چگونه معیارهای نه‌گانه برادفورد هیل، علیت را از همبستگی در داده‌های رصدی متمایز می‌کنند

جامعه علمی جهانی هر ساله حدود ۲.۵ میلیون مقاله پزشکی داوری‌شده تولید می‌کند؛ حجمی معادل انتشار یک مطالعه جدید در هر ۱۲ ثانیه. در میان این سیلاب داده‌های رصدی — که همه‌چیز را از شیرین‌کننده‌های مصنوعی گرفته تا زوال عقل به هم ربط می‌دهند — پژوهشگران و نهادهای نظارتی برای جدا کردن نویزهای آماری از واقعیت‌های بیولوژیکی، به چارچوبی تکیه می‌کنند که به طرز شگفت‌آوری قدیمی است.

این چارچوب همان معیارهای برادفورد هیل (Bradford Hill criteria) است؛ مجموعه‌ای از نه اصل که در سال ۱۹۶۵ توسط اپیدمیولوژیست انگلیسی، سر آستین برادفورد هیل، معرفی شد. پیش از وجود این معیارها، جامعه پزشکی برای اثبات قطعی اینکه سیگار باعث سرطان ریه می‌شود با مشکل مواجه بود، چرا که منتقدان دائماً به متغیرهای پنهان و استعدادهای ژنتیکی اشاره می‌کردند.[1]

چارچوب هیل با ارائه روشی سیستماتیک برای ارزیابی اینکه آیا یک ارتباط مشاهده‌شده واقعاً علت و معلولی است یا خیر، معماری بنیادین بهداشت عمومی را تغییر داد. امروزه، این معیارها همچنان استاندارد طلایی برای پیمایش در فضای بین یک همبستگی ساده و یک مکانیسم اثبات‌شده محسوب می‌شوند و سازمان‌هایی از مراکز کنترل و پیشگیری از بیماری‌ها (CDC) گرفته تا وزارتخانه‌های بهداشت در سراسر جهان از آن استفاده می‌کنند.[3]

خواننده کنجکاو و شکاک ممکن است از خود بپرسد که چگونه یک دستورالعمل ۶۰ ساله در عصر توالی‌یابی ژنومی و یادگیری ماشین دوام آورده است. پاسخ در طراحی این معیارها نهفته است: همان‌طور که در مجله اپیدمیولوژی و بهداشت جامعه (Journal of Epidemiology and Community Health) به تفصیل بیان شده، آن‌ها یک چک‌لیست خشک و غیرقابل‌انعطاف نیستند، بلکه یک جعبه‌ابزار فلسفی برای واکاوی داده‌ها به شمار می‌روند.[2]

اولین و شهودی‌ترین معیار، «قدرت ارتباط» است. یک جهش آماری عظیم — مانند افزایش ۲۰۰ برابری سرطان کیسه بیضه در میان دودکش‌پاک‌کن‌ها که در قرن هجدهم مشاهده شد — جای کمی برای متغیرهای مخدوش‌کننده باقی می‌گذارد. در مقابل، ارتباط‌های ضعیف‌تر پیش از آنکه بتوان ادعای علیت کرد، نیازمند بررسی‌های بسیار دقیق‌تری هستند.

با این حال، قدرت ارتباط به تنهایی کافی نیست. معیار دوم، یعنی «ثبات و تکرارپذیری»، ایجاب می‌کند که این ارتباط به طور مکرر توسط پژوهشگران مختلف، در مکان‌های مختلف و تحت شرایط متفاوت مشاهده شود. یک مطالعه واحد که ادعای یک دستاورد بزرگ را دارد، صرفاً یک فرضیه است تا زمانی که بتواند در میان جمعیت‌های متنوع با موفقیت تکرار شود.

«اختصاصی بودن»، معیار سوم، نشان می‌دهد که اگر یک جمعیت خاص در یک مکان خاص به یک بیماری خاص مبتلا شوند و هیچ توضیح محتمل دیگری وجود نداشته باشد، احتمال علیت بیشتر است. اپیدمیولوژیست‌های مدرن این مورد را ضعیف‌ترین معیار در میان این نه اصل می‌دانند، زیرا اکنون می‌دانیم که یک مواجهه واحد می‌تواند باعث بیماری‌های متعدد شود و یک بیماری واحد نیز می‌تواند علل متعددی داشته باشد.

تنها پیش‌شرط مطلق در این چارچوب، «تقدم زمانی» است. مواجهه با عامل باید قطعاً پیش از بروز بیماری رخ دهد. اگرچه این موضوع بدیهی به نظر می‌رسد، اما مطالعات رصدی گذشته‌نگر اغلب در اثبات اینکه آیا یک نشانگر زیستی باعث ایجاد یک بیماری شده یا اینکه بیماری آن نشانگر زیستی را تولید کرده است، با چالش مواجه می‌شوند.[1]

«شیب بیولوژیکی» یا رابطه دوز-پاسخ، یکی از قانع‌کننده‌ترین شواهد را برای علیت ارائه می‌دهد. اگر مواجهه کم باعث بیماری کم، و مواجهه زیاد باعث بیماری زیاد شود، احتمال وجود یک ارتباط علی به شدت افزایش می‌یابد و یک امضای ریاضی واضح از اثرگذاری را ارائه می‌دهد.

معیارهای «مقبولیت بیولوژیکی» و «انسجام» ایجاب می‌کنند که رابطه علت و معلولیِ پیشنهادی با مکانیسم‌های بیولوژیکیِ شناخته‌شده و تاریخچه طبیعی بیماری همخوانی داشته باشد. یک ارتباط آماری که با قوانین اساسی فیزیک یا زیست‌شناسی در تضاد باشد، تقریباً به طور قطع یک خطای ریاضی است تا یک کشف پزشکی.

«آزمایش» به حذف عامل مواجهه اشاره دارد. اگر یک کارخانه انتشار مواد شیمیایی خود را کاهش دهد و نرخ بیماری‌های تنفسی محلی به تناسب کاهش یابد، استدلال علی به شدت تقویت می‌شود. این مورد اغلب سخت‌ترین معیار برای برآورده شدن در اپیدمیولوژی رصدی است، زیرا پژوهشگران از نظر اخلاقی نمی‌توانند سوژه‌های انسانی را در معرض سموم مشکوک قرار دهند.[1]

در نهایت، «قیاس» به پژوهشگران اجازه می‌دهد تا برای ارزیابی روابط جدید، از روابط علیِ تثبیت‌شده استفاده کنند. اگر یک ویروس شناخته‌شده باعث نقص مادرزادی شود، پذیرش اینکه یک ویروس تازه کشف‌شده با ساختار مشابه نیز ممکن است همین کار را انجام دهد آسان‌تر است؛ رویکردی که از سوابق تاریخی برای هدایت تحقیقات مدرن بهره می‌برد.[1]

در قرن بیست و یکم، کاربرد این معیارها تکامل چشمگیری یافته است. همان‌طور که در نشریه «موضوعات نوظهور در اپیدمیولوژی» (Emerging Themes in Epidemiology) اشاره شده، اپیدمیولوژی مولکولی اکنون داده‌های ژنومی و اپی‌ژنومی را در این چارچوب ادغام کرده و تمرکزِ مقبولیت بیولوژیکی را از مشاهدات ماکروسکوپی به مسیرهای سلولی تغییر داده است.[5]

این تکامل به ویژه در سیستم حقوقی مشهود است. دادگاه‌ها به طور فزاینده‌ای برای ارزیابی شهادت کارشناسان در پرونده‌های شبه‌جرمِ سمی، به معیارهای برادفورد هیل تکیه می‌کنند و استانداردهای اپیدمیولوژیک را به بار اثبات حقوقی برای دعاوی مسئولیت چند میلیون دلاری ترجمه می‌کنند.[4]

با این حال، ترجمه علم به قانون پر از چالش است. در حالی که اپیدمیولوژیست‌ها این معیارها را به عنوان یک راهنمای کل‌نگر می‌بینند، شاغلان حرفه حقوق گاهی تلاش می‌کنند تا آن‌ها را به عنوان یک چک‌لیست سفت و سخت به کار گیرند و اصرار دارند که پیش از اثبات مسئولیت، باید تمام گزینه‌ها تیک بخورند — استانداردی که اساساً علم را اشتباه تفسیر می‌کند.[4]

نبوغ ماندگار سخنرانی هیل در سال ۱۹۶۵ در هشدار صریح او علیه همین رویکرد خشک و انعطاف‌ناپذیر نهفته است. هیل با تاکید بر اینکه این معیارها برای هدایت قضاوت هستند نه جایگزینی آن، نوشت: «هیچ‌یک از دیدگاه‌های نه‌گانه من نمی‌تواند شواهد غیرقابل‌انکاری برای رد یا تایید فرضیه علت و معلولی ارائه دهد.»[1]

در شرایطی که هوش مصنوعی شروع به شخم زدن مجموعه داده‌های عظیم کرده و میلیون‌ها همبستگی جدید تولید می‌کند، معیارهای برادفورد هیل نه تنها اهمیت خود را از دست نمی‌دهند، بلکه حیاتی‌تر نیز می‌شوند. آن‌ها قضاوت انسانی را به چرخه بازمی‌گردانند و از ما می‌خواهند که نه تنها بپرسیم آیا دو خط روی یک نمودار با هم حرکت می‌کنند، بلکه بپرسیم چرا در دنیای فیزیکی چنین رفتاری دارند.[6]