Confoundle · a reasoning trap
Le biais d'indication
Personne ne distribue les médicaments au hasard. Les médecins prescrivent à cause de quelque chose chez le patient, et ce quelque chose pèse en général sur ce qui allait lui arriver de toute façon. Des gens sous traitement peuvent donc mourir plus souvent que des gens sans traitement alors que le médicament n'y est absolument pour rien : il a été donné à ceux qui allaient déjà plus mal. Ajuster sur les différences aide, mais seulement sur les différences que quelqu'un a notées, et la raison de la prescription en fait rarement partie. C'est pour cela qu'un pile ou face vaut si cher.
The rule
Quand c'est un médecin qui décide qui reçoit un traitement, les patients traités diffèrent des non traités par des aspects que les données n'ont jamais consignés, et le traitement se voit imputer, en mal ou en bien, la raison pour laquelle il a été donné.
What it looks like
L'ajustement sur 27 caractéristiques initiales enregistrées n'y a presque rien changé : l'excès est passé de 36 pour cent à 22 pour cent. Et le même excès est apparu chez les patients que l'essai avait randomisés dans le groupe placebo, des personnes qui n'ont pris aucune digoxine pendant l'essai. Un médicament ne peut pas nuire à ceux qui ne l'ont jamais reçu : l'excès n'a donc jamais été le fait du médicament.
Why it works
Les traitements ne sont pas distribués au hasard. Un médecin prescrit à cause de quelque chose chez le patient : il est plus malade, ou plus fragile, ou ses symptômes sont plus marqués. Ce quelque chose pèse aussi sur ce qui allait lui arriver de toute façon. Le groupe traité part donc différent, et toute comparaison avec les patients non traités mesure à la fois le médicament et la raison pour laquelle il a été choisi, emmêlés l'un dans l'autre. Cela joue dans les deux sens. Un médicament donné aux plus malades paraît nocif ; un médicament donné aux plus solides, ou qu'on ne peut recevoir qu'en étant assez en forme pour se rendre en consultation, paraît miraculeux. La parade habituelle consiste à ajuster sur les différences, et cela aide, mais seulement pour les différences que quelqu'un a pensé à noter. L'impression du clinicien que ce patient-là déclinait est une information réelle, c'est elle qui a déclenché la prescription, et elle ne figure presque jamais dans le jeu de données. Voilà toute la raison pour laquelle les essais randomisés valent leur coût : un pile ou face ne peut rien savoir du patient, il ne peut donc pas faire entrer clandestinement la raison dans la comparaison. Quand un essai et une étude observationnelle se contredisent à propos du même médicament, c'est en général de là que cela vient.
Source
See if it fools you
This page gives the answer away. The puzzle version shows you the same figures first and asks you to commit before the reveal.
Play this one