Early influenza virus characterisation and vaccine effectiveness in England in autumn 2025, a period dominated by influenza A(H3N2) subclade K Immunogenicity as a Predictor of Influenza Vaccine Efficacy: A Systematic Review COVID-19 vaccination and changes in preventive behaviours: findings from the 2021 vaccine roll-out in Switzerland Impact of Influenza Vaccination on All-Cause Mortality and Hospitalization for Pneumonia in Adults and the Elderly with Diabetes: A Meta-Analysis of Observational Studies   עד כה יש מעט מאוד מחקר מדעי על תת הזן החדש של שפעת, קיי (שהוא שבט מתוך המטה H3N2). מחקר מאנגליה בדקת אימונוגניות של תתי זנים קודמים כנגד זן זה במעבדה (בעזרת "הדבקת דם"), ואת מועילות חיסון 2025-2026 כנגד זן זה בעזרת מחקר מקרה בקרה בקרב אנשים שבצעו בדיקה לשפעת. Vaccine effectiveness Immunogenicity Type, subtype, subclade, strain Hemagglutination inhibition Hemagglutinin Vaccine effectiveness Unmeasured bias Social distancing Negative test case control Influenza A(H3N2) subclade K  

Beta-Blockers after Myocardial Infarction with Normal Ejection Fraction כהמשך לשני המחקרים שהוצגו לאחרונה בפודקאסט על חסמי בטא.  מטא אנליזה על חמישה מחקרים ובהם כ 18 אלף איש, בדקה תועלת חסם בטא במטופלים לאחר התקף לב עם תפקוד חדר שמאל תקין. התוצא היה מורכב (התקף לב, מוות או אי ספיקת לב) ולאחר מעקב חציוני של שלוש וחצי שנים לא נראתה תועלת מובהקת לטיפול. למרות זאת, הרווח בר סמך כלל גם אפשרות של תועלת משמעותית קלינית, וכיוון שהיה מעבר מטופלים מזרוע טיפול אחת לשניה יש ספק מסוים בממצאי המחקרים. בינתיים עדיין אין שינוי בהנחיות הקליניות ורוב המטופלים לאחר התקף לב אמורים לקבל חסם בטא אם אין התוויות נגד. Beta blockers Myocardial infarction with preserved ejection fraction Meta analysis

Use of new CORE risk score to predict 10 year risk of liver cirrhosis in general population: population based cohort study CORE Calculator המחקר שמתוכו נוצר סולם החיזוי לצירוזיס הוא בעל תקפות נמוכה אם מסתכלים עליו כמחקר על בדיקה אבחנתית. הדבר נובע בעקר משיטת מחקר המתבססת רטרוספקטיבית על נתונים הקיימים בתיק הממוחשב. במקום להשתמש בגולד סטנדרט לצירוזיס, השתמשו באבחנות שנרשמו בתיקים הרפואיים. במקום לוודא קלינית שבתחילת המחקר אין לאנשים מחלת כבד, השתמשו בהעדר אבחנה בתיק הרפואי כסימן לכך. בנוסף, הייתה תלות בין בדיקת האבחנה לבין ביצוע בדיקה ההשוואה, ולא הייתה הסמיה של מבצעי בדיקת ההשוואה (רופאים שרשמו או שלא רשמו אבחנות הקשורות לצירוזיס) לבדיקה שמעניינת אותנו (למשל, ערכי אנזימי הכבד). מחקר שמייצר מודל לחיזוי צריך להשתמש גם בקבוצות לאימות, ולידציה.  שני מחקרי ולידציה, באנגליה ובפינלנד, הראו תוצאות דומות למחקר המקורי מבחינת קליברציה ורווח נקי מהבדיקה אך תוצאות שונות בדיסקרימינציה של הבדיקה. במחקרים בהם חסרים נתונים, משתמשים בשיטות סטטיסטיות להשלמת נתונים חסרים. למשל, אפשר לנסות לחזות מתוך מאפיינים אחרים של המטופל מהו ערך של אחד מאנזימי הכבד אצלו, ולהשתמש בערך החזוי בניתוח הסטטיסטי כאילו היה זה ערך אמיתי. במחקר שלנו השתמשו בשיטה דומה להשלמת נתונים חסרים.   Validity of diagnostic study Gold standard Representative sample Dependency of reference test Blinding of testing Prediction models Validation Imputation MICE- Multivariate Imputation by Chained Equations

Net benefit approaches to the evaluation of prediction models, molecular markers, and diagnostic tests Use of new CORE risk score to predict 10 year risk of liver cirrhosis in general population: population based cohort study CORE Calculator הרווח הנקי מבדיקה תלוי בערך הסף ממנו ומעלה אנו קובעים שהבדיקה חיובית. במודלים לחיזוי, ערך הסף הזה קובע הן את הסבירות לבדיקות חיוביות כוזבות או אמיתיות, והן את "שער החליפין הערכי", ולכן אפשר לחשב לפיו את הרווח הנקי מבדיקה. אך ערך הסף הוא סובייקטיבי מאוד. יהיה מצב שבו רופאה ומטופל יבחרו ערך סף אחד לפעולה ורופא ומטופלת אחרים ערך סף אחר. עקומת ניתוח ההחלטות עוקפת את הבעיה הזו, בכך שהיא מציגה לנו את הרווח הנקי מהבדיקה עבור טווח רחב של ערכי סף. בציר האופקי נמצא ערך הסף, ובציר האנכי של הגרף, הרווח הנקי מהבדיקה. ככל שהגרף גבוה יותר, כך הרווח הנקי גבוה יותר. עליה בערכי הסף (התקדמות בציר האופקי) מייצגת שער חליפין שבו יש משקל גדול לנזק מהבדיקה (בדיקות חיוביות כוזבות מקבלות יותר משקל), וכמעט תמיד תהיה קשורה לירידה ברווח הנקי מהבדיקה. על אותה מערכת צירים ניתן לבדוק מודל חיזוי אחד לעומת מודל אחר וגם לעומת ברירות מחדל (למשל, לטפל בכולם, או לא לטפל באף אחד). Decision curve analysis Net benefit approach to testing Threshold for a positive test Exchange rate True positives/false positives   רווח נקי של בדיקה=  שיעור בדיקות חיוביות אמיתיות (מבין כלל המשתתפים) פחות [שיעור בדיקות חיוביות כוזבות (מבין כלל המשתתפים) X שער החליפין*]   *היחס אותו אנחנו מוכנים לסבול בין מספר בדיקות חיוביות אמיתיות למספר בדיקות אמיתיות כוזבות  

Net benefit approaches to the evaluation of prediction models, molecular markers, and diagnostic tests Use of new CORE risk score to predict 10 year risk of liver cirrhosis in general population: population based cohort study CORE Calculator   הרווח הנקי מבדיקה הוא מידת התועלת של הבדיקה, המתבטאת בבדיקות חיוביות אמיתיות, פחות הנזק מהבדיקה, המתבטא בבדיקות חיוביות כוזבות. כדי לבצע חישוב של ההפרש בין שני אלו, צריך לבצע המרה לאותן יחידות. הדרך לבצע את זה היא קביעה (בעזרת מומחיות קלינית, הכרת הנושא, ערכים ומטרות של המטופל) של "שער חליפין ערכי": כמה בדיקות חיוביות כוזבות אנחנו מוכנים לסבול עבור כל בדיקה חיובית אמיתית. שיעור הבדיקות החיוביות הכוזבות מוכפל בשער החליפין כדי שיחידת המדידה תהיה גם שם "יחידות של בדיקות חיוביות אמיתיות", ואז מחסירים ערך זה משיעור הבדיקות החיוביות האמיתיות. רווח נקי חיובי, משמעותו שהמטופל ירוויח מביצוע הבדיקה. במודלים של חיזוי, ערך הסף שמעליו נבצע התערבות או המשך בירור קובע לנו גם את שער החליפין (למשל, אם ערך הסף במודל הוא 2.5%, שער החליפין הוא 1/39) וגם, בעזרת מחקר, מאפשר לנו לדעת מה יהיה שיעור הבדיקות החיוביות האמיתיות ושיעור הבדיקות החיוביות הכוזבות. רווח נקי של בדיקה=  שיעור בדיקות חיוביות אמיתיות (מבין כלל המשתתפים)  פחות [שיעור בדיקות חיוביות כוזבות (מבין כלל המשתתפים) X שער החליפין*]   *היחס אותו אנחנו מוכנים לסבול בין מספר בדיקות חיוביות אמיתיות למספר בדיקות אמיתיות כוזבות   Net benefit (of testing) True positives/ false positives Exchange rate

Use of new CORE risk score to predict 10 year risk of liver cirrhosis in general population: population based cohort study CORE Calculator מלבד הדיסקרימינציה , יש לנו שאלה נוספת כדי להחליט האם מדד חיזוי הוא מדד מוצלח: האם הסיכוי המחושב דומה לסבירות האמיתית כפי שנצפתה בהמשך המעקב. התאמה כזו נקראת קליברציה. אי אפשר לדעת מה הסבירות האמיתית עבור מטופל בודד- מטופל בודד יחלה או שלא יחלה, זאת אומרת הסבירות האמיתית שיחלה היא או אפס או מאה אחוז. לכן קליברציה משתמשת בקבוצות. בכל קבוצה הסיכוי המחושב (התחזית) נמצאת בטווח מסויים, והממוצע של הסיכוי המחושב באותה קבוצה מושווה לשיעור האנשים באותה קבוצה שחלו בסופו של דבר. מדד ה CORE  הוא בעל קליברציה מצויינת בערכים עד 17-18%, אך בערכים גבוהים יותר נתן הערכת יתר. Calibration Probability Calculated risk

Use of new CORE risk score to predict 10 year risk of liver cirrhosis in general population: population based cohort study CORE Calculator SCORE2 risk prediction algorithms: new models to estimate 10-year risk of cardiovascular disease in Europe השטח תחת העקומה מתייחס לעקומת הרוק, והוא נמדד כיחס בין שני שטחים ולא ביחידות שטח. היחס הזה מקבל ערכים שבין 0.5 לבין 1, כאשר ככל שהערך גבוה יותר, כך יכולת ההפרדה של הבדיקה (דיסקרימינציה) טובה יותר. ערך של 0.88 אומר לנו שהסבירות שמטופל שיפתח שחמת בעתיד יקבל ציון חיזוי גבוה יותר ממטופל שלא יפתח שחמת היא 88%. חיזוי זה הוא עבור עשר שנים קדימה, אך מה לגבי חיזוי לזמנים קצרים יותר?  שטח תחת העקומה תלוי זמן מציג לנו מהו השטח תחת העקומה עבור זמני תחזית שונים. למשל, בקוהורט המקורי עבור סולם הקור- 0.94 עבור תחזית של שנה אחת קדימה, ו 0.88 עשר שנים קדימה. Time-dependent AUC ROC curve AUROC Discrimination CORE prediction model SCORE2 prediction model FIB4  

Use of new CORE risk score to predict 10 year risk of liver cirrhosis in general population: population based cohort study CORE Calculator שיקולים שונים בסקירה ברמת האוכלוסיה לשחמת- מאמר סקירה קווים מנחים אירופאיים- המלצה לבצע סקירה באנשים בסיכון קווים מנחים- עדיין אין התוויה לסקירה למחלת כבד על רקע סטאטוזיס מטבולי (מכרס"מ © )   במחקר קוהורט ענקי בשוודיה, התגלה ששימוש בחמישה מדדים בלבד- שלושה אנזימי כבד, גיל ומין, מאפשר חיזוי של שחמת כבד בעשר השנים הקרובות. המודל לחיזוי אומת בשני קוהורטים בארצות אחרות, ולפי מחקר זה, יכולת הניבוי של מדד זה טובה יותר מאשר יכולת הניבוי של מדד ה FIB4.   CORE Prediction model Liver cirrhosis

Latin trial Scandinavian trial במטופלים לאחר אוטם שריר הלב וללא הפרעה בתפקוד חדר שמאל, האם טיפול בחסם בטא מונע בעיות עתידיות? ננצל את השאלה כדי להבין כיצד לנתח תוצאות של מחקרים סותרים, ולהחמיא הן למדע, הן לספרות הרפואית והן לעזרה של מודל בינה מלאכותית לניתוח מחקרים.   Differences in: Population Method Intervention Outcome measurement Confidence interval Evidence based medicine

ביטוי מעוות יכול לשמש כחכה בדיג של מחקרים מפוברקים. שימוש בביטוי כזה העלה בחכה מחקר חשוד. בעזרת הצלבת נתונים וחיפוש סימני אזהרה הקשורים לחוקר, לטקסט, לתוצאות המחקרים, לעיתון ולמו"ל, הגעתי לעיתונים חשודים נוספים של אותו מו"ל ולהתכתבויות ברשת המתארות ניסיון לסחיטת חוקר וניסיון השתלטות על עיתון מדעי.   לקריאה מומלצת: בעיה ושמה זיוף- יהונתן ברקהיים, מכון דוידסון.   "מאמר מדעי" על פרקינסון דף האורכיד של "מחבר" המאמר  העיתון המדעי לכאורה Int. J. of School and Cognitive Psychology   חוקרת לגיטימית שהוזכרה בדף הבית של העיתון כאחת העורכות   עיתון נוסף של אותו מוציא לאור ובתוכו "מטא אנליזה" על דכאון אצל סטודנטים באתיופיה מאמר על המו"ל מ retraction watch התכתבות בין חוקרים על ניסיון רכישת עיתון לגיטימי על ידי אותה הוצאה לאור   מאגר המידע לזיהוי מחקרים בעייתיים לפי ביטויים מעוותים  (Guillaum Cabanac- problematic paper screener)      

A survey of experts to identify methods to detect problematic studies: stage 1 of the INveStigating ProblEmatic Clinical Trials in Systematic Reviews project   בפרוייקט שנועד לסנן מתוך סקירות שיטתיות מחקרים בעייתיים (מחקרים רעים מאוד ומחקרים מכוערים לפי שיטת הסיווג שלנו), בוצע סקר בין מומחים לזיהוי מחקרים כאלו, ונאספו 116 בדיקות שונות לאיתור או זיהוי.  מתוך בדיקות אלו, 76 ניתנות ליישום ממידע גלוי (ללא נתונים גולמיים של המשתתפים במחקר). אלו בדיקות בקטגוריות הבאות: בדיקת תוצאות המחקר, בדיקת הכותבים, בדיקת ניהול המחקר, ובדיקת הטקסט והעיתון. כאשר סדרת הבדיקות בוצעה על 50 סקירות שיטתיות של קוקרן, כ 31% מהמחקרים המבוקרים הנכללים היו חשודים במידת מה, ו 6% היו חשודים ביותר כמחקרים בעייתיים. INSPECT-SR Problematic studies Individual participant data Results in the paper Conduct Research team Text and publication

Is something rotten in the state of Denmark? Cross-national evidence for widespread involvement but not systematic use of questionable research practices across all fields of research מיקום דנמרק וישראל במדד השחיתות העולמי המחקר המצוטט ביותר בתחום זה, שבוצע על חוקרים בפסיכולוגיה.   בסקר שנערך בין חוקרים בכירים מכל התחומים בדנמרק ובארצות אחרות התגלה שיעור גבוה מאוד של פרקטיקות מחקר מפוקפקות. הבעיות היו בטווח רחב של חומרה: החל מציטוטים עצמיים דרך מניפולציות סטטיסטיות כדי להשיג מובהקות ועד העתקת רעיונות. 90% מהחוקרים הודו שלפחות פעם אחת במחקריהם האחרונים השתמשו בפרקטיקה אחת מאלו. לחץ לפרסם היה מנבא לפרקטיקות בעייתיות. לעומת זאת נחמדות, נוירוטיות, מצפוניות, וותק אקדמי, ותרבות מקומית של יושרה- הם גורמים מעט מגנים מהפרקטיקות המפוקפקות. Questionable research practices- QRP פרקטיקות מפוקפקות במחקר- פמפ"ם HARKing P hacking authorship  

פרק סיכום זמני על מחקרים שלא צריכים להתפרסם. בפרק זה אני מציע שיטת סיווג משלי עבור מחקרים אלו: מחקר רע הוא מחקר בעזרת שיטות לא נכונות או לא מתאימות. המחקר הרע מאוד מתחיל כמחקר לגיטימי, אך מתבצעת בו מניפולציה מודעת בנתונים או בשיטה הסטטיסטית כדי להגיע לתוצאה שהחוקר מעוניין בה, והמחקר המכוער הוא מחקר שמומצאים בו נתונים או מחקר מפוברק לחלוטין. שלושת סוגי המחקרים האלו יכולים להביא לנזק רב, הן ישירות למטופלים והן לאמון במדע וברפואה. החלוקה לשלושה סוגים אלו נקבעה לפי האתיולוגיה (הרע נובע מבורות, הרע מאוד מרצון להגיע לתוצאה מסוימת ולפרסם אותה, והמכוער נובע מנוכלות והונאה)

The entities enabling scientific fraud at scale are large, resilient, and growing rapidly   מאמר זה מציג עדויות עקיפות לכך שפרסום מחקרים מפוברקים או כוזבים מתבצע בצורה מאורגנת. המחקר בדק מחקרים, עורכים, עיתונים מדעיים וארגונים, ומצא עדויות עקיפות לארגון זה: מיעוט קטנטן מעורכי עיתונים מדעיים שאחראי לקבלה לפרסום של מחקרים רבים שנוהלו בצורה לא תקינה, ארגונים שמכוונים לעיתונים מסוימים לצורך פרסום מאמרים מפוברקים או גרועים, עיתונים שמטרתם פרסום מאמרים ללא ביקורת, ייצור מאמרים מפוברקים באצוות (כמות מוצר גדולה בבת אחת), ועליה חדה בקצב של מאמרים המוסרים מעיתונים מדעיים עקב בעיות אמינות או רמאות.   Retraction De indexing Paper mills Fraud Batch Image duplication Plos one Hindawi IEEE ARDA Retraction watch Pub-peer

Tolerating bad health research: the continuing scandal   מדגם של מחקרים מבוקרים אקראיים מתחומים שונים ברפואה מציג תמונה עגומה: רובם מחקרים גרועים, עם סיכוי גבוה להטיה. גם רוב המשתתפים במחקרים שנדגמו השתתפו למעשה במחקר גרוע. העלות של מחקרים אלו עצומה, הן כלכלית והן מבחינות אחרות. מחברי המאמר מציעים מספר הצעות לתיקון המצב בעולם המחקר הרפואי. Meta research High risk of bias Bad research Cochrane systematic reviews

הבינה המלאכותית וזיוף מחקרים   Comparing scientific abstracts generated by ChatGPT to real abstracts with detectors and blinded human reviewers AI-generated research paper fabrication and plagiarism in the scientific community Artificial Intelligence Can Generate Fraudulent but Authentic-Looking Scientific Medical Articles: Pandora’s Box Has Been Opened How Many Scientists Fabricate and Falsify Research? A Systematic Review and Meta-Analysis of Survey Data   בפרק זה נשים שני דברים על השולחן: הראשון הוא שישנם חוקרים המזייפים נתונים או אפילו ממציאים מחקרים שלמים, ולא מדובר באחוז זניח של החוקרים. השני הוא שהיום בעזרת מנועי בינה מלאכותית ניתן לייצר בקלות רבה מאמרים מומצאים על מחקרים דמיוניים. יכולת של סוקרים אנושיים או דיגיטלים לזיהוי מאמרים כאלו היא חלקית בלבד. שילוב שני הגורמים האלו יכול להביא אותנו לתקופה בה רבים מפרסומים הרפואיים יהיו מומצאים או מזוייפים. Fabrication Falsification Large language models ChatGPT Detection of fabricated articles

למרות שמחקר אמור להיות מדוייק, והחוקר צריך להיות בעל יושרה ולפרסם אמת ואת כל האמת, ישנם מקרים בהם זה לא כך. מקרים אלו נקראים "התנהלות בלתי הולמת במחקר" אך אפשר להסיר את הכפפות ולקרוא להם גם "רמייה במחקר". הסיבה העיקרית לרמייה במחקר היא הלחץ לפרסם מאמרים. הלחץ הזה יכול לנבוע מסיבות כלכליות, תעסוקתיות ופסיכולוגיות, אך המנוע העיקרי שגורם ללחץ זה הוא המבנה האקדמי שבו יש דרישה וציפייה לפרסום מאמרים. הרמייה יכולה ללבוש דרכים רבות, ורשימה (אולי חלקית) שלה כוללת המצאת נתונים, שינוי, סיוף או השמטת נתונים, מניפולציה בשיטות ניתוח הנתונים, וספין בפירוש תוצאות מחקר. בנוסף, רמייה מסוג אחר היא אי דיווח על כותבי המאמר האמיתיים, על ניגודי אינטרסים של הכותבים ועל שימוש בבינה מלאכותית בכתיבה. לאחר שמאמר שבוצע ברמייה כבר התפרסם, יש פעמים נדירות שבהן מצליחים לגלות זאת, ואז ייתכן שהמאמר יוסר מהפרסום (רטרקציה). הגילוי יכול להגיע דרך החוקר עצמו אם הוא הגון ומגלה בעיות בניהול המחקר שפורסם, אך גם על ידי הלשנה, קריאה לעומק של המחקר על ידי קוראים ביקורתיים, וכן שיטות סטטיסטיות מתקדמות כמו זו שהציע קרלייל. בשנת 2023 כ 10,000 מאמרים בעיתונות המדעית (לא רק רפואית) הוסרו בשל רמייה, וסביר להניח שזהו רק קצה הקרחון של מחקרים שבהם בוצעה רמייה. Nature- 2023 record in retractions   Pubpeer   הסרת מאמר על הדיאטה הים תיכונית מהניו אינגלנד   Data fabrication and other reasons for non-random sampling in 5087 randomised, controlled trials in anaesthetic and general medical journals  מאמר המפרט את השיטה של קרלייל לזיהוי מחקרים עם נתונים לא הגיוניים   retraction watch   Retraction of articles Research misconduct Data fabrication Falsification incomplete reporting spin conflict of interest publish or perish authentic authorship

Effect of dietary approaches to stop hypertension (DASH) diet on adiposity indices in children with overweight and obesity: an 8-week triple-blind randomized controlled trial   מחקר מתואר כמשולש סמיות למרות שמדובר בהתערבות שאינה ניתנת להסמיה של המטופל או המטפל, התוצאות המתוארות מילולית אינן תואמות כלל את התוצאות המוצגות בטבלאות, והתוצאות בטבלאות אינן תואמות את התוצאות בגרפים.  

Performance of ultrasonography screening for breast cancer: a systematic review and meta-analysis מטא אנליזה באיכות נמוכה   A multi-centre randomised trial comparing ultrasound vs mammography for screening breast cancer in high-risk Chinese women מחקר בדיקה אבחנתית באיכות נמוכה   Combined Screening With Ultrasound and Mammography vs Mammography Alone in Women at Elevated Risk of Breast Cancer מחקר על בדיקה אבחנתית באיכות גבוהה יותר    ניסיון למצוא מענה לשאלה מהי רגישות וספציפות אולטראסאונד לבדו כבדיקת סקירה לסרטן השד מוליך אותנו למטא אנליזה, אך נראה שכותבי המטא אנליזה ביצעו עבודה בינונית ולפחות מחקר אחד שחוקרי המטא אנליזה דיווחו עליו כ"איכות טובה" הוא מחקר באיכות נמוכה מאוד. התופעה של אמת חלקית (שפה עדינה) במחקרים היא תופעה מפחידה ומסוכנת, אך כתמיד יש להיזהר ממסקנות גורפות לגבי כלל המחקר הרפואי. Low quality systematic review Meta analysis Diagnostic accuracy trial Waste research    

Nirmatrelvir for Vaccinated or Unvaccinated Adult Outpatients with Covid-19 המחקר שהתפרסם באיחור   Oral Nirmatrelvir for High-Risk, Nonhospitalized Adults with Covid-19 המחקר שהתפרסם תוך זמן קצר   A systematic review and meta-analysis of the effectiveness and adverse events of gabapentin and pregabalin for sciatica pain   מחקר עם תוצאות חיוביות (פקסלוביד אצל חולי קורונה בסיכון גבוה לסיבוכים) פורסם במהירות, ומחקר עם תוצאות שליליות שבוצע באותו זמן כמעט  (אותה תרופה במטופלים בסיכון רגיל) פורסם הרבה יותר מאוחר. Paxlovid- Nirmatrelvir/ritonavir Publication bias Off label use