Varför är det större chans att något publiceras om det INTE ÄR SANT?

Det låter ju helt bakvänt, men faktum är att studier med statistiskt signifikanta resultat och sensationella medicinska nyheter har större sannolikhet att nå media än ”jasså-nyheter”, även om de inte är sanna. Anna Törner förklarar varför i denna intressanta artikel.

Enkelt förklarat kan man säga att publikationsbias innebär att spännande och positiva (statistiskt signifikanta) resultat uppmärksammas och publiceras i högre utsträckning än negativa (och därmed mindre sen-sationella) resultat. Eftersom negativa studier publiceras i mindre utsträckning blir de positiva studierna, som ibland är falskt positiva, överrepresenterade och resultatet vi be-traktar därför felaktigt.En annan form av snedvridning är publicering av ”case reports” som ofta får tyngd i debatten men som är väldigt svåra att bedöma, både med avseende på relevans men ock-så hur frekvent något förekommer.

En bra case report är intressant och kan vara en signal om att en biverkan eller effekt bör uppmärksammas, men kan inte användas för att bedöma hur vanligt förekommande något är. Jämför historierna om att ”min granne rökte tre paket om dagen och levde till han var 95 år”. Ett spännande undantag gör inte något till sanning.Allt börjar med typ I-fel …Vi har pratat mycket om typ I-fel i tidigare nummer av PI (flera olika sammanhang). I korthet innebär ett typ I-fel att man felaktigt drar slutsatsen att det finns en skillnad i be-handlingseffekt mellan två behandlingar medan sanningen egentligen är att det inte är någon skillnad i behandlingsef-fekt.

Risken för att göra ett typ I-fel är 5 procent (om man väljer p<0,05 som gräns för statistisk signifikans). Den här typen av misstag i statistiska analyser går aldrig att skydda sig emot – vi har alltid 5 procents risk att dra en felaktig slutsats om signifikant skillnad. Det hänger ihop med att vi drar våra slutsatser på ett begränsat antal patienter i en klinisk studie och inte har data från hela den möjliga populationen – då hade vi haft den exakta sanningen. Typ I-felsrisken betyder att en av 20 studier blir signifikant av en slump. Publikationsbias handlar om att de signifikanta studierna har störst chans att publiceras.

Läs hela artikeln