Quelles sont les études de cas dans la recherche sur les politiques de santé publique où des études ou des modèles peu fiables / confus / invalides ont été mal utilisés?

Je rédige une revue de la littérature sur un problème de santé publique actuel où les données sont confondues:

Quelles sont les études de cas historiques courantes utilisées dans l'enseignement de la santé publique / épidémiologie où des relations ou des inférences invalides ou confondues ont été intentionnellement ou erronément utilisées dans la politique et la législation de santé publique?

La flambée des décès dans les automobiles des années 1960 et une étude gouvernementale subséquente fondée sur des preuves qui a déterminé que les ceintures de sécurité et éventuellement les coussins gonflables devraient être exigés par la loi est un excellent exemple de COMBIEN politique de santé publique devrait être tirée par des déductions et des modèles statistiquement puissants.

Je cherche plus d'exemples de cas du type opposé (mauvaise science pour faire des politiques à la hâte). Cependant, si rien d'autre, je voudrais en savoir plus de cas similaires à l'exemple précédent d'études puissantes pour des prestations de santé publique réussies.

Je veux les utiliser comme exemples pour démontrer à quel point la recherche statistique en santé publique fondée sur des données probantes est importante pour l'élaboration des politiques.

Je pense que le meilleur exemple de cela peut probablement être la controverse autour de l'hormonothérapie substitutive et du risque cardiovasculaire - de grandes études épidémiologiques de cohorte semblent suggérer un effet protecteur et des politiques de santé et des recommandations de médecins ont été faites sur cette information.

Les ECR de suivi semblent alors montrer qu'il y a en fait une augmentation de risque d'infarctus du myocarde chez les femmes placées sur HRT.

Cela va et vient un peu et a été utilisé comme l'un des cas canoniques pour attaquer l'épidémiologie en tant que champ, mais une récente ré-analyse par Hernan semble suggérer que les deux études n'ont en fait pas de résultats discordants si vous assurez-vous de poser la même question.

Un exemple vraiment intéressant que j'aime personnellement est tiré du livre Freakonomics de Steven D. Levitt et Stephen J. Dubner. Il y a un chapitre dans le livre qui discute de la corrélation contre la causalité. La corrélation entre deux variables statistiques n'implique pas nécessairement que ces variables sont statistiquement dépendantes, mais une erreur dans ce sens a été commise par des experts. Citant du livre:

"Une bête délicate, la polio était extrêmement difficile à cerner pour les chercheurs. Ils ne pouvaient pas comprendre comment elle était passée ni quand / comment elle s'exprimait. Nous avons tendance à nous souvenir de cette époque comme celle où la polio était" épidémique ". quand, en fait, il n'affectait pas de larges pans de la population (par rapport à la rougeole plus courante, par exemple). La raison pour laquelle elle était considérée comme épidémique était parce qu'elle était si effrayante.

Ce que les chercheurs ont réussi à déterminer dans leurs études, c'est que les taux d'infection par la polio ont augmenté en été. Ils ont également vu que la CONSOMMATION DE CRÈME GLACÉE a augmenté en été. Et ils ont donc conclu que la consommation de crème glacée conduisait à la polio et pendant un certain temps, la crème glacée était diabolisée. "

Dans son article, "Statistical Models and Shoe Leather" (1991) , David Freedman présente quelques récits édifiants dans des études épidémiologiques. Il présente l'analyse de Snow sur le choléra à Londres comme un succès, non pas grâce à la modélisation statistique, mais plutôt grâce à la collecte diligente de données. Voici le résumé:

Les modèles de régression sont utilisés en sciences sociales au moins depuis 1899, lorsque Yule a publié un article sur les causes du paupérisme. Les modèles de régression sont maintenant utilisés pour faire des arguments de causalité dans une grande variété d'applications, et il est peut-être temps d'évaluer les résultats. Aucune réponse définitive ne peut être donnée, mais cet article est plutôt négatif. Le travail de Snow sur le choléra est présenté comme une réussite pour un raisonnement scientifique basé sur des données non expérimentales. Les histoires d'échecs sont également discutées, et les comparaisons peuvent fournir un aperçu. En particulier, cet article suggère que la technique statistique peut rarement être un substitut adéquat à une bonne conception, à des données pertinentes et à des tests de prévisions par rapport à la réalité dans une variété de paramètres.

Méthodologie sociologique . 21: 291-313.

Le cas de la chimiothérapie à haute dose avec sauvetage de greffe de moelle osseuse comme traitement du cancer du sein avancé dans les années 1990 en est un exemple. Une série d'études de faible qualité ont été utilisées pour faire avancer la législation exigeant une couverture d'assurance maladie dans certains États. Lorsque les grands essais randomisés ont été achevés, il n'y avait aucun avantage mesurable.

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