Thread by @Tsarorius

Allez, pour le fun, je débute un petit thread avec "les leçons de méthodologie et statistiques" de l'IHU Méditerranée Infection.

🔽

⚠️ Leçon n°1 : Le paradoxe de Simpson expliqué par Didier Raoult.

Mini décryptage :
Ici, Didier Raoult tente de nous expliquer un biais qu'il a découverte récemment ("c'est Mathieu qui m'a dit ça récemment") mais bien connu des vrais méthodologistes concernant les analyses en sous groupe.

On notera, amusés, que l'exemple que prend Didier Raoult est curieusement très proche de celui détaillé dans la page "Paradoxe de Simpson" de Wikipedia.

(le terme lithiase qu'emploie Didier Raoult dans la vidéo est le terme savant pour les calculs rénaux)

On notera aussi, que Didier Raoult adapte à sa sauce l'exemple de Wikipedia, en remplaçant habilement "Traitement A vs Traitement B" par "CHU vs CHR".

Ca se voit quand même, Didier.

"Le trait de la probabilité s'inverse à cause de ce paradoxe de Simpson"

Pire. Explication. Jamais.

⚠️ Leçon n°2 : Didier Raoult explique la moyenne et la médiane

"La barre qui sépare a moitié les uns et les autres"

J'ai pas les mots.

⚠️ Leçon n°3 : Philippe Brouqui nous explique les études cas-témoin

Mini-décryptage :

Y a absolument rien qui va, c'est effarant.

Les études cas témoin ne sont jamais prospectives, ce sont des études rétrospectives par définition.

Dans une étude cas-témoin, le principe n'est pas du tout d'assembler des individus et de donner aux uns un traitement et aux autres un autre traitement ou un placebo. Ca c'est plutôt le principe d'un essai clinique. Bref, il raconte n'importe quoi.

Ce que décrit Philippe Brouqui, c'est une étude dans laquelle on ferait une intervention, par exemple donner un traitement, puis on observerait ensuite le devenir des patients en cherchant la survenue d'un évènement.

Une étude cas témoin c'est précisément le contraire : les participants à l'étude sont des personnes qui ont présenté un évènement, et on recherche, dans le passé, rétrospectivement, leur exposition.

Et le petit schéma de sa diapo censé illustré une étude cas-témoin n'est pas du tout un schéma illustrant une étude cas-témoin.

Bref, y a rien à garder ici.

⚠️ Leçon n°4 : Didier Raoult nous explique les analyses multivariées (via @DavidHajage)

Mini-décryptage :

Ce qu'il dit n'a absolument aucun sens.

Du coup je vais vous dire ce qu'est une analyse multivariée, et lâchez des coms pour me dire si vous aviez compris en voyant sa vidéo (ceux qui me disent qu'ils avaient compris, faites gaffe quand même).

Une analyse UNIvariée, c'est une analyse statistique qui étudie le lien entre une variable à expliquer et une variable explicative.
Exemple 1 : étude du lien entre survenue d'un cancer du poumon (variable à expliquer) et tabagisme (variable explicative).

Exemple 2 : étude du lien entre survenue d'un effet indésirable (variable à expliquer) et prise d'un médicament (variable explicative).

Une analyse MULTIvariée, c'est une analyse statistique qui étudie le lien entre une variable à expliquer et plusieurs (et non plus une seule) variables explicatives.

Exemple : étude du lien entre survenue d'un cancer de la gorge (variable à expliquer) et consommation de tabac (variable explicative n°1) et d'alcool (variable explicative n°2).

Au total :
Dans une analyse univariée, on n'étudie qu'une variable explicative
Dans une analyse multivariée, on étudie plusieurs variables explicatives

L'objectif d'une analyse multivariée est de prendre en compte des facteurs de confusion, et d'étudier l'effet propre de chaque variables explicatives sur la variable à expliquer.

Dans l'exemple ci-dessus : étude de l'effet de la consommation de tabac (ou d'alcool) indépendamment de la consommation d'alcool (ou de tabac) sur la survenue d'un cancer de la gorge.

Fin de l'explication. Celui qu'est pas content il va se faire cuire un oeuf.

⚠️ Leçon n°5 : Didier Raoult nous explique l'espérance de vie (via @hfolny)

Mini-décryptage :

Visiblement Didier Raoult est heureux de nous reparler des trottinettes, car il n'avait pas dit suffisamment d'ânerie sur le sujet la première fois.

Ici, Didier Raoult semble croire que l'espérance de vie est figée.
Ainsi :
"si vous mourez d'un accident de trottinette à 20 ans perdez une espérance de vie de 61 ans"

Et :
"si vous mourez à 82 ans il en faut... vous voyez, 60 pour compenser la perte d'espérance de vie d'un gosse qui meurt en trottinette"

C'est consternant de bêtise.

L'espérance de vie à 20 ans ce n'est pas l'espérance de vie à 82 ans !

Didier Raoult semble croire que si l'espérance de vie à la naissance est de 85 ans, alors l'espérance de vie à 82 ans est de 3 ans ! C'est stupide.

En réalité, l'espérance de vie à 20 ans est de 62 ans environ, et l'espérance de vie à 80 ans est de... 10 ans environ !

Didier Raoult dit bien "ce qui est important c'est le nombre d'années de vie perdues".

Or il prétend qu'il faut 60 morts à 80 ans pour compenser 1 mort à 20 ans.

Bah non. En terme d'années de vie perdues, pas du tout ! Quelqu'un qui meurt à 20 ans perd 60 ans, c'est à dire 6 fois (et pas 60 fois) plus que quelqu'un qui perd 10 ans en mourant à 80 ans.

L'objectif de Didier Raoult : instiller dans les esprits que les vieux qui meurent ne meurent pas du Covid-19 mais simplement parce qu'ils ont atteint leur "espérance de vie" (voir même l'ont dépassé pour certains !).

C'est d'une bêtise sans nom.

Anecdote rigolote :

Didier Raoult cite Churchill : "Je ne crois qu'aux statistiques que je fais moi même"

La citation (apocryphe) attribuée à Churchill est : "Je ne crois qu'aux statistiques que j'ai moi même falsifiées".

Un principe qui a certainement guidé sa carrière.

⚠️ Leçon n°6 : Philippe Brouqui nous explique les bases de "l'essai observationnel avec un comparatif"

Mini-décryptage :

Un "essai observationnel avec un comparatif" ça n'existe pas.

Ici il nous parle de cet essai clinique là :

ncbi.nlm.nih.gov/pmc/articles/P…

Gautret P, Lagier JC, Parola P et al. Hydroxychloroquine and azithromycin as a treatment of COVID-19: results of an open-label non-randomized clinical trial. Int J Antimicrob Agents. 2020 Jul;56(1):105949

Mes lecteurs le connaissent bien et sont bien au courant de toutes les limites de cette étude complètement nulle car j'en ai parlé à plusieurs reprises. La première fois ici :

Pour en revenir à "l'essai observationnel avec un comparatif" :

Un "essai" c'est un essai clinique (en anglais : clinical trial). Les essais cliniques sont des études interventionnelles, pas observationnelles.

Parler d'essai observationnel, c'est antinomique.

Par ailleurs, le choix du groupe contrôle dans un essai clinique ne se fait comme il le décrit que dans le monde bien particulier de l'IHU Méditerranée Infection.

Les gens qui captent quelque chose en méthodologie ne font pas ça. Ils savent qu'on ne pourrait rien en tirer.

⚠️ Leçon n°7 : Mathieu Million nous explique la reproductibilité des études scientifiques

Mini-décryptage :

Ne faire apparaitre que des points verts (études concluant à l'efficacité) et enlever les points rouges (études concluant à l'absence d'efficacité) pour conclure que "ça marche, c'est reproductible", c'est soit de la bêtise, soit de la mauvaise foi.

Leçon n°8 : Mathieu Million nous explique le test du χ².

Mini-décryptage :

Le test du χ² ne permet pas de voir si deux échantillons sont indépendants.

Ce test statistique sert à tester l'indépendance entre deux variables aléatoires qualitatives. Et donc par exemple à comparer deux pourcentages.

Etude sur l'efficacité vaccinale. On observe un pourcentage de décès chez les vaccinés (p1) et chez les non vaccinés (p2)
H0 : p1 = p2
H1 : p1 ≠ p2
Calcul de la statistique χ²
Selon la valeur de χ², et en fixant un risque acceptable de se tromper, on rejette ou pas H0.

Et le rapport avec "la tendance était de dire que tout est dans les données, y a pas de facteur extérieur" ?

Aucune idée de ce dont il parle. Il a du mal comprendre un truc.