看到很多人說 這個人體試驗的規模很大
但參與試驗的規模大 只是證據力可信度其中一個面向
他也不能掩蓋其他證據力的缺陷
一個參與人數很多的粗糙的試驗
得到的只是 統計上誤差很小很小的 粗糙的證據
Garbage in Garbage out 醫學上做meta的人應該都被老師告誡過
你pooling 再多篇垃圾論文 做出來的東西 就只是更大型的垃圾
回到那篇報導啦 說真的他只能算一個報導 或是觀察
結論完全不能推導到因果關係
就跟那個不知道哪來的教授 寫去問不知道是不是真的的某個印度醫師的回答一樣
他也不認為這個結果能推導到ivermectin 上
是說～鄉民會覺得上面的證據力夠嗎XD
為什麼說那個報導的證據非常粗糙
因為他就只是個觀察 所有變因都沒有辦法控制
我們甚至無法得知 施予ivermectin 的區域 和沒有投與的區域在人民/醫療體系/社經發展是否有本質上的差異
比方說 有沒有可能 能夠提供ivermectin 的區域
政府效能/人民經濟程度/醫療環境相較於沒有投與的區域更好
Ivermectin 即時再怎麼便宜 大規模投與一定是大筆的開銷 還需要有強大的政府效能跟基礎建設
這篇報導無法回答我們這個問題
而這個問題會根本的影響到結果
假設上面的推論為真
那其實跟藥物可能沒有什麼關係
是其他的因素影響到
影響到臨床試驗的因素非常多
所以解讀一個臨床試驗也需要非常嚴格
在醫學上其實幾乎到吹毛求疵的地步
所以才慢慢形成一套大家公認的RCT的作法
目的就是為了盡量減少各式各樣的變因
有些變因很明顯 有些變因藏的很深
比方說 為什麼隨機分派 一定就是亂數抽籤
不能夠用別的東西取代？
假設真的有一個地方 下雨天數跟沒下雨天數一樣多
下雨機率每天都50% 完全是隨機的
那能不能夠用今天天氣去分派
哪些病人取得研究藥物 哪些取得安慰劑？
聽起來好像可以啊 反正都是隨機的
但實際上還是有很多人的因素影響到
例如 有沒有可能 症狀比較輕微的人 看到今天下雨就不出門了
所以下雨天來就醫的那些人 症狀相對於晴天都來的嚴重？
或者是在基礎建設更差的地方
下雨天來醫院非常不方便
所以窮人下雨天比較少到醫院
下雨天來醫院的 都是經濟能力比較好的
舉這些例子就是要說明 連隨機的分派都存在非常多可以影響到結果的變因
更不用說完全沒有隨機分派的
事實上你無法推論任何一個變因導致兩者差異的結果
疫情趨緩跟疫情擴散的區域中所有不一樣的地方都可能是原因
那篇報導的證據力真的非常非常非常弱
全世界有很多的嚴謹的臨床試驗正在研究ivermectin 的效果
我相信以台灣醫學的發達跟CDC專家用功的程度
只要有更新 台灣一定會馬上update
如果看到這裡你還是覺得反正無害為什麼不嘗試看看
那我會非常誠摯的建議你參與高端疫苗第三期研究
反正目前證據開起來安全無害 據信可能也有效果
你要不要試試看 還是免費的