Korreláció és ok-okozat: miért nem következik az egyikből a másik, és mi kellene hozzá

„A rendszeres kávéfogyasztók tovább élnek”, „A naponta csokoládét evő nők gyermekei boldogabbak”, „Azok a fiatalok, akik sokat böngészik a közösségi médiát, hajlamosabbak a szorongásra.” A médiában nap mint nap szembesülünk olyan szalagcímekkel, amelyek határozott ok-okozati összefüggést sugallnak két tényező között. A hírek mögött álló eredeti tanulmányokat alaposabban megvizsgálva azonban szinte mindig kiderül: a kutatók csupán statisztikai együttmozgást, vagyis korrelációt mutattak ki.

A korreláció és az ok-okozati viszony (kauzalitás) összekeverése a tudományos ismeretterjesztés egyik legelterjedtebb és legmaradandóbb hibája. Ahhoz, hogy helyesen értékelhessük a táplálkozással, életmóddal vagy pszichológiával kapcsolatos híreket, fel kell tudnunk ismerni, miért nem bizonyít önmagában semmit a két változó együttes elmozdulása, és milyen szigorú módszertani feltételek szükségesek a valódi okság igazolásához.

A megfigyeléses vizsgálatok természete

A népszerű hírekben szereplő kutatások jelentős része úgynevezett megfigyeléses (obszervációs) vizsgálat. Ezekben a vizsgálatokban a kutatók nem avatkoznak be a résztvevők életébe. Csupán kérdőívekkel, mérésekkel vagy egészségügyi adatbázisok segítségével rögzítik bizonyos csoportok szokásait és egészségi állapotát hosszabb időn keresztül.

Tételezzük fel, hogy egy százezer fős adatbázist elemző kutatás során azt tapasztalják, hogy a kávét fogyasztó emberek körében alacsonyabb a szív- és érrendszeri megbetegedések aránya. Ez egy valós korreláció. Ebből az adatból azonban önmagában nem következik az, hogy a kávéban található vegyületek óvják meg az ereket.

Három jelentős módszertani akadály áll az ok-okozati következtetések levonása előtt:

1. Zavaró változók (Confounders)

A zavaró tényező olyan harmadik, rejtett változó, amely mindkét megfigyelt tényezővel összefügg. A kávéfogyasztás példájánál maradva: előfordulhat, hogy a kávét rendszeresen ivó emberek magasabb jövedelemmel rendelkeznek, egészségesebb lakókörnyezetben élnek, jobb minőségű egészségügyi ellátáshoz férnek hozzá, vagy kevesebb fizikai munkát végeznek. Ezek az életmódbeli és társadalmi tényezők mind hozzájárulhatnak a hosszabb élettartamhoz. Ha a kutatók nem tudják tökéletesen kiszűrni (statisztikailag korrigálni) ezeket a hatásokat, akkor a védőhatást tévesen a kávénak tulajdonítják.

A klasszikus epidemiológiai példák között szerepel az a korábbi megfigyelés is, amely erős korrelációt mutatott a fagylalteladás és a vízbefulladások száma között. Nyilvánvaló, hogy nem a fagylaltevés okozza a vízbefulladást: a közös zavaró változó a nyári hőség és a meleg időjárás.

2. Fordított okság (Reverse Causality)

Előfordulhat, hogy a feltételezett ok és okozat iránya pontosan ellentétes azzal, amit a hír sugall. Ha egy felmérés kimutatja, hogy az alacsony aktivitású, keveset mozgó embereknél gyakrabban alakul ki depresszió, felmerül a kérdés: a mozgáshiány vezetett a depresszióhoz, vagy a kezdődő depresszió okozta a motiváció és a fizikai aktivitás csökkenését? Egy keresztmetszeti kérdőíves vizsgálatból ez az időbeli sorrend nem állapítható meg.

Ugyancsak visszatérő példa a mesterséges édesítőszerek és a túlsúly kapcsolata. Ha a felmérések szerint a diétás üdítőket fogyasztók között több a túlsúlyos ember, az nem azt jelenti, hogy az édesítőszer hizlal, hanem azt, hogy a túlsúlyos emberek nagyobb valószínűséggel választanak diétás termékeket.

3. Kiválasztási torzítás (Selection Bias) és Ökológiai tévedés

Azok a személyek, akik önként jelentkeznek egy bizonyos életmódbeli kísérletre vagy kitöltenek egy részletes egészségügyi kérdőívet, rendkívül eltérő tulajdonságokkal bírnak az átlagnépességhez képest. Általában iskolázottabbak, egészségtudatosabbak és jobban odafigyelnek a táplálkozásukra. Ez a torzítás gyakran hamis összefüggéseket eredményez az adatokban.

Ezen kívül létezik az úgynevezett ökológiai tévedés (Ecological Fallacy), amikor országos szintű aggregált adatokból vonnak le egyéni következtetéseket. Ha azokban az országokban, ahol magas az egy főre jutó csokoládéfogyasztás, több a Nobel-díjasok száma, ebből nem következik az, hogy ha egy egyén csokoládét eszik, attól okosabb lesz. Az országok gazdasági fejlettsége mindkét mutatót függetlenül emeli.

A bizonyítékok arany standardja: az RCT

Az ok-okozati viszony bizonyításának leghatékonyabb eszköze a randomizált, kontrollált vizsgálat (Randomized Controlled Trial, RCT). Ennek során a résztvevőket véletlenszerűen (random módon) osztják két vagy több csoportra:

• Az intervenciós csoport megkapja a vizsgált hatóanyagot vagy kezelést.
• A kontrollcsoport placebót vagy standard ellátást kap.

Mivel a résztvevők eloszlása a csoportok között véletlenszerű, a zavaró változók (mint a kor, a jövedelem vagy a genetikai hajlam) egyenletesen oszlanak meg a két kar között. Ha a vizsgálat végén a két csoport között statisztikailag szignifikáns eltérés mutatkozik, az nagy biztonsággal a vizsgálati beavatkozásnak tulajdonítható.

Sok esetben azonban – például a dohányzás, a légszennyezés vagy az évtizedes táplálkozási szokások vizsgálatakor – etikai vagy gyakorlati okokból lehetetlen RCT-t végezni. Nem kényszeríthetünk embereket arra, hogy húsz éven át dohányozzanak a tudomány kedvéért. Ilyenkor a kutatóknak a megfigyeléses adatokra kell támaszkodniuk.

A Bradford Hill-kritériumok: mikor valószínű az okság?

Amikor nem áll rendelkezésre RCT, az epidemiológusok a Sir Austin Bradford Hill által 1965-ben megfogalmazott szempontrendszert hívják segítségül. A Bradford Hill-kritériumok abban segítenek, hogy felbecsüljük, mikor utal egy megfigyelt korreláció valódi oksági kapcsolatra:

1. Az összefüggés ereje (Strength): A kifejezetten erős korrelációk (mint a daganatos megbetegedések és a súlyos láncdohányzás kapcsolata) sokkal valószínűbb, hogy oksági jellegűek, mint a minimális elmozdulások.
2. Konzisztencia (Consistency): Az eredmény más kutatócsoportok által, eltérő népességcsoportokban és különböző időpontokban is reprodukálható-e.
3. Temporalitás (Temporality): A feltételezett ok minden kétséget kizáróan megelőzi-e az okozat kialakulását? (Ez az egyetlen elengedhetetlen feltétel).
4. Biológiai dózis-válasz kapcsolat (Biological Gradient): A vizsgált tényező dózisának növelésével arányosan növekszik-e a hatás mértéke?
5. Biológiai plauzibilitás (Plausibility): Létezik-e ismert, ésszerű biológiai vagy fizikai mechanizmus, amely magyarázza az összefüggést?
6. Kísérleti igazolás (Experiment): Állati vagy laboratóriumi modellekben sikerült-e kiváltani a jelenséget a tényező módosításával?

Hogyan olvassuk a híreket ezen tudás birtokában?

Amikor legközelebb olyan cikket olvasunk, amely azt ígéri, hogy egyetlen élelmiszer, szokás vagy tényező megszünteti a megbetegedések kockázatát, tegyük fel a következő három egyszerű kérdést:

1. Megfigyeléses vizsgálatról vagy beavatkozásos kísérletről van szó?
2. Sikerült-e a kutatóknak az összes releváns életmódbeli zavaró változót kontrollálniuk?
3. Vannak-e független RCT-k vagy biológiai bizonyítékok, amelyek alátámasztják az állítást?

Ha a hír csupán egyetlen kérdőíves felmérés korrelációs adataira épít, kezeljük a szalagcímet a helyén: izgalmas hipotézisként, de semmiképpen sem megalapozott oksági tényként.