Νομίζω ήταν η Δρ. Tracy Ruscetti, πρώην καθηγήτρια μικροβιολογίας και ανοσολογίας του Πανεπιστημίου της Santa Clara που στον προσωπικό της λογαριασμό στο TikTok (@scitimewithtracy) μίλησε για το πώς να ξεχωρίζει κανείς τους αξιόλογους επιστήμονες στα media. Διακρίνει, λοιπόν, τρεις διαβαθμίσεις:
- Την ικανότητα να περιγράψει κανείς μία κατάσταση. Για παράδειγμα, να δώσει τον ορισμό της ανοσίας.
- Την ικανότητα να εξηγήσει τον τρόπο με τον οποίο λειτουργεί μία κατάσταση. Για παράδειγμα, να μεταφέρει τους μηχανισμούς της ανοσίας και το πώς λειτουργεί το ανοσοποιητικό σύστημα.
- Την ικανότητα να χρησιμοποιεί την επιστημονική γνώση για να προβλέψει το τι θα συμβεί σε μία νέα κατάσταση, όπως το πώς θα αναπτυχθεί η ανοσία έναντι ενός νέου ιού.
Η τρίτη ικανότητα είναι ίσως η σημαντικότερη και είναι αυτή που φορτώνει με το μεγαλύτερο βάρος τους ώμους εκείνου που θα προσπαθήσει να κάνει την πρόβλεψη. Πώς μπορούμε όμως να αξιολογήσουμε την πληροφορία που μας δίνεται, αν αυτή δεν ανήκει στο φάσμα των γνώσεών μας; Πώς μπορούμε να διακρίνουμε μεταξύ ενός σοβαρού επιστήμονα και ενός ξερόλα;
Θα μπορούσαμε, όπως πολλά άρθρα στο διαδίκτυο, να μιλήσουμε για τα χαρακτηριστικά ενός ξερόλα. Για παράδειγμα το πόσο του αρέσει να διορθώνει τους άλλους, το ότι μιλάει πολύ περισσότερο από όσο ακούει, το πόσο του αρέσει να πυροδοτεί διαμάχες και να είναι το κέντρο της προσοχής ή το πόσο εύκολα σκαρφίζεται δικαιολογίες για να μην παραδεχτεί το λάθος του1–3. Αν σας έλεγα όμως πως κανένα από αυτά τα χαρακτηριστικά δεν έχει σημασία στον χώρο της επιστήμης;
Ναι, καλά διαβάσατε. Κανένα. Γιατί, πολύ απλά, σε επιστημονικά θέματα οι προσωπικές απόψεις και εκτιμήσεις για το μέλλον φέρουν και τη μικρότερη βαρύτητα τεκμηρίωσης. Φυσικά, η άποψη ενός ειδικού δεν έχει την ίδια βαρύτητα με την άποψη ενός μη-ειδικού, αλλά στην πυραμίδα της επιστημονικής τεκμηρίωσης, ακόμα και αυτή καταλαμβάνει τη χαμηλότερη θέση.
Στα πλαίσια της τεκμηριωμένης ιατρικής (Evidence-Based Medicine) δεν υπάρχει χώρος για αυθεντίες. Η ακόλουθη πυραμίδα ιεραρχεί το είδος της τεκμηρίωσης με βάση την πηγή προέλευσης. Το σύνολο της ήδη υπάρχουσας γνώσης σε κάθε χρονική στιγμή, μαζί με τις απόψεις των ειδικών, βρίσκονται στη βάση της πυραμίδας και για ένα νέο συσχετισμό φέρουν τη μικρότερη βαρύτητα τεκμηρίωσης. Τα πράγματα για τον ξερόλα, που δεν κατέχει εξειδικευμένη επιστημονική γνώση, είναι ακόμα πιο άσχημα καθώς δεν ανήκει ούτε στη βάση αλλά ούτε σε κάποιο άλλο μέρος της πυραμίδας.
Σχήμα 1: Πυραμίδα επιστημονικής τεκμηρίωσης4
Σύντομη ιστορία της πυραμίδας
Τα επίπεδα της τεκμηρίωσης προτάθηκαν για πρώτη φορά το 1976 σε μία μεγάλη προσπάθεια του Canadian Task Force on Periodic Health Examination στην οποία συμμετείχαν οι υπουργοί υγείας και των δέκα επαρχιών του Καναδά. Το κίνημα της τεκμηριωμένης ιατρικής έκανε την πρώτη του εμφάνιση πριν 40 χρόνια, όταν η ομάδα κλινικών επιδημιολόγων του Πανεπιστημίου McMaster του Καναδά με αρχηγό των David Sackett μίλησαν για το πώς πρέπει να αξιολογούνται οι επιστημονικές μελέτες. Τα πρώτα τους έργα δημοσιεύτηκαν στο Canadian Medical Association Journal και 10 χρόνια αργότερα, ένας από τους μαθητές του Sackett, ο Gordon Guyatt, καθιέρωσε επίσημα τον όρο evidence-based medicine. Σήμερα, οι επιστήμονες υγείας χρησιμοποιούν την πυραμίδα της επιστημονικής τεκμηρίωσης και μαζί με τις κλινικές τους δεξιότητες αλλά και τις επιθυμίες των ασθενών τους προσφέρουν το μέγιστο επίπεδο τεκμηριωμένης ιατρικής φροντίδας5.
Το περιεχόμενο της πυραμίδας – Κατηγορίες Μελετών
Στη βάση της πυραμίδας, όπως αναφέραμε, βρίσκεται η ήδη υπάρχουσα τεκμηριωμένη γνώση, όπως αυτή έχει υποστηριχτεί μέσα από προηγούμενες μελέτες και εκφράζεται από τους ειδικούς. Η γνώση αυτή προσεγγίζεται ως υπόβαθρο πάνω στο οποίο χτίζεται το νέο επιστημονικό υλικό. Στα ανώτερα τμήματα της πυραμίδας συναντάμε τις βασικές κατηγορίες μελετών, οι οποίες από κάτω προς τα πάνω είναι οι εξής6,7:
- Μελέτες μαρτύρων – ασθενών (Case reports, case series και case control): αποτελούν αναδρομικές (retrospective) μελέτες καθώς συλλέγουν δεδομένα για μία κατάσταση που έχει λάβει χώρα στο παρελθόν. Αποτελούν υποκατηγορία των μελετών παρατήρησης (observational) καθώς είναι μη παρεμβατικές. Στηρίζονται στην ικανότητα των συμμετεχόντων να ανακαλέσουν τα δεδομένα και γι’ αυτό χαρακτηρίζονται από σφάλμα μέτρησης. Οι συμμετέχοντες μπορεί να είναι λίγοι (ακόμα και ένας ασθενής στα case reports) ή περισσότεροι σε αριθμό. Στα θετικά τους στοιχεία περιλαμβάνουν το μικρό δείγμα, τον σύντομο χρόνο εκτέλεσης, την ευκολία και το χαμηλό κόστος ενώ στα αρνητικά τους το ότι είναι επιρρεπείς σε σφάλματα όπως μεροληψίες και σφάλματα επιλογής δείγματος, καθώς και το γεγονός πως μετρούν μόνο σχετικά μέτρα κινδύνου και όχι απόλυτα.
- Προοπτικές μελέτες (prospective): είναι συνήθως μελέτες κοόρτης (cohort) ή παρακολούθησης (follow-up) ή διαχρονικές-διαμήκεις (longitudinal). Μία ακόμα υποκατηγορία των μελετών παρατήρησης. Οι μελέτες αυτές παρακολουθούν ασθενείς στον παρόντα χρόνο και για ένα συγκεκριμένο συνεχόμενο χρονικό διάστημα ώστε να αξιολογήσουν τη σχέση ασθένειας – παραγόντων κινδύνου. Οι μελέτες αυτές είναι πιο χρήσιμες από τις μελέτες μαρτύρων καθώς μπορούν να μελετήσουν ακόμα και σπάνιους παράγοντες κινδύνου, περιορίζουν τα σφάλματα άρα είναι πιο αξιόπιστες και μπορούν να υπολογίζουν επιπλέον συσχετίσεις. Παρόλα αυτά, στα αρνητικά τους περιλαμβάνουν την ανάγκη για μεγάλο δείγμα, το υψηλό κόστος, την πολύπλοκη ανάλυση των δεδομένων και το μεγάλο εύρος χρόνου παρακολούθησης.
- Τυχαιοποιημένες Ελεγχόμενες Κλινικές Δοκιμές (Randomized Controlled Trials – RCTs): ανήκουν στις πειραματικές ή παρεμβατικές μελέτες (experimental ή interventional) και σε αυτές οι ερευνητές παρεμβαίνουν ενεργητικά στη δειγματοληψία, τον καθορισμό των ομάδων, την επιλογή της θεραπείας ή άλλων χαρακτηριστικών των εθελοντών. Πρόκειται για το πλέον αξιόπιστο μοντέλο μελετών για τη διαπίστωση σχέσεων αιτιότητας.
- Συστηματικές ανασκοπήσεις (Systematic Reviews): αθροίζουν το σύνολο των μελετών που αφορούν ένα προκαθορισμένο κοινό θέμα
- Μετα-αναλύσεις (Μeta-analyses): χρησιμοποιούν στατιστικές τεχνικές που συνδυάζουν τα αποτελέσματα πολλών μελετών για να καταλήξουν σε ένα ενιαίο συμπέρασμα. Οι αναλύσεις αυτές είναι πολύ σημαντικές αλλά πολύ δύσκολες στη διεκπεραίωσή τους καθώς οι επιμέρους μελέτες συνήθως χαρακτηρίζονται από διαφορετικούς σχεδιασμούς, διαφορετικούς πληθυσμούς, ασύμβατες αγωγές κ.λπ.
Στη συνέχεια, το τεκμηριωμένο επιστημονικό υλικό συστηματοποιείται και ενσωματώνεται σε εγχειρίδια και αλγορίθμους που χρησιμοποιούνται αντίστοιχα για την εκπαίδευση των επιστημόνων υγείας και την κλινική πράξη.
Σχήμα 2: Ιεράρχηση των μελετών με βάση την τεκμηριωμένη ιατρική8
Αντί επιλόγου
Στα χρόνια της πανδημίας του νέου κορωνοϊού, ακούσαμε και ακούμε απόψεις από πολλούς ειδικούς και πολλούς ξερόλες. Η διάκριση μεταξύ τους δεν ήταν πάντα εύκολη και το αποτέλεσμα της δημόσιας αντιπαράθεσης ήταν και ο διαχωρισμός της κοινής γνώμης. Είδαμε ανθρώπους από τον επιστημονικό χώρο να επιμένουν σε εσφαλμένες μετρήσεις για τη θνητότητα του ιού, να προβλέπουν 100 φορές λιγότερους θανάτους από όσους τελικά καταλήξαμε να έχουμε, να παρερμηνεύουν δεδομένα μελετών φερόμενοι ενάντια του εμβολιασμού θέτοντας σε κίνδυνο ανθρώπινες ζωές. Ευτυχώς για την ποιότητα της διεθνούς επιστημονικής κοινότητας, οι προσωπικότητες αυτές καταλαμβάνουν ένα πολύ μικρό ποσοστό του συνόλου.
Η συναισθηματική καταπίεση από τον εγκλεισμό σε συνδυασμό με τον φόβο, την ανασφάλεια και τη μη αποτελεσματική επικοινωνιακή πολιτική των επιστημόνων υγείας, ενίσχυσαν τις ακραίες ομάδες των αντιεμβολιαστών αλλά και των φανατικών υπέρμαχων του εμβολιασμού. Η ανάγκη για γνώση και εκπαίδευση του κοινού σε θέματα υγείας αντικαταστάθηκε από τη δίψα για διαμάχη και για την εξόντωση του αντιπάλου.
Μέσα στην ομίχλη της παραπληροφόρησης, ας κρατήσουμε την πυραμίδα της επιστημονικής τεκμηρίωσης σαν φάρο. Κάθε φορά που ακούμε ή διαβάζουμε μία πρόβλεψη, ας αναρωτηθούμε: στηρίζεται αυτή η άποψη σε επιστημονικά δεδομένα; Επιβεβαιώνεται από μελέτες; Υποστηρίζεται από το σύνολο της επιστημονικής κοινότητας ή μόνο από μία αμφιλεγόμενη μειονότητα; Και ας περιμένουμε τις προβλέψεις να επιβεβαιωθούν. Αν δεν το καταφέρουν, τότε ίσως αξίζει να αναρωτηθούμε για εκείνους που τις είχαν διατυπώσει. Παραδέχτηκαν το λάθος τους; Το διόρθωσαν για να κάνουν τις μετέπειτα προβλέψεις τους καλύτερες; Ή επέμειναν στο δικό τους πόρισμα παρά τις αποδείξεις για το αντίθετο; Και αν επέμειναν, μήπως εξυπηρετούν κάποια διαφορετικά συμφέροντα που δεν έχουν γνώμονα το κοινό καλό και τη δημόσια υγεία;
Γιάννης Οικονόμου
24/01/2022
Βιβλιογραφία
1. Edwards-Fowle, L. et al. 5 Annoying Things a Know-It-All Does and How to Deal with Them – Learning Mind. https://www.learning-mind.com/know-it-all-people-signs-deal/ (2020).
2. 12 Little-Known Characteristics Of A Know-It-All Person. https://www.creativitymesh.com/characteristics-of-a-know-it-all-person/ (2021).
3. Can You Spot a Know-it-All? | Psychology Today. https://www.psychologytoday.com/us/blog/happiness-and-the-pursuit-leadership/201505/can-you-spot-know-it-all.
4. Saylor, K. Research Guides: Nursing: Hierarchy of Evidence Resources. https://guides.lib.umich.edu/nursing/evidence.
5. Thoma, A. & Eaves, F. F. A Brief History of Evidence-Based Medicine (EBM) and the Contributions of Dr David Sackett. Aesthet. Surg. J. 35, NP261–NP263 (2015).
6. Ντζούφρας, Ι. & Περπέρογλου, Ά. Εισαγωγή στη βιοστατιστική και την επιδημιολογία. (2009).
7. Celentano, D. D. & Szklo, M. Gordis Epidemiology. (Elsevier).
8. Gelardi, F., Kirienko, M. & Sollini, M. Climbing the steps of the evidence-based medicine pyramid: highlights from Annals of Nuclear Medicine 2019. Eur. J. Nucl. Med. Mol. Imaging 48, 1293–1301 (2021).
