Read on Twitter
Douste-Blazy avait entièrement raison et n& #39;aurait jamais dû admettre qu& #39;il avait tort, mais les défenseurs auto-proclamés de la "science", qui se croient très intelligents, n& #39;ont juste pas compris l& #39;argument. 1/n https://twitter.com/MedicusFR/status/1264201201429753858">https://twitter.com/MedicusFR...
Le tableau ci-dessus montre qu& #39;il y avait environ *3 fois* plus de gens qui finissaient sous respirateur dans les groupes traitement que dans le groupe témoin. C& #39;est une différence gigantesque. 2/n
Les #NoFakeMed répondent que la mise sous respirateur est un outcome et qu& #39;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 https://twitter.com/MedicusFR/status/1264202592286113796">https://twitter.com/MedicusFR...
Mais le fait qu& #39;il y ait une telle différence d& #39;outcome alors qu& #39;en baseline les groupes étaient comparables est un argument *contre* l& #39;étude, pas en sa faveur ! C& #39;est précisément le problème 
https://abs.twimg.com/emoji/v2/... draggable="false" alt="🙃" title="Upside-down face" aria-label="Emoji: Upside-down face"> 4/n
Absolument *personne* de sérieux ne croit un instant que l& #39;utilisation d& #39;hydroxychloroquine augmente le risque de mise sous respirateur d& #39;un facteur de 3 ! 5/n
Donc le fait qu& #39;il y ait une telle différence d& #39;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& #39;étude... 7/n
Ce n& #39;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 https://qsofa.org/what.php ">https://qsofa.org/what.php&...
Le problème est que cet indice n& #39;a pas été créé pour stratifier le risque chez les patients atteints de COVID-19 et qu& #39;il n& #39;est pas clair du tout qu& #39;il soit très prédictif de l& #39;outcome dans ce cas. 10/n
Cette étude (h/t @dperetti) a étudié la question et conclu que ce n& #39;était pas le cas, mais elle ne concernait que les patients admis en soins intensifs. 11/n https://annalsofintensivecare.springeropen.com/articles/10.1186/s13613-020-00664-w">https://annalsofintensivecare.springeropen.com/articles/...
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 https://www.medrxiv.org/content/10.1101/2020.05.11.20097741v1">https://www.medrxiv.org/content/1...
Mais les auteurs de l& #39;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& #39;est une *très* mauvaise idée sauf dans quelques rares cas, parce que ça entraîne une perte d& #39;information. Il aurait fallu inclure 3 dummies dans le modèle pour estimer l& #39;effet d& #39;un qSOFA de 1, 2 et 3 par rapport à 0. 14/n
Pour se convaincre que "binariser" le qSOFA entraîne une perte d& #39;information, il suffit de regarder la distribution des scores qSOFA dans la cohorte de l& #39;étude suisse citée plus haut. 15/n
La colonne en bleu c& #39;est les gens qui n& #39;ont pas fini sous respirateur et celle en rouge c& #39;est pour ceux qui l& #39;ont été. 16/n
On voit qu& #39;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& #39;ils avaient. 17/n
Toute cette information supplémentaire, à supposer qu& #39;elle subsiste une fois qu& #39;on contrôle pour d& #39;autres facteurs, est perdue dans l& #39;analyse de l& #39;étude du Lancet du fait qu& #39;ils ont "binarisé" le qSOFA dans leur modèle. 18/n
C& #39;est la même chose avec l& #39;autre indicateur qu& #39;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& #39;est encore pire ! 19/n
Le SpO2 est une mesure de la quantité d& #39;oxygène transportée dans le sang par rapport à la capacité maximale. C& #39;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& #39;étude du Lancet n& #39;ont pas inclus le SpO2 comme une variable continue dans le modèle, mais là encore ils l& #39;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& #39;entrer dans les détails, il est facile de comprendre intuitivement que ça entraîne une perte d& #39;information. 22/n http://biostat.mc.vanderbilt.edu/wiki/Main/CatContinuous">https://biostat.mc.vanderbilt.edu/wiki/Main...
Bref, quand les défenseurs auto-proclamés de la science affirment qu& #39;il n& #39;y avait aucune différence en termes de besoins d& #39;oxygénation entre les groupes traitement et le groupe témoin, ils disent n& #39;importe quoi ! 23/n
La vérité c& #39;est que, sur la base des informations dans l& #39;étude, il est *impossible* d& #39;affirmer cela ! Il faudrait connaître la *distribution* du SpO2 dans chaque groupe. 24/n
Mais on ne connait pas cette distribution ! Tout ce qu& #39;on sait, c& #39;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& #39;1m70 est la même dans les 2 groupes, mais il ne viendrait à l& #39;idée de personne de prétendre qu& #39;il n& #39;y a aucune différence de taille entre ces 2 groupes ! 27/n
Mais pourtant c& #39;est exactement ce que prétendent les défenseurs auto-proclamés de la "science" dans le cas de l& #39;étude du Lancet https://abs.twimg.com/emoji/v2/... draggable="false" alt="🙃" title="Upside-down face" aria-label="Emoji: Upside-down face"> 28/n
Encore une fois, avec les informations qu& #39;on a, il est impossible d& #39;affirmer qu& #39;il n& #39;y avait pas de différence de besoins d& #39;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& #39;énormes différences entre les groupes. Je ne dis pas que les auteurs ont fait ça volontairement, je dis juste que c& #39;est une erreur et qu& #39;ils n& #39;auraient jamais dû "binariser" cette variable. 30/n https://www.everydayhealth.com/coronavirus/can-a-pulse-oximeter-save-your-life-if-you-have-covid-19/">https://www.everydayhealth.com/coronavir...
Si comme on peut l& #39;imaginer, l& #39;effet n& #39;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& #39;est aussi ce qu& #39;ils auraient dû faire avec l& #39;âge, dont il est tout à fait clair sur la base d& #39;autres études (e. g. https://www.medrxiv.org/content/10.1101/2020.05.06.20092999v1)">https://www.medrxiv.org/content/1... que l& #39;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& #39;être trompé je soupçonne qu& #39;il ne l& #39;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& #39;observation de façon satisfaisante, il n& #39;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& #39;ils ont l& #39;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& #39;est pas le cas), on s& #39;apercevrait qu& #39;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& #39;était le cas, et si les différences comorbidités interagissent (ce qui est probable), les conclusions de l& #39;étude seraient d& #39;autant plus faussées que le modèle utilisé n& #39;inclut apparemment pas d& #39;interactions entre les covariables. 40/n
Je ne sais pas si c& #39;est le cas, mais encore une fois, tant qu& #39;on n& #39;a pas les données, c& #39;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& #39;excellentes raisons de penser que le modèle est mal spécifié et donc que le résultat est biaisé. 42/n
En l& #39;occurrence, l& #39;énorme différence en termes d& #39;outcome alors qu& #39;en baseline les groupes ont l& #39;air similaires suggère fortement qu& #39;en fait les membres des groupes traitement étaient plus sévèrement atteintes que celles dans le groupe témoin, d& #39;où l& #39;administration de HCQ. 43/n
Autrement dit, ce n& #39;est pas parce qu& #39;on leur a administré de l& #39;HCQ que les gens sont morts plus souvent, mais c& #39;est au moins en partie parce qu& #39;ils avaient dès le début une plus grande chance de mourir qu& #39;on leur a administré de l& #39;HCQ. 44/n
C& #39;est d& #39;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& #39;est plus un problème quand ils ont le résultat qu& #39;ils veulent https://abs.twimg.com/emoji/v2/... draggable="false" alt="🤔" title="Thinking face" aria-label="Emoji: Thinking face"> 45/n
Et non, contrairement à ce qu& #39;ils répètent en coeur et comme je l& #39;ai déjà expliqué, la taille de l& #39;échantillon ne change rien à l& #39;affaire. 46/n https://twitter.com/phl43/status/1264266595930603520">https://twitter.com/phl43/sta...
Le fait que tant de défenseurs auto-proclamés de la "science" utilisent ce genre d& #39;arguments à la con montre que ce sont tout autant des baltringues que les mecs d& #39;en face. C& #39;est juste qu& #39;ils présentent mieux. 47/n
Ils sont convaincus que, contrairement aux mecs d& #39;en face, ils ne sont pas dogmatiques et qu& #39;ils savent de quoi ils parlent, mais il n& #39;y a qu& #39;à discuter 5 minutes avec eux pour voir que ce n& #39;est pas le cas. 48/n
Je pourrais écrire un roman avec toutes les conneries qu& #39;ils ont racontées sur ce sujet et sur beaucoup d& #39;autres. Peut-être que, par rapport aux partisans de Raoult, ils savent plus souvent ce qu& #39;est une p-value, mais au final ça ne change pas grand chose... 49/n
Il n& #39;y a qu& #39;à lire les réponses au thread que j& #39;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& #39;ils n& #39;ont absolument pas compris. 50/n
J& #39;ajoute que ce n& #39;est loin d& #39;être le seul problème avec cette étude. Par exemple, les auteurs utilisent un modèle de Cox, dont l& #39;hypothèse centrale est que les "hazard ratios" restent constants dans le temps. 51/n https://bookdown.org/sestelo/sa_financial/the-semiparametric-model.html">https://bookdown.org/sestelo/s...
Je ne dis qu& #39;ils ont fait exprès de ne pas tester l& #39;hypothèse par malhonnêteté parce qu& #39;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& #39;est pas le cas. 53/n
Il n& #39;est pas nécessaire de supposer quoi que ce soit de la sorte alors que, tout comme "discrétiser" une variable continue, c& #39;est le genre d& #39;erreurs qu& #39;on trouve partout dans la littérature scientifique. Aucun papier n& #39;est parfait et beaucoup sont de très mauvaise qualité. 54/n
Tout ce que je dis c& #39;est que cette étude ne démontre pas plus que l& #39;HCQ est inefficace que les études promues par Raoult et ses partisans et qu& #39;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& #39;en rendent pas compte et n& #39;ont même pas compris l& #39;argument parce qu& #39;ils sont débiles et que c& #39;est beaucoup plus gratifiant de se dire que, contrairement aux ploucs qui adulent Raoult, ils sont du côté de la "science". 57/57
