9. Duijnhoven RG, Straus SMJM, Raine JM, de Boer A, Hoes AW, et al. (2013) Number of Patients Studied Prior to Approval of New Medicines: A Database Analysis. PLoS Med 10(3): e1001407. doi:10.1371/journal.pmed.1001407
10. Ioannidis JPA. How Many Contemporary Medical Practices Are Worse Than Doing Nothing or Doing Less? Mayo Clinic Proceedings. 2013 Aug;88(8):779-81.
11. Zarin DA, Tse T. Trust but Verify: Trial Registration and Determining Fidelity to the Protocol. Ann Intern Med. 2013;159(1): 65–67.
12. Rosenthal R, Dwan K. Comparison of randomized controlled trial registry entries and content of reports in surgery journals. Ann Surg. 2013 Jun;257(6):1007-15.
13. Zetterqvist AV, Mulinari S (2013) Misleading Advertising for Antidepressants in Sweden: A Failure of Pharmaceutical Industry Self-Regulation. PLoS ONE 8(5): e62609. doi:10.1371/journal. pone.0062609
14. Mintzes B, Lexchin J, Sutherland JM, Beaulieu M-D, Wilkes MS, Durrieu G, et al. Pharmaceutical Sales Representatives and Patient Safety: A Comparative Prospective Study of Information Quality in Canada, France and the United States. J Gen Intern Med. 2013 Apr 5.
15. http://dailycaller.com/2013/04/27/critics-see-conflict-ofinterestas-obama-admin-advises-doctors-on-prescriptions/
16. http://www.propublica.org/article/pay-to-prescribe-twodozendoctors-named-in-novartis-kickback-case
17. Bosch X, Hernandez C; Pericas JM, Doti P. Ghostwriting Policies in HighImpact Biomedical Journals: A Cross-Sectional Study. JAMA Intern Med. 2013;173(10):920–921.
18. Nancarrow, CM. Editorial Policies to Ensure Honesty and Transparency: Comment on „Ghostwriting Policies in HighImpact Biomedical Journals: A Cross-Sectional Study“. JAMA Intern Med. 2013;173(10):921–922.
19. Persaud N. Questionable content of an industry-supported medical school lecture series: a case study. J Med Ethics. doi:10.1136/ medethics-2013-101343
20. India’s poor duped into clinical drug trials. Economic Times, 7th July 2013.
21. Vedula SS, Li T, Dickersin K. Differences in Reporting of Analyses in Internal Company Documents Versus Published Trial Reports: Comparisons in IndustrySponsored Trials in Off-Label Uses of Gabapentin. PLoS Med. 2013 Jan 29;10(1):e1001378.
22. Sample, Ian. Big pharma mobilising patients in battle over drugs trials data. Guardian, 21st July 2013.
23. http://www.alltrials.net/2013/responses-to-leaked-memo/
24. Huser V, Cimino JJ (2013) Linking ClinicalTrials.gov and PubMed to Track Results of Interventional Human Clinical Trials. PLoS ONE 8(7): e68409. doi:10.1371/journal.pone.0068409
25. Schroll JB, Bero L, G0tzsche PC. Searching for unpublished data for Cochrane reviews: cross sectional study. BMJ 2013;346:f2231.
26. Wieseler B, McGauran N, Kerekes MF, Kaiser T. Access to regulatory data from the European Medicines Agency: the times they are a-changing. Syst Rev. 2012 Oct 30;1:50.
27. Little RJ, D’Agostino R, Cohen ML, Dickersin K, Emerson SS, Farrar JT, et al. The Prevention and Treatment of Missing Data in Clinical Trials. N Engl J Med. 2012; 367:1355–1360.
28. Mathieu S, Chan A-W, Ravaud P (2013) Use of Trial Register Information during the Peer Review Process. PLoS ONE 8(4): e59910. doi:10.1371/journal.pone.0059910
29. Prayle AP, Hurley MN, Smyth AR (2012) Data from: Compliance with mandatory reporting of clinical trial results on ClinicalTrials.gov: cross sectional study. Dryad Digital Repository. doi:10.5061/dryad.j512f21p
30. Simmonds MC, Brown JVE, Heirs MK, Higgins JPT, Mannion RJ, Rodgers MA, et al. Safety and Effectiveness of Recombinant Human Bone Morphogenetic Protein-2 for Spinal Fusion: A Meta-analysis of Individual-Participant Data. Ann Intern Med. 2013;158(12):877–889.
Примечания
1
Вместо разработки новых методов исследований для поиска ответа на вопрос, могут ли люди осознанно предсказывать будущее, Бем просто провел несколько классических экспериментов по психологии, только изменил порядок действий. Так, например, он осуществил хорошо известный опыт по изучению влияния подсознания на осознанный выбор: людям показывают два зеркальных изображения одной и той же картинки и просят выбрать ту, которая им больше нравится, но перед тем как они скажут свое конечное слово, им в течение долей секунды демонстрируют какое-нибудь неприятное изображение, спрятанное под одной из картинок. При обычном ходе такого опыта демонстрация скрытого изображения заставляла людей реже выбирать ту картинку, под которой оно было спрятано. В исследовании Бема неприятные изображения показывались уже после того, как испытуемый выбирал понравившуюся ему картинку. Как бы это ни звучало неправдоподобно, но Бем обнаружил, что и тогда демонстрация скрытых образов все равно оказывала влияние на выбор подопытных.
2
Иэну Чалмерсу был пожалован рыцарский титул за создание организации Cochrane Collaboration. Будучи очень практичными людьми, исследователи из компании захотели узнать, была ли какая-нибудь реальная польза от полученного звания, поэтому было решено провести исследования по методу случайной выборки. Будет ли наблюдаться разница в количестве откликов на письма в зависимости от подписи. «Иэн Чалмерс» или «сэр Иэн Чалмерс» — как лучше? Была создана простая система: перед отправкой часть наугад выбранных писем была подписана «сэр Иэн Чалмерс», а другая — просто «Иэн Чалмерс». Затем исследователи сравнили количество полученных ответов на каждое из посланий, подписанных двумя разными способами. Оказалось, что приставка «сэр» вообще не оказала на людей никакого воздействия. Это исследование было опубликовано полностью, несмотря на получение негативных результатов, в журнале Королевского общества медицины, и это вовсе не несерьезный предмет исследования. В медицине встречается много людей, обладающих титулом рыцаря. Многие готовы на ряд сомнительных и даже опасных вещей, чтобы увеличить шансы получения заветной регалии. Большинство думает: «Если бы у меня был рыцарский титул, люди воспринимали бы все мои идеи более серьезно». Работа была озаглавлена «Да, сэр. Нет, сэр. Без разницы, сэр».56 После ее прочтения вы можете снизить уровень ваших амбиций.
3
Составление простого списка исследований важно и по другим причинам, включая ту, которую называют «двойная публикация». Британский анестезиолог Мартин Трамер сделал обзор эффективности для препарата от тошноты ондансетрона и заметил, что многие данные воспроизводятся. При более близком изучении оказалось, что многие исследования проводились в разных местах, а потом результаты по ним комбинировались и сводились в одном из центров по проведению исследований.81 Однако результаты по многим отдельным пациентам переписывались снова и снова, комбинировались с другими данными в разных научных статьях. Данные, представлявшие лекарство в лучшем виде, дублировались чаще, чем те, которые выглядели менее впечатляющими. В целом все это вело к завышению эффективности лекарства на 23 %.
4
Если читателю интересно, то данная проблема была освещена в моей предыдущей книге «Обман в науке».
5
Для некоторых описание может показаться слишком сложным, но я его все же приведу. Вот как было выведено правило n/3, если вас интересует статистика. Например, вы съели несвежего цыпленка недельной давности. Вероятность того, что вы умрете, составляет 0,2, поэтому вероятность остаться в живых — 0,8, то есть 1–0,2. Если у нас два случая — я съел несвежего цыпленка дважды, — тогда вероятность не умереть меньше и составляет 0,8 x 0,8 или 0,64, поэтому шансы наступления моей скорой смерти возрастают с каждый съеденным несвежим цыпленком. Если я съем тухлого цыпленка n раз, вероятность того, что я не умру — 0,8^n, или, возвращаясь к уравнению, откуда было взято значение 0,8, — (1–0,2)^n, или в общем — (1 — риск)^n. Теперь давайте посмотрим в телескоп с другого конца. Мы хотим знать максимально возможный риск свершения события, которое равноценно отсутствию какого-либо события, после n наблюдений (или съеденных несвежих цыплят) с максимальной погрешностью 5 %. Если попытаться выразить то же самое при помощи уравнения, то можно сказать, что (1 — риск)^n = 0,05, или, поскольку нам интересен не (1 — риск), а (1 — максимальный риск), лучше написать так: (1 — максимальный риск)^n = 0,05. Теперь нам нужно перестроить уравнение, чтобы узнать максимальный риск при известном n. Вычисления будут следующими: 1 — максимальный риск = 0,05^(n/1), и для n выше 30 он приблизительно такой же, как и 1 — максимальный риск = 1 — (n/3). Мы уже подошли к цели: уберите по минусу с обеих сторон и получите максимальный риск = n/3. Возможно, проведенные вычисления выглядят сложнее, чем обычный урок математики в исполнении известной телеведущей Кэрол Фордерман, однако считать таким образом более полезно. «Яникогда не встречал хорошего южноафриканца» — расистская песня о расистах. Теперь вы знаете, что надо спросить: «А скольких ты встретил в своей жизни?»
