There are three kind of lies: Lies, damned lies, and statistics. Dit belooft niet veel goeds voor de wetenschap. Wie moet je nu geloven, als je data en uitkomsten op zo veel verschillende wijzen kunt weergeven, verslaan of interpreteren?

Wetenschap hanteert verschillende methoden om ‘een’ waarheid boven water te krijgen. ‘De’ waarheid bestaat niet, waarheid hangt altijd van je perspectief, je achtergrond, je kennis, maar helaas ook je politiek. Men spreekt graag van ‘waarde-vrije’ wetenschap, waarmee aangeduid wordt, dat de wetenschapper geen invloed mag/kan hebben op hetgeen uit zijn onderzoek komt. Echter hiermee zegt men nog niets over hetgeen voor en na de wetenschappelijke traject plaatsvindt. Wie beslist waarover onderzoek plaatsvindt? Hoe zien we of alle wetenschappelijke data werkelijk ook boven tafel komen? Wetenschap kan ‘zuiver’ zijn, voor en achteraf wordt veel gelobbyd en politiek bedreven.

In de wetenschap worden verschillende methoden gebruikt om oorzaak en gevolg vast te stellen, om correlaties tussen grootheden te vinden of om nieuwe thema’s exploratief te verkennen. De opgave van de wetenschappelijke methode, is om eerst maar met zekerheid verschillen vast te stellen: melk A is anders dan melk B. Verder gaat het dan om de zwaarte van de uitspraak: altijd verschillend, of verschillend onder bepaalde voorwaarden en gebaseerd op welke methode. Eerst daarna kom je tot interpretatie en oordeel: melk A is beter dan melk B, vanuit mijn perspectief of opvatting over vetten, gevaar van kiemen, pasteurisatie, etc.

N=1, de case-study

Bij gevalsbeschrijvingen (N=1) gaat het dikwijls om een enkele patiënt of een enkele waarneming, leidend tot een nieuwe hypothese / gedachte. Als onderzoeker ‘zie je’ een nieuwe logica. De arts, die zijn individuele patient moet diagnosticeren, is voortdurend bezig met casuïstiek. De veehouder, die elke dag zijn koeien bekijkt eveneens. In wezen maken we allemaal veel gebruik van casuïstiek in ons dagelijks leven. De achtergrond van het inzicht, dat hier ontstaat is gebaseerd op ‘patroon-herkenning’. De blik van de expert leidt ertoe, dat hij/zij patronen ziet, die een niet-ervaren mens niet ziet. Een kleine afwijking, een geluid, een geur kunnen ertoe leiden, dat men merkt: hier is wat anders, hier is wat loos. Het hele justitiële apparaat hangt aan bewijs op basis van case-studies, via ons DNA.

Kiene (2000) beschrijft de patroonherkenning in detail. Gek genoeg is men zekerder over zijn oordeel, naarmate patronen complexer zijn. Hoe complexer mijn beeld en indrukken zijn, hoe indringender ik weet, dat er iets afwijkends, iets anders is. Wanneer jouw DNA gevonden is, op de plek des onheils, heb je veel uit te leggen en wordt het moeilijk om je onschuld te bewijzen. Het heeft te maken met de complexiteit of uniciteit van de individuele DNA-volgorde, een complex en uniek patroon. Ook de iris-scan op de luchthaven wordt gebruikt als bewijs dat jij het werkelijk bent, als unieke persoon; je mag doorlopen.

Kiene (2000) noemt dit een ruimtelijk patroon (pattern in space): de voetafdruk, de banden-print in de bodem, je DNA-patroon. De zekerheid over de correlatie of de oorzakelijkheid komt door de overeenkomst tussen het afgedrukte patroon en het oorzakelijke patroon: mijn vingerafdruk is terug te vinden op het wijnglas, omdat jij het glas hebt vastgepakt.

Een 2^e belangrijk patroon, waar we dagelijks gebruik van maken is op basis van een tijdspatroon (pattern in time). We zien wolken, er komen druppels uit en de straat is nat geworden. Hier ontwikkelen we zekerheid over oorzaak en gevolg, naarmate we duidelijker een verandering zien omdat we zelf een ingreep hebben gedaan. Ik begrijp waarom wanneer ik een gieter heb gebruikt, de planten weer opveren, ook al kan het in de tijd even duren. Kiene (2000) noemt een belangrijk kenmerk pver deze pattern in time, namelijk ‘lang-voor, kort-na’: men neemt over een lange periode een bepaald patroon waar, ik doe een ingreep / er wordt een ingreep gedaan en vervolgens zie ik een verandering optreden in het patroon, bijna onmiddellijk na de ingreep.

Epidemiologische studies

Er wordt binnen het gezondheidszorgsonderzoek van mens en dier veel gebruik gemaakt van bijvoorbeeld cohort-studies. Men onderzoekt een grote groep kinderen en ondervraagt de ouders naar allerlei gewoontes, gedrag, eetpatronen, ziektes, etc. Op basis van statistische modellen worden correlaties berekend tussen bijvoorbeeld de prevalentie van astma (als uitkomstvariabele) en de consumptie van (rauwe) melk (als mogelijke oorzakelijke variabele). Als de groep groot genoeg is, kun je corrigeren voor allerlei variabelen (gewicht, leeftijd, geslacht, etc), die het resultaat mede kunnen beïnvloeden. Hier wordt vaak de odds ratio gebruikt om uit te drukken, hoe groot de kans is, dat iets verhoogd of verlaagd is. Wanneer de groep kinderen groot genoeg is, kan men op basis van allerlei ondergroepen beoordelen of er aanpalende effecten zijn, die het resultaat mede beïnvloeden. Dan spreekt men van een  adjusted odds ratio (AoR).

Evenals bij de hiervoor genoemde casuïstiek gaat het hier om het vinden van correlaties, hier echter op basis van abstracte statistische patronen. Het gaat niet om de ‘kennersblik’ van de arts of veehouder, maar om de kracht van de computer, de omvang van de studie en het statistische programma.

Verklarende, experimentele studies

In onderzoek wisselt het epidemiologische onderzoek zich vaak af met experimenteel onderzoek. Op basis van de epidemiologie vind ik ecologische correlaties, die voor de buitenstaander wellicht een bepaalde logica hebben, maar die nog niet als wetenschappelijk bewijs worden geaccepteerd. Ik moet mijn gevonden ‘factoren’ ook nog toetsen in een gecontroleerde studie. De hoogste kwaliteit van wetenschappelijke erkenning krijg je door het zg gerandomiseerde dubbelblind-onderzoek: een experiment met een bepaalde factor wordt getest in een groep gedefinieerde mensen (gezond of ziek; leeftijd, genetische achtergrond) zonder dat a) de behandelaar weet, wat groep A krijgt of wat groep B krijgt, maar ook de patiënt niet. Bovendien heeft het lot bepaald of je als patiënt tot groep A of groep B behoort en weet je derhalve niet of je een preparaat krijgt of een nep-middel (= placebo). Wanneer ik als onderzoeker kan aantonen, dat mijn gedachtes (hypothese) door mijn experimentele onderzoek bevestigd worden, dan wordt dit als een belangrijke bewijsstap aangemerkt.

Foto: varkens op een Zwitsers BD-bedrijf