Birlikte değişim · Fonksiyonel Tıp Akademisi

Açılış sahnesi

Bir aile hekimliği biriminde salı sabahı. Elli sekiz yaşındaki Hülya Hanım muayene masasına telefonunu uzatıyor; ekranda bir haber başlığı var: "Kahve içenlerde şu hastalık daha az görülüyor." Sorusu hazır: kahveyi artırsa korunur mu? Hekim reçete kâğıdının arkasına dört kutulu küçük bir tablo çiziyor ve haberin dayandığı türden bir veriyi, sayıları uydurma olduğunu baştan söyleyerek, bin kahve içen ve bin içmeyen kişiyle kuruyor. Kahve içenlerin 30'unda hastalık var, içmeyenlerin 50'sinde; yani 30 ÷ 1000 = %3'e karşı 50 ÷ 1000 = %5.

Sonra aynı tabloyu bu kez yukarıdan aşağıya okuyor. Hastalığı olan 80 kişinin yalnız 30'u kahve içiyor: 30 ÷ 80 = %37,5. Hastalığı olmayan 1.920 kişinin ise 970'i içiyor, yani yaklaşık %50,5. Aynı dört kutudan bu kez başka bir cümle çıkıyor: "Şu hastalığı olanlar daha az kahve içiyor." Birinci cümle bir tedavi öneriyor gibi duruyor, ikincisi bir belirtiyi tarif ediyor gibi; oysa ikisi aynı veriyi anlatıyor. Bu ders o iki cümle arasındaki mesafe hakkında ve o mesafenin nasıl kapatıldığı hakkında.

Bu derste ne olacak

Önce korelasyonun ne olduğunu ve ne olmadığını netleştireceğiz. Sonra iki şeyin birlikte değişmesinin kaç farklı sebebi olabileceğini sayacağız: beş tane var ve nedensellik yalnız biri. Ardından korelasyonun neden yine de değerli olduğunu göreceğiz, çünkü bu ders "korelasyon işe yaramaz" demiyor. Ders bittiğinde, Hülya Hanım'ın telefonundaki gibi bir birliktelik haberiyle karşılaştığında beş olasılığı da sırayla düşünebiliyor olacaksın.

Sıfır noktası

Aradaki mesafe tek cümlede: korelasyon dünyanın nasıl göründüğünü, nedensellik dünyaya dokunursak ne olacağını söyler. Hekimin tablosu dünyanın nasıl göründüğünü gösteriyor; Hülya Hanım'ın sorusu ise dünyaya dokunmakla ilgili. Kahveyi artırırsa ne olacağını tablo söyleyemez, çünkü tablo kimsenin kahvesini değiştirmedi, yalnız zaten içenleri ve içmeyenleri saydı.

Mekanizma

Beş açıklama

A ile B birlikte değişiyorsa bunun beş olası açıklaması var ve bir haberi duyduğunda beşini de sırayla geçirmek, bu modülün kazandıracağı asıl alışkanlık. İlki, aradığımız açıklama: A, B'ye neden oluyor. Hülya Hanım'ın umduğu okuma bu, kahve gerçekten koruyor olabilir; ama beş açıklamanın yalnız biri.

İkincisi okun ters yönde olması, yani ters nedensellik: B, A'ya neden oluyor. Hastalığın erken döneminde mide şikâyetleri ya da genel bir halsizlik insanları kahveden uzaklaştırıyorsa, hastalık kahveyi azaltıyor demektir, kahve hastalığı değil. Modülün dördüncü dersi bu açıklamayı ayrıntısıyla işleyecek. Üçüncüsü ortak neden: üçüncü bir şey ikisine birden yol açıyor. Kahve içme alışkanlığı yaşla, çalışma düzeniyle ya da genel sağlık durumuyla bağlantılıysa, tablodaki fark kahveden değil o ortak etkenden gelebilir; en yaygın açıklama bu ve modülün beşinci dersinin konusu.

Dördüncüsü, seçim biçiminden doğan yapay bir ilişki. Verinin kimlerden toplandığı, ilişkinin kendisini üretebilir: yalnız hastanede yatanlar ya da yalnız bir ankete cevap verenler incelendiğinde, gerçek dünyada olmayan bir bağ ortaya çıkabilir. Bunu yedinci derste göreceksin. Beşincisi de rastlantı: yeterince çok şey karşılaştırılırsa bazıları tesadüfen ilişkili çıkar.

Vakanın son cümlesi bu dersin özeti gibi. Gözlemden şüphe etmiyoruz; kahvaltı yapanlarda göstergenin daha iyi olduğu, Hülya Hanım'ın tablosundaki %3 ile %5 gibi gerçek bir sayı olabilir. Şüphe ettiğimiz şey, o sayıdan tek bir yoruma atlamak.

Rastlantı: neden kaçınılmaz

Beşinci açıklama en az sezgisel olanı, o yüzden ayrı duralım. Bir veri kümesinde yüzlerce değişken varsa ve hepsi birbiriyle karşılaştırılırsa, hiçbir gerçek ilişki olmasa bile bir kısmı "anlamlı" çıkar. Bu, istatistiğin doğasından gelir: her karşılaştırma küçük bir yanılma olasılığı taşır ve karşılaştırma sayısı arttıkça o küçük olasılıklar birikir.

Bu yüzden önceden belirtilmemiş, veri toplandıktan sonra bulunmuş ilişkiler zayıf kabul edilir. Bu seviyenin ilerleyen derslerinde tanışacağın iki önlem tam bunun için var. Biri, hangi sonuca bakılacağının veri toplanmadan önce ilan edildiği önceden kayıt; öteki, çok sayıda karşılaştırma yapıldığında anlamlılık eşiğini buna göre sıkılaştıran çoklu test düzeltmesi.

Kartın son cümlesi bir iş bölümünü anlatıyor. Bir veri kümesinde ilişki bulmak birkaç satırlık bir analizle olur; aynı ilişkinin başka bir örneklemde yeniden ortaya çıktığını göstermek ise yeni bir çalışma ister. Bir haberin dayandığı bulgunun bağımsız bir veride tekrarlanıp tekrarlanmadığını sormak, rastlantıya karşı okurun elindeki en basit sorudur.

Korelasyon neden yine de değerli

Bu dersi "korelasyon işe yaramaz" diye okumak yaygın ve yanlış bir çıkarım olurdu. Korelasyon üç işi gerçekten yapar ve üçü de tıbbın gündelik işleyişinde yer alır. Önce hipotez üretir: nedensel araştırmaların neredeyse hepsi bir birliktelik gözleminden başlar ve bir şeyin araştırılmaya değer olduğunu ilk söyleyen odur.

İkincisi öngörü sağlar. Nedensel olmayan bir ilişki bile öngörü için kullanılabilir; bir belirteç hastalığa neden olmasa da onu haber veriyorsa, risk hesabında işe yarar. Üçüncüsü, nedenselliğin gerekli koşuludur. Ölçüm hataları ve birbirini gizleyen etkiler dışında, bir ilişki yoksa nedensellik de yoktur; bu yüzden korelasyon, nedenselliğe giden yolun ilk adımıdır.

Tanımın son cümlesi bu akademide tekrar tekrar karşına çıkacak. Vekil sonlanım dersinde (L01-P04-M02-D07) bir belirtecin klinik sonucu iyi öngörmesinin, onu değiştirmenin o sonucu değiştireceği anlamına gelmediğini ayrıntısıyla göreceksin. Hülya Hanım'ın tablosu için de aynı şey geçerli: kahve içme durumu hastalığı biraz öngörebilir, ama bu, kahveyi artırmanın hastalığı azaltacağını söylemez.

Nasıl güçlenir

Bir korelasyondan nedenselliğe geçiş tek adımda olmaz ve bu modülün kalan dersleri o geçişi güçlendiren ölçütleri sırayla ele alıyor. İkinci ders zamansal önceliği, yani nedenin sonuçtan önce gelmesi gerektiğini işliyor; üçüncüsü doz–yanıt ilişkisini, maruziyet arttıkça etkinin de artıp artmadığını. Dördüncü ve beşinci dersler, bu derste saydığın açıklamalardan ters nedenselliği ve ortak nedeni tek tek elemenin yollarını gösteriyor.

Altıncı ve yedinci dersler daha ince bir soruya geçiyor: analizde hangi değişkene göre düzeltme yapılmalı, hangisine yapılmamalı? Aracı değişken ve çarpıştırıcı değişken bu ayrımın iki yüzü. Sekizinci ders randomize edilemeyen sorularda müdahaleye yakın koşullar yaratan doğal deneyleri, dokuzuncusu da bir mekanizmanın varlığının nedenselliği ne kadar desteklediğini tartışıyor. Hiçbir ölçüt tek başına yeterli değil; birlikte, bir iddiayı ne kadar güvenle taşıyabileceğini belirliyorlar ve kanıt rozeti tam olarak bunu özetleyen harf.

Bu kart, bütün modülün neden gerekli olduğunu gösteriyor. Gözlemsel veriyle randomize çalışma bazen aynı yöne çıkıyor, bazen çıkmıyor ve farkı belirleyen şey, gözlemsel çalışmanın beş açıklamadan kaçını ne kadar iyi elediği. Hülya Hanım'ın tablosu hiçbirini elemiyor; o yüzden bir soru üretiyor, cevap üretmiyor.

Kendini sına

Korelasyon ile nedenselliği tek cümleyle ayır.
Beş açıklamayı say. Hangisi aradığımız, hangisi en yaygın?
Hekimin tablosunda kahve içenlerde hastalık oranını ve hastalığı olanlarda kahve içme oranını hesapla. İki oran neden iki ayrı cümle üretiyor?
Rastlantı neden kaçınılmaz? Buna karşı hangi iki yöntem kullanılıyor?
Korelasyonun üç gerçek işi ne?
Öngörü ile açıklama farkını bir örnekle anlat.
Açılıştaki iki cümleyi hatırla. İkisi arasındaki fark hangi açıklamaya işaret ediyor?

Bir sonraki derse köprü

Beş açıklamanın ikisi, ters nedensellik ve ortak neden, aslında bir sıralama sorusu taşıyor: kahve mi önce değişti, hastalık mı? Sıradaki ders bu sorunun temelindeki ölçüte, zamansal önceliğe geçiyor. İlk bakışta tartışılacak bir yanı yokmuş gibi görünüyor; asıl güçlük, bir hastalığın gerçekte ne zaman başladığını bilmekte. O derste, bir ölçütün gerekli olmasıyla yeterli olması arasındaki farkı da modülün bütününde kullanacağın bir dil olarak tanıyacaksın.