⚠️⚠️ #هشدار
در صفحات مجازی و حتی رسانه‌های شناخته شده، استفادۀ اشتباه از مقالات علمی برای خبرسازی بسیار دیده می‌شود.
#بهزاد_پاکروح
t.me/HealthNotes
t.me/andishehsarapub

هر مقاله‌ای که با عنوان «مطالعه علمی» منتشر می‌شود، الزاماً معتبر، قابل اعتماد یا قابل تعمیم نیست.

حتی انتشار یک مقاله در یک مجله علمی معتبر نیز به این معنا نیست که تمام نتایج آن قطعی و نهایی‌اند.

ارزیابی یک یافته علمی نیازمند توجه هم‌زمان به طراحی مطالعه، روش اجرا، جمعیت مورد بررسی، کیفیت داده‌ها، روش‌های آماری، خطر سوگیری، محدودیت‌ها و سازگاری نتایج با مجموعه شواهد موجود است.

یکی از نخستین پرسش‌ها این است که مقاله در چه نوع نشریه‌ای و با چه فرایند داوری منتشر شده است.
مقاله‌ای که تحت داوری همتا (peer review) قرار گرفته، معمولاً پیش از انتشار توسط متخصصان همان حوزه بررسی می‌شود؛ اما peer review تضمین‌کننده صحت مقاله نیست و حتی مقالاتی که از فرایند داوری همتا عبور کرده‌اند نیز ممکن است بعداً دارای خطا، نقص روش‌شناختی، تفسیر نادرست یا حتی تخلف پژوهشی شناخته شوند.

در مقابل، مقاله‌ای که هنوز peer review نشده، مانند بسیاری از preprintها، نباید از نظر اعتبار شواهد با یک مقاله داوری‌شده هم‌سطح تلقی شود.
البته «داوری‌نشده» به معنی «حتماً غلط» نیست؛ بلکه یعنی ارزیابی رسمی همتایان هنوز انجام نشده و بنابراین باید با احتیاط بیشتری تفسیر شود.

موضوع مهم دیگر، وجود خطاهای پس از انتشار است.
گاهی پس از انتشار مشخص می‌شود که مقاله دارای خطا یا مشکلی است که نیازمند اصلاح است. در چنین مواردی ممکن است مجله «اصلاحیه» (correction/erratum) منتشر کند.
در موارد جدی‌تر، اگر اعتماد به بخشی یا تمام مقاله به‌طور اساسی آسیب دیده باشد، مقاله ممکن است «پس‌گرفته» یا retract شود.

دلایل retraction می‌توانند بسیار متفاوت باشند؛
از خطاهای جدی در داده‌ها یا تحلیل آماری و مشکلات اساسی در روش‌شناسی گرفته تا جعل یا دستکاری داده‌ها، سرقت علمی (plagiarism)، دستکاری تصاویر یا داده‌ها، مشکلات اخلاق پژوهش، انتشار تکراری، یا شواهدی از دستکاری فرایند داوری.

بنابراین «retracted» بودن یک مقاله باید جدی گرفته شود، اما علت retraction نیز باید بررسی شود؛ هر مقاله پس‌گرفته‌شده الزاماً به دلیل جعل داده پس گرفته نشده است.

از سوی دیگر، متأسفانه همه مقالاتی که در ظاهر یک مقاله پژوهشی واقعی به نظر می‌رسند، لزوماً محصول یک فرایند پژوهشی معتبر نیستند.
مواردی از جعل داده، ساختن داده‌های غیرواقعی، دستکاری تصاویر، سرقت علمی، نویسندگی صوری و حتی مقالات کاملاً ساختگی گزارش شده است. همچنین در سال‌های اخیر درباره «paper mills» یا کارخانه‌های مقاله‌سازی و «peer-review manipulation» نیز نگرانی‌های جدی مطرح شده است؛ یعنی تولید یا دستکاری مقالات و گاهی فرایند داوری با هدف انتشار علمی.

بنابراین صرف وجود عنوان، چکیده، DOI یا حتی ظاهر کاملاً علمی یک مقاله، به‌تنهایی صحت داده‌های آن را تضمین نمی‌کند.

در ارزیابی یک مقاله باید مشخص شود که پژوهش از چه نوعی بوده است:
مطالعه آزمایشگاهی، حیوانی، مقطعی، مورد-شاهدی، کوهورت، کارآزمایی تصادفی‌شده، مرور نظام‌مند یا فراتحلیل.
قدرت استنباط علّی این طراحی‌ها یکسان نیست. برای مثال، یک مطالعه مشاهده‌ای می‌تواند ارتباط میان دو متغیر را نشان دهد، اما معمولاً به‌تنهایی نمی‌تواند ثابت کند که یکی علت دیگری است.

همچنین باید جمعیت مطالعه را بررسی کرد: چند نفر در پژوهش شرکت داشته‌اند؟ چه کسانی بوده‌اند؟ چگونه انتخاب شده‌اند؟ آیا گروه مورد مطالعه نماینده جمعیتی است که می‌خواهیم نتیجه را به آن تعمیم دهیم؟ یک یافته در گروهی خاص، مثلاً افراد جوان و سالم، الزاماً در سالمندان، بیماران یا جمعیتی با ویژگی‌های متفاوت همان نتیجه را ندارد.

روش اندازه‌گیری مواجهه و پیامد نیز اهمیت دارد. برای مثال، اگر مصرف یک ماده غذایی بر اساس یادآوری غذایی یا پرسش‌نامه اندازه‌گیری شده باشد، احتمال خطای اندازه‌گیری وجود دارد. اگر پیامد مورد نظر نیز به‌صورت خودگزارشی یا با روشی کم‌دقت اندازه‌گیری شده باشد، تفسیر نتایج دشوارتر می‌شود.

در مطالعات مشاهده‌ای باید به عوامل مخدوش‌کننده (confounders) نیز توجه کرد. ممکن است افرادی که رفتار یا ماده غذایی خاصی مصرف می‌کنند، از جنبه‌های دیگری نیز با افراد گروه مقایسه‌شده تفاوت داشته باشند. پژوهشگران می‌توانند برخی عوامل شناخته‌شده را در تحلیل آماری تعدیل کنند، اما تعدیل آماری همه مخدوش‌کننده‌ها را از بین نمی‌برد و نمی‌تواند وجود عوامل ناشناخته یا اندازه‌گیری‌نشده را منتفی کند.

اندازه اثر نیز به اندازه «معناداری آماری» اهمیت دارد. یک نتیجه ممکن است از نظر آماری معنادار باشد، اما اندازه اثر آن کوچک باشد یا اهمیت بالینی و عملی محدودی داشته باشد. همچنین باید فاصله اطمینان (confidence interval) و، در صورت امکان، دامنه عدم‌قطعیت نتیجه را بررسی کرد؛ نه اینکه تنها به یک عدد یا P-value توجه شود.

حتی یک نتیجه مثبت در یک مطالعه منفرد نیز لزوماً کافی نیست.
اگر مطالعات مستقل و با طراحی‌های مناسب نتایج مشابهی نشان دهند، اعتماد ما به یافته بیشتر می‌شود. در مقابل، اگر نتایج مطالعات با یکدیگر ناسازگار باشند، باید علت این ناهمگونی بررسی شود؛ مثلاً تفاوت در جمعیت‌ها، مداخلات، تعریف پیامدها، مدت پیگیری یا روش‌های پژوهش.

مرور نظام‌مند و فراتحلیل می‌تواند برای جمع‌بندی شواهد بسیار ارزشمند باشد، اما خودِ عنوان «systematic review» یا «meta-analysis» نیز تضمین‌کننده کیفیت نیست.
کیفیت چنین پژوهشی به کیفیت مطالعات واردشده، روش جست‌وجو و انتخاب مطالعات، خطر سوگیری، ناهمگونی مطالعات و روش آماری مورد استفاده وابسته است.
اگر بیشتر مطالعات اولیه ضعیف باشند، ترکیب آنها در یک فراتحلیل الزاماً شواهد قدرتمندی ایجاد نمی‌کند.

همچنین باید میان «یک فرضیه»، «یک ارتباط آماری»، «شواهد اولیه»، «شواهد نسبتاً سازگار» و «رابطه علت و معلولی تثبیت‌شده» تفاوت گذاشت.
زبان مقاله نیز باید متناسب با قدرت شواهد باشد. عبارت‌هایی مانند «با کاهش خطر مرتبط بود» با «خطر را کاهش می‌دهد» یا «از بیماری پیشگیری می‌کند» از نظر علمی یکسان نیستند.

بنابراین هنگام دیدن یک خبر، پست اینستاگرامی یا حتی یک مقاله علمی، بهتر است فقط به عنوان، چکیده یا یک عدد جذاب در آن اکتفا نکنیم. باید بپرسیم:

این پژوهش چه نوع مطالعه‌ای بوده است؟
در چه جمعیتی انجام شده است؟
آیا داوری همتا شده است؟
آیا مقاله بعداً اصلاح یا retract شده است و اگر بله، چرا؟
آیا نشانه‌ای از خطا، جعل، دستکاری داده، سرقت علمی یا دستکاری فرایند داوری وجود دارد؟
اندازه اثر و فاصله اطمینان چقدر است؟
چه سوگیری‌ها و عوامل مخدوش‌کننده‌ای ممکن است وجود داشته باشند؟
نتایج با مطالعات مستقل دیگر سازگارند؟
و مهم‌تر از همه، آیا مجموعه شواهد موجود واقعاً از همان ادعایی که در رسانه یا شبکه‌های اجتماعی مطرح شده، پشتیبانی می‌کند؟

علم فقط خواندن یک مقاله نیست؛ تفسیر درست شواهد، به ارزیابی نقادانه کیفیت پژوهش و قرار دادن هر یافته در کنار کل شواهد موجود نیاز دارد.

بخش نخست:
t.me/nouritazeh/2131