Situacija oko tzv. pandemije doslovno je podijelila ljude u dva tabora te ostavila velik broj ljudi neodlučnima. Tome su djelomično pridonijeli i središnji mediji koji su tajili određene relevantne informacije. Ipak, možda najveću ulogu u nedostatnom pa i krivom informiranju igraju znanstvene publikacije.
Odlučio sam stoga čitateljima približiti publikaciju J.P.A. Ioannidesa koji se osvrće znanstveno i argumentirano na kvalitetu znanstvenih publikacija, poglavito u medicini (https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.0020124 ) a koji nam je poslao tu svoju publikaciju nakon što smo reagirali na članak u Lancet Respiratory Medicine (https://www.thelancet.com/journals/lanres/article/PIIS2213-2600(24)00179-6/puni tekst) o kojem je izvijestila i Epoha. Kako se radi o jednom od najcitiranijih znanstvenika na svijetu, njegove su opservacije i pristupi znanosti izuzetno cijenjeni pa vam ih ovom prilikom želim približiti. To je posebno važno u današnje vrijeme kad smo izloženi nizu egzogenih potencijalno štetnih događanja i „znanstvenih“ istraživanja čiji rezultati i zaključci ljude zbunjuju. Rad profesora Ioannidesa namijenjen je prije svega mladim znanstvenicima kao važan putokaz za budućnost. Imam, naime, dojam da se u današnje vrijeme nekako poremetio taj odnos mentor-mladi znanstveni početnik te da smo mi (stariji) ipak donekle bili privilegirani jer su nam mentori posvećivali više pažnje i pravilno nas usmjeravali. Naši mentori se nisu pozivali na gubitak vremena s nama već su s nama nesebično provodili vrijeme koje je svima nama bilo itekako korisno za budućnost.
Vrlo je zanimljiva opservacija profesora J.P.A. Ioannidisa sa Sveučilišta Stanford u SAD o lažnim publikacijama. Cilj njegova rada, kako i sam kaže, je poboljšati istraživačke metode i prakse te poboljšati pristupe integriranju informacija i stvaranju pouzdanih dokaza. Znanost je najbolja stvar koja se može dogoditi ljudima, ali istraživanje je poput noćnog plivanja u oceanu. Znanost cvjeta u tami. Ioannidis spada među 6 znanstvenika u svijetu koji se trenutno najčešće citiraju. Kaže „U usporedbi s mojim golemim neznanjem, ove vrijednosti nude odličan dokaz da metrika citata može biti užasno nepouzdan. Nemam osobne račune na društvenim mrežama - divim se ljudima koji u njima mogu izliti svoju mudrost bez grešaka, ali ja radim puno grešaka, moram više puta pregledati svoje tekstove prije objavljivanja i ne vidim razloga da češće pravim budalu od sebe nego što je nažalost neizbježno. Smatram se privilegiranim što sam učio i nastavljam učiti iz interakcija sa studentima i mladim znanstvenicima (svih dobi) iz cijelog svijeta i volim da me se stalno podsjeća da ne znam gotovo ništa.“
Većina trenutno objavljenih rezultata istraživanja je lažna. Vjerojatnost da je istraživačka tvrdnja istinita ovisi o snazi studije i pristranosti, broju drugih studija o istom pitanju i, što je još važnije, omjeru istinitih i neistinitih odnosa među odnosima ispitanim u svakom znanstvenom polju. Manja je vjerojatnost da će nalaz istraživanja biti istinit ako je intenzitet učinka manji, ako postoji veći financijski i drugi interes i predrasuda te kada je više timova uključeno u znanstveno područje u potrazi za statističkom značajnošću. Simulacije pokazuju da je za većinu dizajna studija i postavki vjerojatnije da će istraživačka tvrdnja biti lažna nego istinita. Štoviše, za mnoga trenutna znanstvena polja, rezultati istraživanja često mogu biti jednostavno posljedica prevladavajuće pristranosti. (Ioannidis JPA (2005) Why Most Published Research Findings Are False. PLoS Med 2(8): e124. https://doi.org/10.1371/journal.pmed.0020124) (Why Most Published Research Findings Are False | PLOS Medicine)
Općenito, nalazi iz nedovoljnih kliničkih istraživanja u ranoj fazi bili bi istiniti otprilike jedan od četiri puta ili čak rjeđe ako je prisutna pristranost. Naročito loše rezultate imaju epidemiološke studije eksplorativne prirode, posebno kada su nedovoljno snažne, ali čak i dobro osnažene epidemiološke studije mogu imati samo jedan prema pet šanse da budu istinite.
Je li neizbježno da je većina istraživanja lažna ili možemo popraviti situaciju? Veliki problem je to što je nemoguće znati sa 100% sigurnošću što je istina u bilo kojem istraživačkom pitanju. U tom smislu, čisti “zlatni” standard je nedostižan. Međutim, postoji nekoliko pristupa za poboljšanje vjerojatnosti nakon studija. Moćniji dokazi, npr. velike studije ili meta-analize niske pristranosti, mogu pomoći jer se približavaju nepoznatom "zlatnom" standardu. Međutim, velike studije još uvijek mogu imati pristranosti i to treba prepoznati, priznati i izbjegavati. Štoviše, nemoguće je pribaviti dokaze velikih razmjera za sve milijune i trilijune istraživačkih pitanja postavljenih u aktualnim istraživanjima. Dokazi velikih razmjera trebali bi se usmjeriti na istraživačka pitanja gdje je vjerojatnost prije studije već znatno visoka, tako da će značajan nalaz istraživanja dovesti do vjerojatnosti nakon testiranja koja bi se smatrala sasvim konačnom. Dokazi velikih razmjera također su posebno indicirani kada mogu testirati glavne koncepte, a ne uska, specifična pitanja. Negativan nalaz tada može pobiti ne samo određenu predloženu tvrdnju, već cijelo područje ili njegov značajan dio. Odabir izvedbe opsežnih studija na temelju uskogrudnih kriterija, kao što je marketinška promocija određenog lijeka, uglavnom je uzaludno istraživanje. Štoviše, treba biti oprezan jer postoji veća vjerojatnost da će ekstremno velike studije pronaći formalno statistički značajnu razliku za trivijalni učinak koji se stvarno značajno ne razlikuje od nule.
Drugo, većinom istraživačkih pitanja bave se mnogi timovi i pogrešno je naglašavati statistički značajne nalaze bilo kojeg pojedinačnog tima. Bitna je cjelokupnost dokaza. Smanjenje pristranosti kroz poboljšane standarde istraživanja i smanjenje predrasuda također može pomoći. Neka vrsta registracije ili umrežavanja zbirki podataka ili istraživača unutar polja može biti izvedivija od registracije svakog pojedinog eksperimenta za generiranje hipoteza. Bez obzira na to, čak i ako ne vidimo velik napredak u registraciji studija u drugim područjima, načela razvoja i pridržavanja protokola mogla bi se šire posuditi iz randomiziranih kontroliranih ispitivanja.
Kad god je to etički prihvatljivo, treba provesti velike studije s minimalnom pristranošću na nalazima istraživanja koji se smatraju relativno utvrđenima, kako bi se vidjelo koliko su često doista potvrđeni. Vrlo je vjerojatno da će nekoliko etabliranih "klasika" pasti na testu.
Većina novih otkrića i dalje će proizlaziti iz istraživanja koja generiraju hipoteze s niskim ili vrlo niskim izgledima prije studije. Trebali bismo priznati da testiranje statističke značajnosti u izvješću jedne studije daje samo djelomičnu sliku, bez znanja o tome koliko je testiranja provedeno izvan izvješća i u relevantnom području općenito. Obično je nemoguće dešifrirati koliko je podataka iscrpljeno od strane autora izvješća ili drugih istraživačkih timova prije objavljenog nalaza istraživanja. Čak i kad bi to utvrđivanje bilo izvedivo, to nas ne bi informiralo o izgledima prije studije. Stoga je neizbježno napraviti približne pretpostavke o tome koliko se odnosa očekuje da budu istiniti među onima koji su ispitani u relevantnim istraživačkim poljima i istraživačkim dizajnima. Šire polje može dati neke smjernice za procjenu ove vjerojatnosti za izolirani istraživački projekt. Iskustva iz pristranosti otkrivenih u drugim susjednim poljima također bi bila korisna kao oslonac. Iako bi ove pretpostavke bile prilično subjektivne, bile bi vrlo korisne u tumačenju istraživačkih tvrdnji i njihovom stavljanju u kontekst.
Što reći na kraju? Pozivanje na znanost može biti još jedna od postojećih i etabliranih zabluda. Misli izložene u ovom tekstu ne dolaze od bilo koga. To su stavovi jednog od najrelevantnijih znanstvenika današnjice. To jednostavno znači da trebamo sa određenom skepsom prihvatiti sve dokaze i „dokaze“ koje znanost nudi, poglavito u ovako osjetljivim slučajevima koji se odnose na zdravlje.
https://epoha.com.hr/2025/02/17/dr-kresimir-pavelic-lazne-publikacije/
