Nein letzteres ist aus der Zusammenfassung von Ioannidis 2005, ich selbst distanziere mich von Wertungen. Dies ist hier ein Wahrscheinlichkeitsargument basierend auf der Anzahl an Wirtschaftsverbindungen in Kombination mit positiven Ausgang der Studie zugunsten der jeweilen Wirtschaft und Verzerrungen wie dem Confirmation Bias (für den es klare Evidenz gibt) . Bezogen auf einzelne Wissenschaftler wäre es eine schwere Anschuldigung.
"*Conflicts of interest are very common in biomedical research [26], and typically they are inadequately and sparsely reported [26,27]. Prejudice may not necessarily have financial roots. Scientists in a given field may be prejudiced purely because of their belief in a scientific theory or commitment to their own findings. *"
Was du schreibst zeigt eigentlich dass du mit Ioannidis übereinstimmst der nur sagt und mit eingeschränkter Gültigkeit empirisch zeigte:
"Most Research Findings Are False for Most Research Designs and for Most Fields" heist aber nicht, dass Wissenschaft falsch ist, es ist nur so dass die Richtigkeit bei den Studien liegt, die ein sehr hochwertiges Design basierend auf Disziplinären Standards haben (diese die du beschreibst). Statistisch gesehen, sind das auf den gesamten Evidenzkörper die wenigsten. Das ist die gesamte Quintessenz.
*ich verstehe deine Kritik aus dem Forscher-Herzen heraus aber weder formal noch logisch darf er es auf eine andere Art machen als wie er es gemacht hat. Wenn Menschen hieraus schließen das Wissenschaft falsch ist ist das ein Trugschluss, das ist nicht die Aussage (aber du hast recht dass es vermutlich so sein wird)
Und auch die peer-reviewed journals sind nicht alle gleich was die wisenschaftliche Sorgfalt betrifft. Es ist ein Riesenunterschied, ob was in Nature oder PNAS publiziert wurde...
genau ist trivial (vor allem für uns, für die meisten anderen die sich Pubmed bedienen nicht) das war aber tatsächlich der einzige Punkt. Warum man etwas was klar ist, quantifizieren muss, dazu komme ich ja noch
Deutlich wird es bei der Finanzwissenschaft worauf ich damit hinarbeiten will. Nach K. Popper kann eine einzige Beobachtung 100.000 bestätigte Ergebnisse falsifizieren. Und wenn das ignoriert wird (so wie z.B. lange Zeit die Quantentheorie) und Auswirkungen auf die Praxis und das Leben von Menschen hat weil am alten Dogma festgehalten wird, dann haben wir ein Problem dass nicht dadurch entschuldigt werden kann, das peer reviews und starke Selektionsmechanismen wirken, weil diese es sind, die dann den inherenten Bias haben. Z.B. die Annahme dass ein bestimmter p-Value die Signifikanz schwelle bildet
ohne eine real Verteilung zu kennen.
Danke für die Aufklärung, da sind wir d'accord.