¿Cuáles son los estudios de caso en la investigación de políticas de salud pública en los que se utilizaron incorrectamente estudios o modelos no confiables / confusos / inválidos?

Estoy redactando una revisión de la literatura sobre un problema de salud pública actual en el que los datos se confunden:

¿Cuáles son los estudios de casos históricos comunes que se utilizan en la educación de salud pública / epidemiología donde las relaciones o inferencias inválidas o confusas se emplearon intencional o erróneamente en la política y legislación de salud pública?

El aumento repentino de la mortalidad automovilística de la década de 1960 y el posterior estudio basado en evidencia y dirigido por el gobierno que determinó que los cinturones de seguridad y, finalmente, las bolsas de aire deberían ser requeridos por la ley es un gran ejemplo de CÓMO la política de salud pública debe ser impulsada por inferencias y modelos estadísticamente poderosos.

Estoy buscando más ejemplos de casos del tipo opuesto (mala ciencia para formular políticas apresuradamente). Sin embargo, si nada más me gustaría conocer más casos similares al ejemplo anterior de estudios poderosos para un beneficio exitoso de salud pública.

Quiero usar estos como ejemplos para demostrar cómo la investigación estadística de salud pública basada en evidencia es importante para la formulación de políticas.

Creo que el mejor ejemplo de esto puede ser la controversia en torno a la terapia de reemplazo hormonal y el riesgo cardiovascular: grandes estudios epidemiológicos de cohortes parecen sugerir un efecto protector y se hicieron políticas de salud y recomendaciones médicas sobre esta información.

Los ECA de seguimiento parecen mostrar que en realidad existe un mayor riesgo de infarto de miocardio en mujeres que reciben THS.

Esto va y viene por un momento, y se ha utilizado como uno de los casos canónicos para atacar a la epidemiología como un campo, pero un nuevo análisis realizado por Hernan parece proponer que los dos estudios en realidad no tienen resultados discordantes si Asegúrate de hacer la misma pregunta.

Un ejemplo realmente interesante que personalmente me gusta está tomado del libro Freakonomics de Steven D. Levitt y Stephen J. Dubner. Hay un capítulo en el libro que discute correlación vs. causalidad. La correlación entre dos variables estadísticas no implica necesariamente que estas variables sean estadísticamente dependientes, pero los expertos cometieron un error en este sentido. Citando del libro:

"Una bestia engañosa, la polio fue extremadamente difícil de identificar para los investigadores. No pudieron entender cómo se transmitió o cuándo / cómo se expresó. Tenemos una tendencia a recordar esta vez como una en la que la polio era 'epidémica' cuando, de hecho, no estaba afectando a grandes sectores de la población (en comparación con el sarampión más común, por ejemplo). La razón por la que se consideró una epidemia fue porque era tan aterrador.

Lo que los investigadores lograron determinar en sus estudios fue que las tasas de infección por polio aumentaron en el verano. También vieron que el CONSUMO DE HELADO aumentó en el verano. Y así concluyeron que el consumo de helado condujo a la polio y por un tiempo el helado fue demonizado. "

En su artículo, "Modelos estadísticos y calzado de cuero" (1991) , David Freedman presenta algunos cuentos de advertencia en estudios epidemiológicos. Él ofrece el análisis de Snow del cólera en Londres como un éxito, no debido al modelado estadístico, sino más bien debido a la diligente recopilación de datos. Aquí está el resumen:

Los modelos de regresión se han utilizado en las ciencias sociales al menos desde 1899, cuando Yule publicó un artículo sobre las causas del pauperismo. Los modelos de regresión ahora se usan para hacer argumentos causales en una amplia variedad de aplicaciones, y tal vez sea hora de evaluar los resultados. No se pueden dar respuestas definitivas, pero este documento tiene una visión bastante negativa. El trabajo de Snow sobre el cólera se presenta como una historia de éxito para el razonamiento científico basado en datos no experimentales. Las historias de fallas también se discuten, y las comparaciones pueden proporcionar alguna idea. En particular, este artículo sugiere que la técnica estadística rara vez puede ser un sustituto adecuado para un buen diseño, datos relevantes y predicciones de prueba contra la realidad en una variedad de entornos.

Metodología Sociológica . 21: 291-313.

El caso de la quimioterapia de dosis altas con rescate de trasplante de médula ósea como tratamiento para el cáncer de mama avanzado en la década de 1990 es uno de esos casos. Se utilizó una serie de estudios de baja calidad para impulsar la legislación que exige la cobertura de la aseguradora de salud en algunos estados. Cuando se completaron los grandes ensayos aleatorios, no hubo un beneficio medible.

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