La plausibilité mais pas la science a dominé les discussions publiques sur la pandémie de Covid

« Franchement, les attaques dont je suis la cible sont des attaques contre la science . » ~ Anthony Fauci, 9 juin 2021 (MSNBC).

Absurde.

D'une part, le Dr Fauci n'a pas rendu compte avec précision des questions scientifiques tout au long de la pandémie de Covid-19. D'autre part, la dialectique essentielle de la science est d'argumenter, de questionner, de débattre. Sans débat, la science n'est rien d'autre que de la propagande. 

Pourtant, on peut se demander comment a-t-il été possible de présenter du matériel technique au public américain, sinon au public international, pendant près de trois ans et de parvenir à une compréhension générale que les questions étaient «scientifiques», alors qu'en fait elles ne l'étaient pas. ? J'affirme que ce qui a été transmis à ces publics par le biais des médias traditionnels au cours de la pandémie a été en grande partie plausible, mais pas scientifique, et que le public américain et international, ainsi que la plupart des médecins et des scientifiques eux-mêmes, ne peuvent pas dire la différence. Cependant, la différence est fondamentale et profonde.

La science débute par des théories, des hypothèses, dont les implications empiriques peuvent être vérifiées. Cependant, ces théories ne constituent pas la science en soi ; elles la motivent . La science se manifeste lorsque des chercheurs réalisent des expériences ou des observations qui influencent les implications ou les conséquences des théories. Ces résultats tendent à confirmer ou à infirmer les théories, qui sont alors modifiées ou mises à jour pour tenir compte des nouvelles observations, ou abandonnées si des preuves convaincantes démontrent leur incapacité à décrire la nature. Ce cycle se répète ensuite. La science consiste à mener un travail empirique ou observationnel afin d'obtenir des preuves confirmant ou infirmant les théories.

En général, les théories ont tendance à être des déclarations plausibles décrivant quelque chose de spécifique sur le fonctionnement de la nature. La plausibilité est dans l'œil du spectateur, car ce qui est plausible pour un expert techniquement compétent peut ne pas l'être pour un profane. Par exemple - peut-être trop simplifié - l'héliocentrisme n'était pas plausible avant que Nicolas Copernic ne publie sa théorie en 1543, et il n'était pas particulièrement plausible par la suite pendant un certain temps, jusqu'à ce que Johannes Kepler comprenne que les mesures astronomiques effectuées par Tycho Brahe suggéraient d'affiner les orbites circulaires coperniciennes en ellipses. , ainsi que le fait que des règles mathématiques semblaient régir les mouvements planétaires le long de ces ellipses - mais les raisons de ces règles mathématiques, même si elles étaient de bonnes descriptions des mouvements, n'étaient pas plausibles jusqu'à ce qu'Isaac Newton en 1687 postule l'existence d'une gravitation universelle entre les masses, ainsi qu'une loi de distance inverse carrée proportionnelle à la masse régissant la magnitude de l'attraction gravitationnelle, et a observé de nombreux phénomènes quantitatifs compatibles avec et soutenant cette théorie.

Pour nous aujourd'hui, nous pensons à peine à la plausibilité des orbites elliptiques héliocentriques du système solaire, car les données d'observation couvrant 335 ans ont été très cohérentes avec cette théorie. Mais nous pourrions hésiter à penser qu'il est plausible que la lumière voyage simultanément sous forme de particules et d'ondes, et que faire des mesures sur la lumière, ce que nous faisons en tant qu'observateurs, détermine si nous voyons le comportement des particules ou le comportement des ondes, et nous pouvons choisir d'observer soit les particules ou des vagues, mais pas les deux en même temps. La nature n'est pas nécessairement plausible.

Mais tout de même, les théories plausibles sont faciles à croire, et c'est là le problème. C'est ce dont nous avons été nourris pendant près de trois ans de la pandémie de Covid-19. En fait, cependant, nous avons été nourris de plausibilité au lieu de science pendant beaucoup plus longtemps.

Science culte du cargo

Les charlatans prétendant plier des cuillères avec leur esprit ou prétendant étudier une « perception extrasensorielle » non confirmable et irréplicable étaient très populaires dans les années 1960 et 1970. D'étranges croyances sur ce que la "science" pouvait établir ont atteint un tel niveau que le lauréat du prix Nobel de physique Richard Feynman a prononcé le discours d'ouverture de Caltech en 1974 (Feynman, 1974) déplorant de telles croyances irrationnelles. Ses remarques ne visaient pas le grand public, mais les étudiants diplômés de Caltech, dont beaucoup étaient destinés à devenir des scientifiques universitaires.

Dans son discours, Feynman a décrit comment les insulaires de la mer du Sud, après la Seconde Guerre mondiale, ont imité les soldats américains stationnés là-bas pendant la guerre qui avaient guidé les atterrissages d'avions de ravitaillement. Les habitants de l'île, en utilisant des matériaux locaux, ont reproduit la forme et les comportements de ce qu'ils avaient vu des GI américains, mais aucun ravitaillement n'est venu.

Dans notre contexte, le point de Feynman serait que jusqu'à ce qu'une théorie ait des preuves empiriques objectives la concernant, elle ne reste qu'une théorie, aussi plausible qu'elle puisse sembler à tous ceux qui l'entretiennent. Les insulaires passaient à côté du fait crucial qu'ils ne comprenaient pas comment fonctionnait le système d'approvisionnement, malgré la plausibilité de leur reproduction. Que Feynman s'est senti obligé d'avertir les étudiants diplômés de Caltech de la différence entre la plausibilité et la science, suggérant que cette différence n'était pas suffisamment apprise dans leurs études à l'Institut. Il n'était pas explicitement enseigné lorsque cet auteur était étudiant de premier cycle à cette époque, mais d'une manière ou d'une autre, nous étions censés l'avoir appris «par osmose».

Médecine factuelle

Il n'existe peut-être pas de plus grande supercherie en matière de crédibilité aujourd'hui que la « médecine fondée sur les preuves » (MFP). Ce terme a été inventé par Gordon Guyatt en 1990, après l'échec de sa première tentative, la « médecine scientifique », l'année précédente. En tant qu'épidémiologiste universitaire en 1991, j'étais outré par l'arrogance et l'ignorance qui transparaissaient dans l'utilisation de ce terme, la MFP, comme si les preuves médicales étaient en quelque sorte « non scientifiques » jusqu'à ce qu'elles soient proclamées comme une nouvelle discipline avec de nouvelles règles en matière de preuves. Je n'étais pas le seul à critiquer la MFP (Sackett et al., 1996), bien qu'une grande partie de cette réaction négative semble avoir été fondée sur une perte de contrôle du discours plutôt que sur un examen objectif de ce que la recherche médicale avait réellement accompli sans « MFP ».

Les connaissances médicales occidentales se sont accumulées pendant des milliers d'années. Dans la Bible hébraïque (Exode 21:19), "Lorsque deux parties se querellent et que l'une frappe l'autre... la victime sera complètement guérie" [ma traduction] ce qui implique que des individus qui avaient des types de connaissances médicales existaient et qu'un certain degré de efficacité inhérente. Hippocrate, au cinquième-quatrième siècle avant notre ère, a suggéré que le développement de la maladie pourrait ne pas être aléatoire mais lié aux expositions de l'environnement ou à certains comportements. À cette époque, il y avait beaucoup de ce que nous considérerions aujourd'hui comme des contre-exemples à une bonne pratique médicale. Néanmoins, c'était un début de réflexion sur les preuves rationnelles des connaissances médicales.

James Lind (1716-1794) a plaidé pour la protection contre le scorbut en mangeant des agrumes. Ce traitement était connu des anciens, et en particulier avait été recommandé auparavant par le chirurgien militaire anglais John Woodall (1570-1643) - mais Woodall a été ignoré. Lind obtient le mérite parce qu'en 1747, il a mené un petit essai contrôlé non randomisé mais réussi d'oranges et de citrons par rapport à d'autres substances chez 12 patients atteints de scorbut.

Au cours du XIXe siècle, l'utilisation de la vaccine par Edward Jenner comme vaccin contre la variole fut perfectionnée par sa culture sur d'autres animaux et généralisée lors des épidémies. Ainsi, en 1905, lors de l'affaire Jacobson contre Massachusetts devant la Cour suprême , le juge en chef put affirmer que la vaccination contre la variole était reconnue par les autorités médicales comme une pratique courante. Les revues médicales commencèrent également à paraître régulièrement au XIXe siècle. Par exemple, The Lancet débuta sa publication en 1824. Les connaissances médicales, qui s'accumulaient, commencèrent à être diffusées et débattues plus largement.

Avance rapide vers les années 1900. En 1914-15, Joseph Goldberger (1915) a mené un essai d'intervention alimentaire non randomisé qui a conclu que la pellagre était causée par un manque de niacine alimentaire. Dans les années 1920, des vaccins contre la diphtérie, la coqueluche, la tuberculose et le tétanos ont été développés. L'insuline a été extraite. Des vitamines, dont la vitamine D pour prévenir le rachitisme, ont été développées. Dans les années 1930, les antibiotiques ont commencé à être créés et utilisés efficacement. Dans les années 1940, l'acétaminophène a été développé, tout comme les chimiothérapies, et les œstrogènes conjugués ont commencé à être utilisés pour traiter les bouffées de chaleur de la ménopause. Le nombre de nouveaux médicaments, vaccins et dispositifs médicaux efficaces a connu une croissance exponentielle dans les années 1950 et 1960. Le tout sans EBM.

En 1996, répondant aux critiques d'EBM, David Sackett et al. (1996) ont tenté d'en expliquer les principes généraux. Sackett a affirmé que l'EBM découlait de "Les bons médecins utilisent à la fois l'expertise clinique individuelle et les meilleures preuves externes disponibles". Il s'agit d'une implication de plausibilité anodine, mais les deux composants sont fondamentalement faux ou du moins trompeurs. En formulant cette définition en termes de ce que les médecins individuels devraient faire, Sackett impliquait que les praticiens individuels devraient utiliser leurs propres observations et expériences cliniques. Cependant, la représentativité probante générale de l'expérience clinique d'un individu est susceptible d'être faible. Tout comme les autres formes de preuves, les preuves cliniques doivent être systématiquement collectées, examinées et analysées, pour former une synthèse du raisonnement clinique, qui fournirait ensuite la composante clinique des preuves médicales scientifiques.

Une lacune majeure du raisonnement probatoire réside dans l'affirmation de Sackett selon laquelle il faudrait utiliser « les meilleures preuves externes disponibles » plutôt que toutes les preuves externes valides. Les jugements sur ce qui constitue une « meilleure » ​​preuve sont hautement subjectifs et ne produisent pas nécessairement les résultats globaux les plus précis et exacts sur le plan quantitatif (Hartling et al., 2013 ; Bae, 2016). En formulant ses « aspects » désormais canoniques du raisonnement causal probatoire, Sir Austin Bradford Hill (1965) n'a pas inclus d'aspect relatif à ce qui constituerait une « meilleure » ​​preuve, ni suggéré que les études devraient être mesurées ou catégorisées selon leur « qualité », ni même que certains types de plans d'étude puissent être intrinsèquement meilleurs que d'autres. Dans le Manuel de référence sur les preuves scientifiques , Margaret Berger (2011) affirme explicitement : « … de nombreux organismes scientifiques parmi les plus respectés et les plus prestigieux (tels que le Centre international de recherche sur le cancer (CIRC), l’Institut de médecine, le Conseil national de la recherche et l’Institut national des sciences de la santé environnementale) examinent l’ensemble des preuves scientifiques pertinentes disponibles afin de déterminer quelle conclusion ou hypothèse concernant une relation de cause à effet est la mieux étayée par l’ensemble des preuves. » C’est précisément l’approche de Hill ; ses aspects du raisonnement causal sont largement utilisés depuis plus de 50 ans pour passer de l’observation à la causalité, tant en sciences qu’en droit. Le fait que la médecine factuelle repose sur une sélection subjective des « meilleures » preuves est une méthode plausible, mais non scientifique.

Au fil du temps, l'approche EBM consistant à considérer de manière sélective les «meilleures» preuves semble avoir été «simplifiée», d'abord en plaçant les essais contrôlés randomisés (ECR) au sommet d'une pyramide de toutes les conceptions d'études comme conception supposée «étalon-or», et plus tard, comme le seul type d'étude affirmé auquel on peut faire confiance pour obtenir des estimations impartiales des effets. Toutes les autres formes de preuves empiriques sont « potentiellement biaisées » et ne sont donc pas fiables. Il s'agit d'une vanité de plausibilité comme je vais le montrer ci-dessous.

Mais il est si plausible qu'il est couramment enseigné dans l'enseignement médical moderne, de sorte que la plupart des médecins ne considèrent que les preuves des ECR et rejettent toutes les autres formes de preuves empiriques. Il est si plausible que cet auteur ait eu une bataille verbale à l'antenne à ce sujet avec un commentateur de télévision sans formation médicale qui n'a fourni aucune preuve autre que la plausibilité (Whelan, 2020) : n'est-il pas "juste évident" que si vous randomisez les sujets, tout des différences doivent être causées par le traitement, et aucun autre type d'étude ne peut être fait confiance ? Évident, oui; vrai, non.

À qui profite une focalisation unique et obsessionnelle sur les preuves d'ECR ? Les ECR sont très coûteux à réaliser s'ils doivent être épidémiologiquement valides et statistiquement adéquats. Ils peuvent coûter des millions ou des dizaines de millions de dollars, ce qui limite largement leur attrait aux entreprises faisant la promotion de produits médicaux susceptibles de générer des bénéfices nettement supérieurs à ces coûts. Historiquement, le contrôle pharmaceutique et la manipulation des preuves d'ECR dans le processus de réglementation ont considérablement stimulé la capacité de faire passer les produits par l'approbation réglementaire sur le marché, et la motivation à le faire se poursuit encore aujourd'hui.

Ce problème a été reconnu par le Congrès, qui a adopté la loi de modernisation de la Food and Drug Administration de 1997 (FDAMA). Cette loi a créé en 2000 le site web ClinicalTrials.gov pour l'enregistrement de tous les essais cliniques menés dans le cadre des demandes d'autorisation de mise sur le marché de nouveaux médicaments expérimentaux, afin d'évaluer l'efficacité de ces médicaments chez les patients atteints de maladies graves ou potentiellement mortelles (National Library of Medicine, 2021). Pour des raisons similaires liées aux conflits d'intérêts dans les essais cliniques, le site web « Dollars for Docs » de ProPublica (Tigas et al., 2019), recensant les paiements effectués par les entreprises pharmaceutiques aux médecins entre 2009 et 2018, et le site web OpenPayments (Centers for Medicare & Medicaid Services, 2022), recensant les paiements effectués entre 2013 et 2021, ont été créés et rendus accessibles au public. Ces systèmes d'information ont été mis en place car la simple « plausibilité » de l'hypothèse selon laquelle la randomisation garantit automatiquement l'exactitude et l'impartialité des résultats d'une étude s'est avérée insuffisante pour lutter contre les manipulations de la recherche et les conflits d'intérêts inappropriés de la part des investigateurs.

Bien que ces tentatives de réforme ou de limitation de la corruption dans la recherche médicale aient porté leurs fruits, la falsification des données probantes sous couvert de médecine factuelle persiste. L'un des pires exemples est un article publié dans le New England Journal of Medicine le 13 février 2020, au début de la pandémie de Covid-19, intitulé « La magie de la randomisation contre le mythe des données probantes en situation réelle », par quatre statisticiens médicaux britanniques réputés, ayant des liens étroits avec des entreprises pharmaceutiques (Collins et al., 2020). Il a probablement été rédigé en janvier 2020, avant que la plupart des gens ne soient conscients de l'imminence de la pandémie. Cet article affirme que la randomisation produit automatiquement des études rigoureuses et que toutes les études non randomisées sont dénuées de toute valeur probante. À la lecture, j'ai perçu cet article comme une diatribe contre l'ensemble de ma discipline, l'épidémiologie. J'ai été immédiatement choqué, mais j'ai par la suite compris les graves conflits d'intérêts des auteurs. Affirmer que seules les preuves issues d'essais contrôlés randomisés (ECR) extrêmement coûteuses sont appropriées pour les approbations réglementaires offre aux sociétés pharmaceutiques un outil pour protéger leurs produits brevetés coûteux et très rentables contre la concurrence de médicaments génériques approuvés hors indication, efficaces et peu coûteux, dont les fabricants ne seraient pas en mesure de financer des ECR à grande échelle.

Randomisation

Alors, quel est le défaut de randomisation auquel je faisais allusion, et qui nécessite un examen plus approfondi pour comprendre la validité relative des études randomisées contrôlées par rapport à d'autres types d'études ? Le problème réside dans la compréhension des facteurs de confusion . Un facteur de confusion est une situation épidémiologique où la relation entre une exposition et un résultat n'est pas due à l'exposition elle-même, mais à un tiers (le facteur de confusion), au moins en partie. Le facteur de confusion est associé d'une manière ou d'une autre à l'exposition, mais n'en est pas une conséquence.

Dans de tels cas, la relation exposition-résultat apparente est en réalité due à la relation confusion-résultat. Par exemple, une étude sur la consommation d'alcool et le risque de cancer pourrait être potentiellement confondue par les antécédents de tabagisme qui sont en corrélation avec la consommation d'alcool (et qui ne sont pas causés par la consommation d'alcool), mais qui entraînent réellement un risque accru de cancer. Une simple analyse de l'alcool et du risque de cancer, sans tenir compte du tabagisme, montrerait une relation. Cependant, une fois l'effet du tabagisme contrôlé ou ajusté, la relation entre l'alcool et le risque de cancer diminuerait ou disparaîtrait.

L'objectif de la randomisation, qui consiste à équilibrer tous les facteurs entre les groupes de traitement et de contrôle, est d'éliminer les biais potentiels. Existe-t-il un autre moyen d'y parvenir ? Oui : mesurer les facteurs en question et les ajuster ou les contrôler dans les analyses statistiques. Il apparaît donc clairement que la randomisation présente un avantage unique par rapport aux études non randomisées : le contrôle des facteurs de confusion non mesurés. Si les relations biologiques, médicales ou épidémiologiques relatives à un résultat d'intérêt sont mal comprises, il est possible que tous les facteurs pertinents ne soient pas mesurés, et certains de ces facteurs non mesurés pourraient néanmoins biaiser l'association étudiée.

Ainsi, en théorie , la randomisation élimine les biais potentiels liés à des facteurs non mesurés susceptibles d'expliquer une association observée. C'est l'argument de plausibilité. La question porte cependant sur l'efficacité réelle de la randomisation et sur les personnes dont l'équilibre doit être assuré par celle-ci. Les essais cliniques appliquent la randomisation à tous les participants afin de déterminer l'attribution des groupes de traitement. Si, dans l'étude, les individus présentant l'événement d'intérêt constituent un sous-ensemble de l'ensemble des participants, alors ces individus doivent également être équilibrés en ce qui concerne leurs facteurs de confusion potentiels. Par exemple, si tous les décès dans le groupe traité concernent des hommes et tous ceux du groupe placebo des femmes, alors le sexe est susceptible de biaiser l'effet du traitement.

Le problème est que les études ECR ne démontrent pratiquement jamais explicitement une randomisation adéquate de leurs sujets de résultat, et ce qu'elles prétendent montrer de la randomisation pour l'ensemble de leurs groupes de traitement est presque toujours scientifiquement non pertinent. Ce problème survient probablement parce que les personnes qui mènent des études RCT, ainsi que les examinateurs et les éditeurs de revues qui examinent leurs articles, ne comprennent pas suffisamment les principes épidémiologiques.

Dans la plupart des publications d'ECR, les chercheurs fournissent un tableau descriptif initial superficiel des groupes de traitement et de placebo (en colonnes), par rapport à divers facteurs mesurés (en lignes). C'est-à-dire les distributions en pourcentage des sujets sous traitement et sous placebo par sexe, groupe d'âge, race/origine ethnique, etc. La troisième colonne de ces tableaux est généralement la statistique de valeur p pour la différence de fréquence entre les sujets sous traitement et sous placebo pour chaque facteur mesuré. En gros, cette statistique estime une probabilité qu'une différence de fréquence aussi importante entre les sujets traités et les sujets placebo ait pu se produire par hasard. Étant donné que les sujets ont été assignés à leurs groupes de traitement entièrement par hasard, l'examen statistique du processus aléatoire de randomisation est tautologique et non pertinent. Si, dans certains ECR, certains facteurs peuvent sembler plus extrêmes que le hasard ne le permettrait dans le cadre de la randomisation, c'est uniquement parce que plusieurs facteurs dans les rangées ont été examinés pour les différences de distribution et, dans de telles circonstances, le contrôle statistique des comparaisons multiples doit être invoqué.

Dans la troisième colonne du tableau descriptif de l'ECR, il ne s'agit pas d'indiquer la valeur p, mais de mesurer l'ampleur du biais de confusion lié au facteur concerné. Ce biais ne se mesure pas par son origine, mais par son importance . D'après mon expérience d'épidémiologiste, la meilleure mesure du biais de confusion est la variation en pourcentage de l'ampleur de la relation traitement-résultat, avec et sans ajustement pour le facteur de confusion. Par exemple, si, après ajustement pour le sexe, le traitement réduit la mortalité de 25 % (risque relatif = 0.75), mais de 50 % sans ajustement, l'ampleur du biais de confusion lié au sexe serait de (0.75 – 0.50)/0.75 = 33 %. Les épidémiologistes considèrent généralement qu'une variation supérieure à 10 % après ajustement indique la présence d'un biais de confusion qu'il convient de contrôler.

Comme je l'ai observé, la plupart des publications d'ECR ne fournissent pas l'ampleur des estimations de confusion pour leurs groupes de traitement globaux, et jamais pour leurs sujets de résultats. Il n'est donc pas possible de dire que les sujets des résultats ont été correctement randomisés pour tous les facteurs indiqués dans le tableau descriptif de l'article. Mais le défaut fatal potentiel des études RCT, ce qui ne peut les rendre meilleures que les études non randomisées et dans certains cas pires, est que la randomisation ne fonctionne que lorsqu'un grand nombre de sujets ont été randomisés (Deaton et Cartwright, 2018), et cela s'applique spécifiquement à les sujets de résultat, pas seulement à l'ensemble de l'étude. 

Pensez à lancer une pièce dix fois. Il pourrait arriver au moins sept têtes et trois queues, ou vice versa, facilement par hasard (34%). Cependant, l'ampleur de cette différence, 7/3 = 2.33, est potentiellement assez importante en termes de confusion possible. D'un autre côté, l'occurrence de la même magnitude de 2.33 à partir de 70 têtes ou plus sur 100 flips serait rare, p = 000078. Pour que la randomisation fonctionne, il doit y avoir un nombre important d'événements de résultat dans les groupes de traitement et de placebo, disons 50 ou plus dans chaque groupe. C'est le défaut majeur potentiel tacite des études RCT qui rend leur argument de plausibilité inutile, car les études RCT sont généralement conçues pour avoir suffisamment de puissance statistique pour trouver une signification statistique de leur résultat principal si le traitement fonctionne comme prévu, mais pas conçu pour avoir suffisamment de résultats. sujets pour réduire le potentiel de confusion à moins de 10% disent.

Un exemple important de ce problème est illustré par les premiers résultats publiés d'un essai contrôlé randomisé (ECR) d'efficacité du vaccin Pfizer BNT162b2 à ARNm contre la Covid-19 (Polack et al., 2020). Cette étude, jugée suffisamment vaste (43 548 participants randomisés) et pertinente (Covid-19), a été publiée dans le prestigieux New England Journal of Medicine en raison de sa plausibilité en tant qu'ECR . Le critère d'évaluation principal était la survenue de la Covid-19 au moins sept jours après la deuxième dose du vaccin ou l'injection du placebo. Or, si 162 cas ont été observés dans le groupe placebo, un nombre suffisant pour une randomisation satisfaisante, seuls huit cas ont été recensés dans le groupe vacciné, un nombre largement insuffisant pour que la randomisation ait permis de contrôler les facteurs de confusion.

D'après l'expérience épidémiologique générale, il est peu probable qu'un risque relatif estimé aussi important (environ 162/8 = 20) soit entièrement dû à la confusion, mais l'exactitude du risque relatif ou son efficacité implicite ((20 - 1)/20 = 95 %) est mise en doute. Le fait que ce vaccin utilisé n'ait pas été observé comme étant aussi efficace pour réduire le risque d'infection n'est pas surprenant étant donné la faiblesse des résultats de l'étude en raison d'une taille d'échantillon inadéquate pour garantir que la randomisation a fonctionné pour les sujets des résultats dans les groupes de traitement et de placebo.

Cette analyse approfondie de l'épidémiologie met en lumière les raisons pour lesquelles une étude randomisée contrôlée (ERC) comportant moins de 50 sujets par groupe de traitement ne permet guère d'éviter les biais potentiels liés à des facteurs non mesurés. Elle explique également pourquoi une telle étude peut s'avérer moins pertinente qu'un essai contrôlé non randomisé portant sur la même exposition et le même critère d'évaluation. Dans les essais non randomisés, les chercheurs savent que de nombreux facteurs peuvent influencer la survenue de l'événement, en tant que facteurs de confusion potentiels. Ils mesurent donc tout ce qu'ils jugent pertinent afin de pouvoir ensuite ajuster et contrôler ces facteurs dans les analyses statistiques.

Cependant, dans les ECR, les investigateurs pensent systématiquement que la randomisation a réussi et procèdent ainsi à des analyses statistiques non ajustées, fournissant des résultats potentiellement erronés. Lorsque vous voyez des ECR présentés comme de « grandes » études en raison de leurs dizaines de milliers de participants, regardez au-delà de cela, pour voir le nombre d'événements de résultats primaires dans les bras de traitement de l'essai. Les essais avec un petit nombre d'événements de résultats primaires sont inutiles et ne doivent pas être publiés, et encore moins invoqués pour des considérations de santé publique ou de politique.

Preuves empiriques

Après avoir lu tout ce qui précède, vous pourriez penser que ces arguments concernant les essais randomisés vs non randomisés sont très plausibles, mais qu'en est-il des preuves empiriques pour les étayer ? Pour cela, une analyse très poussée a été réalisée par la Cochrane Library Database of Systematic Reviews (Anglemyer et al., 2014). Cette étude a effectué une recherche approfondie dans sept bases de données de publications électroniques pour la période de janvier 1990 à décembre 2013, afin d'identifier tous les articles de revue systématique qui comparaient « les estimations quantitatives de la taille de l'effet mesurant l'efficacité ou l'efficacité des interventions testées dans des essais [randomisés] avec celles testées dans des études observationnelles. ” En fait, une méta-analyse de méta-analyses, l'analyse comprenait plusieurs milliers de comparaisons d'études individuelles résumées dans 14 articles de synthèse. 

Le résultat final : une différence moyenne de seulement 8 % (limites de confiance à 95 %, -4 % à 22 %, non statistiquement significative) entre les ECR et les résultats des essais non randomisés correspondants. En résumé, cet ensemble de connaissances, aussi bien empiriques que basées sur des principes épidémiologiques, démontre que, contrairement à ce qu'on appelle la « plausibilité », les essais randomisés n'ont pas de classement automatique en tant qu'étalon-or des preuves médicales ou en tant que seule forme acceptable de preuve médicale. preuves médicales, et que chaque étude doit être examinée de manière critique et objective pour ses propres forces et faiblesses, et dans quelle mesure ces forces et faiblesses sont importantes pour les conclusions tirées.

Autres plausibilités

Pendant la pandémie de Covid-19, de nombreuses autres affirmations de preuves scientifiques ont été utilisées pour justifier les politiques de santé publique, y compris pour la déclaration même de l'urgence pandémique elle-même. À la base de bon nombre d'entre eux se trouve le principe plausible mais fallacieux selon lequel l'objectif de la gestion de la pandémie de santé publique est de minimiser le nombre de personnes infectées par le virus du SRAS-CoV-2. 

Cette politique peut sembler évidente, mais elle est erronée en tant que politique générale. Ce qu'il faut minimiser, ce sont les conséquences néfastes de la pandémie. Si l'infection entraîne des symptômes désagréables ou gênants pour la plupart des gens, mais aucun problème grave ou à long terme - comme c'est généralement le cas avec le SRAS-CoV-2, en particulier à l'ère Omicron - alors il n'y aurait aucun avantage tangible de la santé publique générale interventions et limitations portant atteinte aux droits naturels ou économiques de ces personnes et causant des préjudices en elles-mêmes. 

Les sociétés occidentales, y compris les États-Unis, encaissent des vagues annuelles d'infections respiratoires sans urgences pandémiques déclarées, même si elles produisent des millions d'individus infectés chaque année, car les conséquences de l'infection sont généralement considérées comme médicalement mineures, autorisant même quelques dizaines de milliers de décès. annuellement. 

Il a été établi au cours des premiers mois de la pandémie de Covid-19 que le risque de mortalité par infection variait de plus de 1,000 XNUMX fois selon la tranche d'âge et que les personnes sans problèmes de santé chroniques tels que le diabète, l'obésité, les maladies cardiaques, les maladies rénales, antécédents de cancer, etc., présentaient un risque négligeable de mortalité et un très faible risque d'hospitalisation. À ce stade, il était simple de définir des catégories d'individus à haut risque qui, en moyenne, bénéficieraient d'interventions de santé publique, par rapport aux individus à faible risque qui résisteraient avec succès à l'infection sans problèmes appréciables ou à long terme. Ainsi, un schéma de gestion de la pandémie obsessionnel, à taille unique, qui ne distinguait pas les catégories de risque, était déraisonnable et oppressant dès le départ.

En conséquence, les mesures promues par la plausibilité pour réduire la transmission des infections, même si elles avaient été efficaces à cette fin, n'ont pas servi à une bonne gestion de la pandémie. Ces mesures n'ont toutefois jamais été justifiées par des preuves scientifiques. La règle de la distance sociale de six pieds était une concoction arbitraire du CDC (Dangor, 2021). Les allégations d'avantages pour le port de masques faciaux ont rarement distingué les avantages potentiels pour le porteur - pour qui un tel port serait un choix personnel d'accepter ou non un risque plus théorique - par rapport aux avantages pour les spectateurs, ce que l'on appelle le «contrôle à la source», dans lequel le public des considérations de santé pourraient s'appliquer correctement. Les études sur le contrôle à la source basé sur le masque pour les virus respiratoires, où les études sont sans défauts fatals, n'ont montré aucun avantage appréciable dans la réduction de la transmission des infections (Alexander, 2021 ; Alexander, 2022 ; Burns, 2022).

Le confinement généralisé de la population n'a jamais été utilisé dans les pays occidentaux et n'a démontré aucune efficacité, si ce n'est pour repousser l'inévitable (Meunier, 2020), comme le montrent clairement les données démographiques australiennes (Worldometer, 2022). Dans l'analyse de référence des mesures de santé publique pour lutter contre la grippe pandémique ( Inglesby et al., 2006) , les auteurs affirment : « Aucune observation historique ni étude scientifique ne justifie le confinement par quarantaine de groupes de personnes potentiellement infectées pendant des périodes prolongées afin de ralentir la propagation de la grippe. Un groupe de travail de l'Organisation mondiale de la Santé (OMS), après avoir examiné la littérature et pris en compte l'expérience internationale contemporaine, a conclu que “l'isolement et la quarantaine forcés sont inefficaces et impraticables”. […] Les conséquences négatives d'une quarantaine à grande échelle sont si extrêmes (confinement forcé de personnes malades avec des personnes saines ; restriction totale des déplacements de populations importantes ; difficulté d'acheminer les fournitures essentielles, les médicaments et la nourriture aux personnes se trouvant dans la zone de quarantaine) que cette mesure d'atténuation devrait être écartée d'emblée. »

Concernant les restrictions de voyage, Inglesby et al. (2006) notent que « les restrictions de voyage, telles que la fermeture des aéroports et le contrôle des voyageurs aux frontières, ont toujours été inefficaces. Le groupe de rédaction de l'Organisation mondiale de la santé a conclu que «le dépistage et la mise en quarantaine des voyageurs entrant aux frontières internationales n'ont pas considérablement retardé l'introduction du virus lors des pandémies passées… et seront probablement encore moins efficaces à l'ère moderne». Sur les fermetures d'écoles (Inglesby et al., 2006): "Lors des épidémies de grippe précédentes, l'impact des fermetures d'écoles sur les taux de maladie a été mitigé. Une étude israélienne a fait état d'une diminution des infections respiratoires après une grève des enseignants de 2 semaines, mais la diminution n'a été évidente que pendant une seule journée. D'un autre côté, lorsque les écoles ont fermé pour les vacances d'hiver pendant la pandémie de 1918 à Chicago, "plus de cas de grippe se sont développés parmi les élèves… que lorsque les écoles étaient en session".

Cette discussion montre clairement que ces actions supposées interférer avec la transmission du virus sur la base d'arguments de plausibilité pour leur efficacité ont été à la fois malavisées pour gérer la pandémie et non étayées par des preuves scientifiques d'efficacité dans la réduction de la propagation. Leur promotion à grande échelle a démontré l'échec des politiques de santé publique à l'ère du Covid-19.

Plausibilité vs mauvaise science

On pourrait avancer que diverses politiques de santé publique, ainsi que des informations destinées au grand public, ne reposent pas sur des données plausibles, mais plutôt sur des méthodes scientifiques erronées, voire fondamentalement biaisées, présentées comme des données scientifiques rigoureuses. Par exemple, dans sa revue interne non évaluée par les pairs, le Morbidity and Mortality Weekly Reports , les CDC ont publié plusieurs analyses de l'efficacité vaccinale. Ces rapports décrivaient des études transversales, mais les analysaient comme s'il s'agissait d'études cas-témoins, en utilisant systématiquement des estimations du rapport de cotes au lieu des risques relatifs pour calculer l'efficacité vaccinale. Lorsque les événements étudiés sont peu fréquents, par exemple chez moins de 10 % des sujets, les rapports de cotes peuvent approximer les risques relatifs ; cependant, dans le cas contraire, ils ont tendance à les surestimer. Or, dans les études transversales, les risques relatifs peuvent être calculés directement et ajustés en fonction des facteurs de confusion potentiels par régression du risque relatif (Wacholder, 1986), à l'instar de la régression logistique utilisée dans les études cas-témoins.

Un exemple représentatif est une étude sur l'efficacité des vaccins Covid-19 à troisième dose (Tenforde et al., 2022). Dans cette étude, "... le réseau IVY a recruté 4,094 18 adultes âgés de ≥ 2,952 ans", et après exclusions de sujets pertinents, "1,385 1,567 patients hospitalisés ont été inclus (19 82 cas-patients et 1 0.82 témoins non COVID-0.18)". Les études transversales - par conception - identifient le nombre total de sujets, tandis que le nombre de cas et de témoins, exposés et non exposés, se produit en dehors de l'intervention de l'investigateur, c'est-à-dire par tous les processus naturels sous-jacents aux mécanismes médicaux, biologiques et épidémiologiques examinés. En sélectionnant un nombre total de sujets, l'étude de Tenforde et al. étude est par définition un plan transversal. Cette étude a rapporté une efficacité vaccinale de 31% chez les patients sans conditions immunodéprimées. Cette estimation reflète un rapport de cotes ajusté de 70 – 3 = 0.45. Cependant, la fraction de cas parmi les vaccinés était de 0.43 % et parmi les non vaccinés de 1 %, ce qui n'est pas suffisamment rare pour permettre l'utilisation de l'approximation du rapport de cotes pour calculer l'efficacité du vaccin. D'après les chiffres du tableau 0.43 du rapport d'étude, je calcule un risque relatif non ajusté de 57 et un risque relatif ajusté approximativement de 82, ce qui donne la véritable efficacité du vaccin de XNUMX - XNUMX = XNUMX %, ce qui est sensiblement différent et bien pire que les XNUMX % présenté dans le papier.

Dans un contexte différent, après avoir publié un article de synthèse sur l'utilisation de l'hydroxychloroquine (HCQ) pour le traitement ambulatoire précoce du Covid-19 (Risch, 2020), un certain nombre d'articles d'essais cliniques ont été publiés pour tenter de montrer que l'HCQ est inefficace . Les premières de ces soi-disant « réfutations » ont été menées chez des patients hospitalisés, dont la maladie est presque entièrement différente dans la physiopathologie et le traitement de la maladie ambulatoire précoce (Park et al., 2020). Les critères de jugement importants que j'avais abordés dans mon examen, les risques d'hospitalisation et de mortalité, ont été distraits dans ces travaux en mettant l'accent sur des résultats subjectifs et moindres tels que la durée de la positivité du test viral ou la durée du séjour à l'hôpital.

Par la suite, des essais contrôlés randomisés (ECR) sur l'utilisation de l'hydroxychloroquine en ambulatoire ont commencé à être publiés. L'un d'eux, mené par Caleb Skipper et al. (2020), en est un exemple typique. Le critère d'évaluation principal de cet essai était l'évolution de la gravité globale des symptômes auto-déclarés sur une période de 14 jours. Ce critère subjectif présentait peu d'intérêt dans le contexte de la pandémie, d'autant plus que les participants aux études de ce groupe de recherche étaient relativement capables de savoir s'ils appartenaient au groupe hydroxychloroquine ou au groupe placebo (Rajasingham et al., 2021), et que, par conséquent, les résultats auto-déclarés n'étaient pas totalement réalisés en aveugle. À partir de leurs analyses statistiques, les auteurs ont conclu, à juste titre, que « l'hydroxychloroquine n'a pas réduit de manière significative la gravité des symptômes chez les patients ambulatoires atteints d'une forme précoce et légère de COVID-19 ». Cependant, les médias grand public ont présenté cette étude comme démontrant que « l'hydroxychloroquine est inefficace ». Par exemple, Jen Christensen (2020) dans CNN Health a déclaré à propos de cette étude : « Le médicament antipaludique hydroxychloroquine n’a pas été bénéfique aux patients non hospitalisés présentant des symptômes légers de Covid-19 qui ont été traités au début de leur infection, selon une étude publiée jeudi dans la revue médicale Annals of Internal Medicine . »

Mais en fait, l'étude Skipper a rendu compte des deux critères de jugement importants, les risques d'hospitalisation et de mortalité : avec placebo, 10 hospitalisations et 1 décès ; avec HCQ, 4 hospitalisations et 1 décès. Ces chiffres montrent un risque d'hospitalisation réduit de 60 %, ce qui, bien que non statistiquement significatif (p = 0.11), est tout à fait cohérent avec toutes les autres études sur le risque d'hospitalisation pour l'utilisation de l'HCQ chez les patients ambulatoires (Risch, 2021). Néanmoins, ces petits nombres d'événements de résultats ne sont pas suffisants pour que la randomisation ait équilibré tous les facteurs, et l'étude est essentiellement inutile sur cette base. Mais il était encore mal interprété dans la littérature profane comme montrant que l'HCQ n'apporte aucun avantage en cas d'utilisation ambulatoire.

Conclusions

De nombreux autres exemples de boniments scientifiques plausibles ou de mauvaise science se sont produits pendant la pandémie de Covid-19. Comme on l'a vu avec les articles rétractés de Surgisphere, les revues médicales publient régulièrement et sans esprit critique ces absurdités tant que les conclusions s'alignent sur les politiques gouvernementales. Cet ensemble de fausses connaissances a été promulgué aux plus hauts niveaux, par le NSC, la FDA, le CDC, le NIH, l'OMS, le Wellcome Trust, l'AMA, les conseils de spécialité médicale, les agences de santé publique nationales et locales, les sociétés pharmaceutiques multinationales et d'autres organisations à travers le monde. qui ont violé leurs responsabilités envers le public ou ont délibérément choisi de ne pas comprendre la fausse science. 

Le Sénat américain a récemment voté, pour la troisième fois, la levée de l'état d'urgence sanitaire lié à la Covid-19. Pourtant, le président Biden a déclaré qu'il opposerait son veto à cette mesure par « crainte » d'une recrudescence des cas . Mes collègues et moi-même avions pourtant soutenu il y a près d'un an que l'urgence pandémique était terminée (Risch et al., 2022). Or, le recours abusif au nombre de cas pour justifier la suppression des droits humains sous couvert d'« urgence » persiste.

La censure massive par les médias traditionnels et une grande partie des médias sociaux a bloqué la plupart des discussions publiques sur cette science mauvaise et fausse. La censure est l'outil de l'indéfendable, puisque la science valide se défend par nature. Jusqu'à ce que le public commence à comprendre la différence entre la plausibilité et la science et l'ampleur des efforts déployés pour produire en masse un « produit » scientifique qui ressemble à la science mais qui n'en est pas, le processus se poursuivra et les dirigeants en quête de pouvoir autoritaire continueront de s'y fier. pour fausse justification.

Références

Alexander, PE (2021, 20 décembre). Plus de 150 études comparatives et articles sur l'inefficacité et les méfaits des masques. Brownstone Institute. https://brownstone.org/articles/more-than-150-comparative-studies-and-articles-on-mask-ineffectiveness-and-harms/

Alexander, PE (2022, 3 juin). Le CDC refuse de publier le correctif de son étude sur les masques. Brownstone Institute. https://brownstone.org/articles/cdc-refuses-to-post-the-fix-to-its-mask-study/

Anglemyer, A., Horvath, HT, Bero, L. (2014). Évaluation des résultats de santé par des études observationnelles comparée à celle par des essais randomisés (Revue). Cochrane Database of Systematic Reviews, 4, Article MR000034. https://doi.org/10.1002/14651858.MR000034.pub2

Bae, J.-M. (2016). Proposition d'évaluation de la qualité des revues systématiques d'études observationnelles en épidémiologie nutritionnelle. Epidemiology and Health , 38, Article e2016014. https://doi.org/10.4178/epih.e2016014

Berger, MA (2011). L’admissibilité du témoignage d’expert. Dans : Conseil national de la recherche, Comité sur l’élaboration de la troisième édition du Manuel de référence sur la preuve scientifique, Manuel de référence sur la preuve scientifique , troisième édition (p. 11-36). National Academies Press. https://nap.nationalacademies.org/catalog/13163/reference-manual-on-scientific-evidence-third-edition

Burns, E. (10 novembre 2022). Encore une étude lamentable sur les masques. Analysons en détail cette nouvelle étude de piètre qualité sur les masques . Substack. https://emilyburns.substack.com/p/another-day-another-terrible-mask

Centres pour les services Medicare et Medicaid. (Juin 2022). Recherche sur les paiements ouverts . Département de la Santé et des Services sociaux des États-Unis, Centres pour les services Medicare et Medicaid. https://openpaymentsdata.cms.gov/

Christensen, J. (16 juillet 2020). L’hydroxychloroquine est également inefficace chez les patients atteints de la Covid-19 non hospitalisés, selon une nouvelle étude . CNN Health. https://www.cnn.com/2020/07/16/health/hydroxychloroquine-doesnt-work-hospitalized-patients/

Collins, R., Bowman, L., Landray, M. et Peto, R. (2020). La magie de la randomisation face au mythe des données probantes en situation réelle. New England Journal of Medicine , 382(7), 674-678. https://www.nejm.org/doi/10.1056/NEJMsb1901642

Dangor, G. (19 septembre 2021). La règle de distanciation sociale de 1,8 mètre du CDC était « arbitraire », selon un ancien commissaire de la FDA . Forbes. https://www.forbes.com/sites/graisondangor/2021/09/19/cdcs-six-foot-social-distancing-rule-was-arbitrary-says-former-fda-commissioner/

Deaton, A., et Cartwright, N. (2018). Comprendre et mal comprendre les essais contrôlés randomisés. Social Science & Medicine , 210, 2-21. https://doi.org/10.1016/j.socscimed.2017.12.005

Feynman, RP (1974). Science et culte du cargo. Engineering and Science , 37(7), 10-13. https://resolver.caltech.edu/CaltechES:37.7.CargoCult

Goldberger, J., Waring, CH et Willets, DG (1915). La prévention de la pellagre : étude du régime alimentaire chez les détenus. Public Health Reports, 30(43), 3117-3131. https://www.jstor.org/stable/4572932

Hartling, L., Milne, A., Hamm, MP, Vandermeer, B., Ansari, M., Tsertsvadze, A., Dryden, DM (2013). L’évaluation de l’échelle de Newcastle-Ottawa a révélé une faible fiabilité entre les différents évaluateurs. Journal of Clinical Epidemiology , 66, 982-993. https://doi.org/10.1016/j.jclinepi.2013.03.003

Hill, AB (1965). Environnement et maladie : association ou causalité ? Proceedings of the Royal Society of Medicine , 58(5), 295-300. https://doi.org/10.1177/003591576505800503

Inglesby, TV, Nuzzo, JB, O'Toole, T., Henderson, DA (2006). Mesures d'atténuation des maladies dans le cadre de la lutte contre la grippe pandémique. Biosecurity and Bioterrorism: Biodefense Strategy, Practice, and Science , 4(4):366-375. https://doi.org/10.1089/bsp.2006.4.366

Meunier, T. (1er mai 2020). Les politiques de confinement total mises en place dans les pays d'Europe occidentale n'ont pas d'impact évident sur l'épidémie de COVID-19 . medRxiv. https://doi.org/10.1101/2020.04.24.20078717

MSNBC. (9 juin 2021). Fauci répond aux attaques des républicains [Vidéo]. YouTube. https://www.youtube.com/watch?v=z-tfZr8Iv0s

Bibliothèque nationale de médecine (mai 2021). ClinicalTrials.gov. Historique, politiques et lois . Département de la Santé et des Services sociaux des États-Unis, Instituts nationaux de la santé, Bibliothèque nationale de médecine. https://clinicaltrials.gov/ct2/about-site/history

Park, JJH, Decloedt, EH, Rayner, CR, Cotton, M., Mills, EJ (2020). Essais cliniques sur les stades de la COVID-19 : complexes et souvent mal interprétés. Lancet Global Health , 8(10), e1249-e1250. https://doi.org/10.1016/S2214-109X(20)30365-X

Polack, FP, Thomas, SJ, Kitchin, N., Absalon, J., Gurtman, A., Lockhart, S., Perez, JL, Pérez Marc, G., Moreira, ED, Zerbini, C., Bailey, R., Swanson, KA, Roychoudhury, S., Koury, K., Li, P., Kalina, WV, Cooper, D., Frenck, RW, Jr., Hammitt, LL,…, Gruber, WC (2020). Sécurité et efficacité du vaccin BNT162b2 à ARNm Covid-19. Journal de médecine de la Nouvelle-Angleterre , 383(27), 2603-2615. https://www.nejm.org/doi/full/10.1056/nejmoa2034577

Rajasingham, R., Bangdiwala, AS, Nicol, MR, Skipper, CP, Pastick, KA, Axelrod, ML, Pullen, MF, Nascene, AA, Williams, DA, Engen, NW, Okafor, EC, Rini, BI, Mayer, IA, McDonald, EG, Lee, TC, Li P., MacKenzie, LJ, Balko, JM, Dunlop, SJ, …, Lofgren, SM (2021). Hydroxychloroquine en prophylaxie pré-exposition à la maladie à coronavirus 2019 (COVID-19) chez les professionnels de santé : un essai randomisé. Clinical Infectious Diseases , 72(11), e835-e843. https://doi.org/10.1093/cid/ciaa1571

Risch, HA (2020). Prise en charge ambulatoire précoce des patients symptomatiques à haut risque atteints de COVID-19 : une mesure essentielle à intensifier immédiatement face à la crise pandémique. American Journal of Epidemiology , 189(11), 1218-1226. https://doi.org/10.1093/aje/kwaa093

Risch, HA (17 juin 2021). Hydroxychloroquine dans le traitement précoce des patients ambulatoires à haut risque de COVID-19 : données d’efficacité et d’innocuité . EarlyCovidCare.org, https://earlycovidcare.org/wp-content/uploads/2021/09/Evidence-Brief-Risch-v6.pdf

Risch, H., Bhattacharya, J., Alexander, PE (2022, 23 janvier). L'urgence doit être terminée, maintenant. Brownstone Institute. https://brownstone.org/articles/the-emergency-must-be-ended-now/

Sackett, DL, Rosenberg, WMC, Gray, JAM, Haynes, RB et Richardson, WS (1996). Médecine factuelle : définition et limites. BMJ , 312, Article 71. https://doi.org/10.1136/bmj.312.7023.71

Skipper, CP, Pastick, KA, Engen, NW, Bangdiwala, AS, Abassi, M., Lofgren, SM, Williams, DA, Okafor, EC, Pullen, MF, Nicol, MR, Nascene, AA, Hullsiek, KH, Cheng, MP, Luke, D., Lother, SA, MacKenzie, LJ, Drobot, G., Kelly, LE, Schwartz, IS, …, Boulware, DR (2020). Hydroxychloroquine chez les adultes non hospitalisés atteints de COVID-19 à un stade précoce : un essai randomisé. Annals of Internal Medicine , 173(8), 623-631. https://doi.org/10.7326/M20-4207

Tenforde, MW, Patel, MM, Gaglani, M., Ginde, AA, Douin, DJ, Talbot, HK, Casey, JD, Mohr, NM, Zepeski, A., McNeal, T., Ghamande, S., Gibbs, KW, Files, DC, Hager, DN, Shehu, A., Prekker, ME, Erickson, HL, Gong, MN, Mohamed, A., …, Self, WH (2022). Morbidity and Mortality Weekly Report, 71(4), 118-124. https://www.cdc.gov/mmwr/volumes/71/wr/mm7104a2.htm

Tigas, M., Jones, RG, Ornstein, C. et Groeger, L. (17 octobre 2019). L’argent des médecins : comment l’industrie pharmaceutique a profité à vos médecins. ProPublica. https://projects.propublica.org/docdollars/

Wacholder, S. (1986). Régression binomiale dans GLIM : estimation des rapports de risque et des différences de risque. American Journal of Epidemiology , 123(1), 174-184. https://doi.org/10.1093/oxfordjournals.aje.a114212

Whelan, R. (3 août 2020). 2020-08-03 – CNN COVID avec interview de Harvey Risch, épidémiologiste à Yale [Vidéo]. YouTube. https://www.youtube.com/watch?v=gGO6Ke81bUQ

Worldometer. (15 novembre 2022). Nombre total de cas de coronavirus en Australie . Worldometer. https://www.worldometers.info/coronavirus/country/australia/