Если все это выглядит глупым и противоречащим здравому смыслу, то только потому, что именно таковым оно и является. Как ученый, занимающийся исследованием рака, я понимаю, что за рассуждения стоят за этой стратификацией, но как популяризатор науки я проклинаю полное отсутствие дальновидности у людей, составивших классификацию, чреватую путаницей. Когда нормальному человеку говорят, что буквально всё – от работы в ночную смену до утренней чашки кофе – угрожает ему тяжелым и смертельно опасным заболеванием, так как является “возможно канцерогенным”, то он едва ли подумает, что это означает: “риск небольшой и недоказанный”. Как заметил научный обозреватель Эд Йонг, IARC “знаменита двумя вещами. Во-первых, они помешаны на идее тщательно классифицировать всё (буквально всё – от пестицидов до солнечного света), согласно способности вызывать рак, и скрупулезно подсчитывать риск. Во-вторых, они абсолютно не умеют внятно излагать свои данные”. Но оставим в стороне критику изложения и зададимся главным вопросом: насколько опасно обработанное мясо?
Для того чтобы ответить на него, нам придется для начала взглянуть на исходные данные. В Великобритании в течение жизни у 61 человека на 1000 населения развивается рак толстого кишечника. Среди тех, кто ест мало мясных продуктов, этот показатель равен 56 случаям на 1000 населения, а среди тех, кто ест их много, 66 на 1000. То есть среди плотоядных англичан показатель заболеваемости выше на 10 случаев на 1000, чем среди вегетарианцев. Возрастание относительного риска определяют как повышение риска в угрожаемой группе относительно риска в контрольной группе. Здесь мы имеем следующий расчет: (66–56)/56, то есть как раз те 18 процентов, которые указаны в пресс-релизе IARC. Другой способ оценить ситуацию – это рассчитать абсолютный риск. Разница между риском заболеть раком кишечника у мясоедов и у вегетарианцев равна 10/1000, что в точности равно 1 проценту. То есть риск заболеть раком кишечника у фанатичного мясоеда на 1 процент выше, чем у законченного вегетарианца. Естественно, что эта разница не внушает особой тревоги.
Способ, каким представляют статистические данные, в огромной степени влияет на то, как мы их понимаем, и зависит от эмоционального фона, на котором мы перевариваем полученную информацию. Это особенно верно в отношении информации, имеющей непосредственное отношение к нашему здоровью, заболеваемости и смертности; проницательные наблюдатели, читающие газеты, должно быть, давно заметили, что желтые таблоиды (а вместе с ними и некоторые респектабельные издания, которым следовало бы хорошенько все взвешивать) начали настоящий крестовый поход за упрощение полноты мироздания и за сведение его к дихотомии причин рака и простых способов его излечения. В статистике относительные величины более наглядны, чем абсолютные, хотя и содержат одну и ту же информацию. Поскольку величина относительного риска заболевания раком звучит более сенсационно, то бульварные издания о ней и пишут. Но подобные данные могут вводить неискушенного читателя в заблуждение, и потому лучше приводить сведения об абсолютном риске, так как это вызывает меньше затруднений и недопонимания у широкой публики.
Однако СМИ и органы ВОЗ – отнюдь не единственные виновники нашего внимания к относительному риску. Злоупотребление этими статистическими подходами весьма характерно для фармацевтического сектора, где производящие лекарства компании склонны оперировать относительной эффективностью препаратов, чтобы создать впечатление высокой эффективности своего продукта[57]. Представим себе, например, что проводится клиническое испытание с участием 2 000 пациентов с сердечно-сосудистыми заболеваниями. Тысяча человек получает плацебо, а вторая тысяча – новое лекарство. Если в группе плацебо в течение года случается пять инфарктов миокарда, а в группе, получающей истинное лекарство, – четыре инфаркта, то уменьшение абсолютного риска равно 1/1000, то есть 0,1 процента. Такие результаты не особенно впечатляют; предполагая, что эта разница не обусловлена счастливым стечением обстоятельств, врачи будут вынуждены признать, что для предотвращения одного случая инфаркта миокарда новое лекарство надо прописать тысяче человек. Учитывая огромную стоимость выпуска препарата на рынок, лучше представить эти же данные в виде величины относительного риска, который в данном случае равен 20 процентам. Естественно, врачи выберут второй способ предоставления данных.
Варианты манипуляций такого рода мы часто наблюдаем в экономике и политике, где статистику нередко используют для вводящих в заблуждение сравнений. Если дом стоимостью 200 тысяч фунтов падает в цене на 50 процентов, а в следующем году дорожает на 50 процентов, то можно на голубом глазу утверждать, будто цена дома вернулась к прежней величине. Но это явно не так – ведь в конце первого года дом будет стоить всего 100 тысяч фунтов! Следовательно, на следующий год повышение цены на 50 процентов приведет к тому, что дом будет стоить 150 тысяч фунтов, а это всего лишь 75 процентов от его первоначальной цены. Так произошло потому, что 50 процентов в данном случае надо вычислять от двух разных исходных величин. В одном случае исходной величиной была первоначальная, а в другом – сниженная цена дома. Суть в том, что проценты нельзя просто складывать и вычитать без понимания сути задачи, потому что проценты часто относятся к разным величинам.
Есть еще одна неопределенность, о которой я до сих пор избегал говорить, а именно – сложный вопрос о статистической значимости. Мы часто встречаемся с заголовками, которые, например, сообщают, будто нечто, считавшееся ранее безвредным, имеет статистически значимую связь с раком, или с утверждениями, будто определенная диета может снизить риск заболевания деменцией в статистически значимой степени. Но что это значит? “Значимость” – это, вероятно, одно из наиболее трудно понимаемых слов в науке, причем его часто не понимают и сами ученые. Представьте себе, что мы создали новое чудо-лекарство, которое, как мы полагаем, избавит от страданий больных мигренью. Наша гипотеза заключается в том, что это лекарство (назовем его агентом Х) снижает частоту приступов мигрени. С другой стороны, у нас есть и нулевая гипотеза, согласно которой нет никакой связи между приемом лекарства X и частотой приступов мигрени. Мы ставим эксперимент, разделив наших испытуемых на две группы. Одна группа получает лекарство, а вторая группа – плацебо. После завершения эксперимента нам надо ответить на два главных вопроса: действительно ли соединение X обладает эффектом, и можем ли мы отвергнуть нулевую гипотезу?
Для того чтобы ответить на эти вопросы, необходимо прибегнуть к статистике. Все мы невероятно разные – в обоих плечах исследования будут находиться люди, которые абсолютно по-разному реагируют на принимаемые ими вещества. В совершенном мире наша экспериментальная группа идеально бы представляла реальность, но поскольку мир несовершенен, а число испытуемых ограничено, рассчитывать на это мы не можем. Исключения в какой-либо одной или в обеих группах способны исказить средние значения, вводя в заблуждение экспериментаторов. Оба плеча могут отличаться друг от друга случайным образом, поэтому для того чтобы определить, является ли разница достоверной, нам надо применить статистические инструменты. Если применить эти инструменты адекватно, то они дадут нам превосходный результат, который позволит отличить полезный сигнал от шума и определить, существует ли на самом деле разница между группами. Результат можно считать статистически значимым, если мала вероятность того, что он возник случайно, – то есть скорее всего результат вполне реален. Важно понимать, что в данном случае статистическая значимость подразумевает, что лекарство производит какой-то эффект; это, правда, не обязательно гарантирует, что – как может на первый взгляд показаться непосвященному – эффект этот является существенным.
Но если ученые следуют таким строгим протоколам, то почему столь многие связи и тренды на деле оказываются неоднозначными или просто неверными? Очень часто вина лежит на ученых и врачах, которые не понимают сути обсужденных нами выше ошибок. В то время как авторитетные научные работы проходят фильтр тщательного рецензирования специалистами, статистически сомнительные утверждения могут проскакивать в остающиеся бреши и щели. Самым наглядным примером является здесь натуропатия, отрасль альтернативной медицины. Взяв на вооружение все что можно из других областей альтернативной медицины – от рефлексологии и гомеопатии до краниосакральной терапии, – натуропатия основывает свое учение на витализме, то есть на идее о том, что за здоровье и болезни отвечает некая эфирная жизненная сила. Эти идеи были давным-давно опровергнуты эмпирическими данными, и нет никаких надежных доказательств того, что натуропатическое лечение является хотя бы в какой-то мере эффективным. Но даже теперь, в научную эру, натуропатия, как это ни удивительно, остается весьма популярной. Отчасти причина заключается в том, что натуропатия ссылается на природу и на ошибочное представление широкой публики, будто ничто природное, ничто натуральное не может иметь побочных эффектов[58]. Предлагая простые формулы оздоровления и легкие ответы на трудные вопросы, натуропатия недооценивает как сложность медицины, так и сложность строения наших организмов.
Но любопытно тут другое: натуропаты настаивают, будто существуют научные доказательства того, что их методы лечения производят статистически значимый эффект на исход заболеваний. Однако если методы натуропатического лечения невозможно объяснить никакими правдоподобными механизмами и клиническими эффектами, то как могут сосуществовать эти взаимоисключающие друг друга утверждения? Ответ можно найти в тонкой природе понятия статистической значимости. Статистический подход проясняет результаты только в том случае, если исходные данные были хорошего качества, а анализ данных соответствовал ситуации и контексту. При безалаберном же применении результаты становятся бессмысленными. Все весьма немногочисленные исследования с положительным статистическим результатом, столь дорогим сердцу натуропатов, были плохого качества и проводились на небольших группах испытуемых. Это важно, так как в малых группах единственное значительное отклонение может исказить результаты анализа, поэтому чем меньше группа, тем менее надежными надо считать выводы. Примечательно, что преимущества натуропатии рассеиваются, когда исследуются большие группы испытуемых и когда улучшается качество статистического анализа – как, собственно, и следовало ожидать. В таких ситуациях выясняется, что широко разрекламированная статистическая значимость эффекта совершенно иллюзорна.