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

Translator: Sanntint Tint Reviewer: Myo Aung

Studies have shown that

ဗီတာမင်တွေကို စားသုံးတာက

taking vitamins is good for your health

ကျန်းမာရေးအတွက် ကောင်းတယ်၊ ကျန်းမာရေးအတွက်

and bad for your health.

ဆိုးတယ်လို့ လေ့လာမှုတွေက ပြထားတယ်။

That newly discovered herb can improve your memory

အသစ်တွေ့ရှိတဲ့ ဆေးဖက်ဝင်အပင်က မှတ်ဉာဏ်ကို တိုးစေတယ်

or destroy your liver.

(သို့) အသည်းကို ဖျက်ဆီးနိုင်တယ်။

Headlines proclaim a promising new cancer treatment

ခေါင်းစီးတွေက အလားအလာရှိတဲ့ ကင်ဆာကုသမှုအသစ်ကို

and never mention it again.

ကြေငြာပြီး ဒါကို ဘယ်တော့မှ ထပ်မပြောဘူ။

On a daily basis,

“သိပ္ပံနည်းကျ လေ့လာမှု” ကနေ

we are bombarded with attention-grabbing news,

ပံ့ပိုးတဲ့ အာရုံစိုက်မှုဖြစ်စေတဲ့

backed up by scientific studies,

ခေါင်းစီးတွေနဲ့ နေ့စဉ်ထိုးနှက်ခံနေရပေမဲ့

but what are these studies?

ဒီလေ့လာမှုတွေက ဘာတွေလဲ၊

How are they performed?

ဒါတွေက ဘယ်လို လုပ်ဆောင်ကြလဲ။

And how do we know whether they're reliable?

ယုံကြည်လို့ရလားဆိုတာကို ဘယ်လိုသိလဲ။

When it comes to dietary or medical information,

အစား သို့မဟုတ် ဆေးဘက်ဆိုင်ရာ အချက်အလက်နဲ့ ပတ်သက်ရင်

the first thing to remember

ပထမဆုံး မှတ်သားထားရမှာက

is that while studies on animals or individual cells

တိရစ္ဆာန်တွေ သို့မဟုတ် ဆဲလ်တစ်ခုချင်းကို လေ့လာမှုတွေက

can point the way towards further research,

နောက်ထပ် သုတေသန ည်းလမ်းကို ညွှန်ပြနိုင်ပေမဲ့

the only way to know how something will affect humans

လူတွေအပေါ် သက်ရောက်ပုံကို သိဖို့ တစ်ခုတည်းသော

is through a study involving human subjects.

နည်းက လူသား အစမ်းသပ်ခံတွေ ပါဝင်တဲ့ လေ့လာမှုတစ်ခုကနေပါ။

And when it comes to human studies,

လူသား လေ့လာတွေနဲ့ ပတ်သက်လာရင်

the scientific gold standard is

သိပ္ပံနည်းကျ ရွှေ စံနှုန်းက

the randomized clinical trial, or RCT.

ကျပန်း လက်တွေ့စမ်းသပ်မှု သို့မဟုတ် RCT ပါ။

The key to RCTs is that the subjects are randomly assigned

RCTs ရဲ့သော့ချက်က အစမ်းသပ်ခံတွေကို လေ့လာမှုအဖွဲ့တွေဆီ

to their study groups.

ကျပန်းသတ်မှတ်ပေးတာပါ။

They are often blinded to make them more rigorous.

ပိုတင်းကျပ်ဖို့ ကွယ်ထားလေ့ရှိတယ်။

This process attempts to ensure

ဒီလုပ်ငန်းစဉ်က အဖွဲ့တွေအကြား

that the only difference between the groups

တစ်ခုတည်းသော ခြားနားချက်က

is the one the researchers are attempting to study.

သုတေသီတွေလေ့လာဖို့ ကြိုးစားနေတာ သေချာဖို့ပါ။

For example,

ဥပမာ ခေါင်းကိုက်ပျောက်ဆေး

when testing a new headache medication,

အသစ်ကို စမ်းသပ်တဲ့အခါ

a large pool of people with headaches

ခေါင်းကိုက်တဲ့ လူအမြောက်အများကို

would be randomly divided into two groups,

အုပ်စုနှစ်စုအဖြစ် ကျပန်းခွဲကာ၊

one receiving the medication

တစ်မျိုးမှာ ဆေးလက်ခံရရှိပြီး

and another receiving a placebo.

နောက်တစ်မျိုးက ဆေးတု ရရှိတယ်။

With proper randomization,

သင့်တော်တဲ့ ကျပန်းလုပ်တာနဲ့အတူ

the only significant overall difference

အုပ်စုနှစ်စုကြားက တစ်ခုတည်းသော

between the two groups

သိသာတဲ့ ယေဘုယျ ကွာခြားချက်က

will be whether or not they received the medication,

ရလဒ်တွေကို သက်ရောက်စေနိုင်တဲ့

rather than other differences that could affect results.

အခြားကွဲပြားမှုတွေထက် ဆေးဝါး ရရှိတာ၊ မရရှိတာပါ။

Randomized clinical trials are incredible tools,

ကျပန်း စမ်းသပ်မှုတွေက မယုံနိုင်စရာ ကိရိယာတွေပါ၊

and, in fact, the US Food and Drug Administration

တကယ်တော့ အမေရိကန် အစားအသောက်နဲ့ ဆေးဝါးကွပ်ကဲရေးဌာနက

often requires at least two to be conducted

ဆေးဝါးအသစ်ကို စျေးကွက်မဖြန့်မီ

before a new drug can be marketed.

အနည်းဆုံး နှစ်ကြိမ်ပြုလုပ်ဖို့ လိုအပ်တယ်။

But the problem is that an RCT is not possible

ဒါပေမဲ့ ပြဿနာက RCT တစ်ခုက ဖြစ်ရပ်များစွာမှာ

in many cases,

မဖြစ်နိုင်တာက

either because it's not practical

လက်တွေ့မကျတာကြောင့်ဖြစ်စေ၊

or would require too many volunteers.

စေတနာ့ဝန်ထမ်း အများကြီးလိုတာကြောင့်ပါ။

In such cases,

ဒီလိုအခြေအနေတွေမှာ

scientists use an epidemiological study,

သိပ္ပံပညာရှင်တွေက မပြောင်းလဲတဲ့

အုပ်စုတွေကို ထိန်းချုပ်ဖို့ ကျပန်းလုပ်ဆောင်ရမယ့်အစား

which simply observes people going about their usual behavior,

rather than randomly assigning active participants

လူတွေရဲ့ပုံမှန်အမူအကျင့်တွေကို ကြည့်ရှုစစ်ဆေးရုံသာဖြစ်တဲ့

to control invariable groups.

ကူးစက်ရောဂါဆိုင်ရာ လေ့လာမှုကိုအသုံးပြုတယ်။

Let's say we wanted to study

ဈေးကွက်မှာရှိတဲ့ ဆေးဖက်ဝင်

whether an herbal ingredient on the market

အပင်တစ်မျိုးက ပျို့အန်၊မအန်

causes nausea.

လေ့လာချင်တယ် ဆိုကြပါစို့။

Rather than deliberately giving people something

လူတွေကို ပျို့အန်စေမယ့် တစ်ခုခုကို

that might make them nauseated,

တမင် ပေးတာအစား၊

we would find those who already take the ingredient

သူတို့ရဲ့ နေ့စဉ်ဘ၀ထဲက ပါဝင်ပစ္စည်းတွေကို

in their everyday lives.

စားသုံးထားသူတွေကို တွေ့ရမှာပါ။

This group is called the cohort.

ဒါကို စိတ််တူကိုယ်တူလူစုလို့ခေါ်ပါတယ်။

We would also need a comparison group

ပါဝင်ပစ္စည်းနဲ့ မထိတွေ့တဲ့ လူတွေရဲ့

of people who do not have exposure to the ingredient.

နှိုင်းယှဉ်အုပ်စုတစ်ခုလည်း လိုအပ်မှာပါ။

And we would then compare statistics.

စာရင်းဇယားတွေကို နှိုင်းယှဉ်ကြည့်မယ်။

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

ဆေးဖက်ဝင် အပင်အစုအဝေးမှာ ပျို့အန်နှုန်း ပိုများရင်

it suggests an association

ဒါက ဆေးဖက်ဝင်အပင် ဖြည့်စွက်စာနဲ့

between the herbal supplement and nausea.

ပျို့အန်တာကြားက ဆက်စပ်မှုကို အကြံပြုတယ်။

Epidemiological studies are great tools

လူ့အသက်တွေ တိုက်ရိုက် စွက်ဖက်တာ (သို့)

to study the health effects of almost anything,

အန္တရာယ်ရှိနိုင်တဲ့ ထိတွေ့မှုတွေမှာ သတ်မှတ်တာမရှိရင်

without directly interfering in people's lives

ကူးစက်ရောဂါလေ့လာမှုတွေက အားလုံးနီးပါးရဲ့

or assigning them to potentially dangerous exposures.

ကျန်းမာရေးသက်ရောက်မှုတွေကို လေ့လာဖို့ ကိရိယာကောင်းတွေပါ။

So, why can't we rely on these studies

ဒြပ်တွေနဲ့ ကျန်းမာရေးအပေါ် ဒါတွေက

to establish causal relationships

သက်ရောက်မှုတွေကြားက

between substances and their effects on health?

ဆက်နွယ်မှုတွေကို ဖော်ထုတ်ဖို့ ဘာလို့ အားကိုးလို့မရတာလဲ။

The problem is

ပြဿနာက အကောင်းဆုံး

that even the best conducted epidemiological studies

ကူးစက်ရောဂါ လေ့လာမှုတွေတောင် ပင်ကို

have inherent flaws.

ချို့ယွင်းချက်တွေ ရှိလို့ပါ။

Precisely because the test subjects

အကြောင်းက အစမ်းသပ်ခံတွေကို

are not randomly assigned to their groups.

အုပ်စုအလိုက် ကျပန်း မသတ်မှတ်လို့ဆိုတာသေချာတယ်။

For example, if the cohort in our herbal study

ဥပမာ ဆေးဖက်ဝင်အပင် လေ့လာချက်ထဲက အုပ်စုဟာ

consisted of people who took the supplement

ကျန်းမာရေးအကြောင်းပြချက်နဲ့

for health reasons,

ဖြည့်စွက်စာ သောက်သူတွေပါရင်

they may have already had higher rates of nausea

သူတို့ဟာ အခြားနမူနာက အခြားသူတွေထက်

than the other people in the sample.

ပျို့အန်နှုန်း ပိုမြင့်မားနေလောက်တယ်။

Or the cohort group could've been composed of

သို့မဟုတ် အစုအဖွဲ့ဟာ ကျန်းမာရေး

people who shop at health food stores

အစာဆိုင်တွေမှာ ဈေးဝယ်သူတွေနဲ့ မတူတဲ့ အစာ

and have different diets

(သို့) ကျန်းမာရေးစောင့်ရှောက်မှု

or better access to healthcare.

ပိုရနိုင်သူတွေ ပါနိုင်တယ်။

These factors that can affect results,

လေ့လာထားတဲ့ အချက်အပြင် ရလဒ်ကို

in addition to the factor being studied,

ထိခိုက်နိုင်တဲ့ ဒီအချက်တွေကို

are known as confounding variables.

confounding variables လို့ ခေါ်တယ်။

These two major pitfalls,

အကျိုးစီးပွားပဋိပက္ခတွေ သို့မဟုတ်

combined with more general dangers,

ဒေတာ ရွေးချယ်အသုံးပြုမှုလို

such as conflicts of interest or selective use of data,

ယေဘုယျ အန္တရာယ်တွေနဲ့ ပေါင်းနေတဲ့ ဒီအဓိကကျတဲ့ ဘေးနှစ်ခုဟာ

can make the findings of any particular epidemiological study suspect,

ကပ်ရောဂါဆိုင်ရာ လေ့လာမှုတစ်ခုရဲ့ တွေ့ရှိချက်တွေကို သံသယဖြစ်စေနိုင်ပြီး

and a good study must go out of its way

လေ့လာမှုကောင်းတစ်ခုဟာ ပြုစုသူတွေကို

to prove that its authors have taken steps

သက်သေပြဖို့၊ အမှားမျိုးတွေကို

to eliminate these types of errors.

ဖယ်ရှားဖို့ နည်းလမ်းကနေ သွေဖယ်မှာပါ။

But even when this has been done,

ဒါပေမဲ့ ပြီးမြောက်တဲ့အခါမှာတောင်

the very nature of epidemiological studies,

အရင်ရှိဆဲ အုပ်စုတွေကြားက ခြားနားချက်တွေကို

which examine differences between preexisting groups,

ဆန်းစစ်တဲ့ ကူးစက်ရောဂါဆိုင်ရာ လေ့လာမှုတွေရဲ့ သဘာဝက

rather than deliberately inducing changes within the same individuals,

တူညီတဲ့ လူတစ်ဦးချင်းအတွင်း အပြောင်းအလဲတွေကို တမင် လှုံ့ဆော်တာထက်၊

means that a single study

စစ်မှန်တဲ့ အကြောင်းနဲ့အကျိုး

can only demonstrate a correlation

ဆက်နွယ်မှုထက်၊ လေ့လာမှုတစ်ခုတည်းက

between a substance and a health outcome,

ဒြပ်တစ်ခုနဲ့ ကျန်းမာရေးဆိုင်ရာ ရလဒ်တွေကြားက

rather than a true cause and effect relationship.

ဆက်စပ်မှုကိုသာ ပြသနိုင်တယ်လို့ ဆိုလိုတာပါ။

At the end of the day,

နောက်ဆုံး ကူးစက်ရောဂါဆိုင်ရာ

epidemiological studies have served as excellent guides to public health,

လေ့လာမှုတွေက ပြည်သူ့ကျန်းမာရေးအတွက် လမ်းညွှန်ကောင်းတွေဖြစ်ပြီး၊

alerting us to critical health hazards,

ဆေးလိပ်သောက်တာ၊ကျောက်ဂွမ်း၊

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

ခဲနဲ့ အခြားအရေးကြီးတဲ့ ကျန်းမာရေး အန္တရာယ်တွေကို သတိပေးပါတယ်။

But these were demonstrated through

ဒါပေမဲ့ ဒါတွေကို ကောင်းစွာ

multiple, well-conducted epidemiological studies,

လုပ်ထားတဲ့ ကူးစက်ရောဂါ လေ့လာမှုများစွာ ကနေ သရုပ်ပြခဲ့ပြီး

all pointing in the same direction.

အားလုံးက တူညီတဲ့ ဦးတည်ချက်ကို ညွှန်ပြတယ်။

So, the next time you see a headline

ဒီတော့ နောက်တစ်ခါ အံ့ဖွယ်ကုထုံးသစ်

about a new miracle cure

(သို့) နေ့စဉ်သုံးပစ္စည်းကနေ

or the terrible danger posed by an everyday substance,

ဖြစ်ပေါ်လာတဲ့ ကြောက်မက်ဖွယ်

try to learn more about the original study

အန္တရာယ်အကြောင်း ခေါင်းစီးကိုတွေ့တဲ့အခါ

and the limitations inherent in any epidemiological study or clinical trial

ကောက်ချက်မချခင် ကူးစက်ရောဂါ လေ့လာမှု (သို့) စမ်းသပ်မှုတိုင်းက မူရင်းလေ့လာမှုနဲ့

before jumping to conclusions.

ကန့်သတ်ချက်တွေကို ပိုမိုလေ့လာကြည့်ပါ။