La fable de la supériorité des études randomisées ne tient plus face à la réalité des études observationnelles

[Christophe]

parce qu'elle neutralise tous les facteurs de confusion : en tirant au sort dans un MEME groupe témoin, tous les autres paramètres sont statistiquement égaux, à part celui que tu veux tester.

Alors que si tu compares la mortalité des jeunes qui sont venus à pied se faire tester à l'IHU à celle des vieux subclaquants hospitalisés à Paris, ben tu n'as pas que le traitement qui change, tu as plein de facteurs de confusions.

Si vous n'avez pas compris ce principe de base, ou que vous ne l'admettez pas, on peut en discuter éternellement....

Pardon ? Donc c’est plus de la randomisation...

Random c’est hasard non ? Je savais pas que cela voulait dire désormais bidouillage

Une bonne étude (pas que dans le médical) est une étude qui correspond le plus possible à la réalité du terrain...pas une étude où on aura neutralisé des risques...

On a bien vu les limites des études randomisées des vaccins...qui ont zappé pas mal d’effets secondaires dont certains mortels... effets secondaires qui sont bien dans les études observationnelles...non ?

[GuyGadeboisLeRetour]

"Une bonne étude est une étude dont les résultats font grimper les actions du groupe qui fabrique et commercialise le produit étudié". ( W.J.B Rockabilly III)

[ABC2019]

parce qu'elle neutralise tous les facteurs de confusion : en tirant au sort dans un MEME groupe témoin, tous les autres paramètres sont statistiquement égaux, à part celui que tu veux tester.

Alors que si tu compares la mortalité des jeunes qui sont venus à pied se faire tester à l'IHU à celle des vieux subclaquants hospitalisés à Paris, ben tu n'as pas que le traitement qui change, tu as plein de facteurs de confusions.

Si vous n'avez pas compris ce principe de base, ou que vous ne l'admettez pas, on peut en discuter éternellement....

Pardon ? Donc c’est plus de la randomisation...

la randomisation ca veut dire que tu tires au hasard (random) les gens qui prennent le traitement que tu veux tester et les gens qui ne le prennent pas, sans que ce soit corrélé à aucun autre critère. Si tu prends les gens dans une grande gare et que tu tires au hasard qui prend une pilule et qui ne la prend pas (ou qui prend un placebo, une pilule d'apparence identique mais sans produit dedans), c'est "random", tu auras autant d'hommes, de femmes, de vieux, de jeunes dans les deux échantillons, la seule différence statistiquement parlant c'est la pilule.
Si ti ne tires pas au hasard mais que tu prends une critère pour choisir à qui tu donnes la pilule, ce n'est plus random, c'est biaisé. Et tu introduis un facteur de confusion parce que tu ne sauras pas si l'effet possible mesuré est dû vraiment à la pilule ou bien au critère de choix que tu as appliqué pour savoir à qui tu la donnes.

Pareil pour des études "observationnelles" où tu n'agis pas pour donner quelque chose mais tu essaies de corréler deux critères (pat exemple savoir si les hommes ou les femmes ont plus d'une certaine maladie), tu peux trouver une corrélation spurieuse due à un phénomène corrélé aux deux critères que tu ignores, et qui semble te produire un effet inverse à celui reel : c'est le paradoxe de Simpson.

[ABC2019]

"Une bonne étude est une étude dont les résultats font grimper les actions du groupe qui fabrique et commercialise le produit étudié". ( W.J.B Rockabilly III)

sauf que l'article que tu as cité n'ecris pas du tout ça, il ne dit pas que la plupart des études sont trafiquées. Il dit juste que la randomisation n'est souvent pas nécessaire. Ceci dit, il y a des études qui montrent effectivement que beaucoup d'études sont biaisées, mais c'est vrai aussi bien des études randomisées que des études observationnelles. Un biais qui peut arriver facilement meme dans les études randomisées , c'est le choix de ta population de départ, qui n'est pas random. Par exemple dans une gare, tu auras surtout des gens en état et ayant les moyens de voyager, c'est pas random.

[janic]

Par exemple dans une gare, tu auras surtout des gens en état et ayant les moyens de voyager, c'est pas random.

Mais la population d'un pays entier, soit 67.000.000 d'individus c'est random! Limitant les biais bien plus fortement que sur quelques centaines ou milliers d'individus. Mais c'est déjà trop tard car il ne faut pas confondre peur et raison!

[Obamot]

Comme je ne comprenais pas Simpson ...j’ai lu en diagonale et ça donne du Bigard:

— “Si tu prends les gens dans une grande gare et que tu tires au hasard...”
— “Au critère de choix que tu as appliqué pour savoir à qui tu la donnes...”
— “Tu introduis un facteur de confusion”
— “d'apparence identique mais sans produit dedans”
— “tu auras autant d'hommes, de femmes,”
— “de vieux, de jeunes”
— “c'est biaisé”
— “parce que tu ne sauras pas si l'effet possible mesuré est dû vraiment ...”
— “Si tu ne tires pas au hasard”
— “Tu n'agis pas pour donner quelque chose”
— “Qui semble te produire un effet inverse à celui réel”

Comme on est “hors réel”, notion très “physique”, j’ose pas commenter, c’est trop poétique...

[ABC2019]

Par exemple dans une gare, tu auras surtout des gens en état et ayant les moyens de voyager, c'est pas random.

Mais la population d'un pays entier, soit 67.000.000 d'individus c'est random!

c'est dingue d'etre bouché à ce point ... si tu traites la population d'un pays entier, tu n'as aucun point de comparaison, il faut un échantillon traité et un échantillon non traité pour connaitre l'effet, et il faut que le choix de l'échantillon traité soit ALEATOIRE.

Et il est totalement inutile de traiter des dizaines de millions de personnes pour le savoir , quelques milliers ou dizaines de milliers sont largement suffisants. Mais il faut qu'ils aient été choisis aléatoirement.

[Obamot]

Rassure-nous, tu les “tires” au hasard dans une grande gare, mais au cabinet dans le wagon quand même ?

[janic]

c'est dingue d'etre bouché à ce point ... si tu traites la population d'un pays entier, tu n'as aucun point de comparaison, il faut un échantillon traité et un échantillon non traité pour connaitre l'effet, et il faut que le choix de l'échantillon traité soit ALEATOIRE.

bien sur que si, tu as d'autres pays qui n'ont pas appliqué cette vaccination(par exemple) ce qui permet ces comparaisons statistiques.

Et il est totalement inutile de traiter des dizaines de millions de personnes pour le savoir , quelques milliers ou dizaines de milliers sont largement suffisants. Mais il faut qu'ils aient été choisis aléatoirement.

toujours aussi bouché. Lorsque en phase 4, il apparait des effets secondaires n'ayant pas été recensés en phase 2 et 3, c'est que ces petits échantillons sont trop faibles. comme pour le distilbène dont les effets ont impactés les générations suivantes, ou le vioxx ayant fait des dizaines de milliers de morts aussi,etc...

[ABC2019]

c'est dingue d'etre bouché à ce point ... si tu traites la population d'un pays entier, tu n'as aucun point de comparaison, il faut un échantillon traité et un échantillon non traité pour connaitre l'effet, et il faut que le choix de l'échantillon traité soit ALEATOIRE.

bien sur que si, tu as d'autres pays qui n'ont pas appliqué cette vaccination(par exemple) ce qui permet ces comparaisons statistiques.

donc tu confirmes : tu n'as pas compris ce qu'est un échantillon randomisé.

On s'en doutait un peu remarque ...