymais pagrįstos medicinos.
01:55
And I will talk you through all of these
43
100000
2000
Ir visus juos jums nupasakosiu
01:57
and demonstrate how they work,
44
102000
2000
ir pademonstruosiu, kaip jie veikia,
01:59
exclusively using examples of people getting stuff wrong.
45
104000
3000
naudodamasis vien tik pavyzdžiais, kur žmonės ką nors ne taip suprato.
02:02
So we'll start with the absolute weakest form of evidence known to man,
46
107000
3000
Tad pradėkime nuo pačios silpniausios žmogui žinomos įrodymų formos -
02:05
and that is authority.
47
110000
2000
autoriteto.
02:07
In science, we don't care how many letters you have after your name.
48
112000
3000
Moksle mums nerūpi, kiek raidžių seka po jūsų vardo.
02:10
In science, we want to know what your reasons are for believing something.
49
115000
3000
Moksle mes norime žinoti, dėl kokių priežasčių jūs kuo nors tikite.
02:13
How do you know that something is good for us
50
118000
2000
Iš kur žinote, kas mums gerai,
02:15
or bad for us?
51
120000
2000
o kas kenkia?
02:17
But we're also unimpressed by authority,
52
122000
2000
Bet mums autoritetas nedaro įspūdžio,
02:19
because it's so easy to contrive.
53
124000
2000
nes jį lengva sukurti.
02:21
This is somebody called Dr. Gillian McKeith Ph.D,
54
126000
2000
Štai asmuo vardu dr. Gillian McKeith
02:23
or, to give her full medical title, Gillian McKeith.
55
128000
3000
arba, su pilnu medicininiu titulu, Gillian McKeith.
02:26
(Laughter)
56
131000
3000
(Juokas)
02:29
Again, every country has somebody like this.
57
134000
2000
Vėlgi, kiekvienoj šaly yra panašių žmonių.
02:31
She is our TV diet guru.
58
136000
2000
Ji - mūsų TV dietų guru.
02:33
She has massive five series of prime-time television,
59
138000
3000
Ji jau galingus penkis sezonus geriausiu laiku rodomose laidose
02:36
giving out very lavish and exotic health advice.
60
141000
3000
dalina prašmatnius ir egzotiškus sveikatos patarimus.
02:39
She, it turns out, has a non-accredited correspondence course Ph.D.
61
144000
3000
Ji, pasirodo, daktaro laispnį įgijo po neakredituotų kursų paštu
02:42
from somewhere in America.
62
147000
2000
kažkur Amerikoje.
02:44
She also boasts that she's a certified professional member
63
149000
2000
Ji taip pat giriasi, kad yra sertifikuota profesionali
02:46
of the American Association of Nutritional Consultants,
64
151000
2000
Amerikos mitybos konsultantų asociacijos narė,
02:48
which sounds very glamorous and exciting.
65
153000
2000
kas skamba labai žaviai ir įdomiai.
02:50
You get a certificate and everything.
66
155000
2000
Gauni pažymėjimą ir visa kita.
02:52
This one belongs to my dead cat Hetti. She was a horrible cat.
67
157000
2000
Šis priklauso mano mirusiai katei Hetti. Ji buvo siaubinga katė.
02:54
You just go to the website, fill out the form,
68
159000
2000
Tiesiog nueinat į tinklalapį, užpildot anketą,
02:56
give them $60, and it arrives in the post.
69
161000
2000
sumokat jiems 60$, ir pažymėjimas atkeliauja paštu.
02:58
Now that's not the only reason that we think this person is an idiot.
70
163000
2000
Tai ne vienintelė priežastis, kodėl manom, kad šis asmuo - kvailys.
03:00
She also goes and says things like,
71
165000
2000
Ji taip pat pasakoja tokius dalykus kaip:
03:02
you should eat lots of dark green leaves,
72
167000
2000
reikia valgyti daug tamsiai žalių lapų,
03:04
because they contain lots of chlorophyll, and that will really oxygenate your blood.
73
169000
2000
nes juose yra labai daug chlorofilo ir jis gerai prisotins jūsų kraują deguonimi.
03:06
And anybody who's done school biology remembers
74
171000
2000
Kiekvienas mokykloje mokęsis biologijos atsimena,
03:08
that chlorophyll and chloroplasts
75
173000
2000
kad chlorofilas ir chloroplastai
03:10
only make oxygen in sunlight,
76
175000
2000
deguonį gamina tik saulės šviesoje,
03:12
and it's quite dark in your bowels after you've eaten spinach.
77
177000
3000
o užvalgius špinatų jūsų viduriuose yra gana tamsu.
03:15
Next, we need proper science, proper evidence.
78
180000
3000
Toliau, mums reikia tikro mokslo, tikrų įrodymų.
03:18
So, "Red wine can help prevent breast cancer."
79
183000
2000
Taigi "raudonasis vynas gali užkirsti kelią krūties vėžiui".
03:20
This is a headline from the Daily Telegraph in the U.K.
80
185000
2000
Tai antraštė iš Jungtinės Karalystės "Daily Telegraph".
03:22
"A glass of red wine a day could help prevent breast cancer."
81
187000
3000
"Taurė raudonojo vyno kasdien gali padėti užkirsti kelią krūties vėžiui."
03:25
So you go and find this paper, and what you find
82
190000
2000
Taigi susirandat šį straipsnį ir atrandat, kad
03:27
is it is a real piece of science.
83
192000
2000
tai yra gabalėlis tikro mokslo.
03:29
It is a description of the changes in one enzyme
84
194000
3000
Tai aprašymas, kaip keičiasi vienas fermentas,
03:32
when you drip a chemical extracted from some red grape skin
85
197000
3000
kai užlašinama cheminės medžiagos išskirtos iš raudonųjų vynuogių žievelės
03:35
onto some cancer cells
86
200000
2000
ant vėžio ląstelių
03:37
in a dish on a bench in a laboratory somewhere.
87
202000
3000
esančių kažkur lėkštelėje ant laboratorijos stalo.
03:40
And that's a really useful thing to describe
88
205000
2000
Tai tikrai naudingas aprašas
03:42
in a scientific paper,
89
207000
2000
mokslo leidinyje,
03:44
but on the question of your own personal risk
90
209000
2000
bet apie klausimą, kiek jums asmeniškai gresia
03:46
of getting breast cancer if you drink red wine,
91
211000
2000
susirgti krūties vėžiu, jei geriate raudonąjį vyną,
03:48
it tells you absolutely bugger all.
92
213000
2000
jis jums pasako visišką šnipštą.
03:50
Actually, it turns out that your risk of breast cancer
93
215000
2000
Tiesą sakant, pasirodo, kad krūties vėžio rizika
03:52
actually increases slightly
94
217000
2000
truputį padidėja
03:54
with every amount of alcohol that you drink.
95
219000
2000
su kiekvienu jūsų išgeriamu alkoholio kiekiu.
03:56
So what we want is studies in real human people.
96
221000
4000
Tad mes norime tyrimų su tikrais žmonėmis.
04:00
And here's another example.
97
225000
2000
Štai dar vienas pavyzdys.
04:02
This is from Britain's leading diet and nutritionist in the Daily Mirror,
98
227000
3000
Tai iš Britanijos pirmaujančio dietų ir mitybos žinovo "Daily Mirror",
04:05
which is our second biggest selling newspaper.
99
230000
2000
kuris yra mūsų antras perkamiausias laikraštis.
04:07
"An Australian study in 2001
100
232000
2000
"Australų tyrime 2001-aisiais
04:09
found that olive oil in combination with fruits, vegetables and pulses
101
234000
2000
atrasta, kad alyvuogių aliejus suderinatas su vaisiais, daržovėmis ir ankštiniais
04:11
offers measurable protection against skin wrinklings."
102
236000
2000
teikia išmatuojamą apsaugą nuo odos raukšlėjimosi."
04:13
And then they give you advice:
103
238000
2000
Ir tada jie jums pataria:
04:15
"If you eat olive oil and vegetables, you'll have fewer skin wrinkles."
104
240000
2000
"jei valgysite alyvuogių aliejų ir daržoves, turėsite mažiau odos raukšlių."
04:17
And they very helpfully tell you how to go and find the paper.
105
242000
2000
Ir jie labai paslaugiai paaiškina jums, kaip susirasti tą straipsnį.
04:19
So you go and find the paper, and what you find is an observational study.
106
244000
3000
Tad susiieškote tą straipsnį ir paaiškėja, kad tai yra stebimasis tyrimas.
04:22
Obviously nobody has been able
107
247000
2000
Aišku niekas negalėjo
04:24
to go back to 1930,
108
249000
2000
sugrįžti į 1930-uosius,
04:26
get all the people born in one maternity unit,
109
251000
3000
surinkti visus žmones gimusius vienuose gimdymo namuose,
04:29
and half of them eat lots of fruit and veg and olive oil,
110
254000
2000
kad pusė iš jų valgytų daug vaisių, daržovių ir alyvuogių aliejaus,
04:31
and then half of them eat McDonald's,
111
256000
2000
o kita pusė valgytų McDonalds maistą,
04:33
and then we see how many wrinkles you've got later.
112
258000
2000
ir vėliau pažiūrėti, pas ką kiek raukšlių atsiras.
04:35
You have to take a snapshot of how people are now.
113
260000
2000
Reikia padaryti nuotraukas žmonių, kad pasimatytų, kaip jie atrodo.
04:37
And what you find is, of course,
114
262000
2000
Ir, žinoma, paaiškėtų, kad
04:39
people who eat veg and olive oil have fewer skin wrinkles.
115
264000
3000
žmonės, kurie valgo daržoves ir alyvuogių aliejų turi mažiau odos raukšlių.
04:42
But that's because people who eat fruit and veg and olive oil,
116
267000
3000
Bet taip yra todėl, kad žmonės, kurie valgo vaisius, daržoves ir alyvuogių aliejų,
04:45
they're freaks, they're not normal, they're like you;
117
270000
3000
jie yra išsigimėliai, jie nenormalūs, jie tokie, kaip jūs;
04:48
they come to events like this.
118
273000
2000
jie lanko tokius renginius kaip šis.
04:50
They are posh, they're wealthy, they're less likely to have outdoor jobs,
119
275000
3000
Jie prašmatnūs, turtingi, rečiau dirba lauke,
04:53
they're less likely to do manual labor,
120
278000
2000
rečiau dirba fizinį darbą,
04:55
they have better social support, they're less likely to smoke --
121
280000
2000
gauna geresnę socialinę paramą, rečiau rūko -
04:57
so for a whole host of fascinating, interlocking
122
282000
2000
tad, dėl galybės nuostabių, persipynusių,
04:59
social, political and cultural reasons,
123
284000
2000
socialinių, politinių ir kultūrinių priežasčių,
05:01
they are less likely to have skin wrinkles.
124
286000
2000
tikimybė, kad jie turės raukšlių, yra mažesnė.
05:03
That doesn't mean that it's the vegetables or the olive oil.
125
288000
2000
Bet tai nereiškia, kad tą lemia daržovės ar alyvuogių aliejus.
05:05
(Laughter)
126
290000
2000
(Juokas)
05:07
So ideally what you want to do is a trial.
127
292000
3000
Idealiu atveju reikia atlikti tyrimą.
05:10
And everybody thinks they're very familiar with the idea of a trial.
128
295000
2000
Ir visi mano, kad yra susipažinę su tyrimo idėja.
05:12
Trials are very old. The first trial was in the Bible -- Daniel 1:12.
129
297000
3000
Tyrimai labai seni. Pirmasis tyrimas minimas Biblijoje -- Danieliaus 1:12.
05:15
It's very straightforward -- you take a bunch of people, you split them in half,
130
300000
2000
Tai labai paprasta - imat būrį žmonių, padalinat juos per pusę,
05:17
you treat one group one way, you treat the other group the other way,
131
302000
2000
su viena grupe elgiatės vienaip, su kita - kitaip,
05:19
and a little while later, you follow them up
132
304000
2000
ir truputį vėliau pasižiūrit,
05:21
and see what happened to each of them.
133
306000
2000
kas kiekvienai iš jų nutiko.
05:23
So I'm going to tell you about one trial,
134
308000
2000
Aš jums papasakosiu apie vieną bandymą,
05:25
which is probably the most well-reported trial
135
310000
2000
kuris turbūt yra geriausiai aprašytas bandymas
05:27
in the U.K. news media over the past decade.
136
312000
2000
J. K. spaudoje per paskutinį dešimtmetį.
05:29
And this is the trial of fish oil pills.
137
314000
2000
Tai žuvų taukų piliulių tyrimas.
05:31
And the claim was fish oil pills improve school performance and behavior
138
316000
2000
Buvo teigiama, kad žuvų taukų piliulės pagerina paprastų vaikų
05:33
in mainstream children.
139
318000
2000
pasiekimus mokykloje ir elgesį.
05:35
And they said, "We've done a trial.
140
320000
2000
Jie teigė: "mes atlikome tyrimą.
05:37
All the previous trials were positive, and we know this one's gonna be too."
141
322000
2000
Visi ankstesni tyrimai buvo teigiami ir mes žinome, kad ir šis toks bus."
05:39
That should always ring alarm bells.
142
324000
2000
Tai visad turėtų įjungti aliarmo varpus.
05:41
Because if you already know the answer to your trial, you shouldn't be doing one.
143
326000
3000
Nes jei jau žinote savo tyrimo atsakymą, jums tyrimo nereiktų daryti.
05:44
Either you've rigged it by design,
144
329000
2000
Arba jūs planuotai jį suklastojote,
05:46
or you've got enough data so there's no need to randomize people anymore.
145
331000
3000
arba turite pakankamai duomenų ir žmonių skirstyti atsitiktine tvarka nebereikia.
05:49
So this is what they were going to do in their trial.
146
334000
3000
Štai ką jie ketino savo tyrime daryti.
05:52
They were taking 3,000 children,
147
337000
2000
Ėme 3000 vaikų,
05:54
they were going to give them all these huge fish oil pills,
148
339000
2000
ketino duoti jiems didžiulių žuvų taukų piliulių
05:56
six of them a day,
149
341000
2000
po šešias per dieną
05:58
and then a year later, they were going to measure their school exam performance
150
343000
3000
ir tada, po metų, ketino išmatuoti jų mokyklinių egzaminų rezultatus
06:01
and compare their school exam performance
151
346000
2000
ir palyginti pasiekimus
06:03
against what they predicted their exam performance would have been
152
348000
2000
su tuo, kokie jų pasiekimai būtų buvę,
06:05
if they hadn't had the pills.
153
350000
3000
jei jie nebūtų gėrę piliulių.
06:08
Now can anybody spot a flaw in this design?
154
353000
3000
Ar kas nors gali įžiūrėti šio plano trūkumą?
06:11
And no professors of clinical trial methodology
155
356000
3000
Klinikinių tyrimų metodologijos profesoriams
06:14
are allowed to answer this question.
156
359000
2000
į šį klausimą atsakinėti negalima.
06:16
So there's no control; there's no control group.
157
361000
2000
Taigi nėra kontrolės; nėra kontrolinės grupės.
06:18
But that sounds really techie.
158
363000
2000
Bet tai skamba labai techniškai.
06:20
That's a technical term.
159
365000
2000
Tai techninis terminas.
06:22
The kids got the pills, and then their performance improved.
160
367000
2000
Vaikai gėrė piliules, ir jų pasiekimai pagerėjo.
06:24
What else could it possibly be if it wasn't the pills?
161
369000
3000
Kas gi kitas galėjo tą nulemti, jei ne piliulės?
06:27
They got older. We all develop over time.
162
372000
3000
Jie augo. Mes visi laikui bėgant vystomės.
06:30
And of course, also there's the placebo effect.
163
375000
2000
Ir, žinoma, dar yra placebo efektas.
06:32
The placebo effect is one of the most fascinating things in the whole of medicine.
164
377000
2000
Placebo efektas yra vienas žavingiausių dalykų visoje medicinoje.
06:34
It's not just about taking a pill, and your performance and your pain getting better.
165
379000
3000
Jis siejasi ne tik su tuo, kad išgėrus piliulę jūsų pasiekimai pagerėja, ir skausmas apmalšta.
06:37
It's about our beliefs and expectations.
166
382000
2000
Jis siejasi su tuo, kuo mes įsitikinę ir ko tikimės.
06:39
It's about the cultural meaning of a treatment.
167
384000
2000
Jis siejas su kultūrine gydymo samprata.
06:41
And this has been demonstrated in a whole raft of fascinating studies
168
386000
3000
Ir tai buvo pademonstruota galybėje nuostabių tyrimų,
06:44
comparing one kind of placebo against another.
169
389000
3000
lyginančių vienokius placebus su kitokiais.
06:47
So we know, for example, that two sugar pills a day
170
392000
2000
Tad mes žinome, pavyzdžiui, kad dvi cukrinės tabletės per dieną
06:49
are a more effective treatment for getting rid of gastric ulcers
171
394000
2000
efektyviau gydo skrandžio opas
06:51
than one sugar pill.
172
396000
2000
nei viena cukrinė tabletė.
06:53
Two sugar pills a day beats one sugar pill a day.
173
398000
2000
Dvi cukrinės tabletės per dieną pralenkia vieną cukrinę tabletę per dieną.
06:55
And that's an outrageous and ridiculous finding, but it's true.
174
400000
3000
Ir tai yra neįtikėtinas ir juokingas atradimas, bet tai tiesa.
06:58
We know from three different studies on three different types of pain
175
403000
2000
Mes žinome iš trijų skirtingų tyrimų nagrinėjusių tris skirtingas skausmo rūšis,
07:00
that a saltwater injection is a more effective treatment for pain
176
405000
3000
kad druskos tirpalo injekcija efektyviau malšina skausmą nei
07:03
than taking a sugar pill, taking a dummy pill that has no medicine in it --
177
408000
4000
išgerta cukrinė tabletė, išgerta netikra tabletė, kurioje nėra vaistų -
07:07
not because the injection or the pills do anything physically to the body,
178
412000
3000
ne todėl, kad injekcija ar tabletės fiziškai ką nors padaro kūnui,
07:10
but because an injection feels like a much more dramatic intervention.
179
415000
3000
bet todėl, kad injekcija sudaro dramatiškesnio įsikišimo įspūdį.
07:13
So we know that our beliefs and expectations
180
418000
2000
Tad žinome, kad mūsų įsitikinimais ir lūkesčiais
07:15
can be manipulated,
181
420000
2000
galima manipuliuoti,
07:17
which is why we do trials
182
422000
2000
būtent todėl ir atliekame tyrimus,
07:19
where we control against a placebo --
183
424000
2000
kur lyginame rezultatus su placebo efektu,
07:21
where one half of the people get the real treatment
184
426000
2000
kur pusė žmonių gauna tikrus vaistus,
07:23
and the other half get placebo.
185
428000
2000
o kita pusė gauna placebą.
07:25
But that's not enough.
186
430000
3000
Bet to negana.
07:28
What I've just shown you are examples of the very simple and straightforward ways
187
433000
3000
Aš jums ką tik parodžiau pavyzdžius labai paprastų ir aiškių būdų,
07:31
that journalists and food supplement pill peddlers
188
436000
2000
kuriais žurnalistai ir prekeiviai maisto papildų tabletėmis,
07:33
and naturopaths
189
438000
2000
ir natūropatai
07:35
can distort evidence for their own purposes.
190
440000
3000
gali iškraipyti įrodymus savo labui.
07:38
What I find really fascinating
191
443000
2000
Kas mane stulbina,
07:40
is that the pharmaceutical industry
192
445000
2000
yra tai, kad vaistų pramonė
07:42
uses exactly the same kinds of tricks and devices,
193
447000
2000
naudojasi tokiais pat triukais ir įnagiais,
07:44
but slightly more sophisticated versions of them,
194
449000
3000
tik šiek tiek rafinuotesnėmis jų versijomis,
07:47
in order to distort the evidence that they give to doctors and patients,
195
452000
3000
siekdami iškreipti įrodymus, kuriuos pateikia gydytojams ir pacientams,
07:50
and which we use to make vitally important decisions.
196
455000
3000
ir kuriais mes remiamės priimdami gyvybiškai svarbius sprendimus.
07:53
So firstly, trials against placebo:
197
458000
2000
Tad pirmiausia, tyrimai lyginant su placebu:
07:55
everybody thinks they know that a trial should be
198
460000
2000
visi mano žinantys, kad tyrimas turi būti
07:57
a comparison of your new drug against placebo.
199
462000
2000
jūsų naujojo vaisto palyginimas su placebu.
07:59
But actually in a lot of situations that's wrong.
200
464000
2000
Bet iš tikrųjų, daugeliu atveju tai netiesa.
08:01
Because often we already have a very good treatment that is currently available,
201
466000
3000
Nes dažnai jau yra prieinami labai geri vaistai,
08:04
so we don't want to know that your alternative new treatment
202
469000
2000
tad mes nenorim žinoti, kad jūsų alternatyvūs nauji vaistai
08:06
is better than nothing.
203
471000
2000
yra geriau negu nieko.
08:08
We want to know that it's better than the best currently available treatment that we have.
204
473000
3000
Mes norime žinoti, kad jie yra geresni už geriausius mūsų dabar turimus vaistus.
08:11
And yet, repeatedly, you consistently see people doing trials
205
476000
3000
Ir vis delto, pakartotinai, vis matome, kaip žmonės atlieka tyrimus
08:14
still against placebo.
206
479000
2000
vis tiek lygindami su placebu.
08:16
And you can get license to bring your drug to market
207
481000
2000
Ir galima gauti licenciją išleisti savo vaistą į rinką,
08:18
with only data showing that it's better than nothing,
208
483000
2000
teturint duomenis, rodančius, kad jis geriau negu nieko,
08:20
which is useless for a doctor like me trying to make a decision.
209
485000
3000
kas tokiam kaip aš gydytojui, bandančiam priimti sprendimą, neduoda jokios naudos.
08:23
But that's not the only way you can rig your data.
210
488000
2000
Bet tai ne vienintelis būdas klastoti duomenis.
08:25
You can also rig your data
211
490000
2000
Duomenis klastoti taip pat galima
08:27
by making the thing you compare your new drug against
212
492000
2000
lyginimui su naujaisiais vaistais pasirenkant
08:29
really rubbish.
213
494000
2000
visišką šlamštą.
08:31
You can give the competing drug in too low a dose,
214
496000
2000
Galima vaistą-varžovą skirti per maža doze,
08:33
so that people aren't properly treated.
215
498000
2000
kad žmonės nebūtų tinkamai gydomi.
08:35
You can give the competing drug in too high a dose,
216
500000
2000
Galima vaistą-varžovą skirti per didele doze,
08:37
so that people get side effects.
217
502000
2000
kad sukeltų pašalinius poveikius.
08:39
And this is exactly what happened
218
504000
2000
Būtent tai nutiko
08:41
which antipsychotic medication for schizophrenia.
219
506000
2000
su antipsichotiniais vaistais šizofrenijai gydyti.
08:43
20 years ago, a new generation of antipsychotic drugs were brought in
220
508000
3000
Prieš 20 metų buvo sukurta nauja antipsichotinių vaistų karta
08:46
and the promise was that they would have fewer side effects.
221
511000
3000
ir pažadėta, kad jie turės mažiau pašalinių poveikių.
08:49
So people set about doing trials of these new drugs
222
514000
2000
Tad imtąsi vykdyti naujųjų vaistų tyrimus
08:51
against the old drugs,
223
516000
2000
lyginant su senaisiais,
08:53
but they gave the old drugs in ridiculously high doses --
224
518000
2000
bet senuosius buvo paskirta gerti nesąmoningai didelėmis dozėmis -
08:55
20 milligrams a day of haloperidol.
225
520000
2000
20 miligramų per dieną haloperidolio.
08:57
And it's a foregone conclusion,
226
522000
2000
Išvada aiški -
08:59
if you give a drug at that high a dose,
227
524000
2000
jei vaistas skiriamas tokio didumo doze,
09:01
that it will have more side effects and that your new drug will look better.
228
526000
3000
jis turės daugiau pašalinių poveikių ir jūsų naujasis vaistas atrodys geriau.
09:04
10 years ago, history repeated itself, interestingly,
229
529000
2000
Prieš 10 metų istorija pasikartojo, ir gana įdomiai,
09:06
when risperidone, which was the first of the new-generation antipscyhotic drugs,
230
531000
3000
kai baigė galioti risperidono, kuris buvo pirmasis iš naujos kartos antipsichotinių vaistų,
09:09
came off copyright, so anybody could make copies.
231
534000
3000
patentas, ir bet kas galėjo gaminti kopijas.
09:12
Everybody wanted to show that their drug was better than risperidone,
232
537000
2000
Visi norėjo parodyti, kad jų naujasis vaistas yra geresnis už risperidoną,
09:14
so you see a bunch of trials comparing new antipsychotic drugs
233
539000
3000
tad galybėje tyrimų nauji antipsichotiniai vaistai
09:17
against risperidone at eight milligrams a day.
234
542000
2000
lyginti su risperidonu, skirtu aštuonių miligramų per dieną dozėmis.
09:19
Again, not an insane dose, not an illegal dose,
235
544000
2000
Vėlgi, ne beprotiška dozė, ne nelegali dozė,
09:21
but very much at the high end of normal.
236
546000
2000
bet kiek tik galima didesnė priimtos normalios dozės ribose.
09:23
And so you're bound to make your new drug look better.
237
548000
3000
Tad naujas vaistas garantuotai atrodo geriau.
09:26
And so it's no surprise that overall,
238
551000
3000
Ir nieko nestebina, kad, apskritai,
09:29
industry-funded trials
239
554000
2000
pramonės remiami tyrimai
09:31
are four times more likely to give a positive result
240
556000
2000
keturiskart labiau linkę pateikti teigiamą rezultatą
09:33
than independently sponsored trials.
241
558000
3000
nei nepriklausomai remiami tyrimai.
09:36
But -- and it's a big but --
242
561000
3000
Bet - ir tai didelis bet -
09:39
(Laughter)
243
564000
2000
(Juokas)
09:41
it turns out,
244
566000
2000
paaiškėja,
09:43
when you look at the methods used by industry-funded trials,
245
568000
3000
pažvelgus į metodus pramonės remiamų tyrimų,
09:46
that they're actually better
246
571000
2000
kad jie iš tikrųjų geresni
09:48
than independently sponsored trials.
247
573000
2000
nei nepriklausomai remiamų tyrimų metodai.
09:50
And yet, they always manage to to get the result that they want.
248
575000
3000
Ir vis tiek, jiems visada pavyksta pasiekti norimą rezultatą.
09:53
So how does this work?
249
578000
2000
Kaip tai veikia?
09:55
How can we explain this strange phenomenon?
250
580000
3000
Kaip paaiškinti šį keistą reiškinį?
09:58
Well it turns out that what happens
251
583000
2000
Pasirodo, darosi štai kas -
10:00
is the negative data goes missing in action;
252
585000
2000
neigiami duomenys pradingsta tyrimų metu;
10:02
it's withheld from doctors and patients.
253
587000
2000
jie nuslepiami nuo gydytojų ir pacientų.
10:04
And this is the most important aspect of the whole story.
254
589000
2000
Ir tai yra svarbiausias visos istorijos aspektas.
10:06
It's at the top of the pyramid of evidence.
255
591000
2000
Jis yra įrodymų piramidės viršūnėje.
10:08
We need to have all of the data on a particular treatment
256
593000
3000
Mums reikalingi visi duomenys apie tam tikrą gydymo būdą,
10:11
to know whether or not it really is effective.
257
596000
2000
jei norime žinoti, ar jis iš tiesų efektyvus.
10:13
And there are two different ways that you can spot
258
598000
2000
Yra du būdai, kaip pastebėti,
10:15
whether some data has gone missing in action.
259
600000
2000
ar dalis duomenų nepradingo veiksmo metu.
10:17
You can use statistics, or you can use stories.
260
602000
3000
Galite naudotis statistika arba galite naudotis istorijomis.
10:20
I personally prefer statistics, so that's what I'm going to do first.
261
605000
2000
Asmeniškai, man labiau patinka statistika, tad apie tai pirmiau.
10:22
This is something called funnel plot.
262
607000
2000
Tai vadinamasis piltuvo grafikas.
10:24
And a funnel plot is a very clever way of spotting
263
609000
2000
Piltuvo grafikas - labai gudrus būdas pastebėti,
10:26
if small negative trials have disappeared, have gone missing in action.
264
611000
3000
ar nepradingo maži neigiami tyrimai, ar nepasimetė tyrimų metu.
10:29
So this is a graph of all of the trials
265
614000
2000
Tai yra grafikas visų tyrimų,
10:31
that have been done on a particular treatment.
266
616000
2000
atliktų tam tikram vaistui.
10:33
And as you go up towards the top of the graph,
267
618000
2000
Kylant aukštyn link grafiko viršaus,
10:35
what you see is each dot is a trial.
268
620000
2000
matote, kad kiekvienas taškas yra tyrimas.
10:37
And as you go up, those are the bigger trials, so they've got less error in them.
269
622000
3000
Kuo aukščiau, tuo didesni tyrimai, todėl jų paklaida mažesnė.
10:40
So they're less likely to be randomly false positives, randomly false negatives.
270
625000
3000
Mažiau tikėtina, kad jie bus atsitiktinai neteisingai teigiami ar atsitiktinai neteisingai neigiami.
10:43
So they all cluster together.
271
628000
2000
Jie visi susispiečia kartu.
10:45
The big trials are closer to the true answer.
272
630000
2000
Didieji tyrimai yra arčiau tikrojo atsakymo.
10:47
Then as you go further down at the bottom,
273
632000
2000
Tada, leidžiantis žemiau apačioje,
10:49
what you can see is, over on this side, the spurious false negatives,
274
634000
3000
matome, šioje pusėje, apgaulingus neteisingai neigiamus rezultatus,
10:52
and over on this side, the spurious false positives.
275
637000
2000
o šioje pusėje - apgaulingus neteisingai teigiamus rezultatus.
10:54
If there is publication bias,
276
639000
2000
Jei publikacija šališka,
10:56
if small negative trials have gone missing in action,
277
641000
3000
jei maži neigiami tyrimai pradingo,
10:59
you can see it on one of these graphs.
278
644000
2000
tai matyti šiuose grafikuose.
11:01
So you can see here that the small negative trials
279
646000
2000
Tad čia matote, kad mažieji neigiami tyrimai,
11:03
that should be on the bottom left have disappeared.
280
648000
2000
turėję būti apačioje kairėje, pradingo.
11:05
This is a graph demonstrating the presence of publication bias
281
650000
3000
Šis grafikas vaizduoja publikacijų šališkumo buvimą
11:08
in studies of publication bias.
282
653000
2000
publikacijų šališkumo tyrimuose.
11:10
And I think that's the funniest epidemiology joke
283
655000
2000
Ir manau, kad tai yra linksmiausias epidemiologijos juokelis,
11:12
that you will ever hear.
284
657000
2000
kurį jums kada nors teks girdėti.
11:14
That's how you can prove it statistically,
285
659000
2000
Taip šitai galima įrodyti statistiškai,
11:16
but what about stories?
286
661000
2000
o kaip istorijos?
11:18
Well they're heinous, they really are.
287
663000
2000
Na, jos yra baisios, tikrai.
11:20
This is a drug called reboxetine.
288
665000
2000
Tai vaistas pavadinimu reboksetinas.
11:22
This is a drug that I myself have prescribed to patients.
289
667000
2000
Aš pats esu jį išrašęs pacientams.
11:24
And I'm a very nerdy doctor.
290
669000
2000
O esu labai moksliukiškas gydytojas.
11:26
I hope I try to go out of my way to try and read and understand all the literature.
291
671000
3000
Tikiuosi, visada stengiuos perskaityti ir suprasti visą literatūrą.
11:29
I read the trials on this. They were all positive. They were all well-conducted.
292
674000
3000
Skaičiau apie šio vaisto tyrimus. Jie visi buvo teigiami. Visi buvo gerai atlikti.
11:32
I found no flaw.
293
677000
2000
Neradau jokio trūkumo.
11:34
Unfortunately, it turned out,
294
679000
2000
Deja, paaiškėjo,
11:36
that many of these trials were withheld.
295
681000
2000
kad daug šių tyrimų buvo nutylėta.
11:38
In fact, 76 percent
296
683000
2000
Iš tiesų, 76 procentai
11:40
of all of the trials that were done on this drug
297
685000
2000
visų atliktų šio vaisto tyrimų
11:42
were withheld from doctors and patients.
298
687000
2000
buvo nuslėpti nuo gydytojų ir pacientų.
11:44
Now if you think about it,
299
689000
2000
Pagalvokim,
11:46
if I tossed a coin a hundred times,
300
691000
2000
jei šimtą kartų mesčiau monetą
11:48
and I'm allowed to withhold from you
301
693000
2000
ir man būtų leista nuo jūsų nuslėpti
11:50
the answers half the times,
302
695000
2000
atsakymus pusę kartų,
11:52
then I can convince you
303
697000
2000
tada galėčiau jus įtikinti,
11:54
that I have a coin with two heads.
304
699000
2000
kad moneta turi du herbus.
11:56
If we remove half of the data,
305
701000
2000
Jei pašalinama pusė duomenų,
11:58
we can never know what the true effect size of these medicines is.
306
703000
3000
mes niekad negalime sužinoti, koks tikrasis šių vaistų poveikio dydis.
12:01
And this is not an isolated story.
307
706000
2000
Ir tai ne viena atskira istorija.
12:03
Around half of all of the trial data on antidepressants has been withheld,
308
708000
4000
Maždaug pusė antidepresantų tyrimų duomenų buvo nuslėpta,
12:07
but it goes way beyond that.
309
712000
2000
bet būna ir dar sudėtingiau.
12:09
The Nordic Cochrane Group were trying to get a hold of the data on that
310
714000
2000
Šiaurės Cochrane grupė bandė surinkti duomenis apie tai
12:11
to bring it all together.
311
716000
2000
į vieną vietą.
12:13
The Cochrane Groups are an international nonprofit collaboration
312
718000
3000
Cochrane grupės yra tarptautinė pelno nesiekianti organizacija,
12:16
that produce systematic reviews of all of the data that has ever been shown.
313
721000
3000
kuri rengia sistemines visų kada nors pateiktų duomenų peržiūras.
12:19
And they need to have access to all of the trial data.
314
724000
3000
Jiems reikalinga prieiga prie visų tyrimų duomenų.
12:22
But the companies withheld that data from them,
315
727000
3000
Bet kompanijos tuos duomenis nuo jų nuslėpė,
12:25
and so did the European Medicines Agency
316
730000
2000
tą patį darė ir Europos vaistų agentūra
12:27
for three years.
317
732000
2000
trejetą metų.
12:29
This is a problem that is currently lacking a solution.
318
734000
3000
Ši problema kol kas yra neišspręsta.
12:32
And to show how big it goes, this is a drug called Tamiflu,
319
737000
3000
Kad parodyčiau kokio ji masto - štai vaistas "Tamiflu",
12:35
which governments around the world
320
740000
2000
kuriam viso pasaulio vyriausybės
12:37
have spent billions and billions of dollars on.
321
742000
2000
išleido milijardų milijardus dolerių.
12:39
And they spend that money on the promise
322
744000
2000
Ir jie už tuos pinigus pirko pažadą,
12:41
that this is a drug which will reduce the rate
323
746000
2000
kad šis vaistas sumažins
12:43
of complications with flu.
324
748000
2000
gripo komplikacijų rodiklį.
12:45
We already have the data
325
750000
2000
Mes jau turime duomenų,
12:47
showing that it reduces the duration of your flu by a few hours.
326
752000
2000
rodančių, kad jis sumažina jūsų gripo trukmę keliomis valandomis.
12:49
But I don't really care about that. Governments don't care about that.
327
754000
2000
Bet man tai iš tiesų nerūpi. Vyriausybėms tai nerūpi.
12:51
I'm very sorry if you have the flu, I know it's horrible,
328
756000
3000
Man labai gaila, jei sergate gripu. Žinau, tai siaubinga,
12:54
but we're not going to spend billions of dollars
329
759000
2000
bet neketiname išleisti milijardus dolerių,
12:56
trying to reduce the duration of your flu symptoms
330
761000
2000
bandydami sutrumpinti jūsų gripo simptomų trukmę
12:58
by half a day.
331
763000
2000
puse dienos.
13:00
We prescribe these drugs, we stockpile them for emergencies
332
765000
2000
Mes išrašome šiuos vaistus, kaupiame juos nelaimių atvejams,
13:02
on the understanding that they will reduce the number of complications,
333
767000
2000
vadovaudamiesi tuo, kad jie sumažins skaičių komplikacijų,
13:04
which means pneumonia and which means death.
334
769000
3000
tokių kaip plaučių uždegimas, mirtis.
13:07
The infectious diseases Cochrane Group, which are based in Italy,
335
772000
3000
Infekcinių ligų Cochrane grupė, kuri yra įsikūrusi Italijoje,
13:10
has been trying to get
336
775000
2000
bandė gauti
13:12
the full data in a usable form out of the drug companies
337
777000
3000
visus susistemintus duomenis iš vaistų kompanijų
13:15
so that they can make a full decision
338
780000
3000
tam, kad galėtų nuspręsti,
13:18
about whether this drug is effective or not,
339
783000
2000
ar vaistas efektyvus, ar ne.
13:20
and they've not been able to get that information.
340
785000
3000
Ir tos informacijos gauti jiems nepavyko.
13:23
This is undoubtedly
341
788000
2000
Tai, be abejo,
13:25
the single biggest ethical problem
342
790000
3000
viena didžiausių etikos problemų,
13:28
facing medicine today.
343
793000
2000
su kuriomis medicina susiduria šiandien.
13:30
We cannot make decisions
344
795000
3000
Mes negalime priimti sprendimų,
13:33
in the absence of all of the information.
345
798000
4000
stokodami visos informacijos.
13:37
So it's a little bit difficult from there
346
802000
3000
Gana sunku po viso to
13:40
to spin in some kind of positive conclusion.
347
805000
4000
įpinti kokią nors teigiamą išvadą.
13:44
But I would say this:
348
809000
4000
Bet noriu pasakyti štai ką:
13:48
I think that sunlight
349
813000
3000
manau, kad saulės šviesa
13:51
is the best disinfectant.
350
816000
2000
yra geriausia dezinfekcijos priemonė.
13:53
All of these things are happening in plain sight,
351
818000
3000
Visi šie dalykai vyksta akivaizdžiai,
13:56
and they're all protected
352
821000
2000
ir juos visus saugo
13:58
by a force field of tediousness.
353
823000
3000
varginantis jėgos laukas.
14:01
And I think, with all of the problems in science,
354
826000
2000
Aš manau, kai moksle tiek problemų,
14:03
one of the best things that we can do
355
828000
2000
geriausia, ką galime padaryti,
14:05
is to lift up the lid,
356
830000
2000
yra pakelti dangtį,
14:07
finger around in the mechanics and peer in.
357
832000
2000
apčiupinėti viską ir įdėmiai pasižvalgyti.
14:09
Thank you very much.
358
834000
2000
Labai ačiū.
14:11
(Applause)
359
836000
3000
(Plojimai)
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