The ecological fallacy strikes back | Journal of Epidemiology & Community Health

Kun aloitin epidemiologian opinnot, ekologisista tutkimuksista puhuttiin lyhyesti edullisena mutta epäluotettavana menetelmänä yksilötason sairauksien riskitekijöiden tutkimiseen. Sen sijaan, että esimerkiksi rasvan saantia ja rintasyöpää koskevan kohorttitutkimuksen tai tapaus-verrokkitutkimuksen laatimiseen käytettäisiin aikaa ja kustannuksia, voitaisiin yksinkertaisesti käyttää kansallisia ruokavalio- ja syöpäsairauksien ilmaantuvuustietoja ja osoittaa minimaalisella ajalla ja vähäisin kustannuksin, että rasvan saannin ja rintasyövän välillä on kansainvälisesti vahva korrelaatio. Tätä lähestymistapaa pidettiin aivan oikeutetusti riittämättömänä ja epäluotettavana, koska tällaisissa tutkimuksissa voi esiintyä monia muita vääristymiä verrattuna väestöön kuuluvia yksilöitä koskeviin tutkimuksiin. Erityisesti ”ekologinen harhaluulo” voi ilmetä siten, että tekijät, jotka ovat yhteydessä kansalliseen sairastuvuuteen, eivät välttämättä ole yhteydessä yksilöiden sairastuvuuteen.1 Esimerkiksi melkein mikä tahansa sairaus, joka liittyy vaurauteen ja länsimaistumiseen, on aiemmin yhdistetty kansallisella tasolla televisiovastaanottimien myyntiin, ja nykyään se on luultavasti yhdistetty kansallisella tasolla internetin käyttöasteeseen.

Ekologiset tutkimukset eivät siis olleet hyvä asia, ja ne olivat jäänne epidemiologian ”esimodernista” vaiheesta, ennen kuin epidemiologian metodologinen paradigma, joka perustui teoriaan yksittäisten ihmisten satunnaistetuista, kontrolloiduista tutkimuksista, vakiintui. Tämä paradigma, joka on erittäin tehokas, kun sitä käytetään asianmukaisesti, johti yhä kehittyneempiin tutkimussuunnittelu- ja tietojen analysointimenetelmiin. Erityisesti biostatistisia menetelmiä, jotka kehitettiin satunnaistettuja tutkimuksia varten, joihin sisältyi yksittäisen yksilön altistuminen, käytettiin muotoilemaan uudelleen ja tiukentamaan aiemmin ad hoc -tyyppisiä epidemiologisia tutkimussuunnittelu- ja data-analyysimenetelmiä.23 Näin ollen epidemiologian kursseilla on yhä useammin rajoituttu käsittelemään kohortti- ja tapaus-verrokkitutkimuksia ja data-analyysimenetelmiä, jotka sopivat kliinisten tutkimusten paradigmaan, johon ne perustuvat. Tieteenfilosofiasta keskustellaan yleensä vain vähän tai ei lainkaan (lukuun ottamatta joitakin hyvin yksinkertaistettuja popperilaisia versioita) tai siitä, miten teorioita ja hypoteeseja kehitetään. Epidemiologian opiskelijat valmistuvat sitten ja lähtevät ”reaalimaailmaan” testaamaan hypoteeseja, joita voidaan tutkia näillä menetelmillä ja joille voidaan saada rahoitusta.

Nyt väestötason tutkimukset ovat jälleen ajankohtaisia kahdesta tärkeästä syystä.

Ensiksikin yhä useammin tunnustetaan, että väestötason tutkimukset ovat keskeisessä asemassa määriteltäessä tärkeimpiä kansanterveydellisiä ongelmia, joihin on puututtava, ja laadittaessa hypoteeseja niiden mahdollisista syistä. Monet tärkeät yksilötason tautiriskitekijät eivät yksinkertaisesti vaihtele riittävästi populaatioiden sisällä, jotta niiden vaikutuksia voitaisiin tunnistaa tai tutkia.4 Vielä tärkeämpää on, että tällaiset tutkimukset ovat keskeinen osa teorian ja hypoteesien luomisen ja testaamisen jatkuvaa sykliä.5 Epidemiologit ovat historiallisesti pystyneet tuottamaan lisäarvoa ennen kaikkea keskittymällä populaatiokohtaisesti, vaikkakin moni nykyaikainen epidemiologi on unohtanut tämän opetuksen. Esimerkiksi monet syöpäsairauksien syitä koskevista viimeaikaisista löydöksistä (mm. ravintotekijät ja paksusuolisyöpä, hepatiitti B ja maksasyöpä, aflatoksiinit ja maksasyöpä, ihmisen papilloomavirus ja kohdunkaulan syöpä) ovat suoraan tai epäsuorasti peräisin 1950- ja 1960-luvuilla tehdyistä syövän ilmaantuvuuden systemaattisista kansainvälisistä vertailuista.6 Näissä esitettiin hypoteeseja, jotka koskivat kansainvälisten mallien mahdollisia syitä ja joita tutkittiin perusteellisemmin jatkotutkimuksissa. Joissakin tapauksissa nämä hypoteesit olivat johdonmukaisia silloisen biologisen tietämyksen kanssa, mutta toisissa tapauksissa ne olivat uusia ja silmiinpistäviä, eikä niitä olisi ehkä ehdotettu tai tutkittu tarkemmin, jos väestötason analyysejä ei olisi tehty. Viime aikoina on käytetty valtavasti varoja astman ”tunnettujen” syiden (esimerkiksi ilmansaasteiden ja allergeeneille altistumisen) tutkimiseen vauraissa maissa, ja vasta nyt standardoidut tutkimukset paljastavat astman esiintyvyydessä suuria kansainvälisiä eroja, jotka eivät selity näillä ”vakiintuneilla” riskitekijöillä, kuten ilmansaasteilla7 , vaan jotka sopivat paremmin yhteen niiden viimeaikaisten teorioiden kanssa, jotka koskevat joidenkin imeväisikäisten infektioiden suojaavaa roolia astman etiologiassa8 .

Toinen syy ekologisten tutkimusten suosioon on se, että yhä useammin tunnustetaan, että jotkin sairauden riskitekijät todella vaikuttavat väestötasolla.9-11. Joissakin tapauksissa ne voivat suoraan aiheuttaa sairauksia, mutta ehkä yleisemmin ne voivat aiheuttaa sairauksia yksilötason riskitekijöille altistumisen vaikutusten muokkaajina tai määräävinä tekijöinä.12 Esimerkiksi köyhyys rikkaassa maassa tai rikkaalla asuinalueella voi olla huonompi asia kuin saman tulotason omaaminen köyhässä maassa tai köyhällä asuinalueella sosiaalisen syrjäytymisen ongelmien sekä palveluiden ja resurssien saatavuuden puutteen vuoksi.13 Tämä voi toimia suhteellisen suorien mekanismien kautta, mutta siihen voi liittyä myös yksilön elintapoihin liittyviä näkökohtia, jotka määräytyvät osittain sosiaalisen kontekstin mukaan. Esimerkiksi päätös jatkaa tilapäisen helpotuksen ja mielihyvän saamista tupakanpolton avulla voi olla varsin rationaalinen sellaiselle henkilölle, joka selviytyy viikosta toiseen vaikeissa olosuhteissa.

Väestökontekstin merkityksen huomiotta jättämistä vaikutusten muokkaajana ja yksilötason altistumisen määrittäjänä voidaan kutsua ”individualistiseksi harhaluuloksi ”14 , jossa tärkeimpiä terveyteen vaikuttavia väestötason tekijöitä ei oteta huomioon, vaan keskitytään kohtuuttomasti yksittäisiin ominaisuuksiin. Tässä tilanteessa näiden yksilöllisten ominaisuuksien ja terveyden väliset yhteydet voidaan arvioida pätevästi, mutta niiden merkitys suhteessa muihin mahdollisiin interventioihin ja tällaisten interventioiden kontekstin merkitys voidaan jättää huomiotta. Esimerkiksi useimmissa maailman maissa missä tahansa yksilötason tutkimuksessa yksilöidään tietyt yksilölliset ominaisuudet (geneettiset tekijät mukaan luettuina), jotka näyttävät olevan tärkeimpiä terveyteen vaikuttavia tekijöitä. Itä-Euroopan viimeaikaiset tapahtumat ovat kuitenkin osoittaneet, että nämä yksilölliset ominaisuudet toimivat voimakkaassa väestökontekstissa, joka saattaa olla paljon voimakkaampi sairauksien määrittäjä väestötasolla15. Tämän asiayhteyden huomiotta jättäminen ja pyrkimys tutkia homogeenisia väestöjä voi johtaa virheelliseen johtopäätökseen, jonka mukaan yksilölliset ominaisuudet ovat tärkeimmät sairauden taustatekijät ja tärkeimpiä toimenpiteiden kannalta, aivan kuten homogeenisten elintapojen väestöjen tutkiminen voi johtaa virheelliseen johtopäätökseen, jonka mukaan muut tekijät ovat tärkeimmät sairauden taustatekijät.4

Nämä näkökohdat ovat johtaneet siihen, että väestötason tutkimukset ovat heränneet uudelleen henkiin viime vuosina ja kiinnostus monitasoisen analyysin tilastollisiin metodologisiin menetelmiin on lisääntynyt. Näillä menetelmillä on huomattavia etuja, sillä ne mahdollistavat väestötason (ekologisten) vaikutusten arvioinnin ja ottavat samalla huomioon myös yksilötason vaikutukset16 , jolloin vältetään sekä ekologinen että individualistinen harhaluulo. Vaikka tällaisten tutkimusten tilastollisesta analyysistä on keskusteltu paljon, on kuitenkin keskusteltu suhteellisen vähän muista metodologisista kysymyksistä, jotka liittyvät aitojen ekologisten vaikutusten tutkimiseen. Blakelyn ja Woodwardin artikkeli tämän lehden tässä numerossa on siksi hyvin ajankohtainen ja arvokas panos. He toteavat erityisesti olevansa huolissaan siitä, että ”monitasoisten tilastollisten menetelmien soveltaminen on saattanut edetä ennen teoreettista kehystä, jonka avulla voidaan tehdä mielekkäitä ja vankkoja analyysejä”, ja että ”kun tutkijat pääsevät yli siitä alkuhurmoksesta, jota he ovat saaneet soveltamalla monitasoisten tilastollisten menetelmien ”taikuutta” aineistoon, he keskittyvät yhä enemmän ja tarpeellisemmin teoriaan, tutkimussuunnitteluun ja virhelähteisiin”. Aivan kuten Mantel-Haenszel-menetelmän tai tavanomaisen logistisen regression käytön oppiminen on vain pieni osa epidemiologin oppimista, monitasoisen logistisen regression oppiminen on vain pieni osa monitasoisen epidemiologin oppimista. Molemmissa tapauksissa biostatistiset menetelmät ovat vain yksi osa epidemiologista työkalupakkia, joka sisältää asianmukaisen tutkimussuunnittelun menetelmät, mukaan lukien mahdollisten vääristymien välttäminen, minimointi tai arviointi. Vielä tärkeämpää on, että molemmissa tapauksissa asianmukaisten tutkimussuunnittelu- ja data-analyysimenetelmien tuntemus ei korvaa tietämystä siitä, miten valita sopivin hypoteesi tutkittavaksi.

Miten epidemiologit voivat siis oppia ajattelemaan monitasoisesti? Miten he voivat varmistaa, että tutkittavaksi kehitetään parhaat hypoteesit ja että niiden testaamiseen käytetään sitten ”sopivaa tekniikkaa” (joko yksilö- tai väestötasolla)? Miten epidemiologian opiskelijat voivat oppia tällaisia menetelmiä siten, että he voivat käyttää niitä tarkoituksenmukaisesti sen sijaan, että he antaisivat opittujen menetelmien määritellä ja rajoittaa kysymyksiä, joita he myöhemmin esittävät? Kliinisestä opetuksesta ja käytännöstä on kaksi periaatetta, jotka voivat olla erityisen tärkeitä tässä suhteessa.

Ensiksikin kliinisen lääketieteen opettamisessa on omaksuttu yhä useammin ongelmalähtöinen lähestymistapa lääketieteellisissä tiedekunnissa eri puolilla maailmaa. Tämän lähestymistavan arvo on siinä, että teorioita ja menetelmiä opetetaan todellisen elämän ongelmien ratkaisemisen yhteydessä. Tämä asettaa menetelmät asiayhteyteen ja auttaa varmistamaan, että asianmukaiset menetelmät valitaan ongelmaan sopiviksi sen sijaan, että ongelma sovitettaisiin menetelmiin. Ehkäpä ongelmalähtöisen epidemiologian opetus voi auttaa palauttamaan yhteyden kansanterveyteen ja todelliseen maailmaan, jossa useimpiin kansanterveysongelmiin liittyy erilaisia sairauden aiheuttajatasoja. Todellisten kansanterveysongelmien tutkiminen niiden historiallisessa ja yhteiskunnallisessa kontekstissa ei sulje pois kehittyneiden tutkimussuunnittelu- ja data-analyysimenetelmien opettelua (itse asiassa se edellyttää sitä), mutta se voi auttaa varmistamaan, että kysytään asianmukaiset kysymykset ja käytetään sitten ”asianmukaista teknologiaa” vastaamaan niihin.

Toiseksi, päätöksen siitä, mikä on ”asianmukaista teknologiaa”, pitäisi perustua näyttöön. Tämä ei ole niin itsestään selvää kuin miltä näyttää, sillä monet epidemiologiset menetelmät eivät perustu näyttöön. Esimerkiksi nykyinen ”molekyyliepidemiologian” innostuksen aalto on johtanut altistumisen biomarkkereiden laajaan käyttöön, vaikka niiden pätevyydestä on hyvin vähän näyttöä. Näyttöön perustuvan epidemiologian tarve koskee myös epidemiologien käyttämää yleistä ”tutkimusstrategiaa” sekä käytettyjä erityisiä tutkimusmenetelmiä, sillä väestöpohjaisen lähestymistavan arvosta on olemassa hyvää historiallista näyttöä.5

Joissakin tapauksissa näiden uusien menetelmien käyttö tekee epidemiologiasta monimutkaisempaa. Poole ja Rothman17 toteavat tämän hieman väheksyvästi ja näyttävät rinnastavan ”modernin epidemiologian” arvostelijat niihin, jotka haluaisivat mieluummin palata menneisyyden ”yksinkertaisempiin” ad hoc -menetelmiin. Kyse ei kuitenkaan ole siitä, että kehittyneiden tilastollisten menetelmien käyttö olisi sinänsä toivottavaa tai ei-toivottavaa. Kyse on pikemminkin siitä, että meidän olisi vastattava tärkeimpiin tieteellisiin ja kansanterveydellisiin kysymyksiin ja käytettävä niihin vastaamiseen ”asianmukaista tekniikkaa”. Joissakin tapauksissa väestölähestymistapa tuottaa hypoteeseja, joita voidaan tutkia yksinkertaisilla kohortti- tai tapaus-verrokkitutkimuksilla ja analysoida käyttämällä yksinkertaisia 2 × 2 -taulukoita tai vastaavia monimuuttujamenetelmiä, kuten Poissonin tai logistista regressiota. Toisissa tapauksissa saatetaan tarvita aivan toisenlaisia tutkimussuunnittelu- ja analyysimenetelmiä.11

Kussakin tapauksessa epidemiologia edellyttää jatkossakin epidemiologien ja biostatistikkojen (sekä biologien, yhteiskuntatieteilijöiden ja muiden) tervettä yhteistyötä, mutta epidemiologeilla on ensisijainen vastuu tärkeimpien väestötason tutkimuskysymysten tunnistamisesta ja kehittämisestä, jotta niitä voidaan sitten tutkia sopivilla biostatistisilla menetelmillä. Blakelyn ja Woodwardin artikkeli on tärkeä panos tässä suhteessa, sillä siinä varoitetaan meitä vaaroista, joita liittyy monitasomallinnuksen lisäämiseen analyyttiseen työkalupakkiin, ja tuodaan esiin teorian kehittämiseen, tutkimussuunnitteluun ja harhojen arviointiin liittyvät tärkeät kysymykset, jotka on otettava huomioon monitasotutkimuksissa, aivan kuten ne nykyisin otetaan (tai olisi otettava) huomioon yksilötason tutkimuksissa.