Le bugie le trovate in farmacia

Image via Wikipedia

di Alessio Adamiano – fedorpavlovic@yahoo.it

Una volta, Mark Twain citò una frase di Benjamin Disraeli (primo ministro inglese dal 1804 al 1881) che sarebbe rimasta scolpita negli immaginari collettivi di generazioni di scienziati, fino ai giorni nostri.

“Esistono tre tipi di bugie: le bugie, le dannate bugie e la statistica”.

Questa frase ci ricorda come spesso i numeri possano essere utilizzati per edulcorare la realtà (Berlusconi et al, 2000-2010) per raggirare il prossimo o addirittura per ingannarlo e indurlo così a credere il falso (traendone poi vantaggio, sempre B. et al)
La statistica, nelle mani di alcuni, può essere considerata come un veleno in grado di confondere la realtà e non renderla più ditinguibile dalla menzogna. E come ogni veleno anch’essa ha il suo antidoto, che è ottenibile solo manipolandola nel modo giusto.
Mentre “quasi tutti” i ricercatori del mondo sono ossessionati dalla credibilità dei loro risultati e fanno  di tutto per metterli alla prova, alcuni giocano sul filo del rasoio per ottenere risultati più accomodanti (o più interessanti) al fine di validare le proprie teorie. E per ottenere soldi e maggiori riconoscimenti.

Ma quanti sono effettivamente questi “ricercatori bugiardi” (alcune volte, loro malgrado), e come fare per smascherarli?
A questo ci ha pensato (guarda caso) un altro ricercatore (a dire il vero, un meta-ricercatore), professore di epidemiologia e igiene dell’Università di Ioannina, in Grecia. Il suo nome è John P Ioannidis, autore dell’articolo “Why Most Published Research Findings Are False” ovvero “perchè i risultati delle ricerche più pubblicate sono falsi”, disponibile grauitamente sul sito della rivista PLoS Medicine, che lo ha pubblicato, e reperibile gratuitamente qui. Quello di Ioannidis è stato l’articolo più scaricato nella storia della rivista, ed ha scosso profondamente la comunità scientifica operando una critica diretta al mondo delle pubblicazioni scientifiche connesse soprattutto al campo medico e farmacologico. Queste infatti sono le aree di interesse in cui si concentrano buona parte dei fondi destinati ogni anno ai laboratori di ricerca. Ed è per questo motivo che Ioannidis ha rivolto il suo studio all’analisi degli articoli pubblicati in un certo tipo di riviste, solitamente caratterizzate dalla capacità di influenzare profondamente la ricerca di molti laboratori (questa viene solitamente misurata attraverso un indice di “impatto”), in cui vengono pubblicati lavori e ricerche che getteranno le basi per farci prescrivere dal medico di famiglia un farmaco piuttosto  che un’altro.

L’articolo comincia con la definizione di alcuni parametri.
Mentre comprendere che la probabilità di commettere un errore (intesa come la probabilità di affermare che un determinato “fenomeno” sia vero quando invece è falso, o falso quando invece è vero) possa inficiare i risultati di una ricerca è cosa abbastanza immediata, diventa invece più difficile esporre il concetto di “Bias” di un lavoro.

Il “Bias” è definito come un condizionamento che, a prescindere dal fenomeno in studio, influenza il riultato ed è relativo al metodo ed all’operatore che conduce l’esperimento nella sua totalità. Il Bias tuttavia non deve intendersi come un qualcosa determinato dalla sola capacità tecnica di chi lavora alla ricerca di apllicare un determinato metodo, perchè l’entità del condizionamento dipenderà anche dalle sue idee, e soprattutto dalla “domanda” a cui il ricercatore sta cercando di rispondere attraverso i suoi studi.
Dopo aver costruito il proprio modello statistico, Ioannidis arriva a fromulare alcuni corollari, che per brevità e importanza meritano  di essere tradotti e riportati integralmente.
“In campo scientifico, in linea generale, vale quanto segue:

1) Più piccolo è lo studio, più è improbabile che i risultati siano affidabili.
2) Più piccolo è l’effetto  in esame (ad es. un emicrania invece di un tumore), più è improbabile che i risultati siano affidabili.
3) Più grande è il numero e minore è la selezione delle relazioni (di effetto),più è improbabile che i risultati siano affidabili.
4) Più grande è la flessibilità dello studio nel dare definizioni, nei risultati e nei metodi analitici, più è improbabile che i risultati siano affidabili.
5) Più sono grandi gli interessi economici e non e i pregiudizi, più è improbabile che i risultati siano affidabili.
6) Più un argomento di ricerca va di moda (it’s hot, per dirla all’americana), con più team di ricerca coinvolti, più è improbabile che i risultati siano affidabili.”

Se volete saperne di più, trovate un bellissimo articolo sull’Internazionale n°879 del 7/13 Gennaio 2011(e non dimenticate il link dell’articolo sopra).

Ora scusatemi, ma devo andare a mangiare chili e chili di tiramisù che per colpa del colesterolo alto non ho potuto mangiare in tutti questi anni. Poi, dopo essermi ripreso (ovvero quando avrò vomitato l’anima e rischiato l’infarto), potrò sempre dire che l’ho fatto per recuperare quel poco di fiducia che ho nella scienza e continuare a fare il tifo per Ioannidis.

Alessio