Наблюдательное исследование и рандомизированный эксперимент: как читать выводы

Заголовок «кофе снижает риск болезни» может описывать очень разные данные. В одном исследовании людей спросили, сколько кофе они пьют, и наблюдали за их здоровьем. В другом участников случайно распределили по группам и заранее задали вмешательство. Оба подхода могут быть полезны, но отвечают на вопрос с разной степенью уверенности.

Главная ошибка при чтении новостей — автоматически превращать статистическую связь в причинное утверждение. Чтобы этого избежать, сначала определите дизайн исследования, затем посмотрите, как сформированы сравниваемые группы, что именно измеряли и насколько результат применим к реальной жизни.

Что такое наблюдательное исследование

В наблюдательном исследовании авторы не назначают участникам воздействие случайным образом. Они фиксируют уже существующие различия: рацион, привычки, лекарства, диагнозы или условия жизни — и сравнивают исходы.

К распространённым вариантам относятся когортные исследования, исследования «случай — контроль» и поперечные срезы. Когорта помогает увидеть последовательность событий во времени. Дизайн «случай — контроль» удобен для редких исходов. Поперечный срез описывает показатели в один момент, но часто не позволяет понять, что появилось раньше.

Наблюдательные данные незаменимы, когда эксперимент невозможен или неэтичен. Нельзя случайно назначить людям курить десятилетиями, жить в загрязнённом районе или иметь определённый социальный статус. Большие регистры также помогают изучать редкие нежелательные явления и долгосрочные исходы.

Что мешает причинному выводу

Основная проблема — смешение. Третий фактор может быть связан и с воздействием, и с исходом. Например, люди, которые чаще занимаются спортом, могут одновременно лучше питаться, меньше курить и чаще проходить обследования. Если часть этих различий не учтена, наблюдаемая связь со спортом будет включать влияние других факторов.

Статистическая поправка, сопоставление и propensity score помогают сбалансировать измеренные характеристики, но не гарантируют контроль того, что исследователи не измерили или измерили плохо. Руководство AHRQ подчёркивает, что остаточное смешение редко удаётся полностью исключить в наблюдательных данных.

Возможна и обратная причинность. Человек может изменить питание не потому, что оно вызвало болезнь, а потому, что ранние симптомы уже повлияли на выбор еды. Поэтому важно смотреть на временную последовательность и исключение ранних случаев.

Что даёт рандомизированный эксперимент

В рандомизированном испытании случайный механизм определяет, какое вмешательство получит участник. При корректном выполнении это в среднем распределяет между группами известные и неизвестные исходные прогностические факторы. Cochrane Handbook объясняет, что успешная рандомизация разрывает систематическую связь между прогнозом и назначением вмешательства.

Однако слово «рандомизированное» само по себе не гарантирует качество. Последовательность распределения должна быть действительно случайной, а её сокрытие — не позволять заранее угадать следующую группу. Важно, сколько участников выбыло, знали ли люди и исследователи о назначении, были ли исходы заявлены заранее и не менялся ли анализ после просмотра данных.

Почему РКИ тоже не отвечает на всё

• Короткое наблюдение. Испытание может увидеть изменения маркера, но не долгосрочные события.
• Отобранная выборка. Участники часто здоровее, моложе или мотивированнее обычных пациентов.
• Малый размер. Редкие побочные эффекты могут не проявиться.
• Нарушение протокола. Люди прекращают вмешательство, переходят между группами и получают сопутствующее лечение.
• Суррогатный исход. Улучшение лабораторного показателя не всегда означает улучшение самочувствия или снижение риска болезни.

После рандомизации также возможны систематические ошибки из-за выбывания, отклонений от вмешательства и выборочного сообщения результатов. Поэтому оценивают не ярлык исследования, а конкретный результат и его риск систематической ошибки.

Как читать численный результат

Сначала определите исход: относительный риск, абсолютное число событий, изменение массы, балл симптомов или биомаркер. Относительное снижение на 50% звучит сильно, но если риск уменьшился с 2 случаев на 10 000 до 1 случая, абсолютная разница невелика.

Доверительный интервал показывает диапазон значений, совместимых с данными при выбранной модели. Широкий интервал означает низкую точность. Значение p не сообщает размер эффекта, клиническую важность или отсутствие систематической ошибки.

Проверьте, был ли исход первичным и заранее зарегистрированным. Чем больше авторы перебрали групп, временных точек и показателей, тем выше вероятность случайной «значимости», особенно без поправки на множественные сравнения.

Простой алгоритм для новости

1. Кто участвовал? Люди, животные, клетки; возраст, диагноз и размер выборки.
2. Как сформированы группы? Случайно или по уже существующим различиям.
3. Что сравнивали? Реальное вмешательство, привычку, маркер или самоотчёт.
4. Что измерили? Значимый для человека исход или промежуточный показатель.
5. Насколько велик эффект? Абсолютные числа и доверительный интервал.
6. Какие альтернативные объяснения? Смешение, обратная причинность, выбывание, ошибка измерения.
7. Совпадает ли вывод с дизайном? «Связано» допустимо для ассоциации; «привело» требует более сильного обоснования.

Когда наблюдение может быть убедительным

Наблюдательное исследование не обязательно слабое, а РКИ не обязательно хорошее. Уверенность повышают воспроизводимость в разных выборках, временная последовательность, дозозависимая связь, правдоподобный механизм, отрицательные контрольные анализы и чувствительность результата к возможному неизмеренному смешению.

Особенно ценна триангуляция: разные методы с разными источниками ошибки приходят к совместимому выводу. РКИ, когорта, естественный эксперимент и механистическая работа не заменяют друг друга, а складываются в общую картину.

Практический вывод

Наблюдательные исследования хорошо показывают, что происходит в больших и реальных популяциях, помогают находить сигналы и изучать вопросы, для которых эксперимент невозможен. Рандомизированные испытания лучше защищают оценку вмешательства от исходного смешения, но могут быть короткими, небольшими или плохо применимыми к конкретному человеку.

Вместо вопроса «какой дизайн выше в иерархии» полезнее спросить: соответствует ли метод поставленному вопросу, какие ошибки он снижает и какие оставляет. Тогда научный заголовок превращается из обещания в проверяемое утверждение с понятными границами.

Источники

• Cochrane Handbook: risk of bias in randomized trials.
• AHRQ: risk of bias and confounding in observational studies.
• Effect Estimates in Randomized Trials and Observational Studies.
• Randomized trials analyzed as observational studies.
• Observational Studies: designs, strengths and limitations.