برای اینکه یک مخاطب آگاه‌تر رسانه بدل شوید، باید تا حدی بتوانید آمار ارائه‌شده در اخبار را ارزیابی کنید.
یادگیری آمار به‌عنوان شاخه‌ای از ریاضیات ممکن است به چندین سال تحصیل نیاز داشته باشد، بنابراین جای شگفتی نیست که مصرف‌کننده روزانه اخبار در تشخیص اینکه کدام آمار معتبر است، احساس ناتوانی کند.
اما اگر فقط چند مفهوم پایه آماری را بشناسید، ممکن است بتوانید تا حدی اطلاعات درست را از اطلاعات نادرست تشخیص دهید.
- خطر مطلق و نسبی
یکی از شایع‌ترین مشکلات تفاوت نگذاشتن میان دو مفهوم «خطر مطلق» و «خطر نسبی» بیماری‌ها است.
این مثال را در نظر بگیرید: ادعا میشود یک داروی قلبی خطر حمله قلبی را تا نصف کاهش می‌دهد. اما این دارو در جمعیتی آزمایش شده است که خطر حمله قلبی در میان آن‌ها «۲ درصد» بوده است. پس از مصرف این دارو این خطر به «۱ درصد» کاهش یافته است. سپس شرکت دارویی سازنده یک آگهی منتشر میکند که در آن می‌گوید این داروی جدید خطر حمله قلبی را تا «۵۰ درصد» کاهش می‌دهد.
این آگهی به نوعی حقیقت دارد، اما همه ماجرا را بیان نمی‌کند. ممکن است خطر حمله قلبی در گروه مصرف‌کننده داروی جدید نسبت به گروه دارونما تا نصف کاهش یافته باشد، اما خطر مطلق دچار شدن به حمله قلبی فقط «۱ درصد» کاهش یافته است و این نتیجه کاملاً متفاوتی نسب به نتیجه منتشرشده در آگهی است. بنابراین با توجه به سودمندی اندک این داروی جدید و با در نظر گرفتن قیمت و عوارض جانبی دارو ممکن است اصولاً استفاده از آن بی‌ارزش باشد.
اگر یک مقاله یا یک آگهی می‌گوید یک دارو، یک روش درمانی یا وسیله پزشکی دارای میزان معینی از اثرات مثبت است، اما اطلاعاتی درباره گروه کنترل یا شاهد در اختیار نمی‌گذارد، ممکن است فقط تغییرات در خطر نسبی را بیان کند و شما را به نتیجه‌گیری نادرستی بکشاند.
به‌خصوص باید هشیار باشید که ممکن است سودمندی‌های یک دارو مورد آزمایش بر اساس خطر نسبی بیان شود، اما زیان‌های آن بر اساس خطر مطلق و به‌این‌ترتیب در داوری درباره این دارو کاملاً اشتباه کنید.
- معناداری آماری
یک اصطلاح آماری شایع دیگر در اخبار پزشکی «معناداری» (significance) است. به‌طورکلی هر وقت احتمال وقوع رویدادی به‌طور تصادفی بسیار اندک باشد و به‌عبارت‌دیگر به‌احتمال‌زیاد دلیلی به‌جز شانس داشته باشد، آن رویداد را به لحاظ آماری معنادار می‌گویند. به‌عبارت‌دیگر بر اساس این مفهوم می‌توانیم دریابیم آیا همبستگی میان دو عامل قابل‌اتکا است یا صرفاً ناشی از شانس است.
معمولاً استانداردی که برای این معنادار بودن تعیین میشود، ۹۵ درصد است، یعنی اینکه اگر فرضیه مورد آزمایش حقیقت داشته باشد، آنگاه ۹۵ درصد احتمال دارد که نتایج به‌دست‌آمده تصادفی نباشند.
به زبان ساده‌تر، در صورت محقق شدن شرایطی معین، نتایج حاصل از آزمایش ارزش گزارش دادن را دارند.
شاید این تعریف‌ها پیچیده به نظر رسد و فهمشان برایتان مشکل باشد و واقعاً هم آن‌ها پیچیده و مشکل هستند.
به همین علت است که علم معتبر بر اساس شمار بسیار فراوانی از پژوهش‌ها شکل می‌گیرد. یک تحقیق منفرد حتی اگر نتایجی به دست دهد که ازلحاظ آماری معنادار هستند، دلیلی بر مؤثر بودن مثلاً یک داروی جدید نیست.
نکته دیگر این است که «معناداری آماری» با «معناداری بالینی» یکی نیست. ممکن است بررسی یک شیوه درمانی نتایج به دست دهد که ازلحاظ آماری معنادار هستند، اما این شیوه برای انسان‌های زنده واقعی سودمندی چندانی نداشته باشد.
بسیاری از پژوهش‌ها پیامدهایی را که دانشمندان واقعاً علاقه‌مند به دستیابی به آن‌ها هستند، مثلاً کاهش خطر حمله قلبی را به آزمون نمی‌گذارند. در عوض، این بررسی‌ها اغلب شاخصی دیگر مثلاً فشارخون را اندازه می‌گیرند و «فرض را بر این می‌گذارند» که اگر فشارخون پایین بیاید، احتمالاً خطر حمله قلبی کاهش می‌یابد.
- همبستگی و علیت
یک خطای رایج و بسیار بد دیگر در اخبار پزشکی تفاوت نگذاشتن میان «همبستگی» (correlation) با «علیت» (causation) است.
- مفاهیم: ضریب همبستگی چیست؟
هنگامی گفته میشود دو چیز با هم همبستگی دارند یعنی یا همراه هم افزایش و همراه هم کاهش می‌یابند (همبستگی مثبت) یا اگر یکی افزایش می‌یابد، دیگری کاهش می‌یابد و بالعکس (همبستگی منفی). هنگامی‌که از رابطه علیتی میان دو چیز صحبت می‌کنیم، یعنی یک رابطه علت و معلولی واقعی بین آن دو وجود دارد.
برای مثال در نظر بگیرید که یک بررسی نشان می‌دهد که از سال ۱۹۹۰ به بعد میان شمار افرادی که به علت افتادن در استخر در آمریکا غرق می‌شوند و شمار فیلم‌های که نیکلاس کیج در آن‌ها ظاهر شده است، همبستگی وجود دارد، به‌عبارت‌دیگر در هرسالی که نیکلاس کیج در شمار بیشتری از فیلم‌ها ظاهر شده است، شمار افراد غرق‌شده در استخر هم بیشتر شده است و بالعکس. وجود چنین همبستگی به معنای آن نیست که ایفای نقش نیکلاس کیج در فیلم‌ها تأثیری بر غرق شدن افراد در استخر دارد.
در چنین مثال واضحی، همه درمی‌یابند که صرفاً یک همبستگی ساده وجود دارد، و رابطه علت‌ومعلولی در کار نیست، اما در بسیاری موارد دیگر ممکن است تشخیص به این سادگی نباشد و فریب بخورید، به‌خصوص اگر دو چیزی که با هم مقایسه می‌شوند، در ظاهر ارتباط نزدیکی داشته باشند.
برای مثال اگر یک بررسی نشان دهد افرادی که ماهی می‌خورند، با احتمال کمتری در سال‌های بعدی زندگی دچار بیماری آلزایمر می‌شوند، واکنش فوری ما این است که فکر کنیم خوردن ماهی از بیماری آلزایمر جلوگیری میکند.
اما این بررسی نمی‌تواند دلیلی بر این نتیجه‌گیری باشد. این بررسی صرفاً مشاهده ارتباطی را گزارش کرده است که در میان گروه معینی از افراد حقیقت دارد. ممکن است عامل سومی که در این بررسی ارزیابی نشده است، وجود داشته باشد که همبستگی میان خوردن ماهی و آلزایمر را ایجاد کرده باشد.
به‌عنوان یک مثال فرضی، ممکن است افرادی که مقدار زیادی ماهی می‌خورند، مدت بیشتری را روی اقیانوس گذرانده باشند و هوای اقیانوس باعث محافظت در برابر بیماری آلزایمر شده باشد.
ازآنجایی‌که گرایش ذهنی ما این است خوردن ماهی به سلامت کمک میکند، ممکن است یافته‌های این بررسی به شیوه‌ای معین تفسیر کنیم (و درنهایت معلوم شود این تفسیر نادرست است).
نظر شما