TEDGlobal 2011
Ben Goldacre: Battling bad science
Ben Goldacre: Sahte bilimle mücadele etmek
Filmed:
Readability: 4.3
2,713,579 views
Her gün gazetelerde sağlıklı yaşam için yeni bir öneri görüyorsunuz, peki bunların doğru olup olmadığını nasıl anlayabilirsiniz? Doktor ve epidemiyolojist Ben Goldacre, hız bir sunumla bize bariz beslenme önerisi iddialarından ilaç endüstrisinin yaptığı aldatmacalara giden örneklerle, kanıtların nasıl saptırılabileceğini gösteriyor.
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
Ben bir doktorum, ama bir şekilde biraz mesleğimden saparak araştırmacı oldum,
00:18
and now I'm an epidemiologist.
1
3000
2000
bu nedenle artık bir epidemiyolog'um. (Hastalık sıklıklarını inceleyen bilim dalı)
00:20
And nobody really knows what epidemiology is.
2
5000
2000
Ve kimse epidemiyoloji'nin ne olduğunu tam olarak bilmiyor.
00:22
Epidemiology is the science of how we know in the real world
3
7000
3000
Epidemiyoloji, gerçek hayatta karşılaştığını şeylerin
00:25
if something is good for you or bad for you.
4
10000
2000
sizin için iyi ya da kötü olduğunu ayırdetme yoludur.
00:27
And it's best understood through example
5
12000
2000
En iyi,saçmasapan çılgın gazete manşetlerinde
00:29
as the science of those crazy, wacky newspaper headlines.
6
14000
5000
geçen ifadelerin incelenmesi ile anlaşılabilir.
00:34
And these are just some of the examples.
7
19000
2000
Bunlar örneklerden sadece birkaçı.
00:36
These are from the Daily Mail. Every country in the world has a newspaper like this.
8
21000
3000
Bu gördükleriniz Daily Mail'den. Dünyadaki her ülkede buna benzer bir gazete var.
00:39
It has this bizarre, ongoing philosophical project
9
24000
3000
Bu gazetelerin tuhaf felsefi projeleri
00:42
of dividing all the inanimate objects in the world
10
27000
2000
dünyada aklınıza gelen herhangi bir cismi veya olayı
00:44
into the ones that either cause or prevent cancer.
11
29000
3000
kansere neden olanlar veya kanserden koruyanlar olarak ikiye ayırmak.
00:47
So here are some of the things they said cause cancer recently:
12
32000
2000
Son zamanlarda kansere neden olduğunu iddia ettikleri şeylere bir bakalım:
00:49
divorce, Wi-Fi, toiletries and coffee.
13
34000
2000
boşanmak, Wi-Fi, deodorantlar ve kahve.
00:51
Here are some of the things they say prevents cancer:
14
36000
2000
Bunlar da kanseri engellediklerini söyledikleri şeyler:
00:53
crusts, red pepper, licorice and coffee.
15
38000
2000
ekmek kabuğu, kırmızı biberü meyan kökü ve kahve.
00:55
So already you can see there are contradictions.
16
40000
2000
Çelişkiyi şimdiden görebiliyorsunuz.
00:57
Coffee both causes and prevents cancer.
17
42000
2000
kahve hem kanser yapıyor hem de kanserden koruyor.
00:59
And as you start to read on, you can see
18
44000
2000
Okumaya devam ettikçe, bu iddiaların ardında
01:01
that maybe there's some kind of political valence behind some of this.
19
46000
3000
bazı politik nedenler yattığını düşünmeye bile başlayabilirsiniz.
01:04
So for women, housework prevents breast cancer,
20
49000
2000
Mesela kadınlar için, ev işi yapmak kanserden koruyucu.
01:06
but for men, shopping could make you impotent.
21
51000
3000
Erkekler ise çok alışveriş yaptıklarında iktidarsız olabiliyorlar.
01:09
So we know that we need to start
22
54000
3000
Bu nedenle, bu iddiaların arkasaındaki bilimsel dayanağı
01:12
unpicking the science behind this.
23
57000
3000
didklemeye başlamamız gerektiğini fark ediyorsunuz.
01:15
And what I hope to show
24
60000
2000
Size göstermeyi umduğum şey
01:17
is that unpicking dodgy claims,
25
62000
2000
bu kurnazca iddiaları didiklerken,
01:19
unpicking the evidence behind dodgy claims,
26
64000
2000
bu kurnaz iddiaların ardındaki bilimsel iddiları deşmek
01:21
isn't a kind of nasty carping activity;
27
66000
3000
kusur bulmak için yapılan bir aktivite değil,
01:24
it's socially useful,
28
69000
2000
topluma faydalı olduğu kadar
01:26
but it's also an extremely valuable
29
71000
2000
inanılmaz derecede değerli bir
01:28
explanatory tool.
30
73000
2000
açıklayıcı araç.
01:30
Because real science is all about
31
75000
2000
Çünkü gerçek bilim aslında
01:32
critically appraising the evidence for somebody else's position.
32
77000
2000
bir başkasını bulunduğu konuma ait kanıtları sorgulayıcı bir şekilde değerlendirmekten ibaret.
01:34
That's what happens in academic journals.
33
79000
2000
Akademik yayınlarda olan şey budur.
01:36
That's what happens at academic conferences.
34
81000
2000
Akademik konferanslarda da bu olur.
01:38
The Q&A session after a post-op presents data
35
83000
2000
Genelde veri sunumunu takiben yapılan Soru-Cevap seansı
01:40
is often a blood bath.
36
85000
2000
kan revanla biten bir savaştır.
01:42
And nobody minds that. We actively welcome it.
37
87000
2000
Ve kimsenin buna itirazı yoktur. Aslında bunu dört gözle bekleriz.
01:44
It's like a consenting intellectual S&M activity.
38
89000
3000
Bir nevi entellektüel Sado-Mazo aktivitesi yani.
01:47
So what I'm going to show you
39
92000
2000
Size burada göstereceğim şey
01:49
is all of the main things,
40
94000
2000
benim alanıma ait ana kavram,
01:51
all of the main features of my discipline --
41
96000
2000
ana kavramların başında geliyor--
01:53
evidence-based medicine.
42
98000
2000
kanıta-dayalı tıp.
01:55
And I will talk you through all of these
43
100000
2000
Size bunlardan bahsedeceğim ve
01:57
and demonstrate how they work,
44
102000
2000
bunların nasıl çalıştığını göstereceğim,
01:59
exclusively using examples of people getting stuff wrong.
45
104000
3000
bunu, insanların nasıl olup da yanlış düşündüğüne ilişkin örnekleri göstererek yapacağım.
02:02
So we'll start with the absolute weakest form of evidence known to man,
46
107000
3000
Öyleyse, işe insanoğlu'nun bildiği en zayıf kanıt türü olan bir şey ile başlayalım:
02:05
and that is authority.
47
110000
2000
Otorite.
02:07
In science, we don't care how many letters you have after your name.
48
112000
3000
Bilim dünyasında, isminizin sonunda kaç tane ünvan olduğuyla ilgilenmeyiz.
02:10
In science, we want to know what your reasons are for believing something.
49
115000
3000
Bilim dünyasında, bir şeye inanıyorsanız, inanma nedenlerinizi öğrenmek isteriz.
02:13
How do you know that something is good for us
50
118000
2000
Bir şeyin bizim için iyi ya da kötü olduğunu
02:15
or bad for us?
51
120000
2000
nasıl oluyor da bilebiliyorsunuz?
02:17
But we're also unimpressed by authority,
52
122000
2000
Aynı zamanda da otorite'den fazla etkilenmeyiz,
02:19
because it's so easy to contrive.
53
124000
2000
çünkü elde etmesi çok kolaydır.
02:21
This is somebody called Dr. Gillian McKeith Ph.D,
54
126000
2000
Bu gördüğünüz Dr. Gillian McKetih, Ph.D.
02:23
or, to give her full medical title, Gillian McKeith.
55
128000
3000
Ya da eksiksiz tıbbi ünvanı ile Gillian McKeith.
02:26
(Laughter)
56
131000
3000
(Gülüşmeler)
02:29
Again, every country has somebody like this.
57
134000
2000
Tekrar ediyorum, her ülkede buna benzer bir vardır mutlaka.
02:31
She is our TV diet guru.
58
136000
2000
Bu bizim TV diyet uzmanımız.
02:33
She has massive five series of prime-time television,
59
138000
3000
Ana yayın kuşağında yayınlanan beş tane programı var.
02:36
giving out very lavish and exotic health advice.
60
141000
3000
her birinde bol miktarda egzotik sağlık önerilerinde bulunuyor.
02:39
She, it turns out, has a non-accredited correspondence course Ph.D.
61
144000
3000
Öğrendik ki, sahip olduğu Ph.D. Amerika'da resmen tanınmayan
02:42
from somewhere in America.
62
147000
2000
yeterliliği kabul edilmeyen bir tür iletişim dalına ait.
02:44
She also boasts that she's a certified professional member
63
149000
2000
Aynı zamanda Amerika Diyet Uzmanları Derneği'nin
02:46
of the American Association of Nutritional Consultants,
64
151000
2000
saygın, kayıtlı bir üyesi olduğuyla övünüyor,
02:48
which sounds very glamorous and exciting.
65
153000
2000
gerçekten de kulağa çok şafşatalı ve heyecan verici geliyor değil mi?
02:50
You get a certificate and everything.
66
155000
2000
Sertifikası filan bile var.
02:52
This one belongs to my dead cat Hetti. She was a horrible cat.
67
157000
2000
Bu sertifika da benim ölen kedim Hetti'ye ait bir sertifika. Gerçekten korkunç bir kediydi.
02:54
You just go to the website, fill out the form,
68
159000
2000
Web sitelerine girip bir form dolduruyor ve
02:56
give them $60, and it arrives in the post.
69
161000
2000
60 dolar yatırıyorsunuz, sertifikayı adresinize gönderiyorlar.
02:58
Now that's not the only reason that we think this person is an idiot.
70
163000
2000
Bu kişinin salağın biri olduğuna inanmamızın tek nedeni bunlar değil elbette.
03:00
She also goes and says things like,
71
165000
2000
Şöyle şeyler de söylüyor,
03:02
you should eat lots of dark green leaves,
72
167000
2000
bol bol yeşil yapraklı sebzeler yemelisiniz,
03:04
because they contain lots of chlorophyll, and that will really oxygenate your blood.
73
169000
2000
çünkü bu yarpraklarda klorofil var, ve bunları yediğinizde klorofiller kanınıza oksijen geçmesini sağlıyor.
03:06
And anybody who's done school biology remembers
74
171000
2000
Okulda biyoloji alan herkes anımsayacaktır ki,
03:08
that chlorophyll and chloroplasts
75
173000
2000
kolorofil ve kloroplastlar
03:10
only make oxygen in sunlight,
76
175000
2000
sadece güneş ışığı altında oksijen üretirler,
03:12
and it's quite dark in your bowels after you've eaten spinach.
77
177000
3000
ve ıspanakların geçtiği barsaklarınızın içi oldukça karanlıktır.
03:15
Next, we need proper science, proper evidence.
78
180000
3000
Sonraki şu, ihtiyacımız olan şey düzgün bilim, düzgün kanıt.
03:18
So, "Red wine can help prevent breast cancer."
79
183000
2000
"Kırmızı şarap meme kanserini önlüyor."
03:20
This is a headline from the Daily Telegraph in the U.K.
80
185000
2000
Bu İngiltere'de yayınlanan Daily Telegraph gazetesinden bir manşet.
03:22
"A glass of red wine a day could help prevent breast cancer."
81
187000
3000
"Günde bir bardak kırmızı şarap meme kanserini önleyebilir."
03:25
So you go and find this paper, and what you find
82
190000
2000
Gidip bu çalışmanın yayınlandığı bilimsel makaleyi bulduğunuzda
03:27
is it is a real piece of science.
83
192000
2000
gerçek bilime ulaşıyorsunuz.
03:29
It is a description of the changes in one enzyme
84
194000
3000
Makalede, kırmızı üzüm kabuğundan elde edilen
03:32
when you drip a chemical extracted from some red grape skin
85
197000
3000
kimyasal bir maddenin, üzerlerine damlatıldığında bazı kanser hücrelerinde
03:35
onto some cancer cells
86
200000
2000
yaptığı değişiklikten bahsediliyor,
03:37
in a dish on a bench in a laboratory somewhere.
87
202000
3000
bir yerlerde bir laboratuvarda, bir tezgahın üzerindeki test tübünde bu olmuş.
03:40
And that's a really useful thing to describe
88
205000
2000
Ve bu olay, gerçekten de bilimsel bir makalede işlenmeli,
03:42
in a scientific paper,
89
207000
2000
bu çok önemli,
03:44
but on the question of your own personal risk
90
209000
2000
ama kırmızı şarap içerseniz meme kanserine
03:46
of getting breast cancer if you drink red wine,
91
211000
2000
yakalanma riskinizin azalıp azalmadığını soracak olursanız
03:48
it tells you absolutely bugger all.
92
213000
2000
bu bir palavradan ibaret.
03:50
Actually, it turns out that your risk of breast cancer
93
215000
2000
Aslına bakacak olursanız, meme kanseri olma riskiniz
03:52
actually increases slightly
94
217000
2000
içtiğiniz her alkollü içecek ile
03:54
with every amount of alcohol that you drink.
95
219000
2000
az da olsa artıyor.
03:56
So what we want is studies in real human people.
96
221000
4000
Bu nedenle bizim istediğimiz insanlar üzerinde yapılan çalışmaları görmek.
04:00
And here's another example.
97
225000
2000
Bakın bir başka örnek.
04:02
This is from Britain's leading diet and nutritionist in the Daily Mirror,
98
227000
3000
Bu, İngiltere'nin önde gelen beslenme ve diyet uzmanından,
04:05
which is our second biggest selling newspaper.
99
230000
2000
Daily Mirror Gazetesinde yazıyor, tirajı en yüksek gazetemiz.
04:07
"An Australian study in 2001
100
232000
2000
"2011 yılında Avusturalya'da yapılan bir çalışmada
04:09
found that olive oil in combination with fruits, vegetables and pulses
101
234000
2000
sebze, meyve ve baklagillerle birlikte alınan zeytinyağı'nın
04:11
offers measurable protection against skin wrinklings."
102
236000
2000
cilt kırışıklarını kayda değer miktarda azalttığı bulundu."
04:13
And then they give you advice:
103
238000
2000
ve hemen bir öneride bulunuyor:
04:15
"If you eat olive oil and vegetables, you'll have fewer skin wrinkles."
104
240000
2000
"Eğer sebzelerin yanında zeytinyağı yerseniz, cildinizde daha az kırışık olacaktır."
04:17
And they very helpfully tell you how to go and find the paper.
105
242000
2000
Gazete makalesinde, sizin gidip orjinal akademik yazıyı bulmanıza da yardım ediyorlar.
04:19
So you go and find the paper, and what you find is an observational study.
106
244000
3000
Gidip akademik makaleyi okuyorsunuz, ve bunun bir gözlemsel çalışma olduğunu görüyorsunuz.
04:22
Obviously nobody has been able
107
247000
2000
Elbette kimse 1930 yılına
04:24
to go back to 1930,
108
249000
2000
geri gidip,
04:26
get all the people born in one maternity unit,
109
251000
3000
bir kadın doğum koğuşunda yeni doğan tüm bebekleri alıp,
04:29
and half of them eat lots of fruit and veg and olive oil,
110
254000
2000
bunların yarısına bol bol sebze, meyve ve zeytinyağı yedirip
04:31
and then half of them eat McDonald's,
111
256000
2000
diğer yarısını mcDonalds ile besleyip,
04:33
and then we see how many wrinkles you've got later.
112
258000
2000
iletirde kaç kırışıkları olduğunu saymıyor.
04:35
You have to take a snapshot of how people are now.
113
260000
2000
İnsanların ancak şu anda nasıl göründüklerine bakabiliyoruz.
04:37
And what you find is, of course,
114
262000
2000
Ve bulduğunuz şey de şu,
04:39
people who eat veg and olive oil have fewer skin wrinkles.
115
264000
3000
sebze ve zeytinyağı yiyen insanlarda daha az kırışıklık var.
04:42
But that's because people who eat fruit and veg and olive oil,
116
267000
3000
Çünkü meyve, sebze ve zeytinyağı yiyen insanlar normal değiller,
04:45
they're freaks, they're not normal, they're like you;
117
270000
3000
onlar acaip insanlar, sizin gibiler, normal değiller;
04:48
they come to events like this.
118
273000
2000
bunun gibi etkinliklere geliyorlar.
04:50
They are posh, they're wealthy, they're less likely to have outdoor jobs,
119
275000
3000
Kibarlar, zenginler, genelde açık havada çalışmayı gerektiren işler yapmıyorlar,
04:53
they're less likely to do manual labor,
120
278000
2000
bedensel işlerde çalışmıyorlar,
04:55
they have better social support, they're less likely to smoke --
121
280000
2000
daha çok sosyal desteğe sahipler, daha az sigara içiyorlar--
04:57
so for a whole host of fascinating, interlocking
122
282000
2000
bu nedenle bir grup içiçe girmiş
04:59
social, political and cultural reasons,
123
284000
2000
sosyal, politik, kültürel nedenden ötürü
05:01
they are less likely to have skin wrinkles.
124
286000
2000
ciltleri daha az kırışıyor.
05:03
That doesn't mean that it's the vegetables or the olive oil.
125
288000
2000
Bu, kırışıkları azaltan şeyin sebze ve zeytinyağı olduğu anlamına gelmiyor.
05:05
(Laughter)
126
290000
2000
(Gülüşmeler)
05:07
So ideally what you want to do is a trial.
127
292000
3000
İdeal olarak yapmak istediğiniz şey bir deney olmalı.
05:10
And everybody thinks they're very familiar with the idea of a trial.
128
295000
2000
Herkes deney kavramını çok iyi anladığını zanneder.
05:12
Trials are very old. The first trial was in the Bible -- Daniel 1:12.
129
297000
3000
Deneyler çok eskiden beri mevcutlar. İncil'de Daniel 1:12'de ilk deney anlatılıyor.
05:15
It's very straightforward -- you take a bunch of people, you split them in half,
130
300000
2000
Son derece basit aslında -- bir grup denek alır ve ikiye ayırırsınız,
05:17
you treat one group one way, you treat the other group the other way,
131
302000
2000
birinci gruba bir şey uygular, ikinci gruba bir başka şey uygularsınız,
05:19
and a little while later, you follow them up
132
304000
2000
aradan bir zaman geçtikten sonra, grupları gözler
05:21
and see what happened to each of them.
133
306000
2000
ve her birine neler olduğunu izlersiniz.
05:23
So I'm going to tell you about one trial,
134
308000
2000
Size anlatacağım deney,
05:25
which is probably the most well-reported trial
135
310000
2000
muhtemelen son on yıldır İngiliz medyasında
05:27
in the U.K. news media over the past decade.
136
312000
2000
en çok yazılan deney.
05:29
And this is the trial of fish oil pills.
137
314000
2000
Bu deney balık yağı hapları ile ilgili.
05:31
And the claim was fish oil pills improve school performance and behavior
138
316000
2000
Deneyi yapanların iddiası balık yağı tableti içen çocuklarının okuldaki performanslarının
05:33
in mainstream children.
139
318000
2000
içmeyenlere göre daha iyi olduğunu idi.
05:35
And they said, "We've done a trial.
140
320000
2000
Dediler ki: "Biz bir deney yaptık.
05:37
All the previous trials were positive, and we know this one's gonna be too."
141
322000
2000
Bundan önce yapılan tüm dneeylerin sonucu olumlu idi, bu nedenle bunun da öyle olacağını biliyoruz."
05:39
That should always ring alarm bells.
142
324000
2000
Bu tip iddialar her zaman sizde alarm zilleri çaldırmalı.
05:41
Because if you already know the answer to your trial, you shouldn't be doing one.
143
326000
3000
Yapacağınız deneyin sonucunu zaten biliyorsanız, zaten o deneyi yapmanıza gerek yoktur.
05:44
Either you've rigged it by design,
144
329000
2000
Ya deneyin kurgusunu kurcalamışsınızdır,
05:46
or you've got enough data so there's no need to randomize people anymore.
145
331000
3000
ya da elinizde zaten yeterince veri vardır, bu nedenle denekleri rastgele örneklemenize gerek yoktur.
05:49
So this is what they were going to do in their trial.
146
334000
3000
Bu deneyde de yaptıkları buydu.
05:52
They were taking 3,000 children,
147
337000
2000
3,000 çocuk aldılar,
05:54
they were going to give them all these huge fish oil pills,
148
339000
2000
bu çocuklara günde altı tane kocaman balık yağı tableti
05:56
six of them a day,
149
341000
2000
yutturdular,
05:58
and then a year later, they were going to measure their school exam performance
150
343000
3000
ve bir yıl sonra bu çocukların sınavlardaki başarıları ölçümleyip
06:01
and compare their school exam performance
151
346000
2000
sonuçları, çocuklar balık yağı içmeseydi
06:03
against what they predicted their exam performance would have been
152
348000
2000
varabilecekleri tahmini başarı seviyesi ile
06:05
if they hadn't had the pills.
153
350000
3000
karşılaştırdırlar.
06:08
Now can anybody spot a flaw in this design?
154
353000
3000
Bu deneyin kurgusundaki hatayı görebiliyor musunuz?
06:11
And no professors of clinical trial methodology
155
356000
3000
Bu soruyu klinik deney metodoloji
06:14
are allowed to answer this question.
156
359000
2000
alanında çalışan profesörlerin yanıtlamamasını rica ediyorum.
06:16
So there's no control; there's no control group.
157
361000
2000
Kontrol yok, deneyde kontrol grubu yok.
06:18
But that sounds really techie.
158
363000
2000
Kulağa çok teknik geliyor değil mi?
06:20
That's a technical term.
159
365000
2000
Bu teknik bir terim.
06:22
The kids got the pills, and then their performance improved.
160
367000
2000
Çocuklar hapları içti, başarıları arttı.
06:24
What else could it possibly be if it wasn't the pills?
161
369000
3000
Başarılarının artış nedeni haplar değilse ne olabilir?
06:27
They got older. We all develop over time.
162
372000
3000
Yaşları büyüdü. Hepimiz zamanla olgunlaşır ve gelişiriz.
06:30
And of course, also there's the placebo effect.
163
375000
2000
Elbette bir de plasebo etkisi var.
06:32
The placebo effect is one of the most fascinating things in the whole of medicine.
164
377000
2000
Plasebo etkisi tıptaki en hayret verici şeylerden biridir.
06:34
It's not just about taking a pill, and your performance and your pain getting better.
165
379000
3000
Bu sadece bir hap almak ve ardından performansınızın artması ya da ağrınızın geçmesi ile açıklanamaz.
06:37
It's about our beliefs and expectations.
166
382000
2000
Plasebo, inanç ve beklentilerimizle ilintili bir şeydir.
06:39
It's about the cultural meaning of a treatment.
167
384000
2000
Tedavi fiilinin kültürel anlamı ile ilintilidir.
06:41
And this has been demonstrated in a whole raft of fascinating studies
168
386000
3000
Bir grup inanılmaz çalışma ile bu durum ispat edildi,
06:44
comparing one kind of placebo against another.
169
389000
3000
plasebo türleri birbirleri ile karşılaştırıldı.
06:47
So we know, for example, that two sugar pills a day
170
392000
2000
Şimdi şunu biliyoruz ki, mide ülserinizi tedavi etmek için
06:49
are a more effective treatment for getting rid of gastric ulcers
171
394000
2000
günde iki şeker hapı alırsanız, iki hap
06:51
than one sugar pill.
172
396000
2000
tek bir şeker hapından daha etkili olacaktır.
06:53
Two sugar pills a day beats one sugar pill a day.
173
398000
2000
Günde iki şeker tableti içmek, bir tabletten daha etkilidir.
06:55
And that's an outrageous and ridiculous finding, but it's true.
174
400000
3000
Bu çok acaip ve bir o kadar da komik bir bulgu, ama doğru.
06:58
We know from three different studies on three different types of pain
175
403000
2000
Üç farklı ağrı türü ile yapılan üç ayrı çalışma sayesinde çunu biliyoruz ki
07:00
that a saltwater injection is a more effective treatment for pain
176
405000
3000
tuzlu su içeren bir enjeksiyon, ağrının giderilmesinde
07:03
than taking a sugar pill, taking a dummy pill that has no medicine in it --
177
408000
4000
şeker tabletine -- içinde ilaç olmayan sahte bir tablete- göre çok daha etkilidir.
07:07
not because the injection or the pills do anything physically to the body,
178
412000
3000
Bunun nedeni enjeksiyonun ya da tabletlerin vücutta bir şeyleri değiştirmesinden kaynaklanmıyor,
07:10
but because an injection feels like a much more dramatic intervention.
179
415000
3000
enjeksiyonun çok daha dramatik bir müdahale olması ile ilgili.
07:13
So we know that our beliefs and expectations
180
418000
2000
Bu nedenle şunu artık biliyoruz ki, inanç ve beklentilerimiz
07:15
can be manipulated,
181
420000
2000
manipule edilebilir.
07:17
which is why we do trials
182
422000
2000
Bu nedenle deneysel çalışmalarda
07:19
where we control against a placebo --
183
424000
2000
plasebo uygulanan bir kontrol grubu kullanırız --
07:21
where one half of the people get the real treatment
184
426000
2000
deneye katılan insanların yarısına gerçek tedavi uygulanır,
07:23
and the other half get placebo.
185
428000
2000
diğer yarısına ise placebo.
07:25
But that's not enough.
186
430000
3000
Ama hepsi bununla kalmıyor elbet.
07:28
What I've just shown you are examples of the very simple and straightforward ways
187
433000
3000
Size şimdiye kadar gösterdiğim örnekler gazetecilerin,
07:31
that journalists and food supplement pill peddlers
188
436000
2000
besin destekleyici ürün satan tüccarların ve
07:33
and naturopaths
189
438000
2000
natuopatların (dogal ürün sağaltıcıları)
07:35
can distort evidence for their own purposes.
190
440000
3000
kendi çıkarları için kanıtları çarpıttığı örnekler.
07:38
What I find really fascinating
191
443000
2000
Benim esas çok inanılmaz bulduğum şey ise
07:40
is that the pharmaceutical industry
192
445000
2000
ilaç endüstrisinin de hemen hemen
07:42
uses exactly the same kinds of tricks and devices,
193
447000
2000
aynı yöntem ve numaraları kullanması,
07:44
but slightly more sophisticated versions of them,
194
449000
3000
ama bunu biraz daha sofistike bir şekilde yapıyorlar,
07:47
in order to distort the evidence that they give to doctors and patients,
195
452000
3000
doktor ve hastalara verdikleri bilgileri çarpıtıyorlar, ki bizler
07:50
and which we use to make vitally important decisions.
196
455000
3000
bu bilgiler ışığında hayatsal önemi olan kararlar alıyoruz.
07:53
So firstly, trials against placebo:
197
458000
2000
En başta, plasebo ile karşılaştırmalı yapılan deneyler var:
07:55
everybody thinks they know that a trial should be
198
460000
2000
herkes, yeni bir ilaç çıktığında etkinlik denemesinin
07:57
a comparison of your new drug against placebo.
199
462000
2000
plasbo ile karşılaştırılması gerektiğini düşünüyor.
07:59
But actually in a lot of situations that's wrong.
200
464000
2000
Oysa pek çok durumda bu yanlış.
08:01
Because often we already have a very good treatment that is currently available,
201
466000
3000
Çoğu zaman deneyde araştırılan hastalık için elimizde iyi işleyen bir tedavi yöntemi oluyor,
08:04
so we don't want to know that your alternative new treatment
202
469000
2000
bu nedenle denenen alternatif yeni tedavinin hiç yoktan iyi olması
08:06
is better than nothing.
203
471000
2000
bizim için yeterli değil.
08:08
We want to know that it's better than the best currently available treatment that we have.
204
473000
3000
Biz bu yeni ilacın, zaten o anda mevcut olan tedaviden daha iyi olup olmadığını bilmek istiyoruz.
08:11
And yet, repeatedly, you consistently see people doing trials
205
476000
3000
Ama buna ramen, hala insanların plasebo ile karşılaştırmalı
08:14
still against placebo.
206
479000
2000
deneyler yaptığını görüyorsunuz.
08:16
And you can get license to bring your drug to market
207
481000
2000
Ve şu anda, ilacınızın hiç yoktan daha iyi olduğunu kanıtlayan bir veri
08:18
with only data showing that it's better than nothing,
208
483000
2000
sunduğunuz anda, ilacınızı pazarlamak için lisans alabilirsiniz,
08:20
which is useless for a doctor like me trying to make a decision.
209
485000
3000
ki bu bilgi benim gibi bir doktor için epey lüzumsuz.
08:23
But that's not the only way you can rig your data.
210
488000
2000
Verilerinizi tahrip edebileceğiniztek yol bu değil.
08:25
You can also rig your data
211
490000
2000
Verilerinizi , yeni ilacınızı
08:27
by making the thing you compare your new drug against
212
492000
2000
gerçekten değersiz bir şeyle de karşılaştırarak
08:29
really rubbish.
213
494000
2000
saptırabilirsiniz.
08:31
You can give the competing drug in too low a dose,
214
496000
2000
Rakip ilacı çok düşük dozda verirsiniz,
08:33
so that people aren't properly treated.
215
498000
2000
öyle ki bu ilacı alan insanlar tam tedavi olmazlar.
08:35
You can give the competing drug in too high a dose,
216
500000
2000
Ya da rakip ilacı çok yüksek dozda verirsiniz,
08:37
so that people get side effects.
217
502000
2000
böylece kullanan kişilerde yan etkileri görülmeye başlar.
08:39
And this is exactly what happened
218
504000
2000
Şizofreni tedavisinde kullanılan bir
08:41
which antipsychotic medication for schizophrenia.
219
506000
2000
anti-psikotik ilacın denemeleri sırasında da bu oldu.
08:43
20 years ago, a new generation of antipsychotic drugs were brought in
220
508000
3000
20 yıl önce, daha az yan etkileri olacağı iddiası ile
08:46
and the promise was that they would have fewer side effects.
221
511000
3000
yeni bir nesil anti-psikotik ilaç piyasaya sürüldü.
08:49
So people set about doing trials of these new drugs
222
514000
2000
Ve insanlar bu yeni ilaçlarla eskilerinin etkinliğini
08:51
against the old drugs,
223
516000
2000
karşılaştıran deneyler yaptılar,
08:53
but they gave the old drugs in ridiculously high doses --
224
518000
2000
ama deneylerde eski ilaçları inanılmaz yüksek dozlarda verdiler --
08:55
20 milligrams a day of haloperidol.
225
520000
2000
günde 20 miligram haloperidol mesela.
08:57
And it's a foregone conclusion,
226
522000
2000
Elbette bunun kaçınılmaz sonucu şu,
08:59
if you give a drug at that high a dose,
227
524000
2000
bir ilacı bu kadar yüksek dozda uygulayacak olursanız,
09:01
that it will have more side effects and that your new drug will look better.
228
526000
3000
yan etkileri çok olacaktır, böylece yeni ilacınız daha iyi görünecektir.
09:04
10 years ago, history repeated itself, interestingly,
229
529000
2000
10 yıl önce, ilgin bir şekilde tarih kendini tekrarladı,
09:06
when risperidone, which was the first of the new-generation antipscyhotic drugs,
230
531000
3000
yeni nesil anti-psikotik ilaçların ilklerinden biri olan risperdion üzerindeki telif hakkı kalktı,
09:09
came off copyright, so anybody could make copies.
231
534000
3000
böylece her firma bu ilaçtan üretebilir hale geldi.
09:12
Everybody wanted to show that their drug was better than risperidone,
232
537000
2000
herkes ilaçlarının risperidon'dan daha etkin olmasını istiyordu,
09:14
so you see a bunch of trials comparing new antipsychotic drugs
233
539000
3000
ortaya bir sürü yeni anti-psikotik ilaç deneyi çıktı,
09:17
against risperidone at eight milligrams a day.
234
542000
2000
hepsi günde 8 miligram risperidon'a karşı yapılan deneyler.
09:19
Again, not an insane dose, not an illegal dose,
235
544000
2000
tekrar söylüyorum, çılgınca ya da yasal olmayan bir doz değil,
09:21
but very much at the high end of normal.
236
546000
2000
ama normalin üst sınırında bir doz.
09:23
And so you're bound to make your new drug look better.
237
548000
3000
Böyle yaparsanız, yeni ilacın daha iyi görülmesi kaçınılmaz olacaktır.
09:26
And so it's no surprise that overall,
238
551000
3000
Bu nedenle, endüstri tarafından
09:29
industry-funded trials
239
554000
2000
masrafları karşılanan ilaç deneylerinin
09:31
are four times more likely to give a positive result
240
556000
2000
olumlu sonuç verme ihtimali bağımsız ilaç deneylerinden
09:33
than independently sponsored trials.
241
558000
3000
dört kez daha fazladır.
09:36
But -- and it's a big but --
242
561000
3000
Ama- ve bu büyük bir ama-
09:39
(Laughter)
243
564000
2000
(Gülüşmeler)
09:41
it turns out,
244
566000
2000
eğer bakacak olursanız
09:43
when you look at the methods used by industry-funded trials,
245
568000
3000
endüstri tarafından masrafları karşılanan deneylerde uygulanan metodlara bakacak olursanız
09:46
that they're actually better
246
571000
2000
onların bağımsız deneylerden
09:48
than independently sponsored trials.
247
573000
2000
daha iyi olduğunu görürsünüz.
09:50
And yet, they always manage to to get the result that they want.
248
575000
3000
Ama buna rağmen her zaman istedikleri sonuçları elde ederler.
09:53
So how does this work?
249
578000
2000
Peki bu nasıl oluyor?
09:55
How can we explain this strange phenomenon?
250
580000
3000
Bu tuhaf durumu nasıl açıklayabiliriz?
09:58
Well it turns out that what happens
251
583000
2000
Olan şu ki, beklenen sonuçları vermeyen çalışmalar,
10:00
is the negative data goes missing in action;
252
585000
2000
hareket ederken ortadan kayboluyor;
10:02
it's withheld from doctors and patients.
253
587000
2000
doktor ve hastalar bunları hiç görmüyorlar.
10:04
And this is the most important aspect of the whole story.
254
589000
2000
Bu konu ile ilgili en önemli şey bu.
10:06
It's at the top of the pyramid of evidence.
255
591000
2000
Kanıt piramidinin en tepesindeki verileri bunlar.
10:08
We need to have all of the data on a particular treatment
256
593000
3000
Bir tedavinin işe yarayıp yaramadığını anlamak için
10:11
to know whether or not it really is effective.
257
596000
2000
o tedaviye ait verilerin tümüne sahip olmalıyız.
10:13
And there are two different ways that you can spot
258
598000
2000
Bazı verilerin zaman içinde ortadan yok olduğunu
10:15
whether some data has gone missing in action.
259
600000
2000
anlamanın iki you vardır.
10:17
You can use statistics, or you can use stories.
260
602000
3000
İstatistikleri kullanabilirsiniz, ya da hikayaleri kullanabilirsiniz.
10:20
I personally prefer statistics, so that's what I'm going to do first.
261
605000
2000
Şahsen ben istatistikleri kullanmayı tercih ederim, bu nedenle s.ze önce bunu göstereceğim.
10:22
This is something called funnel plot.
262
607000
2000
Bu gördüğünüz bir huni grafiği.
10:24
And a funnel plot is a very clever way of spotting
263
609000
2000
Huni grafiği, ortadan kaybolan ufak negatif deneyleri
10:26
if small negative trials have disappeared, have gone missing in action.
264
611000
3000
saptamak için çok iyi bir yöntemdir.
10:29
So this is a graph of all of the trials
265
614000
2000
Bu, bir tedavi yöntemi için yapılan tüm çalışmaların
10:31
that have been done on a particular treatment.
266
616000
2000
işaretlendiği bir grafik.
10:33
And as you go up towards the top of the graph,
267
618000
2000
Grafiğin üstüne doğru çıktıkça,
10:35
what you see is each dot is a trial.
268
620000
2000
burada gördüğünüz her bir noktacık bir deney,
10:37
And as you go up, those are the bigger trials, so they've got less error in them.
269
622000
3000
yukarı doğu çıktıkça gördüklerininiz daha büyük deneyler, bu nedenle hata payları daha az.
10:40
So they're less likely to be randomly false positives, randomly false negatives.
270
625000
3000
Bu nedenle buralarda rastgele yalancı pozitif ya da rastgele yalancı negatif olma ihtimali düşük.
10:43
So they all cluster together.
271
628000
2000
Genelde böyle kümelenirler.
10:45
The big trials are closer to the true answer.
272
630000
2000
Büyük (kalabalık) deneylerin sonucu gerçeğe daha yakındır.
10:47
Then as you go further down at the bottom,
273
632000
2000
Aşağıya indikçe, burada görebilirsiniz,
10:49
what you can see is, over on this side, the spurious false negatives,
274
634000
3000
bu tarafta, hatalı yalancı negatifler mevcut,
10:52
and over on this side, the spurious false positives.
275
637000
2000
bu tarafa ise hatalı yalancı pozitifler.
10:54
If there is publication bias,
276
639000
2000
Eğer sonuçlar yayınlanırken taraf tutulursa
10:56
if small negative trials have gone missing in action,
277
641000
3000
küçük negatif deneyler oradan kayboluyor,
10:59
you can see it on one of these graphs.
278
644000
2000
bakın bu grafikte kaybolduklarını görebilirsiniz.
11:01
So you can see here that the small negative trials
279
646000
2000
Böylece grafiğin alt tarafında kalan küçük negatif deney sonuçlarının
11:03
that should be on the bottom left have disappeared.
280
648000
2000
ortadan kaybolduğunu görebilirsiniz.
11:05
This is a graph demonstrating the presence of publication bias
281
650000
3000
Bu grafik, yanlı yayın konusu üzerine yapılan yayınlardaki
11:08
in studies of publication bias.
282
653000
2000
yanlı yayınların varlığını gösteriyor.
11:10
And I think that's the funniest epidemiology joke
283
655000
2000
bence bu gelmiş geçmiş en komik
11:12
that you will ever hear.
284
657000
2000
epidemiyoloji şakası.
11:14
That's how you can prove it statistically,
285
659000
2000
İşte bu durumu istatistiksel olarak böyle gösterebilirsiniz,
11:16
but what about stories?
286
661000
2000
şimdi hikayelere gelelim.
11:18
Well they're heinous, they really are.
287
663000
2000
BUnlar gerçekten mide bulandırıcı, gerçekten öyleler.
11:20
This is a drug called reboxetine.
288
665000
2000
Bu reboksetin isimli bir ilaç.
11:22
This is a drug that I myself have prescribed to patients.
289
667000
2000
ben de zaman zaman hastalarıma reçete etmiştim.
11:24
And I'm a very nerdy doctor.
290
669000
2000
Ben epey inek bir doktorumdur.
11:26
I hope I try to go out of my way to try and read and understand all the literature.
291
671000
3000
Alışılageldik uygulamaların dışına çıkıp, tüm yayınları okuyup anlamaya çalışırım.
11:29
I read the trials on this. They were all positive. They were all well-conducted.
292
674000
3000
Bu ilaçla ilgili deneyleri de okudum. Hepsi pozitifti. hepsi iyi tasarlanmış çalışmalardı.
11:32
I found no flaw.
293
677000
2000
Hiç bir hatalarını bulamadım.
11:34
Unfortunately, it turned out,
294
679000
2000
Sonuçta, şu ortaya çıktı ki,
11:36
that many of these trials were withheld.
295
681000
2000
yapılan deneylerin çoğunluğunun sonuçları yayınlanmamıştı.
11:38
In fact, 76 percent
296
683000
2000
Aslını sorarsanız,
11:40
of all of the trials that were done on this drug
297
685000
2000
bu ilaçla ilgili yapılmış klinik çalışmaların %76'sının sonuçları
11:42
were withheld from doctors and patients.
298
687000
2000
hasta ve doktorlara iletilmemişti.
11:44
Now if you think about it,
299
689000
2000
Şöyle düşünün,
11:46
if I tossed a coin a hundred times,
300
691000
2000
bir para alıp, yüz defa yazı tura atıyorum,
11:48
and I'm allowed to withhold from you
301
693000
2000
ve sonuçların yarısını
11:50
the answers half the times,
302
695000
2000
sizden gizlememe izin veriliyor,
11:52
then I can convince you
303
697000
2000
bu durumda sizi elimdeki paranın iki yüzünün de
11:54
that I have a coin with two heads.
304
699000
2000
tura olduğuna ikna edebilirim.
11:56
If we remove half of the data,
305
701000
2000
Eğer verilerin yarısını ortadan kaldırırsak,
11:58
we can never know what the true effect size of these medicines is.
306
703000
3000
bir ilacın gerçek etkinliğini asla bilemeyiz.
12:01
And this is not an isolated story.
307
706000
2000
Ve bu bir defa karşılaştığımız bir hikaye değil.
12:03
Around half of all of the trial data on antidepressants has been withheld,
308
708000
4000
Anti-depresan ilaçlara ilişkin verilerin yaklaşık yarısı hiç yayınlanmadı,
12:07
but it goes way beyond that.
309
712000
2000
bundan fazlası da var.
12:09
The Nordic Cochrane Group were trying to get a hold of the data on that
310
714000
2000
Nordic Cochrane Grubu, bu verileri bulup bir araya
12:11
to bring it all together.
311
716000
2000
getirmeye çalışıyor.
12:13
The Cochrane Groups are an international nonprofit collaboration
312
718000
3000
Cochrane Grubu uluslararası kar amacı gütmeyen bir vakıf,
12:16
that produce systematic reviews of all of the data that has ever been shown.
313
721000
3000
yapılan tüm çalışmalara ait verileri birleştirerek sistematik incelemeler yapıyor.
12:19
And they need to have access to all of the trial data.
314
724000
3000
Bu nedenle yapılan tüm deneylerin verilerine ihtiyacı var.
12:22
But the companies withheld that data from them,
315
727000
3000
Ama şirketler verilerini onlarla paylaşmıyorlar.
12:25
and so did the European Medicines Agency
316
730000
2000
Avrupa İlaç Birliği üç yıl boyunca
12:27
for three years.
317
732000
2000
verilerini paylaşmadı.
12:29
This is a problem that is currently lacking a solution.
318
734000
3000
Bu, şu anda çözümü olmayan bir sorun.
12:32
And to show how big it goes, this is a drug called Tamiflu,
319
737000
3000
Sorunun büyüklüğünü şöyle anlatmaya çalışayım, bu Tamiflu isimli bir ilaç
12:35
which governments around the world
320
740000
2000
dünyanın dört bir yanındaki devletler
12:37
have spent billions and billions of dollars on.
321
742000
2000
bu ilaca milyarlarca milyarlarca dolar harcadılar.
12:39
And they spend that money on the promise
322
744000
2000
Bu ilacın grip komplikasyonlarını azaltacağına
12:41
that this is a drug which will reduce the rate
323
746000
2000
yönelik bir umut nedeniyle harcadılar
12:43
of complications with flu.
324
748000
2000
bu parayı.
12:45
We already have the data
325
750000
2000
Elimizdeki veriler, bu ilacın grip semptomlarını
12:47
showing that it reduces the duration of your flu by a few hours.
326
752000
2000
birkaç saat kadar kısaltacbileceği yönünde.
12:49
But I don't really care about that. Governments don't care about that.
327
754000
2000
Ama ben bununla ilgilenmiyorum. Devletler de bununla ilgilenmiyorlar.
12:51
I'm very sorry if you have the flu, I know it's horrible,
328
756000
3000
Grip olduysanız gerçekten çok üzgünüm, biliyorum berbat birşey,
12:54
but we're not going to spend billions of dollars
329
759000
2000
ama grip belirtilerinizi yarım gün azaltabilmek için
12:56
trying to reduce the duration of your flu symptoms
330
761000
2000
milyarlarca dolar harcayamayacağız,
12:58
by half a day.
331
763000
2000
kusura bakmayın.
13:00
We prescribe these drugs, we stockpile them for emergencies
332
765000
2000
Bu ilaçları reçete ediyoruz, acil durumlar için depoluyoruz,
13:02
on the understanding that they will reduce the number of complications,
333
767000
2000
bunu, bu ilaçların olaı komplikasyonların sayısını azaltacağını düşünerek yapıyoruz,
13:04
which means pneumonia and which means death.
334
769000
3000
ki bu komplikasyonlar zatürre ve bazen de ölüm demek.
13:07
The infectious diseases Cochrane Group, which are based in Italy,
335
772000
3000
Enfeksiyon hastalıkları ile çalışan Cochrane Grubu, ki Italya'da konuşlanmış durumdalar
13:10
has been trying to get
336
775000
2000
ilaç firmalarından
13:12
the full data in a usable form out of the drug companies
337
777000
3000
eksiksiz verileri kullanılabilir bir formatta istiyor ki
13:15
so that they can make a full decision
338
780000
3000
bu ilacın gerçekten işe yarayıp yaramadığı konusunda
13:18
about whether this drug is effective or not,
339
783000
2000
bir karara varabilsin.
13:20
and they've not been able to get that information.
340
785000
3000
Ve bu bilgiyi hala elde edemediler.
13:23
This is undoubtedly
341
788000
2000
Şüphe yok ki, bu günümüzde
13:25
the single biggest ethical problem
342
790000
3000
tıbbın karşılaştığı en büyük
13:28
facing medicine today.
343
793000
2000
etik sorun.
13:30
We cannot make decisions
344
795000
3000
Elimizdeki veriler eksikken
13:33
in the absence of all of the information.
345
798000
4000
karar alamayız.
13:37
So it's a little bit difficult from there
346
802000
3000
Bu nedenle, olumlu bir sonuca varmak
13:40
to spin in some kind of positive conclusion.
347
805000
4000
biraz zor.
13:44
But I would say this:
348
809000
4000
Ama şunu söyleyebilirim:
13:48
I think that sunlight
349
813000
3000
En iyi mikrop öldürücü
13:51
is the best disinfectant.
350
816000
2000
güneş ışığıdır.
13:53
All of these things are happening in plain sight,
351
818000
3000
Ve bunların hepsi gün ışığında oluyor,
13:56
and they're all protected
352
821000
2000
ve hepsi de bir nevi
13:58
by a force field of tediousness.
353
823000
3000
bıkkınlık perdesi altında korunuyor.
14:01
And I think, with all of the problems in science,
354
826000
2000
Ve bence bilimde karşılaştığımız tüm problemler gibi,
14:03
one of the best things that we can do
355
828000
2000
bunun için de yapılabilecek en iyi şey
14:05
is to lift up the lid,
356
830000
2000
kapağı aralayıp
14:07
finger around in the mechanics and peer in.
357
832000
2000
içerideki mekanizmaları kurcalayıp kutunun içine bakmak.
14:09
Thank you very much.
358
834000
2000
Çok teşekkür ederim.
14:11
(Applause)
359
836000
3000
(Alkışlar)
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