HG Wells – AQuAS Blog

The significant excuse of statistics

28 abr.

HG Wells never said that “statistical thinking will one day be as necessary for efficient citizenship as the ability to read and write”. If he had said it, he would have been 100% right. Politicians, administrators, scientists, everyone has an indicator, an average or a p-value at the ready to back up their arguments. The source of this information is not always clear and occasionally, the interpretation, or the results themselves, are incorrect.

One notable example of this is the controversy which arose in the UK in February and which saw a group of doctors presenting the British Secretary of State for Health, Jeremy Hunt, with a three-metre-high edition of the book “How to read a paper”. Hunt, in defense of his “seven-day NHS” plan, stated that in the UK, stroke patients admitted to hospital on weekends were more likely to die. In a letter to the Sunday Times, 59 top neurologists accused Hunt of misrepresenting statistical results and using outdated data to justify his policies.

I do not know if we should be giving books away, or what size they should be, but it might be interesting to take advantage of this space to reflect on the use and abuse of statistics and the almost religious fascination with significant p-values. One particular jingle, that of statistical significance, reminds me of that whole “scientifically proven” claim sported by many products advertised on television when I as a child. A statistically significant result is the seal of approval we all seek relentlessly, but we would do well to remember the tale of Pahom and ask ourselves, how many p-values does a researcher need? Statistically significant or statistics seen as a significant excuse.

To be continued.

Post written by Cristian Tebé Cordomí (@Cristiantb), Statistical Advisory Service at Bellvitge Biomedical Research Institute and Associate Professor at Universitat Rovira i Virgili.

La significativa excusa de la estadística

28 abr.

CristianTebé HG Wells nunca dijo que “un día el razonamiento estadístico sería tan importante para ser un buen ciudadano como leer y escribir”. Sin embargo, si lo hubiera dicho hubiera acertado de lleno. Políticos, gestores, científicos, todo el mundo tiene un indicador, una media o un p-valor preparado para acompañar sus argumentos. El origen de esta información no siempre es clara y en ocasiones su interpretación, o el resultado, es erróneo.

Sirva de ejemplo una polémica que hubo en el mes de febrero en el Reino Unido que terminó con un grupo de médicos regalando una edición de 3 metros del libro “How to read a paper” a Jeremy Hunt, secretario de salud del gobierno británico. Hunt, para defender su plan “seven-day NHS”, afirmó que en el Reino Unido los pacientes con un ictus que ingresaban en fin de semana tenían una mayor probabilidad de morir. 59 reputados neurólogos acusaron a Hunt, por carta al Sunday Times, de interpretar mal resultados estadísticos y de usar datos desfasados para justificar sus políticas.

No sé si tendré que regalar libros, y de qué tamaño, pero sí puede ser interesante aprovechar este espacio para reflexionar sobre el uso o abuso de la estadística y la fascinación, casi religiosa, por los p-valores significativos. Una cantinela, la de la significación estadística, que me recuerda aquello de “científicamente probado” que lucían muchos productos que se publicitaban por televisión cuando era pequeño. Un resultado estadísticamente significativo es el sello que todos buscamos sin parar, pero haríamos bien en recordar la historia de Pahom y preguntarnos: ¿cuántos p-valores necesita un investigador? Estadísticamente significativo o la estadística vista como una significativa excusa.

Continuará.

Entrada elaborada por Cristian Tebé Cordomí (@Cristiantb), Servicio de Asesoría Estadística del Institut d’Investigació Biomèdica de Bellvitge y Profesor Asociado en la Universitat Rovira i Virgili.

La significativa excusa de l’estadística

28 abr.

En HG Wells mai va dir que “un dia el raonament estadístic seria tan important per a ser un bon ciutadà com el llegir i l’escriure”. Si ho hagués dit, però, l’hagués encertat de ple. Polítics, gestors, científics, tothom té un indicador, una mitjana o un p-valor preparat per acompanyar els seus arguments. L’origen d’aquesta informació no sempre és clara i, a vegades, la seva interpretació, o el resultat mateix, és erroni.

Valgui d’exemple una polèmica que hi hagué el mes de febrer al Regne Unit que va acabar amb un grup de metges regalant una edició de 3 metres del llibre “How to read a paper” a Jeremy Hunt, secretari de salut del govern britànic. Hunt, per defensar el seu pla “seven-day NHS”, va afirmar que al Regne Unit els pacients amb un ictus que ingressaven en cap de setmana tenien una major probabilitat de morir. 59 reputats neuròlegs van acusar a Hunt, per carta al Sunday Times, de mal interpretar resultats estadístics i de fer servir dades desfasades per justificar les seves polítiques.

No ho sé si haurem de regalar llibres, ni de quina mida, però sí pot ser interessant aprofitar aquest espai per reflexionar sobre l’ús o l’abús de l’estadística i la fascinació, quasi religiosa, pels p-valors significatius. Una cantarella, la de la significació estadística, que em recorda allò del “científicament provat” que lluïen molts productes que es publicitaven per televisió quan era petit. Un resultat estadísticament significatiu és el segell que tots busquem sense aturador, però faríem bé de recordar la història d’en Pahom i preguntar-nos quants p-valors necessita un investigador? Estadísticament significatiu o l’estadística vista com una significativa excusa.

Continuarà.

Entrada elaborada per Cristian Tebé Cordomí (@Cristiantb), Servei d’Assesoria Estadística a l’Institut d’Investigació Biomèdica de Bellvitge i Professor Associat a la Universitat Rovira i Virgili.