Les mathématiques de la panique médicale : comment une mauvaise utilisation des statistiques fausse la politique de santé

Les mathématiques de la panique médicale : comment une mauvaise utilisation des statistiques fausse la politique de santé

BJ Saylor, ACSH*

Image : ACSH

La politique de santé s’appuie de plus en plus sur le langage des chiffres, mais la précision numérique ne garantit pas pour autant un raisonnement solide. Certaines des controverses les plus néfastes en matière de santé publique, des restrictions de prescription d’opioïdes au scepticisme vis-à-vis des vaccins, montrent comment des malentendus statistiques peuvent déformer la perception des risques, alimenter la panique et transformer des interprétations erronées en politiques néfastes.

La panique médicale commence souvent par l’esthétique des mathématiques. Elle se présente sous la forme de graphiques, de pourcentages, de seuils, de scores de risque et de courbes de tendance, qui véhiculent tous une aura d’objectivité et de rigueur. Mais les chiffres ne s’interprètent pas d’eux-mêmes.

J’ai une formation en mathématiques, et si ce domaine m’a appris quelque chose, c’est qu’un calcul peut être techniquement correct alors que la conclusion qui en est tirée est dangereusement erronée. En matière de politique de santé, cette distinction n’est pas purement théorique ; elle a des conséquences concrètes. Lorsque les décideurs politiques confondent des catégories disparates, mélangent risque relatif et risque absolu, ignorent les taux de base ou transforment des moyennes à l’échelle de la population en règles rigides applicables à chaque patient, un mauvais raisonnement statistique ne reste pas sur le papier. Il se transforme en politique. Et lorsqu’une politique repose sur une interprétation erronée, elle devient néfaste.

La soi-disant « crise des opioïdes » en offre l’un des exemples les plus frappants. Depuis plus d’une décennie, le débat public a réduit des réalités multiples à une seule catégorie effrayante et narrativement corrosive : les opioïdes sur ordonnance, le fentanyl illicite, les comprimés détournés, la polyconsommation, le traitement de la dépendance, la prescription post-chirurgicale, la prise en charge de la douleur chronique et la médecine palliative ont souvent été, tant sur le plan rhétorique que politique, regroupés en un seul problème indifférencié lié aux « opioïdes ». Cette simplification excessive a rendu la crise plus facile à décrire, mais plus difficile à comprendre. Un chiffre peut être exact au sein de son ensemble de données tout en induisant en erreur si les catégories sous-jacentes ont été confondues. Les décideurs politiques ont trop souvent traité chaque statistique liée aux opioïdes comme si elle disait la même chose à propos de toute exposition aux opioïdes. Le résultat n’est pas la précision. C’est de la panique déguisée en abstraction pseudo-mathématique.

Un autre exemple, cependant, est le problème inverse : la réticence et le scepticisme vis-à-vis des vaccins. L’échec statistique dans ce phénomène n’est pas une panique institutionnelle face à un traitement, mais une méfiance du public alimentée par une mauvaise compréhension du risque lui-même. Un effet indésirable rare peut paraître courant lorsqu’il est dépouillé de son ensemble de données contextuelles, tandis qu’un énorme bénéfice pour la santé publique peut sembler opaque, car le succès empêche nécessairement l’apparition du résultat que les gens remarqueraient autrement. Cela crée une sorte de paradoxe amnésique : lorsque les vaccins fonctionnent, les maladies qu’ils préviennent s’effacent de la mémoire, rendant l’intervention plus visible que la menace.

Les pseudo-sceptiques s’emparent alors d’anecdotes, interprètent mal les données de surveillance, confondent association temporelle et causalité, ou traitent l’incertitude comme une preuve de dissimulation. L’incertitude, cependant, n’est pas une fraude, et le signalement d’effets indésirables n’est pas une preuve de causalité. Une fois encore, le problème ne réside pas dans la présence de chiffres, mais dans l’effondrement du contexte statistique. Sans taux de base, sans risque absolu, sans risque comparatif et sans rigueur causale, le scepticisme vis-à-vis des vaccins transforme les données en suspicion, et la suspicion en résistance politique.

L’analphabétisme mathématique – et, plus précisément, l’analphabétisme statistique – du grand public contribue largement aux erreurs observées dans les exemples précédents. Cela ne signifie pas que le citoyen lambda manque d’intelligence. Cela signifie que la plupart des gens n’ont jamais appris à réfléchir clairement au risque, à l’incertitude, à la probabilité, à la causalité ou à l’échelle. Le problème n’est pas qu’ils ne sachent pas reconnaître un pourcentage ; c’est qu’ils sont souvent incapables d’en interpréter la signification. Ils peuvent s’alarmer d’une augmentation du risque relatif sans savoir qu’il faut d’abord se demander quel était le risque absolu. Ils peuvent entendre qu’un effet indésirable s’est produit après l’administration d’un médicament ou d’un vaccin et confondre la succession des événements avec un lien de causalité. Ils peuvent observer un graphique à la hausse et supposer que l’explication est évidente. Dans ce contexte, les chiffres deviennent, ironiquement, des éléments suggestifs sur le plan émotionnel plutôt que des preuves objectives. Le public se retrouve alors à la merci du discours le plus marquant : la panique lorsque les institutions font un mauvais usage des statistiques, la méfiance lorsque les militants en font un mauvais usage, et la confusion lorsque les journalistes les présentent sans contexte méthodologique. L’analphabétisme mathématique ne se limite pas à générer de mauvaises opinions personnelles. Dans une société démocratique, il devient un handicap politique.

Pour les décideurs politiques, l’ignorance en matière de statistiques n’est pas simplement regrettable ; elle relève de la négligence professionnelle. On peut s’attendre à ce qu’une grande partie du public interprète mal les chiffres, car il n’a jamais été formé à les analyser, mais les décideurs politiques ne peuvent pas se permettre ce luxe. Ce sont eux qui traduisent les conclusions statistiques en lois, réglementations, lignes directrices, priorités de financement, incitations institutionnelles et, surtout, en mécanismes d’application. Lorsqu’ils confondent corrélation et causalité, traitent le risque relatif comme s’il s’agissait d’un risque absolu, regroupent des catégories disparates en un seul récit sociopolitique ou imposent des moyennes à l’échelle de la population à des décisions cliniques individuelles, les erreurs ne restent plus purement rhétoriques. Elles deviennent lourdes de conséquences, puis structurelles. Une interprétation erronée devient plus qu’une analyse malavisée ; elle devient un seuil dangereux. Une catégorie trompeuse devient une obligation. Une panique devient un protocole. Il en résulte une politique qui se fait passer pour fondée sur des preuves parce qu’elle est agrémentée de chiffres, alors que le raisonnement qui la sous-tend reste mathématiquement rudimentaire.

La solution ne consiste pas à supprimer les chiffres de la politique de santé. Ce serait absurde. La solution consiste à accorder davantage d’importance à la manière dont ces chiffres sont interprétés. Si des affirmations statistiques doivent justifier des lois, des limites de prescription, des campagnes de santé publique, des priorités de financement, des recommandations cliniques ou des mesures d’application ayant des conséquences réelles et tangibles pour le public, alors ces affirmations doivent être examinées par des personnes formées pour les comprendre réellement. La politique de santé devrait exiger – ou, à tout le moins, encourager fortement – un examen mathématique et statistique parallèlement à l’examen médical, juridique et administratif. Des mathématiciens, des statisticiens, des épidémiologistes, des biostatisticiens et d’autres experts formés aux méthodes quantitatives devraient être impliqués avant que les affirmations chiffrées ne se concrétisent en mesures politiques.

De nombreux professionnels de santé ne sont tout simplement pas formés à ces formes de raisonnement quantitatif. Cela ne minimise en rien leur expertise dans leur propre domaine, mais cela permet de reconnaître ses limites. Le rôle de ces experts ne serait pas de se substituer au jugement clinique ou aux valeurs démocratiques, mais de clarifier les définitions, de tester les hypothèses, d’identifier les erreurs de catégorie, de distinguer le risque relatif du risque absolu, d’examiner les taux de base et l’incertitude, et d’empêcher que des données à l’échelle de la population ne soient appliquées à tort à des patients individuels. Une meilleure maîtrise des mathématiques n’éliminera pas les désaccords en matière de politique de santé ; il y en aura toujours. Mais elle peut rendre ces désaccords plus raisonnables plutôt que fondées sur des réactions. Si la médecine doit être régie par les chiffres et par le langage de la science, elle doit d’abord apprendre à les interpréter – ou trouver ceux qui en sont capables.

________________

* L.B. Joshua Saylor est titulaire d’une licence en mathématiques et prépare actuellement un master en mathématiques. Écrivant à la fois en tant que chercheur indépendant et en tant que patient souffrant de douleurs chroniques, BJ s’intéresse principalement à la médecine, aux politiques en matière de douleur, au raisonnement scientifique et à la critique des discours pseudoscientifiques et antiscientifiques qui faussent la prise en charge des patients.

Source : The Mathematics of Medical Panic: How Misused Statistics Distort Healthcare Policy | ACSH

Comments

[MaitreFolace]

Concernant l'analphabétisme mathématique il y a quelques jours la députée LFI en charge de la politique énergétique pour ce parti a déclaré que l'énergie nucléaire générait des déchets actifs pendant 1000 milliards d'année. Diantre ça correspondrait à 70 fois l'âge de l'univers depuis le big bang!