Douste-Blazy avait entièrement raison et n'aurait jamais dû admettre qu'il avait tort, mais les défenseurs auto-proclamés de la "science", qui se croient très intelligents, n'ont juste pas compris l'argument. 1/n
Le tableau ci-dessus montre qu'il y avait environ *3 fois* plus de gens qui finissaient sous respirateur dans les groupes traitement que dans le groupe témoin. C'est une différence gigantesque. 2/n
Les #NoFakeMed répondent que la mise sous respirateur est un outcome et qu'en baseline les groupes étaient similaires, donc que ça démontre juste que Douste-Blazy ne comprend pas la différence entre outcome et baseline. 3/n
Mais le fait qu'il y ait une telle différence d'outcome alors qu'en baseline les groupes étaient comparables est un argument *contre* l'étude, pas en sa faveur ! C'est précisément le problème 🙃 4/n
Absolument *personne* de sérieux ne croit un instant que l'utilisation d'hydroxychloroquine augmente le risque de mise sous respirateur d'un facteur de 3 ! 5/n
Donc le fait qu'il y ait une telle différence d'outcome alors que, *quand on regarde les covariables incluses dans le modèle*, les groupes semblent similaires montre que les covariables en question ne permettent pas de contrôler pour la sévérité de la maladie au départ. 6/n
Autrement dit, ça suggère très fortement que le modèle est mal spécifié, donc on ne peut absolument pas faire confiance aux conclusions de l'étude... 7/n
Ce n'est pas du tout étonnant quand on voit comment ils ont contrôlé pour la sévérité de la maladie en début de période, à savoir avec 2 indicateurs binaires selon que le qSOFA était < 1 et que le SpO2 était < 0.94. 8/n 
Le qSOFA est un indice composite avec 4 scores possibles (0, 1, 2 ou 3) utilisé pour identifier les patients qui présentent un risque plus élevé de nécessiter des soins intensifs. 9/n qsofa.org/what.php
Le problème est que cet indice n'a pas été créé pour stratifier le risque chez les patients atteints de COVID-19 et qu'il n'est pas clair du tout qu'il soit très prédictif de l'outcome dans ce cas. 10/n
Cette étude (h/t @dperetti) a étudié la question et conclu que ce n'était pas le cas, mais elle ne concernait que les patients admis en soins intensifs. 11/n annalsofintensivecare.springeropen.com/articles/10.11…
Une autre étude rétrospective suisse qui incluait tous les patients avec un test positif à SARS-CoV-2 a trouvé un odds ratio de 6 pour les gens avec qSOFA >= 2. 12/n medrxiv.org/content/10.110…
Mais les auteurs de l'étude du Lancet ont "binarisé" le qSOFA en transformant le score en variable binaire ayant une valeur de 1 quand qSOFA < 1 et 0 dans tous les autres cas. 13/n
Statistiquement, c'est une *très* mauvaise idée sauf dans quelques rares cas, parce que ça entraîne une perte d'information. Il aurait fallu inclure 3 dummies dans le modèle pour estimer l'effet d'un qSOFA de 1, 2 et 3 par rapport à 0. 14/n
Pour se convaincre que "binariser" le qSOFA entraîne une perte d'information, il suffit de regarder la distribution des scores qSOFA dans la cohorte de l'étude suisse citée plus haut. 15/n
La colonne en bleu c'est les gens qui n'ont pas fini sous respirateur et celle en rouge c'est pour ceux qui l'ont été. 16/n
On voit qu'il y a une difference notable entre les gens qui ont un qSOFA de 0 et les autres, mais il y aussi des différences importantes chez les gens qui ont un qSOFA >= 1 selon le score exact qu'ils avaient. 17/n
Toute cette information supplémentaire, à supposer qu'elle subsiste une fois qu'on contrôle pour d'autres facteurs, est perdue dans l'analyse de l'étude du Lancet du fait qu'ils ont "binarisé" le qSOFA dans leur modèle. 18/n
C'est la même chose avec l'autre indicateur qu'ils ont utilisé pour contrôler pour la sévérité de la maladie en début de période, à savoir le SpO2, sauf que dans ce cas c'est encore pire ! 19/n
Le SpO2 est une mesure de la quantité d'oxygène transportée dans le sang par rapport à la capacité maximale. C'est donc une variable continue, contrairement au qSOFA. Une valeur comprise entre 0.95 et 1 est considérée comme "normale". 20/n
Sauf que les auteurs de l'étude du Lancet n'ont pas inclus le SpO2 comme une variable continue dans le modèle, mais là encore ils l'ont "binarisé" en construisant une variable qui a une valeur de 1 si le SpO2 est < 0.94 et 0 autrement. 21/n
Discrétiser une variable continue dans son analyse est presque toujours une mauvaise idée pour tout un tas de raisons, mais sans avoir besoin d'entrer dans les détails, il est facile de comprendre intuitivement que ça entraîne une perte d'information. 22/n biostat.mc.vanderbilt.edu/wiki/Main/CatC…
Bref, quand les défenseurs auto-proclamés de la science affirment qu'il n'y avait aucune différence en termes de besoins d'oxygénation entre les groupes traitement et le groupe témoin, ils disent n'importe quoi ! 23/n
La vérité c'est que, sur la base des informations dans l'étude, il est *impossible* d'affirmer cela ! Il faudrait connaître la *distribution* du SpO2 dans chaque groupe. 24/n
Mais on ne connait pas cette distribution ! Tout ce qu'on sait, c'est que la proportion de gens avec un SpO2 < 0.94 était à peu près la même dans tous les groupes. 25/n
Imaginez un groupe A avec 10 personnes mesurant 1m50 et 10 personnes mesurant 1m71 et un groupe B avec 10 personnes mesurant 1m69 et 10 personnes mesurant 1m90. 26/n
La proportion de gens faisant moins d'1m70 est la même dans les 2 groupes, mais il ne viendrait à l'idée de personne de prétendre qu'il n'y a aucune différence de taille entre ces 2 groupes ! 27/n
Mais pourtant c'est exactement ce que prétendent les défenseurs auto-proclamés de la "science" dans le cas de l'étude du Lancet 🙃 28/n
Encore une fois, avec les informations qu'on a, il est impossible d'affirmer qu'il n'y avait pas de différence de besoins d'oxygénation entre les groupes au départ et, vu la différence *énorme* du taux de mise sous respirateur, on peut sérieusement en douter... 29/n
Utiliser un seuil à 0.94 peut cacher d'énormes différences entre les groupes. Je ne dis pas que les auteurs ont fait ça volontairement, je dis juste que c'est une erreur et qu'ils n'auraient jamais dû "binariser" cette variable. 30/n everydayhealth.com/coronavirus/ca…
Si comme on peut l'imaginer, l'effet n'est pas linéaire, i. e. le fait de passer de 90% à 80% augmente beaucoup plus le risque que le fait de passer de 100% à 90%, ils auraient pu ajouter un terme quadratique. 31/n
Soit dit en passant, c'est aussi ce qu'ils auraient dû faire avec l'âge, dont il est tout à fait clair sur la base d'autres études (e. g. medrxiv.org/content/10.110…) que l'effet sur la mortalité augmente beaucoup plus vite que linéairement. 32/n
Même si pour une raison ou pour une autre, ils tenaient absolument à utiliser un indicateur binaire, ils auraient dû au moins essayer plusieurs seuils différents pour voir si les résultats sont robustes à des changements de spécifications. 33/n
Au lieu de ça, ils ont fait une analyse de matching par score de propension qui ne règle en rien ce problème, puisque les scores de propension sont calculés à partir des mêmes covariables. 34/n
Mais tout ça ce sont des détails par rapport au point vraiment important, qui est celui soulevé par Douste-Blazy, même si comme il a admis s'être trompé je soupçonne qu'il ne l'avait pas bien compris lui-même. 35/n
Le point important est celui-ci : il est très probable que le modèle soit mal spécifié parce que, si les covariables incluses dans le modèle permettaient vraiment de contrôler pour la sévérité en début d'observation de façon satisfaisante, il n'y aurait pas un tel écart 36/n
en termes de taux de mise sous respirateur à la fin entre le groupe témoin et les groupes traitement alors même qu'ils ont l'air similaires du point de vue des covariables en question. 37/n
Une autre possibilité est que, si on avait la distribution *multivariée* des variables dans chaque groupe (ce qui n'est pas le cas), on s'apercevrait qu'ils ne sont en fait pas vraiment similaires. 38/n
Autrement dit, même si e. g. le % de gens avec des problèmes cardiaques et le % de gens avec du diabète sont la même dans le groupe témoin et dans les groupes traitement, il y a plus de gens qui ont *à la fois* des problèmes cardiaques et du diabète dans ces derniers. 39/n
Si c'était le cas, et si les différences comorbidités interagissent (ce qui est probable), les conclusions de l'étude seraient d'autant plus faussées que le modèle utilisé n'inclut apparemment pas d'interactions entre les covariables. 40/n
Je ne sais pas si c'est le cas, mais encore une fois, tant qu'on n'a pas les données, c'est impossible à dire. Si on avait les données et le code utilisé par les auteurs, on pourrait régler beaucoup de ces questions, mais à mon avis on va attendre longtemps. 41/n
Bref, une étude observationnelle de ce type ne peut absolument pas régler la question, surtout quand comme dans ce cas il y a d'excellentes raisons de penser que le modèle est mal spécifié et donc que le résultat est biaisé. 42/n
En l'occurrence, l'énorme différence en termes d'outcome alors qu'en baseline les groupes ont l'air similaires suggère fortement qu'en fait les membres des groupes traitement étaient plus sévèrement atteintes que celles dans le groupe témoin, d'où l'administration de HCQ. 43/n
Autrement dit, ce n'est pas parce qu'on leur a administré de l'HCQ que les gens sont morts plus souvent, mais c'est au moins en partie parce qu'ils avaient dès le début une plus grande chance de mourir qu'on leur a administré de l'HCQ. 44/n
C'est d'ailleurs exactement ce que les défenseurs auto-proclamés de la "science" disaient quand Raoult et ses copains promouvaient son traitement avec des études du même type, mais soudainement ce n'est plus un problème quand ils ont le résultat qu'ils veulent 🤔 45/n
Et non, contrairement à ce qu'ils répètent en coeur et comme je l'ai déjà expliqué, la taille de l'échantillon ne change rien à l'affaire. 46/n
Le fait que tant de défenseurs auto-proclamés de la "science" utilisent ce genre d'arguments à la con montre que ce sont tout autant des baltringues que les mecs d'en face. C'est juste qu'ils présentent mieux. 47/n
Ils sont convaincus que, contrairement aux mecs d'en face, ils ne sont pas dogmatiques et qu'ils savent de quoi ils parlent, mais il n'y a qu'à discuter 5 minutes avec eux pour voir que ce n'est pas le cas. 48/n
Je pourrais écrire un roman avec toutes les conneries qu'ils ont racontées sur ce sujet et sur beaucoup d'autres. Peut-être que, par rapport aux partisans de Raoult, ils savent plus souvent ce qu'est une p-value, mais au final ça ne change pas grand chose... 49/n
Il n'y a qu'à lire les réponses au thread que j'ai cité tout en haut. Ils se croient tous géniaux alors que, volontairement ou pas, Douste-Blazy mettait le doigt sur un vrai problème, ce qu'ils n'ont absolument pas compris. 50/n
J'ajoute que ce n'est loin d'être le seul problème avec cette étude. Par exemple, les auteurs utilisent un modèle de Cox, dont l'hypothèse centrale est que les "hazard ratios" restent constants dans le temps. 51/n bookdown.org/sestelo/sa_fin…
Je ne dis qu'ils ont fait exprès de ne pas tester l'hypothèse par malhonnêteté parce qu'ils sont vendus à je ne sais quelle entreprise pharmaceutique ou une connerie de ce genre et je suis même à peu près sûr que ce n'est pas le cas. 53/n
Il n'est pas nécessaire de supposer quoi que ce soit de la sorte alors que, tout comme "discrétiser" une variable continue, c'est le genre d'erreurs qu'on trouve partout dans la littérature scientifique. Aucun papier n'est parfait et beaucoup sont de très mauvaise qualité. 54/n
Tout ce que je dis c'est que cette étude ne démontre pas plus que l'HCQ est inefficace que les études promues par Raoult et ses partisans et qu'elle démontre encore moins que ça augmente le risque de décès. 55/n
Encore une fois, le point sur lequel Douste-Blazy a, volontairement ou pas, mis le doigt suggère au contraire très fortement que les résultats ne sont pas fiables du tout. 56/n
Mais la plupart des #NoFakeMed ne s'en rendent pas compte et n'ont même pas compris l'argument parce qu'ils sont débiles et que c'est beaucoup plus gratifiant de se dire que, contrairement aux ploucs qui adulent Raoult, ils sont du côté de la "science". 57/57
ADDENDUM : Je vous en prie, lisez bien avant de répondre et, en particulier, ne m'accusez pas de soutenir Raoult ou son traitement alors que *rien* de ce que j'ai dit n'implique cela et que, comme tous les gens qui me suivent le savent pertinemment, ce n'est pas le cas.
Je sais que pour certains c'est difficile à comprendre, mais je vous assure qu'il est tout à fait possible d'être opposé *à la fois* aux conneries de Raoult et à celles de ses opposants. Cette fausse opposition entre pro et anti-science commence à me taper sur les nerfs.
ERRATUM : Ça m'avait échappé, mais @pagtier a raison. Contrairement à ce que je dis au dessus, les auteurs ont bien testé l'hypothèse de proportionnalité ! Au temps pour moi.
