Ioannides, en forsker som har jobbet mye med dette temaet (en anbefalt sak om han kan leses her), har anslått ut ifra en statistisk modell at rundt 80 prosent av nye epidemiologiske funn basert på observasjonelle data vil være feil. Selv nye funn basert på store randomiserte kliniske studier vil ifølge hans modell vise seg å være feil 15 prosent av tiden. Dette gir oss en særlig utfordring når et funn er basert på sjeldne, nærmest unike datasett som vanskelig kan gjenskapes andre steder uten store kostnader og mye tid.

I en slik situasjon mener jeg at arbeider av min type har en funksjon, ved å peke på variable og effekter som kanskje kan virke inn og som må tas hensyn til, og ved å peke på analyser og metodevarianter som kan identifisere en eventuell kausaleffekt mer presist. Jeg har ikke dermed vist at forskerne tar feil – det er godt mulig de vil vise seg å ha rett i sin konklusjon. Jeg har heller ikke vist at mine forslag til metoder med sikkerhet vil kunne si oss hva som er tilfelle. Derimot mener jeg å ha vist at forskerne var forhastet – og at konklusjonen de presenterte ikke var godt nok grunngitt i de analysene og tallene de presenterte.