ASPECTE ETICE ALE ANALIZEI DATELOR EPIDEMIOLOGICE

Transcription

1 Revista Română de Bioetică, Vol. 8, Nr. 1, Ianuarie Martie 2010 ASPECTE ETICE ALE ANALIZEI DATELOR EPIDEMIOLOGICE Alexandru-Ionuţ Petrişor * Rezumat Utilizarea instrumentelor de analiză statistică cere o anumită etică profesională, indiferent de domeniul de aplicare. În studiile epidemiologice, etica statistică priveşte alegerea designului potrivit al studiului, cunoscând avantajele, dezavantajele şi limitele fiecărui tip, pe baza ipotezelor studiului. Etica statistică este, de asemenea, legată de analiza datelor, prin alegerea metodelor şi testelor potrivite, cunoscând avantajele, dezavantajele şi limitele acestora, dar şi condiţiile de aplicare pe care le implică utilizarea lor. În plus, etica statistică se referă la interpretarea şi comunicarea rezultatelor, fără a ascunde limitările, pentru a îmbunătăţi posibilitatea de a replica studiul, în pofida diminuării ocazionale a şanselor de a le publica. Protecţia aspectelor personale şi confidenţiale sunt, de asemenea, aspecte etice cu rol central în studiile bazate pe subiecţi umani, în toate etapele de la design la publicarea rezultatelor. Cuvinte cheie: studii epidemiologice, etiologie, acurateţe, precizie, abandon, confundare, etică. Introducere Deoarece metodele de analiză statistică sunt un instrument utilizat de oricare cercetător, indiferent de domeniu, pentru a desprinde concluzii din experimente prin analiza datelor, aplicarea lor necesită o anumită etică profesională (Dragomirescu şi Drane, 2007). Statistica distinge, pe baza exhaustivităţii datelor, populaţii şi eşantioane. Populaţiile sunt mari, studiul lor exhaustiv fiind imposibil sau costisitor (de ex., populaţiile teoretice pot fi formate din indivizi nenăscuţi sau decedaţi, care nu pot fi incluşi în studiu). Eşantioanele se extrag prin procedee probabilistice din populaţii, pentru a le reprezenta: ca atare, studiul eşantioanelor produce rezultate incerte, iar cel al populaţiilor, certe (Dragomirescu, 1998). Incertitudinea este preţul plătit pentru posibilitatea de a studia populaţiile prin eşantioane. Statistica inductivă extrapolează rezultatele obţinute pe eşantioane la întreaga populaţie (Dragomirescu, 1998; Dragomirescu şi Drane, 2007). Există două calităţi ale extrapolării. Acurateţea se referă la corectitudinea (nedeplasarea) rezultatelor, iar precizia * Master în biostatistică, Doctor în ecologie, Doctorand în geografie, lector, Catedra de Proiectare Urbană şi Peisagistică, Facultatea de Urbanism şi Peisagistică, Universitatea de Arhitectură şi Urbanism "Ion Mincu", Bucureşti, România, a.i.petrisor@gmail.com 101

2 este dată de variaţia lor statistică (Drane et al., 2003). Aceste măsuri seamănă cu calităţile unui trăgător de elită: acurateţea se referă la abilitatea de a lovi ţinta, iar precizia la gruparea loviturilor (Dragomirescu, 1998). Fiind mai importantă lovirea ţintei, loviturile negrupate pot fi preferate uneori, deoarece există şansa ca măcar una să atingă ţinta. Corectitudinea designului şi a metodelor statistice cresc acurateţea şi precizia. O caracteristică a metodelor statistice este şi robusteţea, posibilitatea aplicării lor atunci când nu sunt îndeplinite condiţiile de utilizare. Cercetătorii pornesc de la o ipoteză, organizând experimente pentru a o testa. Se obţin date, ce sunt analizate prin metode statistice pentru a testa două ipoteze: una alternativă, ce corespunde celei ştiinţifice şi una nulă care afirmă că diferenţele se datorează fluctuaţiilor de eşantionaj (Dragomirescu, 1998). Se pot produce două tipuri de erori: ipoteza nulă poate fi respinsă în favoarea alternativei când este, de fapt, adevărată (riscul α), sau acceptată când este, de fapt, falsă (riscul β). Evident, dacă α creşte, β scade; în ştiinţele biomedicale este importantă reducerea riscului α (Dragomirescu, 1998). Abilitatea unui test statistic de a detecta diferenţe care există în realitate se numeşte puterea testului, π (π = 1 β). Programele statistice calculează probabilitatea de a respinge ipoteza nulă pe baza datelor experimentale atunci când aceasta este adevărată valoarea p. Cel mai adesea, ipotezele din epidemiologie privesc asocierea dintre o boală şi unul sau mai mulţi factori de risc. Este foarte importantă precizarea că ordinea corectă şi etică a analizei acestor relaţii plasează formularea ipotezelor înainte de a începe experimentul, pentru a asigura un design compatibil cu condiţiile de analiză a datelor. Trebuie studiate doar asocieri cunoscute din literatura de specialitate sau plauzibile din punct de vedere epidemiologic, fără a lăsa datele să sugereze posibile asocieri false, ce apar doar în eşantionul analizat datorită fluctuaţiilor de eşantionaj (Greenland, 1987; Dragomirescu, 1998; Dragomirescu şi Drane, 2007). Această lucrare îşi propune să analizeze aplicarea metodelor statistice în epidemiologie, discutând probleme legate de designul studiilor, analiza datelor şi prezentarea rezultatelor. Tipuri de studii epidemiologice Studiile epidemiologice analizează etiologia (cauzalitatea) bolilor, descriind factorii de risc, elementele de diagnoză şi prognoză, încercând să prevină apariţia şi propagarea bolilor (Lilienfeld şi Lilienfeld, 1980; McKeown, 1998; Addy, 1999; Coker şi Sanderson, 1999) şi sunt de mai multe tipuri: 1. Intervenţionale (clinice), în care investigatorul manipulează un factor şi analizează diferenţele induse de aceste modificări în două grupuri: experimental şi de control. Avantajele sunt: posibilitatea de a controla variabilele externe, de a demonstra relaţiile cauzale, succesiunea lor temporală, şi posibilitatea alocării aleatorii a subiecţilor celor două loturi. Dezavantajele sunt: imposibilitatea de a controla comportamentul (participarea la studiu, abandonarea acestuia), consideraţii etice ale expunerii la factori de risc şi costuri mari (Slome et al., 1982; Mausner şi Kramer, 1985; McKeown, 1998; Coker şi Sanderson, 1999). 2. De cohortă pot fi desfăşurate prospectiv, atunci când se verifică dacă subiecţii aparent sănătoşi prezintă anumiţi factori de risc, care sunt urmăriţi până la apariţia bolii de interes, şi retrospectiv, dacă expunerea se determină pe baza fişelor medicale odată cu prezenţa bolii. Indiferent de design, aceste studii răspund la întrebarea se 102

3 îmbolnăvesc persoanele care prezintă factorul de risc mai frecvent decât cele la care acesta este absent? (Lilienfeld şi Lilienfeld, 1980). Avantajele acestor studii includ cea mai bună estimare a riscului îmbolnăvirii, dată fiind prezenţa factorului de risc, evitarea reducerii preciziei datorită supravieţuirii şi/sau memoriei selective, iar dezavantajele privesc costul, designul, imposibilitatea utilizării în cazul bolilor rare, abandonul participanţilor şi/sau investigatorilor, perioada ridicată de latenţă a anumitor boli, şi imposibilitatea analizei simultane a mai multor factori (Lilienfeld şi Lilienfeld, 1980; Slome et al., 1982; Mausner şi Kramer, 1985; Greenland, 1987; Gordis, 1996; McKeown, 1998; Addy, 1999; Coker şi Sanderson, 1999). 3. Caz-control, în care subiecţii sunt împărţiţi pe baza prezenţei sau absenţei bolii, iar expunerea se determină pe baza fişelor medicale. Aceste studii verifică dacă persoanele bolnave prezintă o caracteristică (factor de risc) mai frecvent decât cele sănătoase? (Lilienfeld şi Lilienfeld, 1980). Uneori, se grupează cazurile şi subiecţii din lotul de control în funcţie de nivelurile unei terţe variabile, presupusă a avea un efect de confundare, care va fi discutat în continuare la pct. 5; în această situaţie, se foloseşte un design grupat. Avantajele acestor studii constau din: reducerea costului şi timpului de lucru, posibilitatea de a analiza simultan mai mulţi factori de risc, şi de a studia bolile rare sau cele care solicită tratament de urgenţă. Dezavantajele se referă la scăderea preciziei datorită supravieţuirii şi/sau memoriei selective, probleme legate de eşantionaj (în special pentru lotul de control), imposibilitatea de a determina succesiunea temporală exactă şi de a studia mai mult decât o singură boală. În plus, riscul de îmbolnăvire, dată fiind prezenţa unui factor de risc, nu poate fi determinat, ci doar estimat de raportul probabilităţilor (Lilienfeld şi Lilienfeld, 1980; Slome et al., 1982; Mausner şi Kramer, 1985; Greenland, 1987; Gordis, 1996; McKeown, 1998; Addy, 1999; Coker şi Sanderson, 1999). 4. Încrucişate, în care expunerea şi prezenţa bolii se determină simultan. Avantajele sunt: cea mai bună descriere a asocierii dintre boală şi expunere, reprezentativitatea rezultatelor pentru întreaga populaţie, utilitatea în controlul activităţii serviciilor medicale, cele mai scăzute costuri şi durată şi utilitatea în evaluarea stării generale de sănătate a unei anumite populaţii. Dezavantajele se referă la imposibilitatea de a calcula riscul relativ (înlocuit de raportul prevalenţelor), de a demonstra cauzalitatea şi la reducerea preciziei datorită supravieţuirii şi/sau memoriei selective (Lilienfeld şi Lilienfeld, 1980; Slome et al., 1982; Mausner şi Kramer, 1985; Greenland, 1987; Gordis, 1996; McKeown, 1998; Addy, 1999; Coker şi Sanderson, 1999). 5. Ecologice analizează asocierea dintre o boală şi unul sau mai mulţi factori de risc la nivel populaţional şi nu individual. Limitările se datorează imposibilităţii de a extrapola rezultatele privind asocierea de la populaţii la indivizi, în principal datorită asociaţiilor fictive şi confundării. Confundarea se datorează variabilelor asociate cu boala şi expunerea, datorită cărora boala pare a fi asociată cu expunerea (Lilienfeld şi Lilienfeld, 1980; Slome et al., 1982; Mausner şi Kramer, 1985; McKeown, 1998; Coker şi Sanderson, 1999). Un astfel de studiu s-a desfăşurat pentru a analiza asocierea dintre concentraţiile zilnice ale unor poluanţi atmosferici şi evenimente epidemiologice (Nedelcu, 2008). Evenimente ca astmul, posibil asociate cu expunerea, ridică probleme legate de momentul şi locul în care a avut loc expunerea, dar asocierea dintre numărul de decese şi expunere este şi 103

4 mai problematică; toate aceste limite sunt datorate imposibilităţii de a determina mecanismul cauzal exclusiv pe baza datelor utilizate. Este adevărat că majoritatea studiilor ecologice se bazează pe cunoaşterea dinainte a acestui mecanism, dar în acest exemplu studiul nu poate testa validitatea mecanismului. Etica în designul studiilor Principiile care guvernează studiile epidemiologice sunt: respect pentru persoane, non-maleficitate (primum non nocere, deinde salutare mai întâi să nu faci rău, apoi să vindeci), binefacerea şi echitatea distribuţiei riscurilor şi beneficiilor în populaţie (McKeown, 1998). Este necesară respectarea condiţiilor etice de participare a subiecţilor la studiile epidemiologice (voluntariat pe baza semnării unui consimţământ informat; nu există conflict de interese; nu se solicită anumite tipuri de informaţii personale; nu există întrebări intimidante, sensibile şi/ sau de natură a determina stări de ruşine, disconfort sau hărţuirea subiecţilor; experimentele garantează siguranţa etc.) În general, investigatorul trebuie să răspundă la următoarele întrebări de natură etică (Coker şi Sanderson, 1999): 1. Cine sunt subiecţii? Există subiecţi anormali (psihologic sau fizic)? 2. Cum sunt aceştia selecţionaţi? Cum este obţinut consimţământul informat? 3. Există costuri plătite de subiecţi? 4. Care sunt procedurile (cu referire la subiecţi şi investigatori)? 5. Care sunt riscurile pentru subiecţi (fizice, psihologice, sociale şi legale)? Există alternative? Pot fi luate precauţii? 6. Poate studiul să conducă la rezultate ce nu corespund aşteptărilor? 7. Care sunt beneficiile studiului (pentru subiecţi, cei asemenea lor, oamenii de ştiinţă şi omenire)? 8. Cum este asigurată protecţia confidenţialităţii subiecţilor? Alte consideraţii etice aplicabile ştiinţei se aplică succesiunii temporale şi intervenţiei statisticienilor în cercetarea epidemiologică (Dragomirescu, 1998; Dragomirescu şi Drane, 2007): 1. Formularea problemei de cercetare şi a ipotezelor. 2. Alegerea metodelor statistice înainte de a obţine datele. Fiecare metodă este bazată pe anumite presupuneri legate de distribuţia datelor, designul studiului depinde de modul de analiză a datelor, deci statisticianul trebuie să fie prezent, 3. Stabilirea designului studiului, alegerea configuraţiei calculatorului şi a programelor statistice potrivite pentru stocarea şi analiza datelor. Prezenţa statisticianului este necesară şi pentru stabilirea structurii bazei de date. 4. Realizarea experimentului şi culegerea datelor conform celor stabilite. 5. Analiza datelor şi interpretarea rezultatelor. Analiza datelor este realizată de statistician. Relevanţa (semnificaţia) statistică a rezultatelor este evaluată de statistician, dar interpretarea epidemiologică este apanajul epidemiologului. Din acest motiv epidemiologii (dar şi medicii, biologii sau alţi cercetători din domeniul biomedical) trebuie să cunoască statistică suficient pentru a discuta interpretarea semnificaţiei statistice a rezultatelor. Cel mai adesea, studiile sunt derulate numai pe baza etapelor 1 şi 4, urmate de analiza datelor fără a interpreta rezultatele. Rarele interpretări indică existenţa unui fenomen, fără a încerca explicarea sa. Şi mai rău, studiile se derulează fără a consulta un statistician, fie şi numai pentru analiza datelor. Metodele se aleg studiind literatura de specialitate (autorii folosesc pur şi simplu metodele utilizate de colegii lor, fără a verifica îndeplinirea condiţiilor de aplicare). Această situaţie determină un paradox: folosirea corectă a metodelor statistice poate duce la rezultate nepublicabile. Dacă evaluatorii 104

5 nu au o pregătire statistică, este puţin probabil să accepte un articol care foloseşte metode neobişnuite, diferite de metodologia stabilită de vasta majoritate a articolelor similare (Lawrence, 2007). Probleme statistice în studiile epidemiologice 1. Orbirea este posibilitatea de a masca alocarea la unul din cele două grupuri (pe baza prezenţei sau absenţei expunerii sau tratamentului) în studiile intervenţionale. Nefolosirea orbirii poate afecta acurateţea rezultatelor (Lilienfeld şi Lilienfeld, 1980; McKeown, 1998). Există trei niveluri: lipsa (subiectul şi investigatorul cunosc procedura de alocare), simplu (doar investigatorul o cunoaşte) şi dublu (ambii nu o cunosc). 2. Clasificarea eronată determinarea prezenţei expunerii şi a bolii datorită erorilor de laborator, datelor inexistente sau incomplete, memoriei inexacte sau selective (Coker şi Sanderson, 1999). 3. Abandonul participanţilor se datorează deciziei acestora, sau altor cauze, inclusiv decesului (McKeown, 1998; Coker şi Sanderson, 1999). Supravieţuirea selectivă afectează precizia, dar abandonul afectează în general atât acurateţea, cât şi precizia, deoarece subiecţii care părăsesc studiul pot avea anumite caracteristici comune legate de expunere şi/sau boală, determinând deplasarea rezultatelor, sau pot dezechilibra designul studiului, reducând precizia. Fenomenul poate afecta studiile bazate pe chestionare trimise prin poştă datorită caracteristicilor subiecţilor care nu returnează chestionarul completat (Drane et al., 2003). În final, abandonul selectiv afectează populaţia asupra căreia pot fi extrapolate rezultatele studiului. 4. Confundarea reprezintă efectul unei terţe variabile de confundare, asociată cu expunerea şi boala, constând în detectarea unei asocieri între expunere şi boală (Hussey, 1998). Pentru a exemplifica acest efect, putem folosi datele de la recensământul din 2000 din SUA ( 7ccdb/taba8.pdf) şi Asociaţia Arhivelor de Date privind Religiile ( thearda.com/archive/chstate.asp) pentru a verifica dacă există o asociere între numărul total de evenimente criminale (primul set de date) şi numărul de grupuri religioase din fiecare stat (cel de-al doilea set de date). Surprinzător, coeficientul de corelaţie lineară al lui Pearson este R 2 =0,693, p<0,001***, ceea ce indică o corelaţie puternică. Confundarea este datorată în acest caz populaţiei; dacă folosim datele de la recensământ ( p/statecenters.txt), identificăm corelaţii semnificative între populaţie şi numărul total de evenimente criminale (R 2 =0,899, p<0,001***) şi numărul de grupuri religioase (R 2 =0,751, p<0,001***). 5. Cauzalitatea este crucială pentru studiile epidemiologice, deoarece acestea investighează etiologia bolilor, fiind importantă pentru a determina dacă asocierile sunt reale sau nu. Relaţiile pot fi artefactuale (fictive), indirecte sau cauzale (etiologice); cele artefactuale se datorează fluctuaţiilor de eşantionaj, iar cele indirecte, confundării (Lilienfeld şi Lilienfeld, 1980; Mausner şi Kramer, 1985). Relaţiile cauzale pot fi necesare şi suficiente, necesare dar insuficiente, suficiente dar nenecesare, insuficiente şi nenecesare. Cauzalitatea este analizată pe baza următoarelor elemente: succesiunea temporală, tăria asocierii, specificitatea, analogii, relaţia doză-răspuns, replicarea rezultatelor, plauzibilitatea biologică, considerarea explicaţiilor alternative, evoluţia la şi după încetarea expunerii, şi corelarea cu alte studii (Greenland, 1987; Gordis, 1996). Există două implicaţii valabile: dependenţa fenomenologică se reflectă în corelarea (asocierea) datelor, 105

6 iar lipsa corelaţiei (asocierii) implică lipsa asocierii fenomenologice; în consecinţă, lipsa corelaţiei statistice demonstrează independenţa fenomenologică în studii exhaustive (Dragomirescu, 1998). 6. Modificarea efectului (numită şi sinergie sau posibilă interacţiune) este o schimbare a mărimii efectului datorită asocierii cu o altă variabilă (Coker şi Sanderson, 1999). Studiile epidemiologice sunt supuse atât modificării efectului, cât şi confundării. În timp ce confundarea trebuie controlată pentru a-i contracara efectele, modificarea efectului se raportează, deoarece determină o creştere a riscului pentru anumite grupuri (Greenland, 1987; Coker şi Sanderson, 1999). De exemplu, modificarea efectului fumatului asupra apariţiei sindromului Down la noii născuţi datorită apartenenţei etnice a mamei creşte probabilitatea ca o mamă afro-americană fumătoare să dea naştere unui copil suferind de sindromul Down de 7 ori faţă de mamele nefumătoare (Petrişor, 2000). 7. Deplasarea rezultatelor Epidemiologii (Slome, 1982; Gordis, 1996; McKeown, 1998; Coker şi Sanderson, 1999) disting mai multe tipuri de situaţii care afectează acurateţea rezultatelor studiilor epidemiologice: informaţionale, datorate înregistrării eronate, conştiente sau nu, a informaţiilor; de clasificare (privind expunerea şi/sau boala, dar şi nivelurile factorilor de risc); de selecţie (includerea sau nu a participanţilor în studii); datorate nonrespondenţilor şi celor nemonitorizaţi în timp; analitice (analiza datelor, interpretarea rezultatelor); datorate memoriei şi/sau supravieţuirii selective (în ultimul caz, lipsa memoriei sau memoria selectivă), şi chiar legate de publicare investigatorii trimit rezultatele doar dacă acestea susţin asocieri directe şi pozitive şi riscuri ridicate (Lawrence, 2007). În cazul estimării, pentru a evita aceste probleme se folosesc estimatorii juşti (nedeplasaţi) şi repartizarea aleatorie a subiecţilor (Dragomirescu, 1998). 8. Precizia poate fi îmbunătăţită prin creşterea volumului eşantionului (Dragomirescu, 1998; Coker şi Sanderson, 1999; Dragomirescu şi Drane, 2007). Abandonul reduce precizia (cel selectiv afectează acurateţea). Creşterea volumului eşantionului măreşte puterea testelor statistice. Programele statistice permit fie determinarea puterii cunoscând volumul eşantionului, fie calculul volumului necesar pentru a avea o anumită putere, în funcţie de designul studiului. La o întrunire ştiinţifică, un investigator a prezentat rezultatele unui studiu efectuat pe oi pentru a evalua un nou medicament. După administrarea sa [...] o treime din oi şi-au ameliorat simţitor sănătatea, o treime nu au suferit nici o schimbare, iar cea de-a treia oaie a luato la sănătoasa (Gordis, 1996). Precizia unei estimări creşte dacă se folosesc estimatori mai eficace, cu erori-standard mici (Dragomirescu, 1998). 9. Conformitatea cu condiţiile de aplicare a testelor statistice. Există metode neparametrice mai puţin puternice, dar mai robuste, şi parametrice, mai puternice, dar mai puţin robuste rezultatele obţinute cu ajutorul ultimelor sunt chestionabile dacă datele nu respectă condiţiile de aplicare (cel mai adesea, distribuţia normală). Testele de normalitate se folosesc pentru a analiza distribuţia şi a alege metoda (Hollander şi Wolfe, 1973; Dragomirescu, 1998; Dragomirescu şi Drane, 2007) tabelul 1. Indiferent de domeniu, foarte puţini cercetători folosesc metode neparametrice, chiar pentru date nedistribuite normal. 10. Reprezentativitatea rezultatelor este legată în special de abandonul participanţilor. Dacă au caracteristici comune, este dificilă extrapolarea rezultatelor. 106

7 Modificarea efectului schimbă distribuţia riscurilor atribuibile grupurilor populaţionale definite de interacţiunea variabilelor. De exemplu, probabilitatea ridicată ca o mamă afroamericană fumătoare să dea naştere unui copil suferind de sindromul Down, menţionată anterior la pct. 6 reprezintă populaţia mamelor afro-americane care fumează mai mult de 10 ţigări zilnic. Efectul general al fumatului în populaţia mamelor afro-americane este descris de un risc cu valoarea situată între 1,1 şi 3,1 (Petrişor, 2000). Tabelul 1. Teste parametrice şi echivalentele lor neparametrice Utilizare Test parametric Test neparametric echivalent Testarea corelaţiei vs. independenţă Coeficientul de corelaţie lineară al lui Pearson Coeficientul de corelaţie a rangurilor al lui Spearman Testarea asocierii vs. Coeficientul de Coeficientul lui Kendall independenţă contingenţă al lui Ciuprov Compararea a două eşantioane Testul t (Student) Testul semnului, testul Mann- Whitney-Wilcoxon, testul lui Fisher, testul Kolmogorov-Smirnov Compararea a mai mult de două Analiza unifactorială a Testul Kruskall-Wallis eşantioane (design unifactorial) varianţei (ANOVA) Compararea a mai mult de două eşantioane (design bifactorial) Analiza bifactorială a varianţei (ANOVA) Testul lui Friedmann 11. Randomizarea are un rol crucial în asigurarea acurateţei rezulta-telor. Randomizarea reală se obţine folosind tabele de numere aleatoare, ce provin din procese pur aleatoare, ca dezintegrarea radioactivă. Numerele pseudo-aleatoare, generate de calcula-tor sunt următoarea opţiune. Cea mai nefericită soluţie este generarea de numere aleatoare de către cercetător, mintea umană neputând genera numere pur aleatoare (Dragomirescu, 1998). 12. Analizele multivariate examinează simultan asocierea dintre un rezultat (boală) şi mai mulţi factori de risc. În acest caz apar câteva probleme, unele (confundarea şi modificarea efectului),deja discutate, celelalte, prezentate în continuare. Principiul GÎGA (GÎGA: Gunoi Înăuntru Gunoi Afară) se referă la includerea a cât mai multe variabile cu putinţă în model. Chiar dacă fiecare dintre acestea explică o parte din fluctuaţiile rezultatului, prezenţa unora nu este necesară şi poate afecta precizia. Subdimensio-narea (prea puţine variabile) afectează acurateţea, iar supradimensionarea, precizia (Hussey, 1998). Valorile aberante sunt valori anormale ale unui factor, incompatibile cu restul datelor, şi influenţează deopotrivă acurateţea şi precizia (Hussey, 1998). Cu toate acestea, zelul eliminării valorilor aberante trebuie fundamentat statistic. Am asistat la prezentarea rezultatelor aproape perfecte ale unui studiu, ce susţineau ipotezele. Autorul a menţionat eliminarea valorilor aberante, adică a tuturor datelor care nu susţineau ipotezele. Colinearitatea descrie situaţia în care un factor este o combinaţie (lineară) a altora, determinând reducerea preciziei (Hussey, 1998). Aceste probleme influenţează cele mai importante caracteristici ale studiilor epidemiologice, reproductibi-litatea şi validitatea. În consecinţă, orice aspect ar putea afecta rezultatele trebuie controlat, şi, dacă nu se poate, cel puţin raportat în descriere. 107

8 Comunicarea rezultatelor Există câteva aspecte statistice ale comunicării rezultatelor. În primul rând, în testarea ipotezelor cercetătorul este interesat să respingă ipoteza nulă în favoarea alternativei, dar există un risc de a respinge ipoteza nulă atunci când aceasta este de fapt adevărată, notat α. În consecinţă, alternativa nu este niciodată acceptată în totalitate, existând un risc ca aceasta să fie falsă (din nou, α). De aceea cuvintele utilizate în comunicarea rezultatelor nu pot exprima certitudinea absolută, fiind folosite verbe cum ar fi sugerează, pot, ar putea, este posibil etc. Dacă testul statistic nu respinge ipoteza nulă, aceasta nu este acceptată din mai multe motive. În primul rând, întrucât cercetătorul a asigurat condiţii adecvate verificării ipotezei ştiinţifice (corespunzătoare ipotezei alternative); În al doilea rând deoarece atunci când ipoteza nulă este testată contra alternativei şi respinsă, explicaţia este oferită de ipoteza alternativă, dar dacă nu este respinsă, aceasta se poate întâmpla nu numai pentru că fenomenul respectiv nu are loc (motiv indicat de ipoteza nulă), ci şi pentru că testul statistic nu este suficient de puternic, cel mai probabil datorită volumului mic al eşantionului (sau designului eronat, posibilitate exclusă din discuţie). De aceea cele mai multe studii raportează nerespingerea ipotezei nule prin formula date insuficiente pentru a susţine alternativa. De asemenea, cercetătorii indică valoarea calculată a testului statistic utilizat (indiferent dacă o compară cu valoarea corespunzătoare ipotezei nule sau calculează probabilitatea reală de a respinge ipoteza nulă) şi valoarea p (probabilitatea de a obţine valoarea calculată a testului statistic sau o valoare şi mai îndepărtată în direcţia indicată de ipoteza alternativă în condiţiile în care ipoteza nulă este adevărată, altfel spus, probabilitatea reală de respingere a ipotezei nule). Dacă scopul este acela de a estima o valoare, cercetătorii indică valoarea estimată şi abaterea standard a acesteia, sau intervalul de încredere. Formularea corectă este intervalul... acoperă valoarea estimată a parame-trului şi nu parametrul... aparţine intervalului..., deoarece parametrul este fix, în timp ce intervalul de încredere se modifică la repetarea experimentului (Dragomirescu, 1998). Dacă nu se calculează valori p, cercetătorii trebuie să specifice nivelul de semnificaţie utilizat, adică valoarea α. În cazul estimării trebuie să indice nivelul de încredere, 1 α. Valorile p se raportează conform scalei Michelin, prezentată în tabelul 2. Tabelul 2. Scala Michelin a valorilor p Valoare Formulare 0,01<p 0,05 diferenţă semnificativă (*) 0,001<p 0,01 diferenţă înalt semnificativă (**) p 0,001 diferenţă foarte înalt semnificativă (***) p 0,05 diferenţă nesemnificativă 0,1>p 0,05 semnificaţie marginală: date suplimentare pot creşte semnificaţia peste pragul de 0,05 Atunci când discută rezultatele, autorii trebuie să le compare cu cele ale altor studii, indiferent dacă acestea ajung sau nu la aceeaşi concluzie. Din păcate, adesea cercetătorii menţionează doar studii care le susţin teoria, omiţându-le pe cele cu rezultate opuse. În prezentarea rezultatelor nu trebuie dezvăluită identitatea subiec-ţilor şi nu trebuie să se ofere informaţii care ar 108

9 putea permite identificarea acestora (Petrişor şi Close, 2002). Aceasta se face agregând rezultatele în loc de a prezenta cazuri individuale. Concluzii Chiar dacă respectarea principiilor subliniate în această lucrare nu va îmbunătăţi neapărat şansele de publi-care a rezultatelor (în unele cazuri având efect contrar), va asigura corec-titudinea statistică şi conformitatea cu etica statistică, iar dacă mai mulţi cercetători vor face această alegere, se poate spera că în viitor respectarea acestor principii va deveni o condiţie a publicării rezultatelor în orice revistă de specialitate respectabilă. Bibliografie [1]. Addy C., BIOS 759: Biostatistical Methods for Rates and Proportions (Course notes), School of Public Health, University of South Carolina, Columbia, SC, 1999; [2]. Coker A.L., Sanderson M., EPID 741: Epidemiologic Methods (Course materials), School of Public Health, University of South Carolina, Columbia, SC, 1999; [3]. Dragomirescu L., Biostatistică pentru începători, Ediţia I, Editura Constelaţii, Bucureşti, 1998; [4]. Dragomirescu L., Drane J.W., Biostatistică pentru începători, Vol. I. Biostatistică descriptivă, Ediţia a IV-a revăzută şi adăugită, Editura Credis, Bucureşti, 2007; [5]. Drane J.W., Petrişor A.I., Dragomirescu L., Imputing Nonresponses to Mail-back Questionnaires: All Questions Have Polychotomous Responses, Proceedings of the 1st MEDINF International Conference on Medical Informatics & Engineering, vol. 5, sup. 3, pp , 2003; [6]. Gordis L., Epidemiology, W. B. Saunders Company, Philadelphia, PA, 1996; [7]. Greenland S., Evolution of Epidemiologic Ideas. Annotated Readings on Concepts and Methods, Epidemiology Resources Inc., Newton Lower Falls, MA, 1987; [8]. Hollander M., Wolfe D.A., Nonparametric Statistical Methods, 1st Edition, John Wiley and Sons, New York, 1973; [9]. Hussey J.R., BIOS 757: Intermediate Biometrics (Course notes/spring 1998), School of Public Health, University of South Carolina, Columbia, SC, 1998; [10]. Lawrence P.A., The Mismeasurement of Science, Current Biology, vol. 17, no. 15, pp. r583-r585, 2007; [11]. Lilienfeld A.M., Lilienfeld D.E., Foundations of Epidemiology. Second Edition, Oxford University Press, New York, NY, 1980; [12]. Mausner J.S., Kramer S., Mausner & Bahn Epidemiology An Introductory Text, W. B. Saunders Company, Philadelphia, PA, 1985; [13]. McKeown R., EPID 701: Concepts and Methods of Epidemiology (Course notes/fall 1998), School of Public Health, University of South Carolina, Columbia, SC, 1998; [14]. Nedelcu I.N., Efecte ale poluării aeriene asupra sănătăţii locuitorilor municipiului Bucureşti. Evidenţe depistate în cadrul proiectului LIFE AirAware, AIR-AWARE Final Conference Clean Air for a Healthy Urban Life, JW Marriott Bucharest Grand Hotel, Bucharest, October 31, 2008; [15]. Petrişor A.I., Maternal Smoking and Down Syndrome by Maternal Race, Bulletin of the South Carolina Academy of Science, vol. 62, pp. 77, 2000; [16]. Petrişor A.I., Close J.M., Electronic Health Care Records in Europe: Confidentiality Issues from an American Perspective, Studies in Health Technology and Informatics, vol. 87, pp , 2002; [17]. Slome C., Brogan D., Eyres S., Lednar W., Basic Epidemiological Methods and Biostatistics: A Workbook, Wadsworth Health Sciences Division, Monterey, CA,