Not all scientific studies are created equal - David H. Schwartz

תרגום: Ido Dekkers עריכה: Tal Dekkers

Studies have shown that

מחקרים הראו

taking vitamins is good for your health

שלקיחת ויטמינים טובה לבריאות

and bad for your health.

ורעה לבריאות.

That newly discovered herb can improve your memory

צמח חדש יכול לשפר את הזיכרון שלכם

or destroy your liver.

או להשמיד את הכבד שלכם.

Headlines proclaim a promising new cancer treatment

כותרות טוענות לטיפול מבטיח חדש לסרטן

and never mention it again.

ולעולם לא מזכירות אותו שוב.

On a daily basis,

על בסיס יום יומי,

we are bombarded with attention-grabbing news,

אנחנו מופצצים בחדשות רועשות,

backed up by scientific studies,

מגובות במחקרים מדעיים,

but what are these studies?

אבל מה המחקרים האלה?

How are they performed?

איך הם מבוצעים?

And how do we know whether they're reliable?

ואיך אנחנו יודעים אם הם אמינים?

When it comes to dietary or medical information,

כשזה מגיע למידע תזונתי או רפואי,

the first thing to remember

הדבר הראשון שיש לזכור

is that while studies on animals or individual cells

הוא שבעוד מחקרים על חיות או תאים בודדים

can point the way towards further research,

יכולים להצביע על כיוון למחקר נוסף,

the only way to know how something will affect humans

הדרך היחידה לדעת איך משהו ישפיע על אנשים

is through a study involving human subjects.

היא דרך מחקר שכולל נבדקים אנושיים.

And when it comes to human studies,

וכשזה מגיע למחקר באנשים,

the scientific gold standard is

תקן הזהב המדעי

the randomized clinical trial, or RCT.

הוא ניסוי קליני אקראי, או RCT.

The key to RCTs is that the subjects are randomly assigned

המפתח ל RCT הוא שהנבדקים מחולקים רנדומלית

to their study groups.

לקבוצות המחקר שלהם.

They are often blinded to make them more rigorous.

ובד"כ גם ללא ידיעתם, כדי לשפר את המחקר.

This process attempts to ensure

התהליך הזה מנסה להבטיח

that the only difference between the groups

שההבדל היחיד בין הקבוצות

is the one the researchers are attempting to study.

הוא זה שהחוקרים מנסים לחקור.

For example,

לדוגמה,

when testing a new headache medication,

כשבודקים תרופה חדשה לכאב ראש,

a large pool of people with headaches

מאגר גדול של אנשים עם כאבי ראש

would be randomly divided into two groups,

יחולק אקראית לשתי קבוצות,

one receiving the medication

אחת מקבלת את התרופה

and another receiving a placebo.

והשניה פלצבו.

With proper randomization,

עם החלוקה לקבוצות היא אכן אקראית,

the only significant overall difference

ההבדל היחיד המשמעותי

between the two groups

בין שתי הקבוצות

will be whether or not they received the medication,

יהיה אם הם קיבלו את התרופה או לא,

rather than other differences that could affect results.

ולא הבדלים אחרים שיכולים להשפיע על התוצאות.

Randomized clinical trials are incredible tools,

ניסויים קליניים רנדומליים הם כלי מדהים,

and, in fact, the US Food and Drug Administration

ולמעשה, מינהל האוכל והתרופות האמריקאי

often requires at least two to be conducted

בד"כ דורש שייערכו לפחות שניים

before a new drug can be marketed.

לפני שתרופה חדשה תשווק.

But the problem is that an RCT is not possible

אבל הבעיה היא ש RCT אינו אפשרי

in many cases,

בהרבה מקרים,

either because it's not practical

משום שהוא לא פרקטי

or would require too many volunteers.

או שידרוש יותר מדי מתנדבים.

In such cases,

במקרים כאלה,

scientists use an epidemiological study,

מדענים משתמשים במחקר אפידמיולוגי,

which simply observes people going about their usual behavior,

שפשוט בוחן אנשים בהתנהגות הרגילה שלהם,

rather than randomly assigning active participants

במקום חלוקה רנדומלית של נבדקים

to control invariable groups.

ששולטת בהבדלים בין הקבוצות.

Let's say we wanted to study

נגיד שאנחנו רוצים לחקור

whether an herbal ingredient on the market

אם מרכיב צמחי בשוק

causes nausea.

גורם לבחילה.

Rather than deliberately giving people something

במקום לתת לאנשים משהו בכוונה

that might make them nauseated,

שאולי יגרום להם בחילה,

we would find those who already take the ingredient

נמצא את האנשים שכבר לוקחים את הצמח

in their everyday lives.

באופן שגרתי.

This group is called the cohort.

הקבוצה הזו נקראת עוקבה.

We would also need a comparison group

נצטרך גם קבוצת השוואה

of people who do not have exposure to the ingredient.

של אנשים שלא נחשפו לצמח.

And we would then compare statistics.

ואז נשווה את הנתונים.

If the rate of nausea is higher in the herbal cohort,

אם שכיחות הבחילה גבוהה יותר בעוקבה הצמחית,

it suggests an association

יתכן קשר

between the herbal supplement and nausea.

בין התוסף הצמחי לבחילה.

Epidemiological studies are great tools

מחקר אפידמיולוגי הוא דרך מצויינת

to study the health effects of almost anything,

לחקור את ההשפעות הבריאותיות של כמעט הכל,

without directly interfering in people's lives

מבלי להתערב ישירות בחיי אנשים

or assigning them to potentially dangerous exposures.

או לשים אותם בקבוצה עם חשיפה מסוכנת.

So, why can't we rely on these studies

אז למה אי אפשר לסמוך על המחקרים האלה

to establish causal relationships

כדי לקבוע יחס סיבתי

between substances and their effects on health?

בין חומרים וההשפעות הרפואיות שלהם?

The problem is

הבעיה היא

that even the best conducted epidemiological studies

שגם במחקרים אפידמיולוגיים שנערכו בצורה הכי טובה

have inherent flaws.

יש כשלים מובנים.

Precisely because the test subjects

בדיוק משום שהנבדקים

are not randomly assigned to their groups.

לא מוקצים באופן אקראי לקבוצות שלהם.

For example, if the cohort in our herbal study

לדוגמה, אם העוקבה במחקר הצמחי שלנו

consisted of people who took the supplement

מורכבת מאנשים שלוקחים את הצמח

for health reasons,

מסיבות בריאותיות,

they may have already had higher rates of nausea

אולי כבר היו להם שיעורים גבוהים יותר של בחילה

than the other people in the sample.

משאר האנשים במדגם.

Or the cohort group could've been composed of

ואולי קבוצת העוקבה מורכבת

people who shop at health food stores

מאנשים שקונים בחנויות בריאות

and have different diets

ויש להם תזונה אחרת

or better access to healthcare.

או גישה לרופאים טובים יותר.

These factors that can affect results,

המשתנים האלה שיכולים להשפיע על התוצאות,

in addition to the factor being studied,

מעבר למשתנה הנחקר,

are known as confounding variables.

נקראים משתנים מתערבים.

These two major pitfalls,

שני החסרונות הגדולים האלה,

combined with more general dangers,

בשילוב עם סכנות גדולות יותר,

such as conflicts of interest or selective use of data,

כמו אינטרסים או שימוש סלקטיבי בנתונים,

can make the findings of any particular epidemiological study suspect,

יכולים לפגוע באמינות של כל מחקר אפידמיולוגי,

and a good study must go out of its way

וחוקר טוב חייב לצאת מגדרו

to prove that its authors have taken steps

כדי להוכיח שננקטו צעדים

to eliminate these types of errors.

כדי למנוע טעויות אלה.

But even when this has been done,

אבל אפילו כשזה נעשה,

the very nature of epidemiological studies,

טבעם של מחקרים אפידמיולוגיים,

which examine differences between preexisting groups,

שבוחנים הבדלים בין קבוצות קיימות,

rather than deliberately inducing changes within the same individuals,

ולא גורמים לשינויים מכוונים באותם אנשים,

means that a single study

אומר שמחקר יחיד

can only demonstrate a correlation

יכול רק להראות מתאם

between a substance and a health outcome,

בין חומר לתוצאה בריאותית,

rather than a true cause and effect relationship.

ולא יחס סיבתי אמיתי.

At the end of the day,

בסופו של דבר,

epidemiological studies have served as excellent guides to public health,

מחקרים אפידמיולוגיים יכולים לכוון אותנו היטב,

alerting us to critical health hazards,

ולהתריע על סיכונים בריאותייים משמעותיים,

such as smoking, asbestos, lead, and many more.

כמו עישון, אסבסט, עופרת, ועוד.

But these were demonstrated through

אבל אלה הודגמו דרך

multiple, well-conducted epidemiological studies,

מחקרים אפידמיולוגיים רבים וטובים,

all pointing in the same direction.

וכולם הצביעו באותו הכיוון.

So, the next time you see a headline

אז בפעם הבאה שאתם רואים כותרת

about a new miracle cure

על תרופת פלא חדשה,

or the terrible danger posed by an everyday substance,

או על הסכנה הנוראית של חומר מוכר,

try to learn more about the original study

נסו ללמוד עוד על מקור המחקר

and the limitations inherent in any epidemiological study or clinical trial

והמגבלות הקיימות בכל מחקר אפידמיולוגי או קליני

before jumping to conclusions.

לפני שתסיקו מסקנות.