گام‌های کشف رابطه علیتی در پادکست فیل‌کست

به نظر شما بین شخصبت افراد و موارد دیگر مثل انجام قتل و … و نور ماه و یا کامل شدن ماه و … ارتباطی وجود دارد؟


در این قسمت از پادکست (لینک) با نام قاتلین مهتابی (قسمت دوم نفرین ماه)، به این جمله اشاره می‌شود که correlation is not causation و این یعنی وجود رابطه یا association حتما به معنای رابطه علیتی نیست. در ادامه هم به جمله ای از استاد ملک زاده اشاره می‌شود که برای این که یک جمله در علم پزشکی گفته شود که تریاک سرطان زاست بیش از پنجاه سال تحقیق شد.(لینک فایل سخنرانی)

از مهمانان این برنامه این پادکست، استاد اکبر فتوحی‌ از علوم پزشکی تهران هستند که به توضیح چگونگی رسیدن به رابطه علیتی می‌پردازند و من خلاصه‌ای از آن را اینجا قرار می‌دهم:

رابطه آماری معنادر به نوعی مشخص می‌کند که رابطه دیده شده بعید است ناشی از شانس باشد. پس فقط یک پیام اینجا وجود دارد و آن این که این رابطه شانسی نبوده ولی این به معنای وجود رابطه علیتی نیست.

در کشف رابطه علّیِ بین دو متغیر، ابتدا باید بررسی کرد که یک رابطه بین دو متغیر وجود دارد یا خیر؟

رابطه (Association)، با تکنیک های آماری مختلفی بررسی می‌شود که یکی از آنها بررسی همبستگی یا همان correlation است. موارد دیگری هم برای بررسی اختلاف یا Difference و همین طور تخمین یا پیش بینی یا Regression نیز وجود دارد.

اما این پایان کار نیست. هنوز نمی‌توان گفت این رابطه دیده شده حتما علیتی است. دو مورد دیگر باید بررسی شود. یکی وجود خطاهای سیستماتیک و دیگری وجود رابطه مخدوشگر بین منغیرها.

باید وجود خطاهای سیستماتیک یا منظم را (در نمونه گیری و یا اندازه گیری) هم بررسی کرد. وجود این خطاها باعث می‌شود که اگر ما آزمایش یا مطالعه‌مان را هزار (یا به هر تعداد) هم تکرار کنیم رابطه معنادار را ببینیم که ناشی از شانس نباشد (معنادار) اما این بواسطه وجود آن خطا بوده نه وجود یک رابطه علیتی.

مثلا (خطار در نمونه گیری)، واکسن کووید را به افراد شاغل در مشاغل کم خطر بزنیم و بعد نتیجه بگیریم که واکسن ابتلا به کووید را کاهش می‌دهد. یا مثلا (خطا در اندازه گیری)، در افراد واکسن زده کمتر دنبال ابتلا به کووید بگردیم تا در افراد واکسن نزده.

همان طور که گفته شد این خطاها سیستماتیک هستند و ربطی به حجم نمونه ندارند. اقدام موثر برای حذف این خطاها، استفاده از کارآزمایی بالینی است.

در نهایت باید وجود رابطه مخدوشگر را نیز بررسی کرد. ممکن است رابطه ای کشف شود که ناشی از شانس نباشد (P value معنادار) و ما دچار خطاهای نمونه گیری و اندازه گیری هم نشده باشیم. اما هنوز نمی‌توان رابطه علیتی را ادعا کرد. باید فاکتور مخدوش کنندگی را هم بررسی کرد.
ممکن است بین رابطه دو متغیر، یک متغیر سوم دیگری وجود داشته باشد، که رابطه آنها را تحت تاثیر قرار می‌دهد یا کمتر یا بیشتر می‌کند و یا اصلا باعث می‌شود رابطه آنها پنهان شود. مثلا در مطالعه‌ای ممکن است دیده شود که افرادی که قهوه مصرف می‌کنند بیشتر به سرطان مبتلا می‌شوند. اما در بررسی بیشتر متوجه شویم که این به خاطر این بوده که این افراد معمولا مصرف سیگار بیشتری هم داشته‌اند.

بالاخره بعد از همه اینها، باید دقت کنیم که برای تایید وجود یک رابطه، معمولا نمی‌توان فقط به یک مطالعه تکیه کرد و باید مطالعات دیگر هم انجام شود.
ما حتی برای این که بگوییم بین دو متغیر یک رابطه علیتی وجود ندارد هم معمولا نیاز به شواهد داریم.(Absence of evidence is not evidence of absence). احتمالا این پست را با دسترسی به فایل مصاحبه استاد فتوحی از طریق کانال تلگرام فیل‌کست کامل‌تر خواهم کرد.


به روز رسانی: فایل صحبت‌های کامل جناب دکتر فتوحی از اینجا در دسترس است.

برای مطالعه بیشتر و کامل در مورد موضوع رابطه علیتی می‌توانید از رفرنس زیر استفاده کنید:

https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/

@Scientometric