Страница 8 из 10
Другими словами, чем больше пациентов (или чего-то другого), тем надежнее показатель P.
Есть два связанных с этим понятия. Первое носит название мощность. Это вероятность обнаружить что-то, если оно на самом деле существует: например, рост числа заболеваний раком у людей, работающих с подозрительным химикатом. Чем больше число наблюдений или охваченных людей, тем выше мощность. Риск редкого, но опасного побочного эффекта у нового лекарства может не проявиться, пока оно не попало на рынок и им не воспользовались десятки тысяч или даже миллионы человек.
Второе – статистическая значимость. Если кажется, что загрязнитель вызывает прирост числа случаев заболевания по сравнению с фоновым уровнем на 10 %, это может действительно означать взаимосвязь, а может, и нет. Если показатель увеличивается в десять раз (как, например, риск рака легких у курильщиков по сравнению с теми, кто не курит), шанс, что такая взаимосвязь на самом деле существует, очень велик.
Научным журналистам нет нужды ничего считать самостоятельно – они должны просто сказать ученым: покажите свои цифры.
Ключевые вопросы, которые нужно задать: все ли ваши выводы основываются на статистически значимых результатах? (Насторожитесь, если не все, и предупредите своих читателей или зрителей.) Каково значение P – вероятности того, что ключевые результаты случайны? Было ли исследование достаточно обширным, чтобы обнаружить эффект, если он действительно существует? Есть ли другие статистические причины сомневаться в ваших выводах? Планируются ли более масштабные исследования?
Но то, что результаты статистически значимы, имеют достаточную мощность и т. д., еще не означает, что они верны или значимы. Так что наш список продолжается.
То, что явления как-то связаны, еще не означает, что одно является причиной другого. Не крик петуха заставляет солнце вставать по утрам, а вирус в организме пациента может быть невинным прохожим, а не причиной болезни. Химическое вещество в городском водопроводе может не оказаться причиной болезней в этом городе. Чтобы выявить причинно-следственную связь, нужно проводить детальные исследования в лабораториях.
Вот пример: несколько ученых (и гораздо больше журналистов) полагают, что детская вакцинация могла послужить триггером для многих случаев аутизма. Но большинство экспертов считают, что это совпадение, а не причинно-следственная связь. «Связь» здесь только в том, что аутизм обычно проявляется в том же возрасте, когда детям делают многие прививки, утверждают эти эксперты. Но теперь проблема в том, что немало обеспокоенных родителей откладывают прививки от кори и других опасных заболеваний из ложного страха перед аутизмом. А во множестве материалов СМИ на эту тему не хватает статистики по смертности от этих детских заболеваний в те времена, когда вакцин еще не было.
Огромную роль может играть и временной охват исследования. Климатические исследования должны анализировать данные за многие годы, чтобы их не искажали обычные погодные циклы. Лекарство или метод лечения может вызвать ремиссию у онкобольного, но лишь время покажет, действительно ли это приводит к излечению или хотя бы просто увеличивает продолжительность жизни. Многие пациенты могут «выпасть» из долгосрочного исследования, и если это произошло потому, что их дела идут не очень хорошо, это повлияет на результаты.
Кроме того, существует эффект здорового работника. Ученый изучает рабочих, которые подверглись воздействию какого-то вещества, и выясняет, что в среднем они здоровее, чем население в целом. Но рано оправдывать это вещество: рабочие вообще, как правило, довольно здоровые люди – они должны быть здоровыми, чтобы получать и сохранять работу.
Некоторые колебания ожидаемы – это нормально: люди – сложные существа. Ежедневные биологические изменения возможны и у одного и того же человека и уж тем более между разными группами людей. Из-за такой изменчивости или иных экспериментальных ограничений в похожих исследованиях результаты могут незначительно, а иногда и значительно отличаться.
Список можно продолжать, но общие вопросы помогут вам не сбиться с курса. Спросите ученого (да и себя самого): «Можно ли предложить альтернативные объяснения полученных данных и результатов исследования? Достаточно ли долго длилось исследование, чтобы можно было сделать такие выводы?»
Чтобы обозначить широкий спектр причин, почему альтернативные объяснения могли быть проигнорированы, в науке обычно используется термин «предубеждение» или «искажение». Но научным журналистам стоит иметь в виду возможность влияния и других факторов и поинтересоваться у ученых: «Кто финансировал исследование?» Многие добросовестные ученые получают деньги от компаний, заинтересованных в объекте исследования. О таких вещах следует спросить и затем рассказать читателям или зрителям.
По экономическим и иным причинам не все исследования равнозначны. В итоге некоторым можно доверять больше, чем другим.
В биомедицине особенно осторожно следует относиться к лабораторным исследованиям и исследованиям на животных (даже к тем, в которых было задействовано больше трех мышей), хотя они могут давать крайне важную информацию для исследований на людях. Многие эпидемиологические и медицинские исследования ретроспективны, т. е. изучают старые данные, статистику или воспоминания. Нередко это необходимо, но при этом слишком ненадежно: воспоминания меркнут, а исторические данные часто неполные. Гораздо лучше перспективные исследования, длительное время изучающие конкретную группу людей, иногда десятилетиями.
«Золотой стандарт» клинических исследований – двойное слепое исследование, когда пациентов методом случайного отбора определяют в экспериментальную или контрольную (сравнительную) группу. В контрольной группе пациенты обычно получают плацебо. «Слепота» в данном случае означает, что ни ученые, ни пациенты до самого конца исследования не знают, кто в какую группу попал. Так ни ожидания, ни надежды не могут исказить результаты исследования. Пациентов распределяют в группы случайным образом, чтобы ученый не мог подсознательно поместить в экспериментальную группу тех, кому, скорее всего, станет лучше.
Менее строгие исследования все же могут быть важны, а иногда даже необходимы. Но доверяйте строгим исследованиям. Спрашивайте ученых во всех областях: «Почему вы разработали именно такой план исследования? К каким из ваших выводов стоило бы отнестись с осторожностью?» И как можно чаще: «Требуется ли теперь более точное исследование?»
Вы можете поставить большой плюс исследованиям, опубликованным в рецензируемых журналах, что означает, что перед публикацией они прошли оценку другими экспертами. Но это не гарантия: рецензенты – тоже люди. Кроме того, хорошие научные сюжеты могут обнаружиться на научных конференциях еще до того, как они появятся в рецензируемых журналах, и даже у ученых, которые только начинают исследования. Но такие истории требуют более осторожной работы и более серьезной проверки другими экспертами.
Спросите ученых: «Кто с вами не согласен? Почему? Как ваши результаты и выводы соотносятся с другими исследованиями и тем, что мы уже знаем?»
Бремя доказательств всегда лежит на ученых, которые идут против научной догмы. И в науке всегда любят подтверждающие исследования. Научные журналисты должны искать консенсус лучших исследований.
В книге «Новости и числа» мы даем такой итоговый совет: «Мудрые журналисты часто используют слова вроде "может" и "данные указывают" и редко – "доказательство"». Подчеркивайте степень неопределенности результатов, о которых вы пишете. Для большей уверенности не скупитесь на необходимые предостережения и оговорки.