Я готовлю обзор литературы по актуальной проблеме общественного здравоохранения, в которой данные путаницы:
Каковы общие исторические тематические исследования, которые используются в области общественного здравоохранения / эпидемиологии, где недействительные или ошибочные отношения или выводы были преднамеренно или ошибочно использованы в политике и законодательстве в области общественного здравоохранения?
Всплеск смертности от автомобильной техники в 1960-х годах и последующее основанное на фактических данных исследование под руководством правительства, которое определило, что по закону должны быть предусмотрены ремни безопасности и, в конечном итоге, подушки безопасности, является отличным примером того, КАК политика общественного здравоохранения должна основываться на статистически мощных выводах и моделях.
Я ищу больше примеров дел противоположного типа (плохая наука, чтобы поспешно проводить политику). Однако, если не сказать ничего другого, я хотел бы узнать больше случаев, похожих на предыдущий пример мощных исследований для успешной пользы для общественного здравоохранения.
Я хочу использовать их в качестве примеров, чтобы продемонстрировать, насколько научно обоснованные статистические исследования в области общественного здравоохранения важны для разработки политики.
Ответы:
Я думаю, что лучшим примером этого, вероятно, могут быть противоречия вокруг заместительной гормональной терапии и сердечно-сосудистого риска - крупные когортные эпидемиологические исследования, по-видимому, предполагают защитный эффект, и в отношении этой информации были сделаны политика в области здравоохранения и рекомендации врачей.
Последующие РКИ показывают, что на самом деле повышенный риск инфаркта миокарда у женщин с ГЗТ.
Это идет назад и вперед на некоторое время и использовалось как один из канонических случаев для атаки на эпидемиологию в качестве области, но недавний повторный анализ Эрнаном, кажется, предполагает, что эти два исследования на самом деле не имеют противоречивых результатов, если вы убедитесь, что вы задаете тот же вопрос.
источник
Действительно интересный пример, который мне лично нравится, взят из книги Freakonomics Стивена Д. Левитта и Стивена Дж. Дубнера. В книге есть глава, в которой обсуждается соотношение и причинность. Корреляция между двумя статистическими переменными не обязательно означает, что эти переменные являются статистически зависимыми, но эксперты ошиблись в этом. Цитата из книги:
«Хитрый зверь, полиомиелит был чрезвычайно труден для исследователей, чтобы определить его. Они не могли понять, как он был передан или когда / как он выразился. Мы имеем тенденцию помнить это время, когда полиомиелит был« эпидемическим ». когда, фактически, это не затрагивало большие участки населения (по сравнению с более распространенной корью, например). Причина, по которой это было воспринято как эпидемия, заключалась в том, что это было так страшно.
В своих исследованиях исследователи смогли определить, что летом уровень заболеваемости полиомиелитом повышался. Они также увидели, что летом потребление мороженого возросло. И поэтому они пришли к выводу, что потребление мороженого привело к полиомиелиту, и какое-то время мороженое было демонизировано. "
источник
В своей статье «Статистические модели и кожаная обувь» (1991) Дэвид Фридман приводит некоторые предостерегающие истории в эпидемиологических исследованиях. Он предлагает Сноу анализ холеры в Лондоне как успех не благодаря статистическому моделированию, а благодаря тщательному сбору данных. Вот тезисы:
Социологическая методология . 21: 291-313.
источник
Случай высокодозной химиотерапии с трансплантацией костного мозга в качестве лечения распространенного рака молочной железы в 1990-х годах является одним из таких примеров. Ряд некачественных исследований использовался для проталкивания законодательства, обязывающего страховые компании в некоторых штатах. Когда большие рандомизированные исследования были завершены, ощутимой пользы не было.
http://www.gao.gov/products/HEHS-96-83
источник