Associatie is niet hetzelfde als oorzakelijk verband

geplaatst op 23 juni 2017 door John Castle

Dit is de derde in een reeks van 34 blogs gebaseerd op een lijst van ‘Key Concepts’ ontwikkeld door een Informed Health Choices projectteam. Elke blog legt een belangrijk Concept uit dat we moeten begrijpen om behandelingsclaims te kunnen beoordelen.

————————————-

bepalen of een resultaat direct wordt veroorzaakt door een behandeling of toevallig optreedt, is een eeuwenoud probleem. Vaak kan het vaststellen van een causaal verband moeilijk zijn en wordt oorzakelijk verband toegewezen aan een interventie waar het bewijs dit niet kan bewijzen. Er zijn vele voorbeelden waar Associatie voor oorzakelijk verband kan zijn aangezien en het is belangrijk dat bij het beoordelen van het bewijsmateriaal van een oorzakelijk effect, juiste proeven worden uitgevoerd om andere variabelen uit te sluiten.

onechte correlaties: eet kaas en raak verstrikt in je lakens …

er zijn veel toevalligheden in het leven waar correlaties kunnen worden gevonden tussen twee schijnbaar willekeurige factoren. Het is onwaarschijnlijk dat het ene ding veroorzaakt het andere, maar sommigen zouden kunnen geloven dat ze zijn. Zo correleerde de consumptie van kaas in de VS tussen 2000 en 2009 met het aantal sterfgevallen door verstrengeling van mensen in hun lakens . Veroorzaakt een van deze factoren de andere? Waarschijnlijk niet.

onechte correlaties: Bekijk een Nicholas Cage film en drown in a pool…

ook het aantal mensen dat tussen 1999 en 2009 in een zwembad verdronk, correleerde met het aantal films met Nicholas Cage die in die tijd werden uitgebracht . Het is hoogst onwaarschijnlijk dat Nicholas Cage de oorzaak is van mensen die verdrinken in zwembaden (hoewel, als slachtoffers naar een Nicholas Cage-film keken, ze misschien hebben geprofiteerd van verdrinking), maar de twee percentages zijn bijna identiek gecorreleerd.

observationele studies: Alcoholconsumptie en sterftecijfers

observationele studies zijn die welke kijken naar het percentage van een resultaat in groepen die verschillend werden blootgesteld aan een interventie of risicofactor. Zij kunnen sterk bewijs leveren van associatie tussen factoren. Zij kunnen echter niet met zekerheid worden gebruikt om aan te tonen dat de onderzochte factoren een oorzakelijk verband houden. Dit komt omdat ze mogelijk geen rekening hebben gehouden met onbekende variabelen die het resultaat beïnvloeden.

in 1997 werd door het New England Journal of Medicine een zeer groot bevolkingsonderzoek gepubliceerd naar alcoholgebruik en sterftecijfers (onder andere variabelen). Het toonde heel duidelijk aan dat matig drinken (tussen 1-2 drankjes per dag) gepaard ging met een daling van het sterftecijfer door alle oorzaken, in het bijzonder door hart-en vaatziekten, zelfs in vergelijking met mensen die helemaal niet drinken.

er is ontegenzeggelijk een verband in hun resultaten, maar we kunnen niet met zekerheid zeggen dat de alcohol zelf de stijging van de levensverwachting heeft veroorzaakt. Dit komt omdat er misschien andere factoren bij betrokken zijn die het verschil verklaren. Bijvoorbeeld, wat als mensen die een drankje per dag zijn meer ontspannen? Er is een verband tussen stress en verhoogd risico op hart-en vaatziekten, en het resultaat kan zijn veroorzaakt door dit. Een andere mogelijke verklaring is verhoogde sociale interactie bij mensen die matig drinken, zoals eenzaamheid kan ook worden geassocieerd met een kortere levensverwachting .

Voorbeeld 2: Roken en kanker

in de eerste helft van de 20e eeuw was het zeer moeilijk te zeggen dat sigaretten gezondheidsproblemen veroorzaakten.

tabaksfabrikanten met tegenstrijdige belangen drongen aan op het idee dat de toename van longkanker in deze periode te wijten was aan de toegenomen teervorming op de weg en luchtvervuiling. Een van de eerste mannen die het verband tussen roken en longkanker vaststelde was Sir Richard Doll (de echte eerste is waarschijnlijk een Duitse man genaamd Fritz Lickint wiens ideeën werden toegeëigend door de Nazi-regering). Sir Doll stelde patiënten met longkanker veel vragen over hun leven, waaronder hun niveau van tabaksgebruik. Opvallend is dat de grootste associatie die hij opmerkte tussen longkankercijfers, de tabaksconsumptie was. Deze vereniging herhaaldelijk gehouden, zelfs bij het bestuderen van veel verschillende groepen mensen met meerdere achtergronden, waaronder artsen. Naarmate de tijd verder ging, de hoeveelheid studies die deze associatie toonde geaccumuleerd en het collectieve bewijs gaf sterke aanwijzingen dat longkanker Causaal gerelateerd was aan kanker. Dierstudies toonden aan dat tabakssap het aantal kankergevallen bij ratten deed toenemen. Cellulaire studies toonden aan dat sigarettenrook de minuscule haarcellen die onze luchtpijpen beslaan ‘dood maakte’, waardoor verontreinigende stoffen in de longen terecht kwamen. Toenemende gegevens uit observationele studies uiteindelijk onder druk van de overheid om aan te bevelen dat mensen stoppen met roken.

dit is een voorbeeld van een associatie die zeer nauw gecorreleerd en reproduceerbaar kan zijn in verschillende populaties, en dus voldoende bewijs levert voor mensen om te handelen. Dit soort situaties komen echter zelden voor en problemen ontstaan wanneer verenigingen ten onrechte als oorzakelijk verband worden afgeschilderd.

de beste manier om een definitieve oorzaak aan te tonen, met name voor een geneesmiddel of interventie, is door het uitvoeren van een gerandomiseerde gecontroleerde studie.

testen op causaliteit in een gerandomiseerd gecontroleerd onderzoek (RCT)

een gerandomiseerd gecontroleerd onderzoek is een type studie waarin wordt gekeken naar het voorkomen van resultaten in verschillende groepen die zodanig zijn geselecteerd dat het onwaarschijnlijk is dat verstorende factoren een invloed hebben op het resultaat.

stel dat factor 1 een behandeling is en factor 2 het aantal mensen dat een bepaald symptoom ervaart. Of deelnemers de behandeling ontvangen (factor 1) moet het enige verschil tussen de twee groepen zijn. Idealiter zou al het andere over de groepen precies hetzelfde moeten zijn: hun leeftijd, hun geslacht, hun etniciteit, hun langdurige gezondheid, het voedsel dat ze eten, de tijd dat ze wakker worden, de relaties die ze hebben, absoluut alles. Op deze manier zouden we weten dat de verandering in factor 2, d.w.z. elke verandering in hun symptomen wordt volledig veroorzaakt door het effect van factor 1 en niet door een andere factor, waarvan de invloed de resultaten kan beïnvloeden op manieren die we ons niet kunnen voorstellen.

uiteraard leven we niet in een ideale wereld. We leven in een wereld waarin iedereen anders is en het onmogelijk is met volledige zekerheid te garanderen dat geen enkele andere externe factor een verandering in factor 2 veroorzaakt. Om dit te overwinnen, proberen we ervoor te zorgen dat de mensen in elke groep zo gelijk mogelijk zijn door ze te randomiseren naar verschillende groepen, zodat de vele variaties tussen mensen gelijkelijk worden verspreid – effectief elkaar opheffen. Vervolgens proberen we het effect van externe factoren te minimaliseren door ervoor te zorgen dat blootstelling aan de behandeling het enige is dat tussen de groepen verandert.

door alle factoren te controleren, behalve de variabele die we willen bestuderen, kunnen we met redelijke zekerheid zeggen dat er inderdaad een oorzakelijk verband is tussen de twee factoren.

dus pas op voor claims dat een resultaat wordt veroorzaakt door een behandeling…

wanneer u een artikel leest dat zegt dat een behandeling of levensstijl factor wordt geassocieerd met betere resultaten, wees op uw hoede. De mensen die een behandeling zoeken en ontvangen kunnen gezonder zijn en betere levensomstandigheden hebben dan degenen die dat niet doen. Daarom, mensen die de behandeling kan lijken te profiteren, maar het verschil in resultaten zou kunnen zijn omdat ze gezonder zijn en betere levensomstandigheden hebben. Er zijn tientallen manieren waarop externe factoren experimentele resultaten kunnen beïnvloeden, zelfs in een klinische studie.

het loskoppelen van oorzaak van associatie is een lastige zaak en het vergt een moedig persoon om te beweren dat hij definitief kan bewijzen dat de ene factor een andere veroorzaakt. Wat je hiervan af moet nemen is een gezonde dosis scepsis. Als je iemand tegenkomt die beweert dat het ene het andere veroorzaakt, neem dan aan dat ze het mis hebben totdat je overtuigd bent van het tegendeel. Vraag: is wat je hebt een associatie of een oorzaak? Hoe is dit onderzocht? Was de studie een RCT? Hoe werden alle andere variabelen hetzelfde gehouden.

wanneer het om een behandeling gaat, bedenk dan dat de uitkomst van een onderzoek weliswaar een verband kan laten zien tussen een behandeling en een resultaat, maar dat de behandeling niet noodzakelijk de oorzaak hoeft te zijn.