Warning: include(/webs/test.imim.cat/extras/IMIM2016/css/waf.php): failed to open stream: No such file or directory in /webs/test.imim.cat/config.php on line 2

Warning: include(): Failed opening '/webs/test.imim.cat/extras/IMIM2016/css/waf.php' for inclusion (include_path='.:/usr/share/php') in /webs/test.imim.cat/config.php on line 2
Agenda - Hospital del Mar Research Institute

Hospital del Mar Research Institute Hospital del Mar Research Institute

Agenda

19/06/2017

A propósito del artículo “Data fabrication and other reasons for non-random sampling in 5087 randomised, controlled trials in anaesthetic and general medical journals”

Sala Xipre (173.06-1a planta IMIM) a les 13:00 hores

El 4 de junio J. B. Carlisle ha publicado un artículo “Data fabrication and other reasons for non-random sampling in 5087 randomised, controlled trials in anaesthetic and general medical journals”(http://onlinelibrary.wiley.com/doi/10.1111/anae.13938/full). 

En resumen ha estudiado la “Tabla 1” (T1) de los ensayos clínicos (CT) dónde se muestra que las características de los pacientes se han repartido por igual entre los grupos de estudio. Si la selección se ha realizado aleatoriamente, la hipótesis nula “se supone” por diseño, y por esta razón en la mayoría de artículos ni tan solo se pone el p-valor.
Si la hipótesis nula es cierta cualquier p-valor es posible, es decir, es igual de probable un p-valor de 0.05, que uno de 0.95 o de 0.55. Bajo la hipótesis nula el p-valor sigue una distribución uniforme. Cuando un CT tiene muchos valores cercanos a 1, Carlisle dice que es sospechoso de haber "fabricado" los datos. Lo que ha hecho Carlisle es un trabajo ingente: se ha bajado las T1 de 5087 CT y ha calculado el p-valor de cada una de las variables.

Nick Brown ha publicado en su blog comentarios acerca de este artículo (http://steamtraen.blogspot.com.es/2017/06/exploring-john-carlisles-bombshell.html?m=1) que a su vez ha generado diversos comentarios con interesantes líneas de código en “R”.

En resumen, viene a decir que Carlisle tiene razón y que ha hecho un gran trabajo, pero, como todos los grandes trabajos no está exento de error. Por ejemplo no ha tenido en cuenta que algunas variables están correlacionadas entre ellas, que ha calculado con pruebas paramétricas algunas variables inequívocamente susceptibles de analizarse con pruebas paramétricas, que ha utilizado el error estándar como si fuera la desviación estándar o no he tenido presente la prueba estadística utilizada, etc. 

Los datos utilizados por Carlisle se pueden descargar de http://onlinelibrary.wiley.com/wol1/doi/10.1111/anae.13938/suppinfo

En la sesión se presentará y discutirá los resultados de este artículo.

Veure Pòster

More events

© Institut Hospital del Mar
d'Investigacions Mèdiques
Legal Notice and Privacy Policy | Cookie Policy | Site Index | Accessibility | Find Us | Contact