persona

John Ioannidis

1 articolo

Medico ed epidemiologo (1965), nato a New York, di cittadinanza greca e statunitense, professore a Stanford, autore nel 2005 dell’articolo più citato della letteratura sulla riproducibilità, Why Most Published Research Findings Are False. Nel sito vale per l’argomento e non per il titolo, che è diventato uno slogan e ha coperto la cosa utile: l’articolo non è un pamphlet ma un modello, che calcola la probabilità che un risultato dichiarato sia vero a partire dalla potenza dello studio, dal rapporto fra ipotesi vere e false testate in quel campo e da un termine di distorsione. Ne ricava sei corollari utilizzabili come lista di controllo su qualunque disciplina — meno un campo fa studi grandi, meno i suoi risultati sono veri; meno gli effetti sono grandi, meno sono veri; più relazioni si testano e meno le si seleziona, meno sono veri; più c’è flessibilità nei disegni e nelle definizioni, meno sono veri; più ci sono interessi in gioco, meno sono veri; e, controintuitivo, più un campo è caldo e affollato di squadre in competizione, meno i suoi risultati sono veri. La conseguenza che porta più lontano riguarda che cosa si stia misurando quando si misura male: in molti campi i risultati dichiarati «possono essere semplicemente misure accurate del bias prevalente», e le dimensioni d’effetto pubblicate sono la stima più accurata della distorsione netta invece che dell’effetto. Va registrato che dal 2020 Ioannidis ha assunto sulla pandemia posizioni molto discusse, comprese stime di letalità che si sono rivelate basse; il sito lo cita per il lavoro del 2005, che regge per conto proprio, e non come autorità generale.

  • conflitto di interessi intellettuale — Il suo quinto corollario riguarda gli interessi finanziari; Mayo vent’anni dopo nomina la variante che non passa dal denaro.
  • crisi della replicazione — Nel 2005 ne dà il modello formale prima che ci fossero i dati: il valore predittivo di un campo dipende da quante ipotesi false vi circolano.
  • inferenza bayesiana — Il suo argomento è bayesiano nella struttura anche quando chi lo cita non lo sa: conta la probabilità a priori che l’ipotesi sia vera.
  • p-value — Ne mostra il limite strutturale: una soglia non può conoscere quante ipotesi false circolano nel campo in cui viene applicata.
Nel resto della mappa Vedi la mappa completa →