نسبت خطر، نسبت شانس، یا ریسک نسبی Hazard Ratio, Odds Ratio, or Relative Risk
این اعداد تفسیر مشابهی دارند: یعنی اینکه آیا خطر ابتلا به یک بیماری در گروه مداخله بیشتر یا کمتر از گروه کنترل بوده است. یک نسبت خطر (Hazard Ratio) نزدیک به 1.0 به ما میگوید که تفاوت اندکی میان گروه مداخله و گروه کنترل وجود دارد، بنابراین مداخله مؤثر نبوده است.
برای مثال، در مطالعه ابتکار بهداشت زنان (Women’s Health Initiative)، زنانی که رژیم غذایی کمچربی و پر فیبر داشتند کمی بیشتر از زنانی که رژیم عادی خود را ادامه دادند به سرطان روده بزرگ مبتلا شدند. نسبت خطر در این مطالعه 1.08 بود؛ یعنی کسانی که در گروه کمچربی و پرمیوه و غلات قرار داشتند 8% بیشتر در معرض ابتلا به سرطان بودند.
پیش از آنکه نگران شوید، به بازه اطمینان 95% (خطاهای نمودار) نگاه کنید. این بازه اعدادی را نشان میدهد که بازتابدهنده توان آماری مطالعه است، که به اندازه، طول مدت و طراحی آن بستگی دارد. در مورد مطالعه ابتکار بهداشت زنان، بازه اطمینان 95% از 0.90 تا 1.29 بود—یعنی از کاهش 10% در خطر سرطان تا افزایش 29% در خطر. این مطالعه توان آماری کافی برای تشخیص اینکه کدام عدد در این بازه تغییر واقعی خطر را نشان میدهد، نداشت. بیان سادهتر این است که نتایج آزمایش نشان میدهد فیبر ممکن است خطر سرطان را 10% کاهش دهد، ممکن است آن را تا 29% افزایش دهد، یا ممکن است درصدی میان این دو مقدار اثر بگذارد.
بازه اطمینان 95% بدین معناست که در اصل، اگر این مطالعه 100 بار انجام شود، انتظار میرود 95 بار از 100، نتیجه در آن بازه قرار گیرد و 5 بار از 100 خارج از آن باشد. بهطور کلی، اگر بازه اطمینان شامل عدد 1.0 شود، بهترین تفسیر این است که خطر مقایسهای برای دو گروه تفاوت معناداری ندارد.
متأسفانه این نکته مهم بهطور معمول در گزارشهای رسانهای درباره پژوهشهای پزشکی گم میشود. آمارها آنقدر پیچیدهاند که حتی خود پزشکان نیز اغلب پیامدهای بالینی (یا عدم پیامدها) را بهدرستی درک نمیکنند. در مقالهای برجسته اما بحثبرانگیز در سال 2005 با عنوان «چرا بیشتر یافتههای منتشرشده پژوهشی غلط هستند»، اپیدمیولوژیستی به نام جان پی. آ. ایوانیدیس (John P. A. Ioannidis) که در زمان نگارش در دانشکده پزشکی استنفورد فعالیت داشت، استدلالهای ریاضی ارائه داد که روشهای آماری و آزمایشی رایج در پژوهشهای اپیدمیولوژیک اغلب نتایج گمراهکننده تولید میکنند. او نتیجه گرفت که علیرغم استفاده از آزمونهای آماری مانند بازه اطمینان 95%، بیش از نیمی از مطالعات بهدلیل نقصهای ظریف (و گاهی آشکار) در رویکردهای آماری به نتایج نادرست منجر میشوند.
او نوشت: «برای بسیاری از حوزههای علمی کنونی، یافتههای ادعاشده پژوهشها ممکن است اغلب صرفاً اندازهگیریهای دقیقی از سوگیری غالب پژوهشگران در آن حوزه باشند.»
حتی اگر این دیدگاه بیش از حد بدبینانه باشد، هر اپیدمیولوژیستی تأیید میکند که جمعآوری شواهد قوی در حمایت از یک نظام غذایی کار دشواری است. به یک کارآزمایی بالینی تصادفیشده بسیار بزرگ و بلندمدت نیاز دارید، که با تحلیل آماری دقیق از نتایج دنبال شود و تمامی متغیرهای مخدوشکننده بالقوه از آن حذف شوند. این فرایند بهترین نتیجه را دارد.
«مجلات علمی و گزارشهای رسانهای اغلب به معیاری به نام p-value تکیه میکنند تا تعیین کنند آیا تفاوت مشاهدهشده میان دو گروه از نظر آماری معنادار است یا خیر. در سال 2016، انجمن آماری آمریکا بیانیهای صادر کرد که هشدار میداد مقادیر p اغلب گمراهکننده، بهطور معمول بد تفسیرشده و بهراحتی قابل دستکاری هستند. این انجمن بهجای آن، استفاده از بازههای اطمینان و معیارهای دیگر را برای بیان عدم قطعیت پیرامون یک اثر مشاهدهشده در یک مطالعه کنترلشده توصیه کرد.»
«اگرچه مکملهای ویتامین میتوانند از بیماریهای ناشی از کمبود ویتامین، مانند اسکوربوت، پیشگیری کنند، اما به نظر نمیرسد بر سایر بیماریها، از جمله بیماری قلبی و سرطان، تأثیری داشته باشند.»
انواع مطالعات اپیدمیولوژی تغذیهای TYPES OF NUTRITIONAL EPIDEMIOLOGY STUDIES
| نوع مطالعه | Kind / نوع | Design / طراحی | Strengths / نقاط قوت | Weaknesses / نقاط ضعف |
|---|---|---|---|---|
| Ecological study / مطالعه بومشناختی | Observation / مشاهدهای | مقایسه وضعیت تغذیه و سلامت گروههای مختلف مردم در یک زمان مشخص | مناسب وقتی که دادههای فردی در دسترس نیستند یا تفاوتها میان افراد کم است | نتایج ممکن است برای افراد صدق نکنند؛ سوگیری انتشار؛ عوامل مخدوشکننده |
| Case-control study / مطالعه مورد-شاهدی | Observation / مشاهدهای | مقایسه افراد دارای بیماری (موارد) با افراد بدون بیماری (شاهدها) | نسبتاً سریع و کمهزینه | خطای نمونهگیری؛ سوگیری انتخاب؛ سوگیری انتشار؛ عوامل مخدوشکننده؛ سوگیری مشاهده؛ سوگیری یادآوری |
| Cohort, or prospective, study / مطالعه کوهورت یا آیندهنگر | Observation / مشاهدهای | پیگیری سبک زندگی و وضعیت سلامت اعضای گروه در طول زمان، سپس بررسی همبستگی میان رژیم غذایی و بیماری | میتواند سوگیری یادآوری را حذف کند | خطای نمونهگیری؛ سوگیری انتخاب؛ سوگیری انتشار؛ عوامل مخدوشکننده؛ سوگیری مشاهده |
| Randomized clinical trial / کارآزمایی بالینی تصادفیشده | Intervention / مداخلهای | اختصاص داوطلبان بهطور تصادفی به یک گروه مداخله (که رژیم خاصی میخورند، برای مثال) یا گروه کنترل (که روال عادی خود را ادامه میدهند)، سپس پیگیری سلامت آنان | میتواند شواهدی از رابطه علّی میان مداخله و پیامد ارائه دهد | خطای نمونهگیری؛ سوگیری انتخاب؛ سوگیری انتشار؛ عوامل مخدوشکننده؛ سوگیری مشاهده |
(ضعیفترین → قویترین)
برای نتایج بسیار چشمگیر، مانند ارتباط میان سیگار کشیدن و سرطان ریه، که بهطور منطقی نمیتواند با عوامل مخدوشکننده توضیح داده شود، شواهد بهوضوح کافی هستند. ارقام دقیق بسته به جنسیت و سن متفاوتاند، اما سیگاریها تقریباً 10 برابر (1,000%) بیشتر از غیرسیگاریها در معرض خطر ابتلا به سرطان ریه هستند.
کمبودهای ویتامینی اثرات چشمگیر مشابهی ایجاد میکنند، بنابراین بهطور قطعی بهعنوان عواملی که میتوانند سلامت را به خطر بیندازند شناسایی شدند. آنچه ناشناخته باقی مانده است، ارتباط میان رژیم غذایی و بیماریهای مزمن است که شبکههای بسیار پیچیدهای از عوامل خطر دارند و اثرات آنها بسیار ظریفتر است. برای کشف هرگونه رابطه علّی میان این عوامل، تعداد بسیار بیشتری از افراد در کارآزماییها مورد نیاز است.
اما چه اندازه یک کارآزمایی باید بزرگ باشد تا پژوهشگران مطمئن شوند نتایج ناشی از شانس یا سوگیری نیست؟ برای برآورد اندازه مناسب، دانشمندان باید عواملی همچون شیوع بیماری مورد مطالعه، نرخ بروز موارد جدید، مدت زمان مطالعه، میزان پایبندی داوطلبان، شدت سوگیریها و عوامل مخدوشکننده، تعداد متغیرهای مورد بررسی، و دهها عامل دیگر که بر توان آماری مطالعه اثر میگذارند را در نظر بگیرند. هیچ قانون سادهای وجود ندارد، جز اینکه هرچه بیماری نادرتر باشد و اثر مورد جستوجو کوچکتر، کارآزمایی باید بزرگتر (و اغلب طولانیتر) باشد.
برای دستیابی به توان آماری مناسب، مطالعه عوامل خطر تغذیهای حتی برای یک بیماری نسبتاً شایع مانند بیماری قلبی به یک کارآزمایی بزرگ و طولانی نیاز دارد که میتواند تا 250 میلیون دلار هزینه داشته باشد. به همین دلیل است که شواهد آزمایشی در اپیدمیولوژی تغذیهای بسیار اندکاند. برای دور زدن هزینه و پیچیدگی اجرای یک کارآزمایی بزرگ منفرد، پژوهشگران اغلب دادههای بسیاری از مطالعات مختلف را با هم ترکیب کرده و از یک تکنیک آماری به نام فرا تحلیل (meta-analysis) استفاده میکنند تا نتایج یک کارآزمایی بزرگ را تقریب بزنند.
این رویکرد بههیچوجه به اندازه یک کارآزمایی تصادفیشده بزرگ و طراحیشده خوب قابل اعتماد نیست. اما گاهی نتایج یک فرا تحلیل بهترین چیزی است که علم میتواند ارائه دهد.
