Quali sono i casi studio nella ricerca sulle politiche di sanità pubblica in cui studi o modelli non attendibili / confusi / non validi sono stati utilizzati in modo improprio?

Sto redigendo una revisione della letteratura su un problema di salute pubblica in cui i dati sono confusi:

Quali sono casi studio storici comuni che vengono utilizzati nell'educazione alla salute pubblica / epidemiologia in cui relazioni o inferenze non valide o confuse sono state intenzionalmente o erroneamente impiegate nella politica e nella legislazione in materia di sanità pubblica?

L'aumento della mortalità automobilistica degli anni '60 e il successivo studio guidato dal governo che ha determinato le cinture di sicurezza e infine gli airbag dovrebbero essere richiesti dalla legge è un ottimo esempio di COME la politica di salute pubblica dovrebbe essere guidata da inferenze e modelli statisticamente potenti.

Sto cercando più esempi di casi di tipo opposto (cattiva scienza per rendere la politica in fretta). Tuttavia, se non altro, vorrei apprendere altri casi simili al precedente esempio di potenti studi per il successo della salute pubblica.

Voglio usarli come esempi per dimostrare quanto la ricerca statistica sulla salute pubblica basata sull'evidenza sia importante per l'elaborazione della politica.

Penso che il miglior esempio di ciò possa essere probabilmente la controversia sulla terapia ormonale sostitutiva e il rischio cardiovascolare: studi epidemiologici di coorte di grandi dimensioni sembrano suggerire un effetto protettivo e sono state formulate politiche sanitarie e raccomandazioni del medico su queste informazioni.

Gli studi randomizzati di follow-up sembrano quindi dimostrare che esiste effettivamente un aumentato rischio di infarto del miocardio nelle donne sottoposte a terapia ormonale sostitutiva.

Questo va avanti e indietro per un po ', ed è stato usato come uno dei casi canonici per attaccare l'epidemiologia come campo, ma una recente analisi di Hernan sembra proporre che i due studi in realtà non abbiano risultati discordanti se si assicurati di porre la stessa domanda.

Un esempio davvero interessante che mi piace personalmente è tratto dal libro Freakonomics di Steven D. Levitt e Stephen J. Dubner. C'è un capitolo nel libro che discute di correlazione vs. causalità. La correlazione tra due variabili statistiche non implica necessariamente che queste variabili siano statisticamente dipendenti, ma gli esperti hanno commesso un errore in tal senso. Citando dal libro:

"Una bestia difficile, la poliomielite è stata estremamente difficile da individuare per i ricercatori. Non sono riusciti a capire come è stato superato o quando / come si è espresso. Abbiamo la tendenza a ricordare questa volta come uno in cui la polio è stata" epidemia " quando, in effetti, non stava interessando ampie fasce della popolazione (rispetto al morbillo più comune, per esempio). Il motivo per cui era vista come epidemia era perché era così spaventoso.

Ciò che i ricercatori hanno potuto determinare nei loro studi è stato che i tassi di infezione da polio sono aumentati in estate. Hanno anche visto che il CONSUMO DI CREMA DI GHIACCIO è salito in estate. E così hanno concluso che il consumo di gelato ha portato alla poliomielite e per un certo periodo il gelato è stato demonizzato. "

Nel suo articolo "Statistical Models and Shoe Leather" (1991) , David Freedman presenta alcuni racconti cautelativi in ​​studi epidemiologici. Offre l'analisi di Snow del colera a Londra come un successo, non grazie alla modellistica statistica, ma piuttosto alla diligente raccolta di dati. Ecco l'abstract:

I modelli di regressione sono stati usati nelle scienze sociali almeno dal 1899, quando Yule pubblicò un articolo sulle cause del povero. I modelli di regressione vengono ora utilizzati per creare argomenti causali in un'ampia varietà di applicazioni ed è forse giunto il momento di valutare i risultati. Non è possibile dare risposte definitive, ma questo documento ha una visione piuttosto negativa. Il lavoro di Snow sul colera è presentato come una storia di successo per ragionamenti scientifici basati su dati non sperimentali. Vengono anche discusse storie di insuccesso e confronti possono fornire alcuni spunti. In particolare, questo documento suggerisce che la tecnica statistica raramente può essere un sostituto adeguato per una buona progettazione, dati rilevanti e test delle previsioni contro la realtà in una varietà di contesti.

Metodologia sociologica . 21: 291-313.

Il caso della chemioterapia ad alte dosi con salvataggio del trapianto di midollo osseo come trattamento per il carcinoma mammario avanzato negli anni '90 è un esempio. Una serie di studi di bassa qualità sono stati utilizzati per far passare la legislazione che impone la copertura assicurativa sanitaria in alcuni stati. Quando i grandi studi randomizzati furono completati, non vi fu alcun beneficio misurabile.

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