«Theodore Sturgeon, um escritor americano de ficção científica, referiu uma vez que "95 % de todas as coisas é lixo". John Ioannidis, um epidemologista grego, não iria tão longe. A sua proposta fica pelos 50 %. Esse número, segundo crê, é uma estimativa razoável da quantidade de papers científicos que, eventualmente, se vem a verificar que estavam errados.» «O Dr. Ioannidis, que trabalha na Universidade de Ioannina, no norte da Grécia, defende esta ideia no artigo "Why Most Published Research Findings Are False". A sua tese de que muitos artigos científicos apontam para conclusões falsas, não é nova. A Ciência é um processo darwiniano que avança tanto pela refutação como pela publicação. Mas até agora nunca ninguém tinha tentado quantificar o assunto.» «O Dr. Ioannidis começou por olhar para estudos específicos, num paper publicado em Julho no Journal of the American Medical Association . Examinou 49 artigos de investigação publicados entre 1990 e 2003 em jornais médicos de larga divulgação. Cada um destes artigos tinha sido citado, mil vezes ou mais, por ourtros cientistas nos seus próprios papers. Contudo, 14 deles - quase um terço - foram mais tarde refutados por outros trabalhos. Alguns dos estudos refutados debruçavam-se sobre se a terapia de substituição hormonal era segura para as mulheres (primeiro era, depois já não era), se a vitamina E aumentava a saúde das coronárias (primeiro sim, e depois não) [...]» «Tendo definido o problema, concebeu depois um modelo matemático para tentar levar em consideração e quantificar quais fontes de erro, algo igualmente já conhecido. Uma é a confiança pouco sofisticada na "significância estatística". Para ser considerado como estatisticamente significante um resultado, por convenção, tem de ter probabilidades inferiores a 1 em 20 de resultar do acaso. Mas aceitar este standard significa que ao examinarem-se 20 diferentes hipóteses ao acaso obter-se-á provavelmente um resultado estatisticamente significativo. Em campos onde milhares de possibilidades têm de ser consideradas, tais como a busca de genes que contribuem para uma determinada doença, muitos resultados aparentemente significativos acabarão por revelar-se errados.» «Outros factores que contribuem para falsos resultados são amostras de pequenas dimensões, estudos que revelam resultados "fracos" (tais como remédios que resultam apenas num pequeno número de doentes) e estudos mal concebidos que permitem aos investigadores andar "à pesca" no meio dos dados até encontrarem qualquer tipo de relação, independentemnente do que é que estavam inicialmente a tentar provar. Preconceitos dos próprios cientistas, devidos quer à tenaz tentativa de provar uma teoria muito acarinhada, quer a interesses financeiros, podem igualmente distorcer os resultados.» in The Economist O artigo publicado no Journal of the American Medical Association é: "Contradicted and Initially Stronger Effects in Highly Cited Clinical Research"Artigos relacionados: |