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

Toen ik voor het eerst epidemiologie ging studeren, werden ecologische studies kort besproken als een goedkope maar onbetrouwbare methode om risicofactoren voor ziekten op individueel niveau te bestuderen. In plaats van tijd en geld te steken in het opzetten van een cohortstudie of een case-controlstudie naar de inname van vet en borstkanker, kon men bijvoorbeeld gewoon gebruik maken van nationale gegevens over voeding en kankerincidentie en met minimale tijd en kosten internationaal een sterke correlatie aantonen tussen vetinname en borstkanker. Deze aanpak werd terecht als ontoereikend en onbetrouwbaar beschouwd wegens de vele extra vormen van vertekening die bij dergelijke studies kunnen optreden in vergelijking met studies van individuen binnen een bevolking. Met name de “ecologische denkfout” kan zich voordoen in die zin dat factoren die met nationale ziektecijfers in verband worden gebracht, misschien niet in verband worden gebracht met ziekte bij individuen.1 Bijvoorbeeld, bijna elke ziekte die in verband wordt gebracht met welvaart en verwesterlijking is in het verleden op nationaal niveau in verband gebracht met de verkoop van televisietoestellen, en is thans waarschijnlijk op nationaal niveau in verband gebracht met de mate van internetgebruik.

Dus ecologische studies waren geen goede zaak om te doen, en waren een overblijfsel van de “premoderne” fase van de epidemiologie voordat deze stevig verankerd raakte met een methodologisch paradigma dat gebaseerd was op de theorie van gerandomiseerde gecontroleerde onderzoeken van individuen. Dit paradigma, dat zeer krachtig is wanneer het op de juiste wijze wordt gebruikt, gaf aanleiding tot steeds verfijnder methoden voor studieopzet en gegevensanalyse. Met name de biostatistische methoden die werden ontwikkeld voor gerandomiseerde proeven met blootstelling op één individueel niveau, werden gebruikt om de voorheen ad hoc toegepaste epidemiologische methoden voor studieopzet en gegevensanalyse te herformuleren en aan te scherpen.23 Aldus zijn epidemiologiecursussen steeds meer beperkt geraakt tot het bespreken van cohort- en case-controlstudies en van de methoden van gegevensanalyse die passen bij het paradigma van klinische proeven waarop zij zijn gebaseerd. Er is gewoonlijk weinig of geen bespreking van de wetenschapsfilosofie (met uitzondering van enkele zeer simplistische Popperiaanse versies), of van de wijze waarop theorieën en hypothesen worden ontwikkeld. Epidemiologiestudenten studeren vervolgens af en gaan de “echte wereld” in om hypothesen te testen die met deze methoden kunnen worden onderzocht en waarvoor financiering kan worden verkregen.

Nu zijn studies op bevolkingsniveau weer terug van weggeweest, en wel om twee belangrijke redenen.

In de eerste plaats wordt steeds meer erkend dat, zelfs bij de bestudering van risicofactoren op individueel niveau, studies op bevolkingsniveau een essentiële rol spelen bij het vaststellen van de belangrijkste volksgezondheidsproblemen die moeten worden aangepakt, en bij het genereren van hypothesen over de mogelijke oorzaken daarvan. Veel belangrijke individuele risicofactoren voor ziekten variëren gewoon niet genoeg binnen populaties om hun effecten te kunnen identificeren of bestuderen.4 Belangrijker nog is dat dergelijke studies een sleutelcomponent zijn van de voortdurende cyclus van theorie- en hypothesevorming en toetsing.5 Historisch gezien is het belangrijkste gebied waarop epidemiologen in staat zijn geweest “waarde toe te voegen” deze gerichtheid op populaties geweest, hoewel deze les door veel moderne epidemiologen is vergeten. Veel van de recente ontdekkingen over de oorzaken van kanker (waaronder voedingsfactoren en darmkanker, hepatitis B en leverkanker, aflatoxinen en leverkanker, humaan papillomavirus en baarmoederhalskanker) vinden direct of indirect hun oorsprong in de systematische internationale vergelijkingen van de incidentie van kanker die in de jaren vijftig en zestig zijn uitgevoerd.6 Deze hebben hypothesen gesuggereerd over de mogelijke oorzaken van de internationale patronen, die in verdere studies grondiger zijn onderzocht. In sommige gevallen waren deze hypothesen in overeenstemming met de biologische kennis van dat moment, maar in andere gevallen waren ze nieuw en opvallend en zouden ze misschien niet zijn voorgesteld of verder onderzocht als de analyses op bevolkingsniveau niet waren uitgevoerd. Meer recentelijk is een enorme hoeveelheid geld besteed aan het bestuderen van de “bekende” oorzaken van astma in welvarende landen (bijvoorbeeld luchtverontreiniging, blootstelling aan allergenen), en nu pas brengen gestandaardiseerde studies grote internationale verschillen in astma-prevalentie aan het licht die niet worden verklaard door deze “bekende” risicofactoren zoals luchtverontreiniging,7 maar meer in overeenstemming zijn met recente theorieën over de beschermende rol van bepaalde zuigelingeninfecties in de etiologie van astma.8

Een tweede reden waarom ecologische studies terugkomen, is dat men steeds meer inziet dat sommige risicofactoren voor ziekten werkelijk op populatieniveau werkzaam zijn.9-11 In sommige gevallen kunnen zij rechtstreeks ziekte veroorzaken, maar misschien vaker nog veroorzaken zij ziekte als effectmodificatoren of determinanten van blootstelling aan risicofactoren op individueel niveau.12 Arm zijn in een rijk land of een rijke buurt kan bijvoorbeeld slechter zijn dan hetzelfde inkomensniveau hebben in een arm land of een arme buurt, vanwege problemen van sociale uitsluiting en gebrek aan toegang tot diensten en middelen.13 Dit kan via relatief directe mechanismen werken, maar kan ook aspecten van de individuele levensstijl betreffen die gedeeltelijk door de sociale context worden bepaald. Zo kan het besluit om tijdelijk verlichting en plezier te blijven zoeken in het roken van tabak heel rationeel zijn voor iemand die van week tot week in moeilijke omstandigheden moet zien te overleven.

Het feit dat geen rekening wordt gehouden met het belang van de context van de bevolking als een effectveranderaar en determinant van blootstellingen op individueel niveau, zou de “individualistische denkfout “14 kunnen worden genoemd, waarbij de belangrijkste determinanten van de gezondheid voor de bevolking worden genegeerd en overmatige aandacht wordt besteed aan individuele kenmerken. In deze situatie kunnen de verbanden tussen deze individuele kenmerken en de gezondheid wel goed worden ingeschat, maar wordt hun belang ten opzichte van andere mogelijke interventies en het belang van de context van dergelijke interventies mogelijk genegeerd. Zo zullen in de meeste landen van de wereld bij elk onderzoek op individueel niveau bepaalde individuele kenmerken (met inbegrip van genetische factoren) worden geïdentificeerd die de belangrijkste determinanten van de gezondheid lijken te zijn. Recente gebeurtenissen in Oost-Europa hebben echter aangetoond dat deze individuele kenmerken functioneren binnen een krachtige bevolkingscontext die een veel sterkere determinant van ziekte op bevolkingsniveau kan zijn.15 Het negeren van deze context en het trachten te bestuderen van homogene populaties kan leiden tot de onjuiste conclusie dat individuele kenmerken de belangrijkste determinanten van ziekte zijn en het belangrijkst voor interventie, net zoals het bestuderen van populaties met homogene leefstijlen kan leiden tot de onjuiste conclusie dat andere factoren de belangrijkste determinanten van ziekte zijn.4

Deze overwegingen hebben geleid tot een opleving van studies op populatieniveau in de afgelopen jaren, met een toenemende belangstelling voor statistische methoden van multi-level analyse. Deze hebben aanzienlijke verdiensten, aangezien zij de raming van effecten op populatieniveau (ecologisch) mogelijk maken en tegelijkertijd ook effecten op individueel niveau omvatten,16 waardoor zowel de ecologische misvatting als de individualistische misvatting worden vermeden. Hoewel er veel is gesproken over de statistische analyse van dergelijke studies, is er betrekkelijk weinig gesproken over de andere methodologische kwesties die een rol spelen bij het bestuderen van echte ecologische effecten. Het artikel van Blakely en Woodward in dit nummer van het tijdschrift is dan ook een zeer actuele en waardevolle bijdrage. Zij wijzen er met name op dat zij zich zorgen maken over het feit dat “de toepassing van multilevel statistische methoden wellicht is vooruitgelopen op een theoretisch kader waarbinnen zinvolle en robuuste analyses kunnen worden uitgevoerd” en dat “naarmate onderzoekers verder gaan dan de aanvankelijke opwinding van het toepassen van de ‘magie’ van multilevel statistische methoden op gegevens, er een toenemende en noodzakelijke aandacht zal zijn voor theorie, studieopzet en foutenbronnen”. Net zoals het leren gebruiken van de Mantel-Haenszel methode of standaard logistische regressie slechts een klein deel is van het leren epidemioloog te zijn, is het leren multi-level logistische regressie te doen slechts een klein deel van het leren een multi-level epidemioloog te zijn. In beide gevallen zijn de biostatistische methoden slechts een onderdeel van de epidemiologische gereedschapskist, die methoden omvat voor een passende studieopzet, met inbegrip van het vermijden, minimaliseren of beoordelen van mogelijke vertekeningen. Belangrijker is dat in beide gevallen de kennis van geschikte methoden van studieopzet en gegevensanalyse geen substituut is voor de kennis van de wijze waarop de meest geschikte hypothese moet worden gekozen om te bestuderen.

Dus hoe kunnen epidemiologen leren op een meerlagige manier te denken? Hoe kunnen zij ervoor zorgen dat de beste hypothesen worden ontwikkeld om te bestuderen, en dat vervolgens de “juiste technologie” (op individueel of populatieniveau) wordt gebruikt om deze te testen? Hoe kunnen studenten epidemiologie dergelijke methoden op een zodanige manier leren dat zij deze op de juiste manier kunnen gebruiken, in plaats van de methoden die zij leren de vragen die zij vervolgens stellen te laten bepalen en beperken? Er zijn twee principes uit het klinisch onderwijs en de klinische praktijk die in dit verband bijzonder relevant kunnen zijn.

In de eerste plaats is in medische scholen over de hele wereld in toenemende mate gekozen voor een probleemgerichte benadering van het onderwijs in de klinische geneeskunde. De waarde van deze benadering is dat theorieën en methoden worden onderwezen in de context van het oplossen van problemen uit het echte leven. Dit plaatst de methoden in een context en helpt ervoor te zorgen dat de juiste methoden worden gekozen om het probleem aan te pakken, in plaats van het probleem aan de methoden aan te passen. Misschien kan het onderwijzen van probleemgerichte epidemiologie helpen om de link te herstellen met de volksgezondheid en met de echte wereld waarin de meeste volksgezondheidsproblemen een verscheidenheid van niveaus van ziekteveroorzaking inhouden. Het bestuderen van echte volksgezondheidsproblemen in hun historische en sociale context sluit het leren over geavanceerde methoden van studieopzet en gegevensanalyse niet uit (het is zelfs noodzakelijk), maar het kan helpen om ervoor te zorgen dat de juiste vragen worden gesteld en de “juiste technologie” wordt gebruikt om ze te beantwoorden.

Ten tweede moet de beslissing over wat een “juiste technologie” is, gebaseerd zijn op bewijsmateriaal. Dit is minder vanzelfsprekend dan het lijkt, want veel epidemiologische methoden zijn niet op bewijs gebaseerd. De huidige golf van enthousiasme voor de “moleculaire epidemiologie” heeft bijvoorbeeld geleid tot het wijdverbreide gebruik van biomarkers voor blootstelling, zelfs wanneer er zeer weinig bewijs is voor de geldigheid daarvan. De noodzaak van een “evidence-based” epidemiologie geldt ook voor de algemene “onderzoeksstrategie” die epidemiologen hanteren, alsmede voor de specifieke onderzoeksmethoden die worden gebruikt, aangezien er goede historische bewijzen zijn voor de waarde van een “population-based” benadering.5

In sommige gevallen zal het gebruik van deze nieuwe methoden de epidemiologie gecompliceerder maken. Dit wordt enigszins geringschattend opgemerkt door Poole en Rothman17 , die critici van de “moderne epidemiologie” gelijk lijken te stellen met degenen die liever zouden terugkeren naar de “eenvoudiger” meer ad hoc methoden uit het verleden. Het gaat er hier echter niet om of het gebruik van verfijnde statistische methoden op zich wenselijk of onwenselijk is. Het gaat er veeleer om dat wij de belangrijkste wetenschappelijke en volksgezondheidsvragen moeten beantwoorden en daarvoor “passende technologie” moeten gebruiken. In sommige gevallen zal de bevolkingsaanpak hypothesen opleveren die kunnen worden onderzocht met eenvoudige cohort- of case-controlstudies en kunnen worden geanalyseerd met behulp van eenvoudige 2 × 2-tabellen of de overeenkomstige multivariate methoden van Poisson of logistische regressie. In andere gevallen kunnen heel andere methoden van studieopzet en gegevensanalyse nodig zijn.11

In elk geval zal epidemiologie een gezonde samenwerking tussen epidemiologen en biostatistici (alsook biologen, sociale wetenschappers en anderen) blijven impliceren, maar het zijn de epidemiologen die de hoofdverantwoordelijkheid dragen voor het identificeren en ontwikkelen van de belangrijkste onderzoeksvragen op populatieniveau, die vervolgens kunnen worden onderzocht met behulp van passende biostatistische methoden. Het artikel van Blakely en Woodward is in dit opzicht een belangrijke bijdrage, omdat het ons waarschuwt voor de gevaren van het simpelweg toevoegen van multi-level modellering aan onze analytische gereedschapskist, en de belangrijke kwesties van theorie-ontwikkeling, studie-ontwerp en beoordeling van bias aan de orde stelt die moeten worden overwogen in multi-level studies, net zoals ze momenteel worden overwogen (of moeten worden overwogen) in individuele studies.