C'est dingue le nombre de gens qui répondent de cette façon, montrant qu'ils n'ont rien compris à l'argument. Notez que je dis exactement la même chose que Watson sur le blog de Gelman, mais ils ne doivent pas savoir non plus de quoi ils parlent 😏 statmodeling.stat.columbia.edu/2020/05/24/dou… 
Le plus drôle dans cette histoire, c'est que, à travers leurs réactions, les membres de la team #NoFakeMed ont confirmé sans même s'en rendre compte tout ce que je disais sur leur compte dans mon thread.
D'abord, j'ai eu droit à tout un tas de réponses sur le mode "je ne sais pas ce qui me retient de vous démontrer que vous ne savez pas de quoi vous parlez", que cet échange illustre assez bien. Je n'en montre qu'un, mais il y en a des tas comme ça.
Il faut dire que, quand ils répondent, ça ne se passent généralement pas très bien... Peut-être que si je n'ai que ça a foutre un de ces quatre et que j'ai envie d'être méchant, j'écrirai un post avec un best of des réponses dont on m'a gratifié depuis hier.
J'ai eu droit à des gens qui m'expliquaient que l'analyse de "propensity score matching" dans le papier montrait que mon argument était foireux (raté, le théorème sur lequel repose cette technique suppose que l'affectation au groupe de traitement est "strongly ignorable", une
hypothèse qui implique justement que le problème dont je parlais dans mon thread est absent), que "discrétiser" des variables continues avant de les inclure dans un modèle ne changeait rien (nope, ça peut au contraire changer beaucoup de choses et c'est quasiment toujours une
très mauvaise idée, comme je l'avais d'ailleurs noté dans mon thread, parce qu'entre autres choses ça entraîne une perte de puissance statistique et ça introduit de l'arbitraire dans l'analyse), que la taille importante de l'échantillon réduisait le biais (perdu, un gros
échantillon ne protège pas contre un éventuel biais et dans certains cas ça peut même générer d'autres problèmes, comme je l'avais aussi noté dans mon thread), etc. J'en passe et des pires. Si vous ne me croyez pas, regardez dans mes tweets de ce weekend, c'est gratuit.
Tout ça naturellement sur un ton bien condescendant, en m'expliquant que je n'y connais rien, que je n'ai "pas le niveau", etc. Je passe sur les innombrables personnes qui ont répondu en insistant sur le fait que j'étais un philosophe, ce qui apparemment pour eux est un argument.
Bref, comme je disais dans mon thread, ces gens sont des baltringues qui n'ont absolument pas les compétences requises pour comprendre les études qu'ils commentent. Mais comme ils sont débiles, ils croient que c'est moi qui en suis incapable 🙃
À ce sujet je reviens sur "l'argument" selon lequel un philosophe ne peut pas comprendre. Je suis suivi par des centaines de chercheurs dans toutes les grandes universités du monde et dans tout un tas de domaines : statistique, biologie, économie, maths, socio, physique, etc.
Nous avons régulièrement des échanges et ils sont fréquemment en désaccord avec moi, mais je peux vous garantir qu'il ne pensent pas que je suis incapable de lire un article scientifique. Ils ne me suivent pas parce que je suis drôle. Il faudrait peut-être se demander pourquoi ?
Alors si vous pensez que je dis une connerie, épargnez moi vos remarques sur les philosophes, démontrez moi plutôt en quoi ce que je dis est débile. Mais c'est vrai que, dans ce cas, il y a un risque que tout ne se passe pas comme prévu 😌
Pour finir, on me dit que tous les gens qui se revendiquent de #NoFakeMed ne sont pas comme ça et je suis sûr que c'est vrai, mais je ne vois pas beaucoup les autres, donc si vous voulez que j'arrête de me foutre de la gueule du hashtag, faites le ménage parmi vos amis.
Parce que vu d'ici, ce groupe ressemble surtout à une meute de crétins suffisants et ignorants, qui ne se rendent même pas compte qu'ils ont exactement les mêmes travers que les gens qu'ils critiquent. Mais bon vous faites comme vous voulez, je m'en fous moi 🤷♂️
