霍华德·威纳（Howard Wainer）向我们指出詹妮弗·库津·弗兰克尔（Jennifer Couzin-Frankel）的近期新闻报道，他写道，由于在医学试验中常规使用结果标准来排除动物，因此产生了选择偏见。在统计和计量经济学中，这是深入研究的：x上的选择是确定的，y上的选择是确定的。但是显然，在生物医学研究中，这个原理并不为人所知（或者也许太为人所知）。
Couzin-Frankel首先以药物试验为例，该试验的治疗组中有10只小鼠中有3只因死于大规模中风而从分析中删除。这听起来很糟糕，但更糟糕的是：这是来自一篇评论文章，“描述了中风后一种新药如何保护啮齿动物的大脑”。死亡不是保护啮齿动物大脑的好方法！
“这不是欺诈，”经常与小鼠打交道的Dirnagl（发现此特定问题的外部审核员）说。他解释说，出于各种原因而将动物从研究中丢弃是这种文化中根深蒂固的一部分。 “您查看自己的数据，没有任何规则。 ……人们一时兴起地排斥动物，他们只是这样做而没有报告。”
这不是欺诈，因为“欺诈”是一种心理状态，它是由犯罪者的心理状态而非行为后果所定义的。
“我接受过动物研究人员的培训，”现为加利福尼亚大学旧金山分校卫生政策专家的莉萨·贝罗（Lisa Bero）说。 “他们的随机化想法是，您将手伸入笼子，无论遇到什么人，您都可以抓住。这不是选择动物的随机方式。”有些动物可能会感到恐惧或痛苦，或者可能只是curl缩在角落里睡着了。没有选择。在那里，偏见开始了。
这也发生在人类样本中。没有人愿意采访那些痛苦的人。或者，更有可能的是，这些人没有反应。他们太忙了，没法去做问卷调查。
统计员同样糟糕！ （或者也许我们更糟，因为我们应该了解更多）
当然，我们会为这类事情而大笑，但是在评估我们自己的教学或我们的研究有效性时，我们不仅不会随机化，我们甚至不会定义治疗方法，或者采取任何合理的措施测试或结果测量！
我们使用非统计的，实际上是前科学的工具来决定我们认为在教学和研究中什么是“有效的”。因此，也许生物医学研究人员也经常以一些科学前的直觉工作也就不足为奇了。
归根结底，我认为这些问题中的许多来自一个根本的，根本的误解：对不确定性和可变性的认识不足。我的印象是，人们认为医疗是“有效”或“无效”的事情。而且，（隐式）想法是，如果它起作用，那么它对每个人都起作用。好的，不是每个人都可以，但是对于糟糕的情况，情况却令人沮丧。从这个角度来看，排除早死的经过治疗的小鼠是很有意义的：这些仅仅是干扰信号的噪声情况。
好的，可以肯定，每个人都知道统计信息和p值以及所有这些内容，但是我的印象是研究人员将这些方法视为证明效果是真实的一种方法。就是说，统计数据不是模型化变化的方法，而是消除不确定性的方法。这种态度当然是有道理的（包括大量定律），但是如果您认为自己提前知道答案的话，就很难很好地利用统计数据。
[并且，不，对于在那里的反贝叶斯主义者，使用先验分布并不是“认为您会提前知道答案”。就像统计模型是一种工具一样，先验分布是一种工具，用于将来自原始数据的信息映射到有关参数和预测的推论。先验分布表示在包含新数据之前您所知道的信息。当然，这并不意味着您会提前知道答案。实际上，分析新数据的全部目的是，在看到此类数据之前，您仍然不确定世界的关键方面。]
因此，再说一遍，我认为各种研究人员（包括统计学家，当我们考虑自己的教学方法时）都依赖于两种先科学的或先统计学的思想：
1.效果是“真实的”（隐含地在预期的方向上）或“不是真实的”的想法。通过相信这一点（或像您相信那样行动），您就否认了变异的存在。而且，当然，如果确实没有变化，则丢弃不符合您的假设的数据也没什么大不了的。
2.统计分析确定效果是否真实的想法。通过相信这一点（或像您相信的那样行动），您就否认了不确定性的存在。这将使您撇开批评，将诸如选择偏见之类的问题视为技术性问题，而不是严重关注的问题。
可悲的是，诸如一时兴高采烈地排除对象，几乎总是让您零反感。在大多数情况下，您会获得出版，并且可能会获得任期或更长时间的资助。如果您很不幸，您会在这样的博客上被提及，而我们中的一些人则去了。
比那更糟！即使在这篇文章之后，我们仍然不知道是谁丢弃了那三只老鼠或发生数据的实验室中的数据。如果您阅读该新闻文章，则都是秘密进行的。因此，据我们所知，该研究小组可能发表了数十篇论文，这些论文的结果均基于丢弃治疗组中的死动物，而我们对此一无所知。甚至有问题的论文（这里正在讨论的论文）也可能最终会被发表。
我想也许有人可以在涉及中风后保护大脑的药物的小鼠试验的所有已发表论文中进行搜索，仅查看那些对照组中有10只小鼠和治疗组有7只小鼠的研究。其中不可能有很多，对吧？