COVID-19, de l'espoir?

[Fab74ch]

"Dans les mêmes conditions, les mêmes effets nécessitent les mêmes causes ",je te laisse réfléchir la dessus, c'est la base de la méthode scientifique.

Si tu veux être condescendant et rabaisser ton interlocuteur, ok mais il veut mieux quand même éviter de dire des grosses conneries.

Tu donnes de l'HCQ à des malades de la covid, en l'absence de différences significatives avec le groupe témoin, tu n'as pas apporter avec les connaissances du moment la preuve de son efficacité. Pas plus. Rien ne te dit que dans d'autres conditions expérimentales suite à des travaux de recherches plus poussés, l'HCQ utilisée dans un autre protocole ne soit pas efficace....

Ok, évidémment, le protocole qui teste l'HCQ avec une certaine posologie, dans certaines conditions, à un certain avancement de la maladie, ne nous dit pas ce que ferait l'HCQ dans d'autres conditions bien différentes. Sur ça on est d'accord. Une étude ne peut valider ou réfuter que l'hypothèse testée. De même que si 1l d'evian par jour ne montre pas de résultat, peut-être 2l auront plus d'effet. Et si c'est pas 2l, peut-être 1.6l, et sinon peut-être 1.60001l etc... Mais on n'a peut-être pas besoin de tester toutes les conditions possibles et imaginables pour se convaincre que ça ne marche pas (on dirait que l'on procède par induction, l'expérimentation n'est pas le seul outil d'acquisition de la connaissance).

Il faut aussi comprendre que la preuve n'existe pas en science expérimentale. Chaque expérience fait simplement évoluer la confiance que l'on peut avoir en une proposition donnée.

Bref, fin de cette discussion pour moi.

Hello Z_orglub, Aucun mépris dans les propos qui vont suivre, mais triplette a doublement raison. Premièrement par rapport au traitement statistique d'une étude qui ne montrera jamais l'inefficacité (j'y reviens après), et deuxièmement lorsqu'il dit que tu n'as jamais mené de protocole expérimental scientifique et je rajouterai basé sur des statistiques.
Attention, je ne suis de loin pas statisticien (ce n'est d'ailleurs un domaine pas toujours facile à appréhender et plutôt contre intuitif pour un scientifique pas du milieu), mais j'ai eu le besoin de me plonger un peu dedans, et notamment l'utilisation de l'hypothèse nulle, de la p-value ou encore des risques associés.

Je ne vais pas recopier ici les théories pour m'attribuer les propos, mais tu peux regarder les articles suivants :
Hypothèse nulle
P-value
Ou en vidéo très pédagogiques :
Hypothèse nulle
Tests statistiques

Mais en gros :
La base de l'analyse statistique c'est l'hypothèse nulle (comparaison de moyenne par exemple identique dans 2 populations) appelée H0 dans la littérature. Tu as l'hypothèse alternative H1 qui elle suppose un effet.
puis tu as la p-value qui est la probabilité que la différence observée soit du au hasard, Bien sur, plus cette valeur est petite, mieux c'est, on prend généralement 5% voire moins comme critère de rejet. Car en effet, on n'accepte jamais l'hypothèse nulle. Soit elle est rejetée car p-value<critère (et c'est l'hypothèse H1 qui est validée, avec certains risques statistiques associées alpha et beta, mais là on rentre dans le détail, je te laisse lire ce qu'il y a dessus, ce sera moins faux que ce que je pourrais écrire), soit on ne peut pas conclure.

Pour reprendre tes exemples :
Premièrement l'ampoule : tu comprends bien qu'il n'y a dans ce tests (même si il y a bien un début de démarche scientifique) aucune analyse statistique derrière. L'ampoule fonctionne ou pas, aucune analyse statistique derrière, donc effectivement, aucun rapport.

Pour reprendre l'exemple de l'Evian un peu pertinent, ça a l'air simple en 2 phrases. Mais l'analyse statitique qu'il y a derrière ne l'est pas (mais alors pas du tout).
Si on rentre dans le concret, comment vas-tu réaliser ton évaluation?
Peut-être, ce serait pas mal, faire un test demi-cooper, ou 5km "all out" aux athlètes en début et fin d'étude.
La probabilité que tous les athlètes fassent exactement le même temps à 6 mois d'intervalles dans les 2 groupes est quasi nulle. Il y aura donc des écarts. Et c'est toute la difficulté de la chose : d'analyser correctement ces écarts.

Bref, on s'écarte du COVID, bonne lecture à toi

[Evisims]

Et je ne rajouterais qu'une chose. Mais ce n'est peut-être que mon point de vue...

Autant essayer de démontrer l'efficacité de quelque chose, j'en vois l'intérêt, autant essayer de démontrer l'inefficacité, je ne vois pas trop...

[Thierry *OnlineTri*]

Et je ne rajouterais qu'une chose. Mais ce n'est peut-être que mon point de vue...

Autant essayer de démontrer l'efficacité de quelque chose, j'en vois l'intérêt, autant essayer de démontrer l'inefficacité, je ne vois pas trop...

C'est souvent pour "démontrer" l'absence d'effets secondaires que l'on galère... 5G, Linky, vaccins, additifs alimentaires, etc.

T.

[Evisims]

Et je ne rajouterais qu'une chose. Mais ce n'est peut-être que mon point de vue...

Autant essayer de démontrer l'efficacité de quelque chose, j'en vois l'intérêt, autant essayer de démontrer l'inefficacité, je ne vois pas trop...

C'est souvent pour "démontrer" l'absence d'effets secondaires que l'on galère... 5G, Linky, vaccins, additifs alimentaires, etc.

T.

Oui, mais du coup, pour ça, ce que tu dois démontrer, c'est justement la présence de ces effets secondaires. Et tout ce que tu peux conclure, c'est que tu n'as pas réussi à les mettre en évidence. Ce qui, j'en conviens, ne démontre pas qu'il n'y en a pas.

[Fafa44]

Ouai c'est pas faux

[triplette]

Et je ne rajouterais qu'une chose. Mais ce n'est peut-être que mon point de vue...

Autant essayer de démontrer l'efficacité de quelque chose, j'en vois l'intérêt, autant essayer de démontrer l'inefficacité, je ne vois pas trop...

C'est souvent pour "démontrer" l'absence d'effets secondaires que l'on galère... 5G, Linky, vaccins, additifs alimentaires, etc.

T.

Oui, mais du coup, pour ça, ce que tu dois démontrer, c'est justement la présence de ces effets secondaires. Et tout ce que tu peux conclure, c'est que tu n'as pas réussi à les mettre en évidence. Ce qui, j'en conviens, ne démontre pas qu'il n'y en a pas.

Oui mais bon courage pour faire entendre cela à un militant anti-vaccin....

[Fafa44]

Deux extraits de l'audition d'E. Philippe, assez édifiant...

https://www.huffingtonpost.fr/entry/edo ... eaaa0d5d03


https://twitter.com/i/status/1319003305536872450

[superyoyo]

Ouai c'est pas faux

[Z_orglub]

"Dans les mêmes conditions, les mêmes effets nécessitent les mêmes causes ",je te laisse réfléchir la dessus, c'est la base de la méthode scientifique.

Si tu veux être condescendant et rabaisser ton interlocuteur, ok mais il veut mieux quand même éviter de dire des grosses conneries.

Tu donnes de l'HCQ à des malades de la covid, en l'absence de différences significatives avec le groupe témoin, tu n'as pas apporter avec les connaissances du moment la preuve de son efficacité. Pas plus. Rien ne te dit que dans d'autres conditions expérimentales suite à des travaux de recherches plus poussés, l'HCQ utilisée dans un autre protocole ne soit pas efficace....

Ok, évidémment, le protocole qui teste l'HCQ avec une certaine posologie, dans certaines conditions, à un certain avancement de la maladie, ne nous dit pas ce que ferait l'HCQ dans d'autres conditions bien différentes. Sur ça on est d'accord. Une étude ne peut valider ou réfuter que l'hypothèse testée. De même que si 1l d'evian par jour ne montre pas de résultat, peut-être 2l auront plus d'effet. Et si c'est pas 2l, peut-être 1.6l, et sinon peut-être 1.60001l etc... Mais on n'a peut-être pas besoin de tester toutes les conditions possibles et imaginables pour se convaincre que ça ne marche pas (on dirait que l'on procède par induction, l'expérimentation n'est pas le seul outil d'acquisition de la connaissance).

Il faut aussi comprendre que la preuve n'existe pas en science expérimentale. Chaque expérience fait simplement évoluer la confiance que l'on peut avoir en une proposition donnée.

Bref, fin de cette discussion pour moi.

Hello Z_orglub, Aucun mépris dans les propos qui vont suivre, mais triplette a doublement raison. Premièrement par rapport au traitement statistique d'une étude qui ne montrera jamais l'inefficacité (j'y reviens après), et deuxièmement lorsqu'il dit que tu n'as jamais mené de protocole expérimental scientifique et je rajouterai basé sur des statistiques.
Attention, je ne suis de loin pas statisticien (ce n'est d'ailleurs un domaine pas toujours facile à appréhender et plutôt contre intuitif pour un scientifique pas du milieu), mais j'ai eu le besoin de me plonger un peu dedans, et notamment l'utilisation de l'hypothèse nulle, de la p-value ou encore des risques associés.

Je ne vais pas recopier ici les théories pour m'attribuer les propos, mais tu peux regarder les articles suivants :
Hypothèse nulle
P-value
Ou en vidéo très pédagogiques :
Hypothèse nulle
Tests statistiques

Mais en gros :
La base de l'analyse statistique c'est l'hypothèse nulle (comparaison de moyenne par exemple identique dans 2 populations) appelée H0 dans la littérature. Tu as l'hypothèse alternative H1 qui elle suppose un effet.
puis tu as la p-value qui est la probabilité que la différence observée soit du au hasard, Bien sur, plus cette valeur est petite, mieux c'est, on prend généralement 5% voire moins comme critère de rejet. Car en effet, on n'accepte jamais l'hypothèse nulle. Soit elle est rejetée car p-value<critère (et c'est l'hypothèse H1 qui est validée, avec certains risques statistiques associées alpha et beta, mais là on rentre dans le détail, je te laisse lire ce qu'il y a dessus, ce sera moins faux que ce que je pourrais écrire), soit on ne peut pas conclure.

Pour reprendre tes exemples :
Premièrement l'ampoule : tu comprends bien qu'il n'y a dans ce tests (même si il y a bien un début de démarche scientifique) aucune analyse statistique derrière. L'ampoule fonctionne ou pas, aucune analyse statistique derrière, donc effectivement, aucun rapport.

Pour reprendre l'exemple de l'Evian un peu pertinent, ça a l'air simple en 2 phrases. Mais l'analyse statitique qu'il y a derrière ne l'est pas (mais alors pas du tout).
Si on rentre dans le concret, comment vas-tu réaliser ton évaluation?
Peut-être, ce serait pas mal, faire un test demi-cooper, ou 5km "all out" aux athlètes en début et fin d'étude.
La probabilité que tous les athlètes fassent exactement le même temps à 6 mois d'intervalles dans les 2 groupes est quasi nulle. Il y aura donc des écarts. Et c'est toute la difficulté de la chose : d'analyser correctement ces écarts.

Bref, on s'écarte du COVID, bonne lecture à toi

Merci pour ces liens, je connais assez bien (j'ai fait pas mal de maths étant plus jeune) mais je ne vois pas bien en quoi ils répondent à la question posée. Il me semble que vouloir parler de p-value et d'hypothèse nulle est certes intéressant mais ne fait qu'introduire de la confusion dans cette discussion sans adresser la question initiale qui est plutôt une question philosophique ("peut-on prouver qu'un traitement donné ne marche pas"). Les stats sont juste une technique mathématique pour quantifier les risques d'erreur lorsque l'on cherche à faire un choix deux hypothèses. Il ne faut pas chercher à leurs faire dire plus que ce qu'ils ne disent.

L'expérience de l'ampoule a à voir dans la mesure où la démarche est la même : raisonnement par l'absurde. Si électricité alors lumière. La contraposée est que si pas de lumière, alors pas d'électricité. Dans le cas de l'étude de médicament : si médicament efficace, les gens guérissent. S'ils ne guérissent pas, alors médicament pas efficace.

La différence est que, dans le premies cas l'expérience est déterministe. Réitérer l'expérience donnera le même résultat. Je donne cette exemple parce qu'il permet de garder la démarche expérimentale où l'on fait varier un paramètre et où l'on compare les effets, mais on supprime l'élément probabiliste qui perturbe le résultat.

Dans le deuxième cas, l'expérience est probabiliste. Une partie de ce qu'on observe est lié au hasard. Réitérer l'expérience donnera des résultats différents, mais la démarche est exactement la même. La seule différence est que notre interprétation du résultat (positif ou négatif) devra tenir en compte de l'aléa.

L'outil mathématique des statistiques permet dans ce deuxième cas de quantifier le risque d'erreur dans l'interpretation du résultats.

Mais tout ça ne change rien au fait que ne pas observer d'effet "significatif" signifie que le traitement ne marche pas "vraisemblablement". Les mots significatifs et vraisemblablement sont quantifiés par les stats, mais il n'y a rien qui fondamentalement change la nature de l'expérience, et surtout l'interprétation positive ou négative du résultat.

[FAYARD]

Martin Hirsch est toujours dans la surenchère et la dramaturgie..40 000 cas positifs officiellement mais probablement 3 fois plus de cas selon lui.
Bah si c’est exact, cela veut dire que cette nouvelle forme de Covid n’est pas très dangereuse, le nombre de réanimation n’est pas très élevé finalement et les morts ne se comptent pas par milliers..
La vérité on va vite la voir, on pourra tirer un bilan d’ici 15 j maxi...
Par contre si Martin Hirsch a raison, rien à part un confinement strict ne pourra enrayer cette maladie, parce qu’elle est trop contagieuse, les gens qui portent un masque et font attention sont quand même contaminés...la méthode Suédoise serait elle la bonne ?

[FAYARD]

Toujours très difficile de connaître les chiffres des malades qui sortent de réanimation, on a juste celui du nombre des entrées. C’est forcément une décision politique parce que c’est un chiffre très facile à obtenir mais aucun média ne le fournit et surtout il était donné chaque jour durant la première vague.
La question est, à qui profite le crime ? Il ne faudrait pas rassurer la population...sinon difficile d’imposer quoi que se soit...

[Evisims]

Toujours très difficile de connaître les chiffres des malades qui sortent de réanimation, on a juste celui du nombre des entrées. C’est forcément une décision politique parce que c’est un chiffre très facile à obtenir mais aucun média ne le fournit et surtout il était donné chaque jour durant la première vague.
La question est, à qui profite le crime ? Il ne faudrait pas rassurer la population...sinon difficile d’imposer quoi que se soit...

Si on connait le nombre de lits occupés par des cas Covid ainsi que le nombre d'entrées, c'est assez facile de déduire le nombre de sorties, je pense.
mais en effet, ça ne rend pas la communication très claire...

[Thierry *OnlineTri*]

Pour info les données sont disponibles ici :
https://dashboard.covid19.data.gouv.fr/ ... cation=FRA

T.

[FAYARD]

Toujours très difficile de connaître les chiffres des malades qui sortent de réanimation, on a juste celui du nombre des entrées. C’est forcément une décision politique parce que c’est un chiffre très facile à obtenir mais aucun média ne le fournit et surtout il était donné chaque jour durant la première vague.
La question est, à qui profite le crime ? Il ne faudrait pas rassurer la population...sinon difficile d’imposer quoi que se soit...

Si on connait le nombre de lits occupés par des cas Covid ainsi que le nombre d'entrées, c'est assez facile de déduire le nombre de sorties, je pense.
mais en effet, ça ne rend pas la communication très claire...

Non c’est impossible parce que l’on ne connaît pas le nombre de lits de réanimation à l’instant T, le pourcentage de covid dans les lits de réanimation varie d’une région à l’autre, et quand on sait que ce n’est que quelques dizaines de sorties par jour, c’est un chiffre bien trop petit donc même avec des calculs savants, on serait à coté de la plaque.

[FAYARD]

Pour info les données sont disponibles ici :
https://dashboard.covid19.data.gouv.fr/ ... cation=FRA

T.

Merci Thierry, ça fait un moment que je cherche..