Apa saja studi kasus dalam penelitian kebijakan kesehatan publik di mana studi atau model yang tidak dapat diandalkan / membingungkan / tidak valid disalahgunakan?

Saya sedang menyusun tinjauan literatur tentang masalah kesehatan masyarakat saat ini di mana data dikacaukan:

Apa saja studi kasus sejarah umum yang digunakan dalam pendidikan kesehatan / epidemiologi publik di mana hubungan atau kesimpulan yang tidak benar atau membingungkan secara sengaja atau keliru dipekerjakan dalam kebijakan dan legislasi kesehatan masyarakat?

Lonjakan fatal mobil pada 1960-an dan studi berbasis pemerintah berikutnya yang dipimpin oleh bukti yang menentukan sabuk pengaman dan akhirnya airbag harus diminta oleh hukum adalah contoh yang bagus tentang BAGAIMANA kebijakan kesehatan masyarakat harus didorong oleh kesimpulan dan model yang kuat secara statistik.

Saya lebih banyak mencari contoh kasus dari tipe yang berlawanan (ilmu yang buruk untuk membuat kebijakan tergesa-gesa). Namun, jika tidak ada yang lain, saya ingin mempelajari lebih banyak kasus yang mirip dengan contoh studi kuat sebelumnya untuk manfaat kesehatan masyarakat yang sukses.

Saya ingin menggunakan ini sebagai contoh untuk menunjukkan bagaimana penelitian statistik kesehatan masyarakat berbasis bukti penting untuk pembuatan kebijakan.

Saya pikir contoh terbaik dari hal ini mungkin adalah kontroversi seputar terapi penggantian hormon dan risiko kardiovaskular - studi epidemiologi kohort besar tampaknya menyarankan efek perlindungan dan kebijakan kesehatan dan rekomendasi dokter dibuat pada informasi ini.

RCT tindak lanjut kemudian tampaknya menunjukkan bahwa sebenarnya ada peningkatan risiko infark miokard pada wanita yang memakai HRT.

Ini bolak-balik sebentar, dan telah digunakan sebagai salah satu kasus kanonik untuk menyerang epidemiologi sebagai suatu bidang, tetapi analisis ulang baru -baru ini oleh Hernan tampaknya mengusulkan bahwa kedua studi tersebut sebenarnya tidak memiliki hasil yang sumbang jika Anda pastikan Anda menanyakan pertanyaan yang sama.

Contoh yang sangat menarik yang saya pribadi suka diambil dari buku Freakonomics oleh Steven D. Levitt dan Stephen J. Dubner. Ada bab dalam buku yang membahas korelasi vs kausalitas. Korelasi antara dua variabel statistik tidak selalu menyiratkan bahwa variabel-variabel ini secara statistik tergantung, tetapi kesalahan sepanjang garis ini dibuat oleh para ahli. Mengutip dari buku:

"Binatang buas yang rumit, Polio sangat sulit bagi para peneliti untuk dijabarkan. Mereka tidak bisa mengetahui bagaimana itu disahkan atau kapan / bagaimana itu diungkapkan dengan sendirinya. Kami memiliki kecenderungan untuk mengingat kali ini sebagai salah satu di mana Polio adalah 'epidemi' ketika, pada kenyataannya, itu tidak mempengaruhi petak besar populasi (dibandingkan dengan campak yang lebih umum, misalnya). Alasan itu dilihat sebagai epidemi adalah karena sangat menakutkan.

Apa yang berhasil ditentukan oleh para peneliti DID dalam studi mereka adalah bahwa tingkat infeksi Polio naik di musim panas. Mereka juga melihat bahwa KONSUMSI ICE CREAM naik di musim panas. Maka mereka menyimpulkan bahwa konsumsi es krim menyebabkan Polio dan untuk beberapa saat es krim itu didemonstrasikan. "

Dalam makalahnya, "Model Statistik dan Kulit Sepatu" (1991) , David Freedman menyajikan beberapa kisah peringatan dalam studi epidemiologi. Dia menawarkan analisis Snow tentang kolera di London sebagai keberhasilan, bukan karena pemodelan statistik, melainkan karena pengumpulan data yang rajin. Inilah abstraknya:

Model regresi telah digunakan dalam ilmu sosial setidaknya sejak 1899, ketika Yule menerbitkan sebuah makalah tentang penyebab kemiskinan. Model regresi sekarang digunakan untuk membuat argumen kausal dalam berbagai aplikasi, dan mungkin sudah saatnya untuk mengevaluasi hasilnya. Tidak ada jawaban pasti yang dapat diberikan, tetapi tulisan ini mengambil pandangan yang agak negatif. Karya Snow pada kolera disajikan sebagai kisah sukses untuk alasan ilmiah berdasarkan data non-eksperimental. Kisah-kisah kegagalan juga dibahas, dan perbandingan dapat memberikan beberapa wawasan. Secara khusus, makalah ini menunjukkan bahwa teknik statistik jarang bisa menjadi pengganti yang memadai untuk desain yang baik, data yang relevan, dan menguji prediksi terhadap kenyataan dalam berbagai pengaturan.

Metodologi Sosiologis . 21: 291-313.

Kasus kemoterapi dosis tinggi dengan penyelamatan transplantasi sumsum tulang sebagai pengobatan untuk kanker payudara lanjut pada tahun 1990 adalah salah satu contohnya. Serangkaian penelitian berkualitas rendah digunakan untuk mendorong melalui undang-undang yang mewajibkan cakupan asuransi kesehatan di beberapa negara. Ketika uji coba acak besar selesai, tidak ada manfaat yang terukur.

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