Дэвид Граймс - Неразумная обезьяна [Почему мы верим в дезинформацию, теории заговора и пропаганду] [litres]

Но любопытно тут другое: натуропаты настаивают, будто существуют научные доказательства того, что их методы лечения производят статистически значимый эффект на исход заболеваний. Однако если методы натуропатического лечения невозможно объяснить никакими правдоподобными механизмами и клиническими эффектами, то как могут сосуществовать эти взаимоисключающие друг друга утверждения? Ответ можно найти в тонкой природе понятия статистической значимости. Статистический подход проясняет результаты только в том случае, если исходные данные были хорошего качества, а анализ данных соответствовал ситуации и контексту. При безалаберном же применении результаты становятся бессмысленными. Все весьма немногочисленные исследования с положительным статистическим результатом, столь дорогим сердцу натуропатов, были плохого качества и проводились на небольших группах испытуемых. Это важно, так как в малых группах единственное значительное отклонение может исказить результаты анализа, поэтому чем меньше группа, тем менее надежными надо считать выводы. Примечательно, что преимущества натуропатии рассеиваются, когда исследуются большие группы испытуемых и когда улучшается качество статистического анализа – как, собственно, и следовало ожидать. В таких ситуациях выясняется, что широко разрекламированная статистическая значимость эффекта совершенно иллюзорна.

Благоприятные исходы можно объяснить эффектом плацебо, но, вероятно, более точно их можно описать как следствие регрессии к средним значениям [59]. Этим термином обозначают наблюдение, согласно которому в первом случае измерения результаты могут принимать крайние значения, а при последующих измерениях результирующие величины все в большей мере приближаются к средним значениям. Например, люди обращаются за медицинской помощью, когда симптомы болезни выражены в наибольшей степени. Это экстремальное состояние, но с течением времени оно возвращается к более или менее нормальному уровню. Однако многие больные упорно приписывают улучшение приему давно отставленного народного средства, совершенно при этом списывая со счетов феноменальные таланты собственной иммунной системы. Нобелевский лауреат Питер Медавар заметил, что “если человек (а) плохо себя чувствует, (б) получает лечение, от которого ему должно стать лучше, и (в) если ему действительно становится лучше, то никакая сила медицинской науки не заставит его поверить в то, что его здоровье восстановилось не благодаря лечению”.

Это высказывание иллюстрирует один недооцениваемый аспект научного исследования: не все исследования проводятся одинаково. Обнаружение статистической значимости не всегда говорит о получении искомого эффекта. Печально, что бессмысленная значимость результата часто обесценивает важные аспекты тех исследований, в которых статистический анализ играет первостепенную роль, – особенно в медицине и генетике. В 2005 году Иоаннидис написал провокационно озаглавленную статью “Почему большинство опубликованных научных данных неверны”, в которой содержатся поистине захватывающие выводы. В медицинских отраслях многие значимые результаты являются всего лишь продуктами плохого дизайна исследований, их недостаточного технического обеспечения, или же объясняются слишком малой численностью групп, что делает осмысленные выводы попросту невозможными. В своей работе Иоаннидис выделяет шесть индикаторов, о которых следует помнить, оценивая истинность любого сообщения:

1. Чем меньшим по объему данных является научное исследование, тем меньше вероятность получения верных данных. Если выборка мала, то снижается вероятность ее достаточной репрезентативности и повышается вероятность получения ложноположительных результатов. Именно этим пороком страдают данные натуропатических исследований, для которых характерны малые выборки и низкокачественный дизайн.

2. Чем ниже абсолютная величина эффекта, полученного в научном исследовании, тем меньше вероятность получения верного результата. Корреляция важна сама по себе, но важна также и величина эффекта. Величина эффекта – это мера выраженности феномена, полезная для решения вопроса о том, является ли выявленное отношение случайным или более существенным. Если величина эффекта мала, то сам эффект может быть просто случайным.

3. Чем больше число объектов исследования и чем слабее критерии наличия связей этих объектов в научной области, тем ниже вероятность того, что полученные результаты окажутся верными. Проще говоря, если эксперимент допускает множество разнообразных трактовок полученных результатов, то некоторые из них по чистой случайности могут оказаться ложноположительными. При большом числе возможных корреляций, доступных исследованию, очень легко впасть в искушение “собирать сливки”, то есть предпочитать те результаты, которые – возможно, случайно – демонстрируют возможную статистическую связь.

4. Чем больше гибкость дизайна, определений, исходов и методов анализа, примененных в научном исследовании, тем менее вероятна достоверность полученных результатов. Если ученый допускает вольности в определениях, то появляются лазейки для предвзятости и “отрицательный” результат можно мановением руки превратить в положительный.

5. Чем больше места в научном исследовании занимают финансовая заинтересованность и другие побочные интересы, тем меньше вероятность получения достоверных результатов. Особенно это касается биомедицинских исследований, где между учредителями и результатами часто возникает конфликт интересов, что порождает предвзятость. Как разъясняет Ионаннидис, конфликт интересов не обязательно должен быть финансовым: ученые не свободны от идеологических пристрастий, и это может повлиять на результат.

6. Чем более “горячей” является отрасль исследования (то есть если в отрасли работают многие коллективы, изучающие одну и ту же проблему), тем менее вероятным будет получение истинного результата. Это утверждение на первый взгляд противоречит здравому смыслу, но тем не менее оно верное и важное. В принципе, чем больше исследований проводится по одной теме, тем выше должно быть качество работы, но в реальности происходит противоположное, особенно если в этой области работают агрессивно конкурирующие друг с другом группы. В таких случаях решающим фактором становится время, и коллективы ученых стремятся как можно скорее опубликовать сырые данные, что приводит к повышению доли ложноположительных результатов. Иоаннидис и его коллеги обозначают эту фазу исследований “феноменом Протея”, так как для подобных случаев характерен быстрый переход от победных реляций к решительным опровержениям [60].