The ecological fallacy uderza z powrotem | Journal of Epidemiology & Community Health

Gdy po raz pierwszy zacząłem studiować epidemiologię, badania ekologiczne zostały krótko omówione jako niedrogie, ale niewiarygodne metody badania indywidualnych czynników ryzyka poziomu choroby. Na przykład, zamiast iść do czasu i kosztów, aby ustanowić badania kohortowe lub case-control study spożycia tłuszczu i raka piersi, można po prostu użyć krajowych dietetycznych i danych dotyczących zachorowalności na raka i, przy minimalnym czasie i kosztach, pokazać silną korelację międzynarodowo między spożyciem tłuszczu i raka piersi. To podejście było słusznie uważane za nieodpowiednie i niewiarygodne ze względu na wiele dodatkowych form stronniczości, które mogą wystąpić w takich badaniach w porównaniu z badaniami jednostek w populacji. W szczególności, „ekologiczny błąd” może wystąpić w tym, że czynniki, które są związane z krajowych wskaźników choroby mogą nie być związane z chorobą u osób.1 Na przykład prawie każda choroba, która jest związana z zamożnością i westernizacją, w przeszłości była związana na poziomie krajowym ze sprzedażą telewizorów, a obecnie prawdopodobnie jest związana na poziomie krajowym ze wskaźnikami korzystania z Internetu.

Tak więc badania ekologiczne nie były dobrą rzeczą do zrobienia i były reliktem „przednowoczesnej” fazy epidemiologii, zanim stała się mocno ugruntowana paradygmatem metodologicznym opartym na teorii randomizowanych kontrolowanych badań jednostek. Ten paradygmat, który jest bardzo potężny, gdy jest odpowiednio wykorzystywany, dał początek coraz bardziej wyrafinowanym metodom projektowania badań i analizy danych. W szczególności metody biostatystyczne, które zostały opracowane dla randomizowanych badań obejmujących pojedynczą ekspozycję na poziomie indywidualnym, zostały wykorzystane do przeformułowania i uczynienia bardziej rygorystycznymi wcześniejszych doraźnych epidemiologicznych metod projektowania badań i analizy danych.23 W związku z tym kursy epidemiologii coraz bardziej ograniczają się do omawiania badań kohortowych i case-control oraz metod analizy danych, które pasują do paradygmatu badań klinicznych, na którym się opierają. Zazwyczaj jest niewiele lub nie ma dyskusji na temat filozofii nauki (z wyjątkiem niektórych bardzo uproszczonych wersji Popperowskich), lub tego, jak powstają teorie i hipotezy. Studenci epidemiologii następnie ukończyć i wyjść do „prawdziwego świata”, aby przetestować hipotezy, które mogą być badane przy użyciu tych metod i dla których finansowanie można uzyskać.

Teraz badania na poziomie populacji są z powrotem w biznesie, z dwóch ważnych powodów.

Po pierwsze, jest coraz bardziej uznawane, że nawet podczas badania czynników ryzyka na poziomie indywidualnym, badania na poziomie populacji odgrywają istotną rolę w określaniu najważniejszych problemów zdrowia publicznego, które należy rozwiązać, oraz w generowaniu hipotez co do ich potencjalnych przyczyn. Wiele ważnych czynników ryzyka chorób na poziomie indywidualnym po prostu nie różni się wystarczająco w obrębie populacji, aby można było zidentyfikować lub zbadać ich skutki.4 Co ważniejsze, takie badania są kluczowym elementem ciągłego cyklu tworzenia i testowania teorii i hipotez.5 Historycznie rzecz biorąc, kluczowym obszarem, w którym epidemiolodzy byli w stanie „wnieść wartość dodaną”, było skupienie się na populacji, chociaż ta lekcja została zapomniana przez wielu współczesnych epidemiologów. Na przykład, wiele z ostatnich odkryć dotyczących przyczyn raka (w tym czynników żywieniowych i raka jelita grubego, zapalenia wątroby typu B i raka wątroby, aflatoksyn i raka wątroby, wirusa brodawczaka ludzkiego i raka szyjki macicy) ma swoje źródła, bezpośrednio lub pośrednio, w systematycznych międzynarodowych porównaniach zachorowalności na raka prowadzonych w latach 50. i 60. ubiegłego wieku.6 Zasugerowały one hipotezy dotyczące możliwych przyczyn międzynarodowych wzorców, które zostały zbadane bardziej szczegółowo w dalszych badaniach. W niektórych przypadkach hipotezy te były zgodne z ówczesną wiedzą biologiczną, ale w innych przypadkach były nowe i uderzające, i być może nie zostałyby zaproponowane lub dalej badane, gdyby nie przeprowadzono analiz na poziomie populacji. Ostatnio ogromne fundusze zostały wydane na badanie „znanych” przyczyn astmy w zamożnych krajach (na przykład zanieczyszczenie powietrza, ekspozycja na alergeny) i dopiero teraz standaryzowane badania ujawniają duże międzynarodowe różnice w częstości występowania astmy, które nie są wyjaśnione przez te „ustalone” czynniki ryzyka, takie jak zanieczyszczenie powietrza,7 ale są bardziej zgodne z ostatnimi teoriami na temat ochronnej roli niektórych infekcji u niemowląt w etiologii astmy.8

Drugim powodem, dla którego powraca się do badań ekologicznych jest to, że coraz częściej uznaje się, iż niektóre czynniki ryzyka choroby rzeczywiście działają na poziomie populacji.9-11 W niektórych przypadkach mogą one bezpośrednio powodować chorobę, ale być może częściej mogą powodować chorobę jako modyfikatory efektu lub determinanty narażenia na czynniki ryzyka na poziomie indywidualnym.12 Na przykład bycie biednym w bogatym kraju lub okolicy może być gorsze niż posiadanie tego samego poziomu dochodów w biednym kraju lub okolicy, z powodu problemów związanych z wykluczeniem społecznym i brakiem dostępu do usług i zasobów.13 Może to działać poprzez stosunkowo bezpośrednie mechanizmy, ale może również obejmować aspekty indywidualnego stylu życia, które są częściowo zdeterminowane przez kontekst społeczny. Na przykład, decyzja o kontynuowaniu uzyskiwania tymczasowej ulgi i przyjemności poprzez palenie tytoniu może być całkiem racjonalna dla kogoś, kto przeżywa z tygodnia na tydzień w trudnych warunkach.

Nieuwzględnienie znaczenia kontekstu populacyjnego, jako modyfikatora efektu i wyznacznika narażenia na poziomie indywidualnym można określić mianem „indywidualistycznego błędu „14 , w którym główne populacyjne wyznaczniki zdrowia są ignorowane, a nadmierna uwaga skupia się na cechach indywidualnych. W tej sytuacji związki pomiędzy tymi indywidualnymi cechami a zdrowiem mogą być prawidłowo oszacowane, ale ich znaczenie w stosunku do innych potencjalnych interwencji oraz znaczenie kontekstu takich interwencji może być ignorowane. Na przykład, w większości krajów na świecie, każde badanie na poziomie indywidualnym zidentyfikuje pewne cechy indywidualne (w tym czynniki genetyczne), które wydają się być najważniejszymi determinantami zdrowia. Jednak ostatnie wydarzenia w Europie Wschodniej pokazały, że te indywidualne cechy funkcjonują w silnym kontekście populacyjnym, który może być znacznie silniejszym czynnikiem determinującym chorobę na poziomie populacji.15 Ignorowanie tego kontekstu i próba badania jednorodnych populacji może prowadzić do błędnego wniosku, że cechy indywidualne są głównymi determinantami choroby i najważniejszymi dla interwencji, podobnie jak badanie populacji o jednorodnym stylu życia może prowadzić do błędnego wniosku, że inne czynniki są głównymi determinantami choroby.4

Te rozważania doprowadziły do ożywienia badań na poziomie populacji w ostatnich latach, z rosnącym zainteresowaniem metodami statystycznymi analizy wielopoziomowej. Mają one znaczące zalety, ponieważ pozwalają na oszacowanie efektów na poziomie populacji (ekologicznych) przy jednoczesnym uwzględnieniu efektów na poziomie indywidualnym,16 unikając w ten sposób zarówno błędu ekologicznego, jak i błędu indywidualizmu. Jednakże, chociaż wiele dyskutuje się na temat analizy statystycznej takich badań, stosunkowo niewiele mówi się o innych kwestiach metodologicznych związanych z badaniem prawdziwych efektów ekologicznych. Artykuł Blakely i Woodward w tym numerze czasopisma jest zatem bardzo aktualny i cenny wkład. W szczególności zwracają oni uwagę na swoje obawy, że „zastosowanie wielopoziomowych metod statystycznych mogło wyprzedzić ramy teoretyczne, w których można przeprowadzić znaczące i solidne analizy” oraz że „w miarę jak badacze wykraczają poza początkową radość z zastosowania 'magii’ wielopoziomowych metod statystycznych do danych, będzie rosła i będzie konieczna koncentracja na teorii, projekcie badania i źródłach błędów”. Tak jak nauka stosowania metody Mantela-Haenszela lub standardowej regresji logistycznej jest tylko niewielką częścią nauki bycia epidemiologiem, tak nauka wykonywania wielopoziomowej regresji logistycznej jest tylko niewielką częścią nauki bycia epidemiologiem wielopoziomowym. W obu przypadkach metody biostatystyczne są tylko jedną z części zestawu narzędzi epidemiologicznych, który obejmuje metody odpowiedniego projektowania badań, w tym unikania, minimalizowania lub oceny możliwych błędów. Co ważniejsze, w obu przypadkach znajomość odpowiednich metod projektowania badań i analizy danych nie zastępuje wiedzy o tym, jak wybrać najwłaściwszą hipotezę do badania.

Jak więc epidemiolodzy mogą nauczyć się myśleć w sposób wielopoziomowy? Jak mogą zapewnić, że najlepsze hipotezy są opracowywane do badania i że „odpowiednia technologia” (indywidualna lub na poziomie populacji) jest następnie wykorzystywana do ich testowania? Jak studenci epidemiologii mogą uczyć się takich metod w taki sposób, aby mogli je odpowiednio wykorzystywać, a nie pozwalać, aby metody, których się uczą, definiowały i ograniczały pytania, które następnie zadają? Istnieją dwie zasady z nauczania klinicznego i praktyki, które mogą być szczególnie istotne w tym względzie.

Po pierwsze, podejście oparte na problemie do nauczania medycyny klinicznej jest coraz częściej przyjmowane w szkołach medycznych na całym świecie. Wartość tego podejścia polega na tym, że teorie i metody są nauczane w kontekście rozwiązywania rzeczywistych problemów życiowych. To umieszcza metody w kontekście i pomaga zapewnić, że odpowiednie metody są wybierane tak, aby pasowały do problemu, a nie aby problem pasował do metod. Być może nauczanie epidemiologii opartej na problemach może pomóc w przywróceniu związku ze zdrowiem publicznym oraz z rzeczywistym światem, w którym większość problemów zdrowia publicznego obejmuje różne poziomy przyczynowości choroby. Studiowanie rzeczywistych problemów zdrowia publicznego w ich kontekście historycznym i społecznym nie wyklucza nauki o wyrafinowanych metodach projektowania badań i analizy danych (w rzeczywistości wymaga tego), ale może pomóc zapewnić, że odpowiednie pytania są zadawane i „odpowiednia technologia” jest następnie używany do ich odpowiedzi.

Po drugie, decyzja, co jest „odpowiednia technologia” powinna być oparta na dowodach. Jest to mniej oczywiste niż się wydaje, ponieważ wiele metod epidemiologicznych nie jest opartych na dowodach. Na przykład, obecna fala entuzjazmu dla „epidemiologii molekularnej” doprowadziła do powszechnego stosowania biomarkerów ekspozycji, nawet jeśli istnieje bardzo mało dowodów na ich ważność. Potrzeba epidemiologii opartej na dowodach odnosi się również do ogólnej „strategii badawczej”, która jest stosowana przez epidemiologów, jak również do konkretnych metod badawczych, które są stosowane, ponieważ istnieją dobre historyczne dowody na wartość podejścia opartego na populacji.5

W niektórych przypadkach stosowanie tych nowych metod sprawi, że epidemiologia będzie bardziej skomplikowana. Jest to zauważone nieco lekceważąco przez Poole’a i Rothmana17, którzy wydają się utożsamiać krytyków „nowoczesnej epidemiologii” z tymi, którzy woleliby powrót do „prostszych”, bardziej doraźnych metod z przeszłości. Nie chodzi tu jednak o to, że stosowanie wyrafinowanych metod statystycznych jest samo w sobie pożądane lub niepożądane. Chodzi raczej o to, że powinniśmy odpowiadać na najważniejsze pytania naukowe i dotyczące zdrowia publicznego, a do odpowiedzi na nie powinniśmy używać „odpowiedniej technologii”. W niektórych przypadkach podejście populacyjne pozwoli na postawienie hipotez, które można zbadać za pomocą prostych badań kohortowych lub kazuistyczno-kontrolnych i przeanalizować za pomocą prostych tabel 2 × 2 lub odpowiednich metod wielowymiarowych regresji Poissona lub regresji logistycznej. W innych przypadkach mogą być wymagane zupełnie inne metody projektowania badań i analizy danych.11

W każdym przypadku epidemiologia będzie nadal obejmować zdrową współpracę między epidemiologami i biostatystykami (a także biologami, naukowcami społecznymi i innymi), ale to epidemiolodzy ponoszą główną odpowiedzialność za identyfikację i rozwój najważniejszych pytań badawczych na poziomie populacji, które można następnie zbadać przy użyciu odpowiednich metod biostatystycznych. Artykuł Blakely’ego i Woodwarda jest ważnym wkładem w tym zakresie, ponieważ ostrzega nas przed niebezpieczeństwami związanymi z prostym dodaniem modelowania wielopoziomowego do naszego zestawu narzędzi analitycznych, a także podnosi ważne kwestie rozwoju teorii, projektowania badań i oceny stronniczości, które muszą być rozważane w badaniach wielopoziomowych, tak jak obecnie są (lub powinny być) rozważane w badaniach na poziomie indywidualnym.