Nieuws

Bewijs het maar!

donderdag, 11 augustus 2016

Als onderzoeker ben je veel bezig met bewijzen. “Dit medicijn werkt”, “dit apparaatje meet de bloeddruk” of “die groep mensen heeft een grotere kans op deze aandoening”. Maar wanneer heb je nou eigenlijk iets bewezen? Wanneer is het waar? Waar kun je betrouwbare informatie of bewijzen vinden? Soms spreken verschillende bewijzen elkaar ook tegen. Best ingewikkeld allemaal, als je het mij vraagt. Daarom ga ik in deze blog in op de vraag: Wanneer is iets waar en hoe gaat dat bij het doen van onderzoek?

Eerst een hypothese

Het begint eigenlijk altijd met een hypothese; je hebt een vermoeden. Dat vermoeden kan gebaseerd zijn op je eerdere bevindingen, of bevindingen van anderen. Misschien heb je iets gelezen over een interessant idee wat nog niet onderzocht is. Of misschien heb je wel een onderbuikgevoel. Je intuïtie zegt “dit kan nog wel eens waar zijn”. Wat zou het interessant en nuttig zijn als dat vermoeden zou kloppen! Dat moeten we verder onderzoeken.

Een verband aantonen

Vaak zegt je hypothese iets over een verband tussen twee feiten of gebeurtenissen. Je vermoedt bijvoorbeeld dat er een verband is tussen de kracht waarmee je trapt tijdens het fietsen en je snelheid. Als we in het onderzoek toetsen of er een verband is, moeten we rekening houden met een ‘onbetrouwbaarheid’. Er is namelijk altijd een kans dat het verband dat je vindt  toeval is. Als de kans op toeval bij je onderzochte verband kleiner is dan een vooraf afgesproken percentage (bijvoorbeeld 5%), dan mag je zeggen dat het verband is aangetoond. In wetenschappelijk onderzoek noemen we dat een significant verband.

Veroorzaakt het één het ander?

Als een gebeurtenis veroorzaakt wordt door een andere gebeurtenis, dan is er sprake van een causaal verband. Bijvoorbeeld: Als ik een glas water op zijn kop houd, dan valt het water eruit. Het water valt alleen uit het glas, omdat ik het glas omdraai. Bepalen of er een causaal verband is, kan best tricky zijn. Een verband wordt nog wel eens ten onrechte causaal genoemd. Een bekend voorbeeld is een verband  dat een onderzoeker aantoonde tussen chocolade-consumptie en het aantal Nobelprijswinnaars [2]. In landen waar meer chocolade wordt gegeten, werden er ook meer Nobelprijzen gewonnen. Ik zeg, kom maar op met die chocola!

                                                          [3]
                 
Maar zouden er ook echt minder nobelprijzen gewonnen worden in andere landen als wij alle chocola zouden opkopen? Wellicht is het waarschijnlijker dat dit verband te maken heeft met hoe rijk een land is. Mensen in een rijk land hebben over het algemeen meer geld om uit te geven aan luxe (en dus aan chocola). En er kan dan ook meer geld beschikbaar zijn voor onderwijs en wetenschap.
Als twee gebeurtenissen samen optreden (hoge chocolade consumptie en nobelprijzen winnen), dan betekent dat niet persé dat de één de ander veroorzaakt. Beide zouden ook veroorzaakt kunnen worden door een derde gebeurtenis (rijkdom van het land). Een causaal verband voldoet over het algemeen aan 3 voorwaarden:

  1. de twee gebeurtenissen veranderen altijd samen, 
  2. de oorzaak komt voor het gevolg,
  3. er zijn geen derde gebeurtenissen die het verband veroorzaken of beïnvloeden.

En is het dan waar?

Als er twee onafhankelijke onderzoeken van goede kwaliteit zijn, die hetzelfde verband aantonen, dan mogen we dat aangetoonde verband gerust geloven. Zo’n onderzoek heeft veel proefpersonen, waarbij de situatie waarin er onderzocht is veel lijkt op de werkelijkheid. Er zijn geen fouten gemaakt. Ook was er geen ruimte voor beïnvloeding van de onderzoeksresultaten door de proefpersoon, onderzoeker of sponsor (die het onderzoek financiert). En als we het onderzoek nog een keer over zouden doen, dan zouden we hetzelfde vinden. Dat klinkt goed! Maar als je gaat zoeken is het niet altijd zo mooi en duidelijk. Er zijn niet altijd onderzoeken van goede kwaliteit, en soms al helemaal geen twee. Dan is de waarde die we het ‘bewijsmateriaal’ geven afhankelijk van de kwaliteit van het onderzoek waarin het bewijs gepresenteerd wordt.

En hoe werkt dat dan bij mijn onderzoek?

In mijn eigen onderzoek komt het bewijs eigenlijk pas op de tweede plaats. Eerst moeten we iets maken waarvan we denken dat het werkt, daarna gaan we pas bewijzen dat het ook echt werkt.

                                         

In de EPI-ACT [4] studie probeer ik een apparaat te maken wat aanvallen kan detecteren, ofwel automatisch kan opmerken. Als het apparaat signalen van een epileptische aanval meet, zorgt het apparaat dat er een alarm afgaat. De aanval is dan gedetecteerd. Als er geen epileptische aanval is, dan moet er juist geen alarm afgaan. Eigenlijk ook een soort causaal verband dus? Dat hopen we natuurlijk. Maar de ervaring leert: zo’n alarm gaat ook wel eens af als er geen aanval is. Bij mijn onderzoek willen we daarom het verband tussen de gebeurtenissen ‘aanval’ en ‘alarm’ zo sterk mogelijk maken. Daarvoor hebben we veel voorbeeld-metingen nodig, met en zonder aanvallen. Met veel voorbeelden kunnen we het aanvalsdetectie apparaat namelijk zo goed mogelijk leren wat een aanval is en wat niet. Gelukkig zijn er veel proefpersonen die ons daarbij willen helpen door mee te doen aan de EPI-ACT studie!

Door Evelien Geertsema

 

Bronnen tekst en afbeeldingen

[1] Cartoon: http://www.lectrr.be
[2
] Messerli. Chocolate Consumption, Cognitive Function, and Nobel Laureates. New England Journal of Medicine. N Engl J Med 2012; 367:1562-1564
[3] Bron:
https://www.newscientist.com/article/mg21628893-000-feedback-chocolate-wins-nobel-prizes/
[4] EPI-ACT studie: handelen (to act in het Engels) mogelijk maken door snelle detectie van epileptische aanvallen.