Trend, effekt eller slump?

2017-03-01

Varje dag kommer rapporter om ny intressant forskning som berör din och min hälsa. Det är gener som visat sig ha samband med sjukdomar och risker att drabbas av olika saker. Hur ska vi relatera till alla nya rön? Och vad kan vi veta med säkerhet? Aktuellt om vetenskap och hälsa har träffat Aldana Rosso, forskare vid Lunds universitet och statistiker vid Skånes universitetssjukhus för att reda ut begreppen.

Nej, det är inte alltid lätt att förstå vad som egentligen är orsaken när något händer. Länge ansåg forskare till exempel att magsår berodde på stress och för mycket snabbmat. Men läkaren Barry Marshall var övertygad om att det egentligen berodde på en viss bakterieart. Så pass övertygad att han själv odlade fram och drack upp dem. Någon vecka senare blev han sjuk; han hade gett sig själv magsår. Det kom att dröja över tio år innan resten av forskarvärlden accepterade hans teori, men 2005 fick Barry Marshall dela nobelpriset för sin upptäckt. Han hade bevisat sambandet mellan magsår och bakterien Helicobacter pylori.

”Statistik är det enda säkra sättet att se om ett resultat är en trend, en verklig effekt eller något som hänt på grund av slumpen”, säger Aldana Rosso, forskare vid Lunds universitet och statistiker vid Skånes universitetssjukhus.

Aldana Rosso är forskare vid Lunds universitet och statistiker vid Skånes universitetssjukhus. Hon menar att vi ofta är bra på att hitta samband mellan olika saker, men dessvärre ofta dåliga på att förklara dessa. Men hur mycket stöd behövs innan man ska kunna slå fast att något är på ett visst sätt?

– Mycket. Särskilt när man studerar vilka faktorer som påverkar sjukdomar. Vi vet mycket, men vi vet egentligen väldigt lite om hur människor fungerar, säger Aldana Rosso.

När deltagare påverkar resultatet

Hon tar som exempel en påhittad grupp forskare som prövar ett nytt läkemedel som ska sänka blodtrycket med 30 procent. Även om sannolikheten är liten, så finns det en möjlighet att många deltagare i studien får sänkt blodtryck, men att detta beror på andra saker än själva läkemedlet. Resultatet visar då att läkemedlet fungerar bättre än vad det egentligen gör.

Även urvalet av studiedeltagare påverkar resultatet. En forskargrupp som studerar hur ett träningsprogram påverkar blodtrycket kan få skilda resultat beroende på vilka personer som ingår i studien.

– Om deltagarna består av personal vid ett sjukhus kan man få en grupp med högutbildade som är måna om kost och livsstil. Då är det större sannolikhet att träningsprogrammet kommer att fungera, än om man genomförde ett liknande program i ett område där folk generellt inte tränar lika mycket. För att minimera effekten av urvalet kan man till exempel välja studiedeltagare helt slumpmässigt från hela befolkningen med hjälp av folkbokföringen, säger Aldana Rosso.

Slumpens betydelse för forskningen

För att jämföra alternativa behandlingar görs så kallade randomiserade studier, där forskarna slumpmässigt väljer vilken behandling varje patient får. Om forskarna ska studera människor med diabetes, så fördelar de slumpmässigt deltagarna i studien mellan en försöksgrupp och en kontrollgrupp. Skulle det finnas faktorer som kan påverka det slutgiltiga resultatet av studien, sprids dessa då också slumpvis mellan grupperna.

Teorier viktiga

Det blir bättre när forskare har en teori om varför läkemedlet eller träningsprogrammet kommer att fungera, eftersom risken att drabbas av missledande fynd – som i blodtrycksexemplen – minskar, menar Aldana Rosso.

– Och ju fler oberoende studier som får samma effekt, desto mer tillförlitliga är resultaten.

Tyvärr är det inte så meriterande för forskare att återupprepa andras studier. Det är viktigare att publicera nya fynd i tidskrifter. Därför görs inte forskning där man upprepar andras resultat i så stor utsträckning, trots att det är viktigt att veta om det blir samma resultat när andra forskare gör studierna.

Inte så enkelt att dra slutsatser på populationsnivå

Det kan ibland bli fel när forskare eller journalister drar slutsatser för hela befolkningen utifrån en studie som egentligen rör en mindre grupp. En sak som fungerar för en grupp kan skilja sig helt från en annan.

– Ta proteser som exempel. Det kanske inte går att hitta en protes som är optimal i alla fall. Om en studie görs bara på äldre personer kan proteserna som fungerar bra i studien visa sig fungera dåligt på yngre personer. Det är därför vi är så intresserade av undergrupperna och hur de ser ut i studierna.

Den dubbla riskens obegriplighet

Ett område där det lätt uppstår missuppfattningar är forskning som handlar om ökad eller minskad risk. En dubbelt så hög risk att råka ut för något låter ju inte roligt, eller hur? Aldana Rosso menar att man inte ska stirra sig blind på procentangivelser, utan istället fråga hur stor effekten egentligen är.

– Även en dubblad risk kan vara liten. Det kan hända att du träffas av blixten, men det är extremt osannolikt. Och en fördubbling av den risken innebär fortfarande att väldigt få drabbas.

Samma sak gäller när det talas om procentuella ökningar av risker. En enstaka procent är olika, beroende på vad det handlar om från början. Som i blixtens fall. En 70-procentig ökning av risken att träffas av blixten innebär fortfarande inte att risken är stor. Men procentmåttet kan motsvara väldigt stora volymer om vi till exempel talar om en enprocentig ökning av en statsbudget på flera miljarder.

– Det är mycket bättre att man sätter siffror på hur mycket det egentligen är. Oavsett om det handlar om risk att drabbas av en viss sjukdom, eller om man talar om budgetar.

Orsak-verkan

När man undersöker hur människor reagerar på exempelvis ett läkemedel görs en klinisk prövning. Då är det vanligt att olika grupper av patienter ges olika behandlingar, eller ingen alls, och sedan jämförs resultaten. Men kroppens system är komplicerade att studera och det gäller att se till att man mäter det man vill mäta.

– Många gånger är det svårt att särskilja exakt vad som händer i kroppen. En behandling kan i sig orsaka flera olika saker i kroppen. En cancerbehandling attackerar själva tumören, men även andra celler – vad får det för konsekvenser för mätningen? Vi vet idag att rökning påverkar risken att drabbas av lungcancer. För att veta säkert att det är just rökningen som ökar cancerrisken behövde man komma upp i ett enormt antal människor i studierna.

Men det är inte möjligt att alltid sätta upp så stora studier. Det är därför det är viktigt med upprepade experiment eftersom flera oberoende studier senare kan kombineras till en stor.

Kvalitetsregistrens möjligheter – och begränsningar

I Sverige finns många kvalitetsregister, alltså databaser i vilka vården registrerar data om olika patientgrupper. Diabetesregister, höftledskirurgiregister, cancerregister för att nämna några. Informationen som samlas in kan även studeras av forskare.

– Dessa data är insamlat för vården, inte forskningen. Alltså måste forskare ofta anpassa sina frågeställningar till de data som redan finns. Kvaliteten på registren är helt beroende av dem som knappat in uppgifterna och vi vet egentligen inte hur mycket rätt eller fel som finns i dem, säger Aldana Rosso.

Därför händer det att forskare tar hjälp av en statistiker, både när de planerar studier men också för att kontrollera att resultatet de fått är säkerställt. Aldana Rosso ingår bland annat i en forskargrupp som studerar en ny mammografimetod. Bland annat studeras vad som skulle ske om det införs en ny typ av mammografi, där maskinen är så bra att små tumörer syns tydligt.

– Men vad händer när vi ser mer, innebär det att allt vi då ser är farligt? Med den nya, känsligare mammografitekniken måste sannolikt fler kvinnor kallas tillbaka och utredas ytterligare, visserligen med fördelen att fler cancerfall hittas, men också med nackdelen av att utreda så kallade falskt positiva fynd, det vill säga de som fått ett ”falskt alarm” på bilderna. Och betyder fynden vi gör med den nya tekniken att kvinnorna behöver behandling?”

Databaserna som Aldana Rosso arbetar med kräver en hel del underhåll, men för att informationen ska kunna användas i forskning är det viktigt att veta vilka frågor underlaget kan ge svar på.

– Vi beskriver vilka analyser som är lämpliga att göra utifrån de data som finns. Statistik är det enda säkra sättet att se om ett resultat är en trend, en verklig effekt eller något som hänt på grund av slumpen, förklarar Aldana Rosso.

Text: TOVE SMEDS

Bild register: iStock.com/ersinkisacik
Bild risk: Colourbox