Assoziation ist nicht dasselbe wie Verursachung

Veröffentlicht am 23rd Juni 2017 von John Castle

Dies ist der dritte in einer Reihe von 34 Blogs, die auf einer Liste von Schlüsselkonzepten basieren, die von einem Informed Health Choices-Projektteam entwickelt wurden. In jedem Blog wird ein Schlüsselkonzept erläutert, das wir verstehen müssen, um Behandlungsansprüche beurteilen zu können.

————————————-

Festzustellen, ob ein Ergebnis direkt durch eine Behandlung verursacht wird oder zufällig auftritt, ist ein uraltes Problem. Oft kann es schwierig sein, einen Kausalzusammenhang herzustellen, und die Kausalität wird einer Intervention zugeordnet, bei der die Beweise dies nicht beweisen können. Es gibt viele Beispiele, in denen die Assoziation mit der Kausalität verwechselt werden kann, und es ist wichtig, dass bei der Beurteilung des Nachweises einer ursächlichen Wirkung geeignete Studien durchgeführt werden, um andere Variablen auszuschließen.

Falsche Korrelationen: Iss Käse und verheddere dich in deinen Bettlaken…

Es gibt viele Zufälle im Leben, bei denen Korrelationen zwischen zwei scheinbar zufälligen Faktoren gefunden werden können. Es ist unwahrscheinlich, dass eine Sache die andere verursacht, aber einige glauben vielleicht, dass sie es sind. Zum Beispiel korrelierte der Käsekonsum in den USA zwischen 2000 und 2009 mit der Anzahl der Todesfälle durch Verstrickung von Menschen in ihre Bettwäsche . Verursacht einer dieser Faktoren den anderen? Wahrscheinlich nicht.

Falsche Korrelationen: Sehen Sie sich einen Nicholas Cage-Film an und ertrinken Sie in einem Pool …

Auch die Anzahl der Menschen, die zwischen 1999 und 2009 in einem Pool ertrunken sind, korrelierte mit der Anzahl der Filme mit Nicholas Cage, die in dieser Zeit veröffentlicht wurden . Es ist höchst unwahrscheinlich, dass Nicholas Cage die Ursache dafür ist, dass Menschen in Pools ertrinken (obwohl die Opfer, wenn sie einen Nicholas Cage-Film gesehen haben, möglicherweise vom Ertrinken profitiert haben), aber die beiden Raten sind fast identisch korreliert.

Beobachtungsstudien: Alkoholkonsum und Sterberaten

Beobachtungsstudien sind solche, die die Rate eines Ergebnisses in Gruppen untersuchen, die einer Intervention oder einem Risikofaktor unterschiedlich ausgesetzt waren. Sie können starke Beweise für die Assoziation zwischen Faktoren liefern. Sie können jedoch nicht mit Sicherheit zum Nachweis eines kausalen Zusammenhangs der untersuchten Faktoren herangezogen werden. Dies liegt daran, dass sie möglicherweise keine unbekannten Variablen berücksichtigt haben, die das Ergebnis beeinflussen.

1997 wurde im New England Journal of Medicine eine sehr große Bevölkerungsstudie veröffentlicht, die sich unter anderem mit Alkoholkonsum und Sterberaten befasste . Es zeigte sich sehr deutlich, dass moderates Trinken (zwischen 1-2 Getränken pro Tag) mit einer Abnahme der Sterberaten aus allen Ursachen, insbesondere von Herz-Kreislauf-Erkrankungen, verbunden war, selbst im Vergleich zu Menschen, die überhaupt nicht trinken.

Es gibt unbestreitbar eine Assoziation in ihren Ergebnissen, aber wir können nicht mit Sicherheit sagen, dass der Alkohol selbst den Anstieg der Lebenserwartung verursacht hat. Dies liegt daran, dass möglicherweise andere Faktoren den Unterschied erklären. Was ist zum Beispiel, wenn Menschen, die täglich etwas trinken, entspannter sind? Es besteht ein Zusammenhang zwischen Stress und einem erhöhten Risiko für Herz-Kreislauf-Erkrankungen, und das Ergebnis könnte dadurch verursacht worden sein. Eine weitere mögliche Erklärung ist eine erhöhte soziale Interaktion bei Menschen, die mäßig trinken, da Einsamkeit auch mit einer kürzeren Lebenserwartung verbunden sein kann .

Beispiel 2: Rauchen und Krebs

In der ersten Hälfte des 20.Jahrhunderts war es sehr schwer zu sagen, dass Zigaretten gesundheitliche Probleme verursachten.

Tabakunternehmen mit widersprüchlichen Interessen drängten auf die Idee, dass die Zunahme von Lungenkrebs in diesem Zeitraum auf erhöhte Straßenteerung und Luftverschmutzung zurückzuführen sei. Einer der ersten Männer, der die Verbindung zwischen Rauchen und Lungenkrebs herstellte, war Sir Richard Doll (der eigentliche erste ist wahrscheinlich ein deutscher Mann namens Fritz Lickint, dessen Ideen von der NS-Regierung usurpiert wurden). Sir Doll stellte Patienten mit Lungenkrebs viele Fragen zu ihrem Leben, einschließlich ihres Tabakkonsums. Auffallend ist, dass der größte Zusammenhang, den er zwischen Lungenkrebsraten bemerkte, mit dem Tabakkonsum bestand. Diese Vereinigung wiederholt gehalten, auch wenn viele verschiedene Gruppen von Menschen mit unterschiedlichem Hintergrund zu studieren, einschließlich der Ärzte. Im Laufe der Zeit häufte sich die Anzahl der Studien, die diese Assoziation zeigten, und die kollektiven Beweise gaben starke Hinweise darauf, dass Lungenkrebs ursächlich mit Krebs zusammenhängt. Tierstudien zeigten, dass Tabaksaft die Krebsraten bei Ratten erhöhte. Zelluläre Studien zeigten, dass Zigarettenrauch die winzigen Haarzellen, die unsere Windrohre auskleiden, abstumpft und Schadstoffe in die Lunge gelangen lässt. Zunehmende Daten aus Beobachtungsstudien drängten die Regierung schließlich dazu, den Menschen zu empfehlen, mit dem Rauchen aufzuhören.

Dies ist ein Beispiel dafür, wo eine Assoziation in verschiedenen Populationen sehr eng korreliert und reproduzierbar sein kann, und gibt so genügend Beweise für Menschen zu handeln. Situationen wie diese sind jedoch selten und Probleme treten auf, wenn Assoziationen unangemessen als Ursache dargestellt werden.

Der beste Weg, eine definitive Ursache, insbesondere für ein Arzneimittel oder eine Intervention, nachzuweisen, ist die Durchführung einer randomisierten kontrollierten Studie.

Prüfung auf Kausalität in einer randomisierten kontrollierten Studie (RCT)

Eine randomisierte kontrollierte Studie ist eine Art von Studie, die das Auftreten von Ergebnissen in verschiedenen Gruppen untersucht, die so ausgewählt sind, dass Störfaktoren wahrscheinlich keinen Einfluss auf das Ergebnis haben.

Stellen Sie sich vor, Faktor 1 ist eine Behandlung und Faktor 2 ist die Anzahl der Personen, bei denen ein bestimmtes Symptom auftritt. Ob die Teilnehmer die Behandlung erhalten oder nicht (Faktor 1) sollte der einzige Unterschied zwischen den beiden Gruppen sein. Im Idealfall sollte alles andere an den Gruppen genau gleich sein: ihr Alter, ihr Geschlecht, ihre ethnische Zugehörigkeit, ihre langjährige Gesundheit, das Essen, das sie essen, die Zeit, in der sie aufwachen, die Beziehungen, die sie haben, absolut alles. Auf diese Weise würden wir wissen, dass die Änderung des Faktors 2, d.h. jede Veränderung ihrer Symptome wird vollständig durch die Wirkung von Faktor 1 hervorgerufen, nicht durch einen anderen Faktor, dessen Einfluss die Ergebnisse auf eine Weise beeinflussen kann, die wir uns nicht vorstellen können.

Offensichtlich leben wir nicht in einer idealen Welt. Wir leben in einer Welt, in der jeder anders ist und es unmöglich ist, mit absoluter Sicherheit sicherzustellen, dass kein anderer externer Faktor eine Änderung von Faktor 2 verursacht. Um dies zu überwinden, versuchen wir sicherzustellen, dass die Personen in jeder Gruppe so ähnlich wie möglich sind, indem wir sie auf verschiedene Gruppen randomisieren, so dass die vielen Variationen zwischen den Personen gleichmäßig verteilt sind – und sich effektiv gegenseitig aufheben. Dann versuchen wir, die Auswirkungen externer Faktoren zu minimieren, indem wir sicherstellen, dass sich zwischen den Gruppen nur die Exposition gegenüber der Behandlung ändert.

Wenn wir alle Faktoren außer der Variablen, die wir untersuchen möchten, kontrollieren, können wir mit hinreichender Sicherheit sagen, dass es tatsächlich einen ursächlichen Zusammenhang zwischen den beiden Faktoren gibt.

Hüten Sie sich also vor Behauptungen, dass ein Ergebnis durch eine Behandlung verursacht wird …

Seien Sie vorsichtig, wenn Sie einen Artikel lesen, der besagt, dass ein Behandlungs- oder Lebensstilfaktor mit besseren Ergebnissen verbunden ist. Die Menschen, die eine Behandlung suchen und erhalten, sind möglicherweise gesünder und haben bessere Lebensbedingungen als diejenigen, die dies nicht tun. Daher scheinen Menschen, die die Behandlung erhalten, davon zu profitieren, aber der Unterschied in den Ergebnissen könnte darin liegen, dass sie gesünder sind und bessere Lebensbedingungen haben. Es gibt Dutzende von Möglichkeiten, wie externe Faktoren experimentelle Ergebnisse beeinflussen können, sogar in einer klinischen Studie.

Ursache von Assoziation zu lösen ist eine knifflige Angelegenheit und es braucht eine mutige Person zu behaupten, dass sie definitiv beweisen kann, dass ein Faktor einen anderen verursacht. Was Sie davon mitnehmen sollten, ist eine gesunde Portion Skepsis. Wenn Sie auf jemanden stoßen, der behauptet, dass eine Sache die andere verursacht, gehen Sie davon aus, dass er falsch liegt, bis Sie vom Gegenteil überzeugt sind. Fragen Sie: Ist das, was Sie haben, eine Assoziation oder eine Ursache? Wie wurde das untersucht? War die Studie eine RCT? Wie wurden alle anderen Variablen gleich gehalten.

Wenn es um eine Behandlung geht, denken Sie daran, dass das Ergebnis einer Studie zwar einen Zusammenhang zwischen einer Behandlung und einem Ergebnis zeigen kann, die Behandlung jedoch nicht unbedingt die Ursache sein muss.