Хайдер Варрайч - Сердце, которое мы не знаем. История важнейших открытий и будущее лечения сердечно-сосудистых заболеваний

Почему это так важно? Помните тот революционный эксперимент по первичной профилактике сердечно-сосудистых заболеваний 1970-х гг., который показал, что снижение уровня холестерина может уменьшить риск развития сердечно-сосудистых заболеваний? [205]Так вот, его Р-значение еле-еле втиснулось под эту планку в 0,05. Кроме того, исследователи применили еще одну статистическую уловку: они провели односторонний t-тест вместо принятого двустороннего теста, тем самым уменьшив число степеней свободы и сократив Р-значение до минимально возможного. При этом оно все равно оказалось так близко к 0,05, что авторы эксперимента даже не стали указывать его в результатах – просто написали, что оно меньше, чем 0,05.

Если бы Р-значение в том исследовании оказалось 0,05 и больше, это бы отбросило кардиологию назад почти на десять лет. Сейчас мы знаем, что связь между уровнем холестерина ЛПНП и сердечно-сосудистыми заболеваниями абсолютно достоверна – это показали десятки исследований и множество собранных с тех пор данных, но, чтобы снизить для них Р-значение так, чтобы их признали значимыми, потребовались некоторые статистические ухищрения.

Однако Р-значение постепенно обрело в сфере медицинских исследований такой колоссальный вес, что в последние несколько десятилетий мы наблюдаем просто-таки эпидемию статистической значимости. И эта тенденция ведет к переоценке результатов кардиологических исследований чаще, чем какие-либо мошеннические или недобросовестные действия.

Именно из-за Р-значения многие ученые решили, а многие миллионы других людей поверили, что статины вызывают деменцию. Из-за него же многие подумали, будто статины снижают риск развития рака. Последующие опыты показали, что статины не делают ни того, ни другого – авторы тех нашумевших исследований позволили себе прийти к таким выводам по одной-единственной причине: когда они проводили свои наблюдения, Р-значение для упомянутых соотношений оказалось меньше, чем 0,05. Но результаты исследования хороши лишь настолько, насколько хорошо проведено это самое исследование. И ученые, университеты, журналы и журналисты, которые поднимают шумиху вокруг пустых новостей, – вот виновники тех неоднозначных сообщений, которые поступают сейчас от научного сообщества и, в частности, дезинформируют людей, сообщая нелепые сенсации о сердечно-сосудистых заболеваниях [206].

Никто не любит Р-значение так, как редакторы журналов, а любят они его потому, что его любят читатели. И авторам, в том числе и мне, приходится соответствовать. Если вы, как исследователь, не снабдите свой текст Р-значениями, редактор, скорее всего, попросит вас их указать. А если ваше исследование не дало особых статистически значимых различий, оно, скорее всего, вообще никогда не увидит свет, потому что вам будет трудно найти журнал, который согласится его опубликовать. Каждый раз, когда я пишу статью и анализирую свои результаты, я тайно молюсь, чтобы там были нужные Р-значения, поскольку знаю, что зачастую именно они решают, напечатают ли статью или она полетит в мусорную корзину. Р-значение, в сущности, стало мерилом истинности в науке. Однако это огромное заблуждение.

Р-значение не раз заводило нас в тупик – в первую очередь потому, что за счет него можно попытаться «срезать» дорогу к общественному признанию ваших результатов. Но, честно говоря, я скорее поверю результатам рандомизированного контролируемого клинического исследования с Р-значением 0,06, чем результатам обсервационного исследования с Р-значением <0,0001. Если вы стремитесь отыскать истину и не приемлете случайности, Р-значение может послужить вам лишь маленькой деталькой пазла, который вы пытаетесь сложить, – однако большинство воспринимают его совершенно иначе, и актуальные перемены в медицине и информационных технологиях грозят только усугубить это помешательство на Р-значениях.

У нас никогда не было столько данных обо всех аспектах нашей жизни, как сейчас. Более того, бесконечное множество цифр привело к возникновению так называемого синдрома обилия данных, но нехватки информации (DRIP – Data Rich, Information Poor). Я сам помогал проводить исследования, в которых участвовали порой сотни тысяч пациентов. Практически все отношения между двумя разными группами пациентов из этих баз данных могут оказаться статистически значимыми, но абсолютно бесполезными в реальной жизни. Почему? С такими огромными объемами данных, какими мы располагаем в наши дни, даже у самых маленьких различий может быть очень низкое Р-значение – несмотря на то, что реальная разница между двумя результатами крошечна и бессмысленна.