如何在没有真正尝试的情况下创造科学神话

                                                                       

科学如何从不确定的数据中创造错误的神话和确定性?

等等.不能这样我一定是夸大其词了.错误的?神话?这是科学!

有实验!他们有“统计上显着的发现"!有成千上万的已发表研究;他们不可能都错了.他们可以吗?

这是一组错误的问题和反对意见.并不是所有的研究都是“错误的".这是因为结论可能会脱离证据而变得毫无根据.

之所以可能,是因为在报告和描述结果方面具有选择性.您可以将其视为“数据洗钱",是“思想洗钱"的经验表亲,它是指某些学术领域以其完整的政治价值观创建整个知识生态系统(期刊,会议,课程)的方式.和目标为“奖学金".

数据清洗是相关的过程,通过该过程可以将不确定性高的数据转换为合理的,令人信服的结论.那怎么可能? De Vries等.显示了如何:

De Vries等. (2018)发现了100多项研究抗抑郁干预措施有效性的试验,并且基本上发现,经过同行评审的已发表科学文献没有比纯神话更好的了.这是怎么回事?

首先,免责声明:这里的任何内容都不构成对任何特定抗抑郁干预措施的评估;如果您目前正在服用抗抑郁药或可能正在服用抗抑郁药,则应由您与您的医生进行讨论,并就其有效性和安全性的科学证据的强度进行尽职调查.总是有好问题:

1.医生,您能给我指出有关这种药物疗效的科学证据吗?

2.对不良副作用有什么了解?

我强烈推荐健康心理学家Richard Contrada撰写的客座博客,做一个消息灵通,积极主动的医疗保健自我管理者,深入探讨对医疗干预的持怀疑态度如何增强人们区分良好干预措施的能力从坏的.它甚至可以挽救您的生命.

回到De Vries等人的研究.左侧的第一列(下方)显示了原始研究.约有一半的试验是阴性的(红色,表示无效或方向错误,例如干预弊大于利).大约一半为阳性(绿色,这种干预似乎可以缓解).

 de Vries et al. (2018)
没有任何确定性的数据如何被转化为抗抑郁药有效性的“压倒性"证据.
来源:de Vries等. (2018)

左第二列显示发布的内容(出版偏见).您可以从视觉上看到,即使就研究发现而言,这些研究被分成了近50到50个,但发表的研究中约有三分之二是正面的结果,而发表的负面结果中只有约1/3的结果被发表了. >

第三列显示“结果报告偏差".这是指相对于报道的选择性或偏向性.

因此,举一个我只是为了解释这一点而提出的假设示例,让我们说一些研究有三个结果:一个表明干预使情况变得更糟,一个表明没有效果,而一个表明则使事情变得更好.总体而言,没有影响(阴性研究). 但是如果研究人员仅 报告阳性结果,则通过选择性报告的魔力,该研究可以出现产生了积极的结果.现在大多数研究都是“阳性".

左起第四列表示旋转.即使该论文诚实地报告了混杂的结果或较弱的结果,摘要或讨论也将这些发现描述为有效的.现在几乎所有研究都是“阳性".

最后一栏是引文偏倚.即使如此?还有更多的偏见.研究“发现"(或至少在发现时会旋转)积极作用的引用是发现负面影响的研究的三倍!

到最后?我们的“科学"文献从字面上充满了对这些抗抑郁干预措施有效性的庆祝,这些辩护建立在由半失败构成的实际科学文献的基础上.柔和的读者知道的是,这是如何使用“正常"科学过程创造科学神话的.这些问题是否超出了抗抑郁药的研究范围?目前,尚无人知道,但是:

1.没有理由认为这些过程仅限于抗抑郁研究,也就是说,我肯定会采用“广泛应用"作为我暂时暂定未定论证的有效假设.

2.这篇标题为“如何将最初的结果变态成漂亮的文章"的副标题显示,在业务/管理研究中,报告混杂而又不清楚的发现的论文通常在发表时就变成了清晰,引人注目的叙述,这是由于其简单的魔术性.选择性报告结果.

3.在即将发表的论文中,我们将其称为“规范化问题".规范化是指被特别是其他科学家广泛接受的观念.这个数字来自那篇论文:

 Nathan Honeycutt & Lee Jussim
真理与错误的规范化.

在抗抑郁药和药物管理研究方面,这里的情况是相关的,但略有不同.并不是说基础研究是“无效的".只是发现的全部范围是混杂的,但是这些发现的混杂性质并没有使其成为规范.您仍然会得到“错误的统治",因为科学似乎证明了某些发现的全面支持(例如,“抗抑郁药起作用,尤里卡!"),而该结论是错误的:潜在的研究并不能证明热情的研究是正当的.抗抑郁药的研究.

这种问题-我无法反复地对基础科学无法证明的某些发现进行正典化-这是我反复在博客中写道的内容,例如此处,此处,此处,此处和此处.

不,弗吉尼亚州,我认为这并不局限于抗抑郁药研究.

                                               
0
订阅评论
提醒
0 评论
内联反馈
查看所有评论