Клинические исследования хорошо оплачиваются, они выгодны кафедрам и институтам, всем хочется получить как можно больше заказов и заработать как можно больше денег. Конкуренция в науке, надо сказать, такая же жесткая, как и в других сферах бизнеса, образно говоря – десять ртов на один кусок. Оплачивает проведение исследования заказчик, который в 95 % случаев является создателем или производителем того, что исследуется. Такой заказчик, разумеется, заинтересован в положительном результате. «Хорошая» кафедра или «хороший» институт, которые дают заказчику желаемый результат, могут рассчитывать на последующие заказы, а вот с теми, кто ожиданий не оправдал, повторно иметь дело вряд ли захочется. Поэтому исследователи априори нацелены на хороший результат, и «вроде бы постороннему» лаборанту кафедры, которому поручили раздавать конверты, всегда можно сказать: «Ты не выкобенивайся, дорогуша, со своей принципиальностью, мы с тобой одному делу служим, на одной кафедре работаем». В результате все конверты будут вскрыты разом, для ознакомления. А если известно, в какую группу направляется участник, имеющий данный номер, то можно организовать их регистрацию соответствующим образом.
Если же поручить выдачу конвертов «засланному казачку», то есть совершенно постороннему человеку, то и с ним можно договориться. Все мы люди, и ничто человеческое нам не чуждо. Или же можно выкрасть у него конверты, вскрыть их с соблюдением всех мер предосторожности, изучить их содержимое, а после снова запечатать и вернуть на место.
«Ну это уж чересчур! – скажут сейчас некоторые читатели. – Какие-то шпионские страсти-мордасти! И ради чего?»
Ради миллиардов долларов, евро, рублей, фунтов… По оценке Центра Тафтса по изучению разработки лекарств (Tufts Center for the Study of Drug Development), являющегося академическим некоммерческим аналитическим центром при Университете Тафтса в Бостоне, стоимость клинических испытаний одного лекарственного препарата в среднем составляет 2 870 000 000 долларов (два миллиарда восемьсот семьдесят миллионов!)[65]. Эта цифра представляет собой усредненную сумму, отражающую расходы на исследования всех создаваемых препаратов, как запущенных в производство, так и тех, эффективность которых не была доказана. Эксперты считают, что затраты на клинические испытания могут составлять до 50 % стоимости разработки нового препарата.
Когда на кону стоят такие деньги… Ну, вы понимаете.
Можно попробовать усложнить коды. В простом случае код 01 будет означать направление в основную группу, а код 02 – в контрольную. Если экспериментатор узнает, куда попал один пациент с таким-то кодом, то он сможет без помех манипулировать кодами. Но если для каждой группы будет создано по сотне-другой кодов (а почему бы и нет?), то манипулировать ими станет гораздо сложнее. Но лучше всего сделать рандомизацию дистанционной и «слепой», так будет надежнее всего. Зарегистрировав очередного участника, экспериментатор связывается по телефону или по интернету с Центром управления исследованием и получает оттуда код для этого участника. Коды зашифрованы так, что экспериментатор не может понять, в какую группу направляется участник. Это станет ясно только после того, как отбор будет закончен. Выдачей кодов может заниматься не живой человек, подверженный соблазнам, а компьютер. Да, разумеется, компьютер можно «хакнуть», но на сегодняшний день дистанционная слепая рандомизация считается лучшим способом отбора.
Вот вам домашнее задание – придумайте на досуге более надежный способ рандомизации. Удачная идея может принести вам мировую славу и огромные деньги, так что есть, ради чего напрягаться.
В современном мире все находится под контролем, в том числе и клинические исследования. В ходе исследования всегда существует вероятность проверки со стороны каких-то независимых организаций. Но если вы немного «пошаманите» с распределением по группам, то можете считать, что нужный результат у вас в кармане. Махинации с распределением по группам стоят на первом месте среди всех нарушений, наблюдающихся при клинических исследованиях. Есть даже такая горькая шутка: «Распределение бывает честным лишь в тех исследованиях, которые проводятся только на бумаге». Насчет «только на бумаге» – это не преувеличение. Липовые медицинские исследования выявляются ежегодно. Абсолютным рекордсменом в области фальсификации научных данных на сегодняшний день считается японский анестезиолог Еситака Фудзи, опубликовавший 249 научных статей за период с 1993 по 2012 годы. Такая плодовитость, а также некоторые несостыковки в статьях привлекли внимание редакторов научных журналов, в которые доктор Еситака отправлял свои работы. Научная экспертиза 212 публикаций выявила фальсификацию результатов в 172 из них, причем 126 статей были в буквальном смысле «высосаны из пальца» – описанные в них исследования проводились только в воображении автора.
Доктор Еситака не исключение, а один из многих фальсификаторов от медицины. Вы можете изучить эту глубокую тему более подробно, если наберете в поисковике «Фальсификация результатов клинических исследований» или «Научные махинации в медицине». А профессор медицины Стэнфордского университета Джон Иоаннидис считает «полной ерундой» 85 % научных публикаций, посвященных различным медицинским исследованиям[66].
В 1999 году большой скандал вызвала статья, опубликованная в британском медицинском журнале «Ланцет» (это, если кто не в курсе, один из наиболее известных и самых авторитетных общих[67] журналов по медицине, который в 2023 году будет отмечать свое двухсотлетие). В этой статье рассказывалось о нарушениях, которые были допущены в ходе клинического исследования под названием Captopril Prevention Project[68]. Новый на то время препарат «Каптоприл», применяемый для снижения артериального давления, сравнивали с другими понижающими давление препаратами. Исследование было масштабным – в 936 медицинских центрах Швеции и Финляндии было зарегистрировано 10 985 участников в возрасте от 25 до 66 лет с диастолическим артериальным давлением (в быту его называют «нижним») 100 мм рт. ст. 5492 пациентам первой группы назначали «Каптоприл», а 5493 пациентов второй группы лечили мочегонными средствами и препаратами из группы бета-адреноблокаторов. Результаты исследования были «нулевыми». Смертность от сердечно-сосудистых заболеваний при «Каптоприле» была немного ниже, чем при ином лечении (76 случаев против 95), частота фатального, то есть приведшего к смерти, и нефатального инфаркта миокарда была одинаковой (162 случая против 161), а вот инсульты чаще наблюдались у тех, кто получал «Каптоприл» (189 случаев против 148).
При стороннем анализе данного исследования выявились незначительные, но весьма существенные, различия между двумя группами по росту, весу и показателям артериального давления. Это недвусмысленно свидетельствовало о том, что в некоторых центрах лица, ответственные за отбор и распределение пациентов, распечатывали конверты с кодами групп заранее, чтобы иметь возможность распределять пациентов по своему усмотрению. В доказательной медицине история с Captopril Prevention Project стала чем-то вроде притчи, показывающей неэффективность запечатанных конвертов с кодами. В наше время принято считать, что правильные результаты могут быть получены только при помощи дистанционной рандомизации.
У этой монеты есть и другая сторона. Честное и добросовестное распределение участников по группам не гарантирует того, что обе группы будут совершенно одинаковыми по своему составу. Может сложиться так, что в одной группе окажется больше пожилых участников или пациентов с более тяжелой формой заболевания. Чем меньше количество участников, тем выше риск того, что группы окажутся непохожими друг на друга (вспомните закон больших чисел, о котором говорилось в предыдущей главе). Но даже небольшие нарушения «равновесия» могут сказываться на результатах, поэтому любой добросовестный исследователь заинтересован в том, чтобы получить совершенно однородные группы участников. В идеале разница должна заключаться только в проводимом лечении.
Достижим ли этот идеал?
Теоретически достижим, а вот практически… Можно использовать стратифицированный метод рандомизации, при котором всех участников клинического испытания сначала распределяют по подгруппам, отличающимся по какому-нибудь существенному признаку, например, по возрасту, длительности заболевания или тяжести его течения. Такие подгруппы называются стратами. После того как страты сформированы, внутри них проводят распределение по группам. В результате в каждой группе оказывается одинаковое количество участников с данным признаком. Стопроцентной схожести таким образом добиться невозможно, но группы получатся более однородными, чем при обычном распределении без формирования страт.
В статистике существует понятие нулевой гипотезы, которое можно сравнить с презумпцией невиновности в юриспруденции. Применительно к исследованию нулевая гипотеза подразумевает, что между изучаемыми явлениями не существует связи. Задача исследователя – опровергнуть нулевую гипотезу, доказать наличие связи. Применительно к распределению по группам нулевая гипотеза подразумевает, что все участвующие в исследовании группы однородны по своему составу и все факторы, за исключением исследуемых, воздействуют на них одинаково.
С понятием нулевой гипотезы тесно связано понятие статистической значимости. Результат считается статистически значимым в том случае, если вероятность его случайного возникновения мала настолько, что можно не принимать ее во внимание. Но насколько именно? Принято считать, что эта вероятность, обозначаемая латинской буквой р и называемая «пи-вероятностью», должна быть меньше 0,05. Иначе говоря, при условии, что нулевая гипотеза верна, получить в ходе эксперимента статистически значимые результаты можно менее чем в 5 % случаев…