Foreningen er ikke det samme som årsagssammenhæng

sendt den 23. juni 2017 af John Castle

dette er den tredje i en serie på 34 blogs baseret på en liste over ‘nøglebegreber’ udviklet af et informeret projektteam for sundhedsvalg. Hver blog vil forklare et nøglebegreb, som vi skal forstå for at kunne vurdere behandlingskrav.

————————————-

at afgøre, om et resultat er direkte forårsaget af en behandling eller forekommer tilfældigt, er et ældgammelt problem. Ofte kan det være vanskeligt at etablere en årsagssammenhæng, og årsagssammenhæng tildeles en intervention, hvor beviserne ikke kan bevise dette. Der er mange eksempler, hvor tilknytning kan have været forvekslet med årsagssammenhæng, og det er vigtigt, at der ved vurderingen af beviset for en årsagssammenhæng udføres ordentlige forsøg for at udelukke andre variabler.

falske korrelationer: spis ost og bliv sammenfiltret i dine sengetøj…

der er mange tilfældigheder i livet, hvor korrelationer kan findes mellem to tilsyneladende tilfældige faktorer. Det er usandsynligt, at den ene ting forårsager den anden, men nogle tror måske, at de er. For eksempel korrelerede osteforbruget i USA mellem 2000 og 2009 med antallet af dødsfald ved sammenfiltring af mennesker i deres sengetøj . Forårsager en af disse faktorer den anden? Sikkert ikke.

falske korrelationer: Se en Nicholas Cage-film og drukne i en pool…

også antallet af mennesker, der druknede i en pool mellem 1999 og 2009, korrelerede med antallet af film med Nicholas Cage i hovedrollen, der blev frigivet i løbet af den tid . Det er meget usandsynligt, at Nicholas Cage er årsagen til, at folk drukner i puljer (selvom ofrene så en Nicholas Cage-film, kan de have haft gavn af at drukne), men de to satser er næsten identisk korrelerede.

observationsstudier: Alkoholforbrug og dødsfald

observationsstudier er dem, der ser på hastigheden af et resultat i grupper, der forskelligt blev udsat for en intervention eller risikofaktor. De kan give stærke beviser for sammenhæng mellem faktorer. De kan dog ikke med sikkerhed bruges til at bevise, at de undersøgte faktorer er årsagssammenhængende. Dette skyldes, at de muligvis ikke har taget højde for ukendte variabler, der påvirker resultatet.

i 1997 blev en meget stor befolkningsundersøgelse, der undersøgte alkoholforbrug og dødsfald (blandt andre variabler), offentliggjort af Ny England Journal of Medicine . Det viste meget tydeligt, at moderate niveauer af drikke (mellem 1-2 drikkevarer om dagen) var forbundet med et fald i dødsfrekvensen af alle årsager, især fra hjerte-kar-sygdomme, selv sammenlignet med mennesker, der slet ikke Drikker.

der er utvivlsomt en forening i deres resultater, men vi kan ikke med sikkerhed sige, at alkoholen selv forårsagede stigningen i forventet levealder. Dette skyldes, at der meget vel kan være andre faktorer involveret, der forklarer forskellen. For eksempel, hvad hvis folk, der har en drink om dagen, er mere afslappede? Der er en sammenhæng mellem stress og øget risiko for hjerte-kar-sygdomme, og resultatet kunne have været forårsaget af dette. En anden mulig forklaring er øget social interaktion hos mennesker, der drikker moderat, da ensomhed også kan være forbundet med kortere forventet levealder .

eksempel 2: Rygning og kræft

i første halvdel af det 20.århundrede var det meget svært at sige, at cigaretter forårsagede sundhedsmæssige problemer.

Tobaksfirmaer med modstridende interesser skubbede tanken om, at stigningen i lungekræft i denne periode skyldtes øget vejtjære og luftforurening. En af de første mænd til at etablere forbindelsen mellem rygning og lungekræft var Sir Richard Doll (den virkelige første er sandsynligvis en tysk mand ved navn Frits Lickint, hvis ideer blev overgået af den fascistiske regering). Sir Doll stillede patienter med lungekræft mange spørgsmål om deres liv, herunder deres niveau af tobaksforbrug. Påfaldende nok var den største sammenhæng, han bemærkede mellem lungekræft satser, med tobaksforbrug. Denne forening gentagne gange afholdt, selv når man studerer mange forskellige grupper af mennesker fra flere baggrunde, herunder læger. Som tiden gik, mængden af undersøgelser, der viste denne sammenhæng akkumuleret og de kollektive beviser gav stærke tegn på, at lungekræft var kausalt relateret til kræft. Dyreforsøg viste, at tobak ‘juice’ øgede antallet af kræft hos rotter. Cellulære undersøgelser viste, at cigaretrøg ‘døde’ de små hårceller, der linjer Vores luftrør, så forurenende stoffer kunne komme i lungen. Montering af data fra observationsstudier pressede til sidst regeringen til at anbefale, at folk holder op med at ryge.

dette er et eksempel på, hvor en forening kan være meget tæt korreleret og reproducerbar i forskellige populationer, og så giver nok bevis for, at folk kan handle. Imidlertid er situationer som denne sjældne, og der opstår problemer, når foreninger uhensigtsmæssigt fremstilles som årsagssammenhæng.

den bedste måde at bevise en endelig årsag, især for en medicin eller intervention, er ved at gennemføre et randomiseret kontrolleret forsøg.

test for kausalitet i et randomiseret kontrolleret forsøg (RCT)

et randomiseret kontrolleret forsøg er en type undersøgelse, der ser på forekomsten af resultater i forskellige grupper, der er valgt på en sådan måde, at forvirrende faktorer sandsynligvis ikke vil have indflydelse på resultatet.

Forestil dig faktor 1 er en behandling, og faktor 2 er antallet af mennesker, der oplever et bestemt symptom. Hvorvidt deltagerne modtager behandlingen (faktor 1) bør være den eneste forskel mellem de to grupper. Ideelt set skal alt andet om grupperne være nøjagtigt det samme: deres alder, deres køn, deres etnicitet, deres mangeårige helbred, den mad, de spiser, den tid, de vågner op, de forhold, de har, absolut alt. På denne måde ville vi vide, at ændringen i Faktor 2, dvs. enhver ændring i deres symptomer skyldes udelukkende virkningen af faktor 1 ikke en anden faktor, hvis indflydelse kan påvirke resultaterne på måder, vi ikke kan håbe at forestille os.

vi lever naturligvis ikke i en ideel verden. Vi lever i en verden, hvor alle er forskellige, og det er umuligt at sikre, med fuld sikkerhed, at ingen anden ekstern faktor forårsager en ændring i Faktor 2. For at overvinde dette forsøger vi at sikre, at folkene i hver gruppe er så ens som muligt ved at randomisere dem til forskellige grupper, så de mange variationer mellem mennesker er lige spredt – effektivt annullerer hinanden. Derefter forsøger vi at minimere effekten af eksterne faktorer ved at sikre, at det eneste, der ændrer sig mellem grupperne, er eksponering for behandlingen.

ved at kontrollere alle faktorer, bortset fra den variabel, vi ønsker at studere, kan vi med rimelig sikkerhed sige, at der faktisk er en årsagssammenhæng mellem de to faktorer.

så pas på påstande om, at et resultat er forårsaget af en behandling…

når du læser en artikel, der siger, at en behandlings-eller livsstilsfaktor er forbundet med bedre resultater, skal du være forsigtig. De mennesker, der søger og modtager en behandling, kan være sundere og have bedre levevilkår end dem, der ikke gør det. Derfor kan folk, der modtager behandlingen, synes at være til gavn, men forskellen i resultater kan skyldes, at de er sundere og har bedre levevilkår. Der er snesevis af måder, hvorpå eksterne faktorer kan påvirke eksperimentelle resultater, selv i et klinisk forsøg.

at adskille årsag fra Forening er en vanskelig forretning, og det kræver en modig person at hævde, at de definitivt kan bevise, at en faktor forårsager en anden. Hvad du bør tage væk fra dette er en sund dosis skepsis. Hvis du støder på nogen, der bekender, at den ene ting forårsager den anden, skal du antage, at de tager fejl, indtil du er overbevist om andet. Spørg: Er det, du har en forening eller en årsag? Hvordan blev dette undersøgt? Var undersøgelsen en RCT? Hvordan blev alle andre variabler holdt de samme.

når det kommer til en behandling, skal du huske, at selvom resultatet af et forsøg kan vise en sammenhæng mellem en behandling og et resultat, er behandlingen muligvis ikke nødvendigvis årsagen.