Was sind die Fallstudien in der gesundheitspolitischen Forschung, in denen unzuverlässige / verwirrte / ungültige Studien oder Modelle missbraucht wurden?

Ich erstelle eine Literaturübersicht zu einem aktuellen Thema der öffentlichen Gesundheit, in der die Daten verwechselt werden:

Was sind übliche historische Fallstudien, die in der Aufklärung über Volksgesundheit / Epidemiologie verwendet werden, in denen ungültige oder verwechselte Beziehungen oder Schlussfolgerungen absichtlich oder fälschlicherweise in der Politik und Gesetzgebung im Bereich der Volksgesundheit verwendet wurden?

Der Automobil Verhängnis Schwall der 1960er Jahre und die anschließenden evidenzbasierte, staatlich geführte Studie , die Sicherheitsgurte bestimmt und schließlich sollte gesetzlich vorgeschrieben Airbags ist ein gutes Beispiel für HOW sollte die öffentliche Gesundheitspolitik durch statistisch leistungsstarke Schlüsse und Modelle gefahren werden.

Ich suche mehr nach Beispielen für Fälle des gegenteiligen Typs (schlechte Wissenschaft, um hastig Politik zu machen). Ich möchte jedoch nicht zuletzt mehr Fälle kennenlernen, die dem vorherigen Beispiel aussagekräftiger Studien für einen erfolgreichen Nutzen für die öffentliche Gesundheit ähneln.

Ich möchte diese als Beispiele verwenden, um zu demonstrieren, wie wichtig evidenzbasierte statistische Gesundheitsforschung für die Politikgestaltung ist.

Ich denke, das beste Beispiel hierfür ist wahrscheinlich die Kontroverse um die Hormonersatztherapie und das kardiovaskuläre Risiko - große epidemiologische Kohortenstudien scheinen auf eine Schutzwirkung hinzudeuten, und es wurden gesundheitspolitische und ärztliche Empfehlungen zu diesen Informationen abgegeben.

Follow-up-RCTs scheinen dann zu zeigen, dass tatsächlich ein erhöhtes Risiko für einen Myokardinfarkt bei Frauen besteht, die einer HRT unterzogen werden.

Dies geht ein bisschen hin und her und wurde als einer der kanonischen Fälle verwendet, um die Epidemiologie als ein Gebiet anzugreifen, aber eine kürzlich durchgeführte Neuanalyse von Hernan scheint nahezulegen, dass die beiden Studien tatsächlich keine nicht übereinstimmenden Ergebnisse haben, wenn Sie Stellen Sie sicher, dass Sie die gleiche Frage stellen.

Ein wirklich interessantes Beispiel, das ich persönlich mag, stammt aus dem Buch Freakonomics von Steven D. Levitt und Stephen J. Dubner. Das Buch enthält ein Kapitel über Korrelation und Kausalität. Die Korrelation zwischen zwei statistischen Variablen impliziert nicht notwendigerweise, dass diese Variablen statistisch abhängig sind. Experten haben jedoch einen Fehler in diese Richtung gemacht. Zitat aus dem Buch:

"Als kniffliges Tier war Polio für die Forscher äußerst schwierig zu fassen. Sie konnten nicht herausfinden, wie es vergangen ist oder wann / wie es sich äußerte. Wir haben die Tendenz, uns an diese Zeit zu erinnern, in der Polio eine 'Epidemie' war. wenn es in der Tat nicht große Teile der Bevölkerung betraf (im Vergleich zu den häufigeren Masern zum Beispiel). Der Grund, warum es als Epidemie angesehen wurde, war, dass es so beängstigend war.

Was Forscher in ihren Studien herausfanden, war, dass die Infektionsrate von Polio im Sommer anstieg. Sie sahen auch, dass der ICE CREAM CONSUMPTION im Sommer gestiegen ist. Und so kamen sie zu dem Schluss, dass der Konsum von Eis zu Polio führte und eine Zeitlang Eis verteufelt wurde. "

In seiner Arbeit "Statistical Models and Shoe Leather" (1991) präsentiert David Freedman einige warnende Geschichten in epidemiologischen Studien. Er bietet Schnees Analyse der Cholera in London als Erfolg an, nicht aufgrund statistischer Modelle, sondern aufgrund sorgfältiger Datenerfassung. Hier ist die Zusammenfassung:

Regressionsmodelle werden in den Sozialwissenschaften mindestens seit 1899 verwendet, als Yule einen Artikel über die Ursachen von Armut veröffentlichte. Regressionsmodelle werden heute verwendet, um in einer Vielzahl von Anwendungen kausale Argumente zu liefern, und es ist möglicherweise an der Zeit, die Ergebnisse zu bewerten. Es können keine endgültigen Antworten gegeben werden, aber dieses Papier ist eher negativ. Schnees Arbeit zur Cholera wird als Erfolgsgeschichte für wissenschaftliches Denken vorgestellt, das auf nicht experimentellen Daten basiert. Fehlergeschichten werden ebenfalls besprochen, und Vergleiche können einige Erkenntnisse liefern. Insbesondere wird in diesem Artikel darauf hingewiesen, dass statistische Verfahren selten einen angemessenen Ersatz für ein gutes Design, relevante Daten und das Testen von Vorhersagen gegen die Realität in einer Vielzahl von Umgebungen darstellen können.

Soziologische Methodik . 21: 291 & ndash; 313.

Der Fall einer hochdosierten Chemotherapie mit Knochenmarktransplantation als Behandlung für fortgeschrittenen Brustkrebs in den neunziger Jahren ist ein solches Beispiel. Eine Reihe von Studien von geringer Qualität wurde verwendet, um die Gesetzgebung durchzusetzen, die in einigen Staaten die Krankenversicherung vorschreibt. Als die großen randomisierten Studien abgeschlossen waren, gab es keinen messbaren Nutzen.

http://www.gao.gov/products/HEHS-96-83