چگونه تصادفی‌سازی و گروه‌های کنترل، علیت را از همبستگی در مطالعات علمی جدا می‌کنند

هنگام ارزیابی هر ادعای پزشکی، نکته کاربردی ساده است: به دنبال کارآزمایی تصادفی کنترل‌شده (RCT) باشید. شواهد حکایتی مانند «من این مکمل را خوردم و حالم بهتر شد» میلیاردها دلار در بازار سلامت گردش مالی ایجاد می‌کند، اما نمی‌تواند ثابت کند که یک محصول واقعاً کار می‌کند. وقتی فردی قرصی می‌خورد و احساس می‌کند سطح انرژی‌اش بالا رفته، به طور طبیعی این دو اتفاق را به هم ربط می‌دهد و بی‌شمار عامل دیگری را که در همان روز در زندگی‌اش تغییر کرده‌اند، نادیده می‌گیرد.

شواهد با این استدلالِ پس‌رویدادی در تضاد است، زیرا بیولوژی انسان ذاتاً پر از نویز است. یک بیمار ممکن است در هر صورت بهبود یافته باشد، به دلیل اثر دارونما بهتر شده باشد، یا همزمان رژیم غذایی خود را تغییر داده باشد. برای اثبات اینکه یک مداخله خاص واقعاً باعث تغییر فیزیولوژیکی شده است، محققان باید آن مداخله واحد را از تمام متغیرهای دیگر در جهان ایزوله کنند. آن‌ها نمی‌توانند صرفاً افرادی را که تصمیم به مصرف یک دارو می‌گیرند مشاهده کنند؛ بلکه باید محیط را به طور فعال کنترل کنند.

این ایزوله‌سازی از طریق RCT به دست می‌آید. یک RCT با تقسیم جمعیت به دو گروه یکسان، تغییر دقیقاً یک متغیر و مقایسه نتایج، همبستگی را کنار می‌زند تا علیت خالص را آشکار کند. این روش، پایه و اساس معماری پزشکی مبتنی بر شواهد مدرن است که به طور خاص برای غلبه بر سوگیری انسانی و غیرقابل پیش‌بینی بودن بیولوژی طراحی شده است.[1][5]

پایه و اساس این ایزوله‌سازی، گروه کنترل است. بر اساس دستورالعمل‌های روش‌شناسی Scribbr، گروه کنترل به عنوان خط پایه آزمایش عمل می‌کند. این گروه دارونما، مراقبت استاندارد یا هیچ درمانی دریافت نمی‌کند، در حالی که گروه آزمایش مداخله فعال را دریافت می‌کند. این کار به محققان اجازه می‌دهد تا تفاوت دقیق بین انجام دادن یک کار و انجام ندادن آن را اندازه‌گیری کنند.[2]

بدون گروه کنترل، محققان نمی‌توانند اثر دارونما را در نظر بگیرند؛ پدیده‌ای که در آن بیماران صرفاً به این دلیل که باور دارند تحت درمان هستند، بهبود می‌یابند. شرکت‌های داروسازی باید قبل از اینکه نهادهای نظارتی دارویی را معتبر بدانند، در یک RCT ثابت کنند که درمان آن‌ها در مقایسه با این خط پایه مؤثر است. اگر یک مسکن جدید سردرد را ۳۰٪ کاهش دهد، اما گروه دارونما نیز شاهد کاهش ۳۰ درصدی باشد، آن دارو شکست خورده است.[5]

با این حال، اگر گروه‌ها اساساً متفاوت باشند، صرف داشتن دو گروه کافی نیست. اگر پزشکان به طور ناخودآگاه سالم‌ترین و جوان‌ترین بیماران را به داروی جدید و بیمارترین و مسن‌ترین بیماران را به گروه کنترل اختصاص دهند، دارو به طور مصنوعی موفق به نظر می‌رسد. این انحراف به عنوان سوگیری انتخاب شناخته می‌شود و می‌تواند سال‌ها کار بالینی را از بین ببرد.[1]

برای از بین بردن سوگیری انتخاب، شرکت‌کنندگان کاملاً بر اساس شانس به گروه‌ها اختصاص می‌یابند. مؤسسه ملی بهداشت (NIH) تصادفی‌سازی را فرآیندی تعریف می‌کند که تضمین می‌کند متغیرهای مخدوش‌کننده شناخته‌شده و ناشناخته به طور مساوی در هر دو بازوی مطالعه توزیع شوند. این کار، عنصر انسانی را به طور کامل از فرآیند دسته‌بندی حذف می‌کند.[1]

کاربرد واقعی تصادفی‌سازی در توانایی آن برای متعادل کردن عواملی است که محققان حتی به اندازه‌گیری آن‌ها فکر نکرده‌اند. اگر یک جهش ژنتیکی خاص و کشف‌نشده بر نرخ بهبودی تأثیر بگذارد، یک کارآزمایی تصادفی با ۱۰,۰۰۰ نفر به طور طبیعی حدود ۵,۰۰۰ نفر با آن جهش را در گروه درمان و ۵,۰۰۰ نفر را در گروه کنترل قرار می‌دهد و تأثیر آن را بر داده‌های نهایی خنثی می‌کند.

برای محافظت بیشتر از یکپارچگی داده‌ها، RCTهای مدرن از «کور کردن» استفاده می‌کنند. در یک کارآزمایی دوسوکور، نه بیماران و نه پزشکان معالج نمی‌دانند چه کسی درمان فعال و چه کسی دارونما را دریافت می‌کند. این امر از تغییرات رفتاری ناخودآگاه جلوگیری می‌کند؛ مانند پزشکی که به بیماری که می‌داند داروی آزمایشی مصرف می‌کند، مراقبت بیشتری ارائه می‌دهد که می‌تواند نتایج را منحرف کند.[5]

به دلیل این محافظت‌های دقیق، جوامع پزشکی و علمی مدت‌هاست که RCT را «استاندارد طلایی» برای اثبات اثربخشی می‌دانند. همان‌طور که خلاصه روش‌شناسی ویکی‌پدیا بیان می‌کند، RCTها «به دلیل توانایی‌شان در کاهش سوگیری انتخاب و تأثیر متغیرهای مخدوش‌کننده، به طور گسترده به عنوان یکی از باکیفیت‌ترین منابع شواهد در پزشکی مبتنی بر شواهد در نظر گرفته می‌شوند.»[4][5]

معماری RCT به سال ۱۹۴۸ برمی‌گردد، زمانی که شورای تحقیقات پزشکی بریتانیا اولین کارآزمایی تصادفی مدرن را برای آزمایش استرپتومایسین به عنوان درمانی برای سل انجام داد. از زمان آن مطالعه برجسته، این روش‌شناسی به دروازه اجباری برای تأیید جهانی داروها تبدیل شده و توسعه تقریباً هر داروی مدرنی را شکل داده است.[5]

با این حال، این استاندارد طلایی بی‌نقص نیست و مصرف‌کنندگان باید محدودیت‌های آن را درک کنند. مجله Philosophy of Science در سال ۲۰۲۰ نقدی منتشر کرد که در آن این سؤال مطرح شد که آیا RCTها واقعاً علیت را در همه زمینه‌ها ثابت می‌کنند یا خیر، و خاطرنشان کرد که محیط خشک و بسیار کنترل‌شده یک کارآزمایی بالینی اغلب نمی‌تواند واقعیت آشفته زندگی روزمره را منعکس کند.[3]

این شکاف بین آزمایشگاه و دنیای واقعی به عنوان فقدان «اعتبار بیرونی» شناخته می‌شود. دارویی که در یک کارآزمایی با نظارت روزانه بیماران، رژیم‌های غذایی خاص و یادآوری مصرف قرص‌ها به نرخ اثربخشی ۹۵٪ دست می‌یابد، ممکن است در جمعیت عمومی که در آن پایبندی به مصرف دارو به زیر ۵۰٪ کاهش می‌یابد و بیماران دارای بیماری‌های زمینه‌ای همزمان هستند، شکست بخورد.[3]

علاوه بر این، از RCTها نمی‌توان برای مطالعه همه چیز استفاده کرد. این کاملاً غیراخلاقی است که انسان‌ها را به طور تصادفی در گروهی قرار دهیم که آسیب شناخته‌شده‌ای دریافت می‌کنند؛ مانند کشیدن سیگار، خوردن رژیم‌های غذایی بسیار فرآوری‌شده، یا قرار گرفتن در معرض آزبست، فقط برای اینکه نرخ دقیق پیشرفت سرطان را در طول ۲۰ سال اندازه‌گیری کنیم.[1]

در این موارد، محققان باید به مطالعات مشاهده‌ای تکیه کنند و از مدل‌های آماری پیچیده برای تعدیل متغیرهای مخدوش‌کننده پس از وقوع استفاده کنند. اگرچه این روش‌های مشاهده‌ای قطعیت کمتری نسبت به یک RCT دارند، اما تنها راه اخلاقی برای مطالعه مواجهه‌های محیطی طولانی‌مدت یا عادات سبک زندگی بین‌نسلی هستند.

کارآزمایی تصادفی کنترل‌شده همچنان قدرتمندترین ابزاری است که علم برای عبور از نویز بیولوژی انسان در اختیار دارد. این روش با ساختن مصنوعی دو واقعیت یکسان و تغییر تنها یک جزئیات، جهان را مجبور می‌کند تا به یک سؤال واحد و قطعی درباره علت و معلول پاسخ دهد.[6]