Полевое руководство для научных журналистов

Ключевые вопросы, которые нужно задать: все ли ваши выводы основываются на статистически значимых результатах? (Насторожитесь, если не все, и предупредите своих читателей или зрителей.) Каково значение P — вероятности того, что ключевые результаты случайны? Было ли исследование достаточно обширным, чтобы обнаружить эффект, если он действительно существует? Есть ли другие статистические причины сомневаться в ваших выводах? Планируются ли более масштабные исследования?

Но то, что результаты статистически значимы, имеют достаточную мощность и т. д., еще не означает, что они верны или значимы. Так что наш список продолжается.

3. Существует ли другое объяснение?

То, что явления как-то связаны, еще не означает, что одно является причиной другого. Не крик петуха заставляет солнце вставать по утрам, а вирус в организме пациента может быть невинным прохожим, а не причиной болезни. Химическое вещество в городском водопроводе может не оказаться причиной болезней в этом городе. Чтобы выявить причинно-следственную связь, нужно проводить детальные исследования в лабораториях.

Вот пример: несколько ученых (и гораздо больше журналистов) полагают, что детская вакцинация могла послужить триггером для многих случаев аутизма. Но большинство экспертов считают, что это совпадение, а не причинно-следственная связь. «Связь» здесь только в том, что аутизм обычно проявляется в том же возрасте, когда детям делают многие прививки, утверждают эти эксперты. Но теперь проблема в том, что немало обеспокоенных родителей откладывают прививки от кори и других опасных заболеваний из ложного страха перед аутизмом. А во множестве материалов СМИ на эту тему не хватает статистики по смертности от этих детских заболеваний в те времена, когда вакцин еще не было.

Огромную роль может играть и временной охват исследования. Климатические исследования должны анализировать данные за многие годы, чтобы их не искажали обычные погодные циклы. Лекарство или метод лечения может вызвать ремиссию у онкобольного, но лишь время покажет, действительно ли это приводит к излечению или хотя бы просто увеличивает продолжительность жизни. Многие пациенты могут «выпасть» из долгосрочного исследования, и если это произошло потому, что их дела идут не очень хорошо, это повлияет на результаты.

Кроме того, существует эффект здорового работника. Ученый изучает рабочих, которые подверглись воздействию какого-то вещества, и выясняет, что в среднем они здоровее, чем население в целом. Но рано оправдывать это вещество: рабочие вообще, как правило, довольно здоровые люди — они должны быть здоровыми, чтобы получать и сохранять работу.

Некоторые колебания ожидаемы — это нормально: люди — сложные существа. Ежедневные биологические изменения возможны и у одного и того же человека и уж тем более между разными группами людей. Из-за такой изменчивости или иных экспериментальных ограничений в похожих исследованиях результаты могут незначительно, а иногда и значительно отличаться.

Список можно продолжать, но общие вопросы помогут вам не сбиться с курса. Спросите ученого (да и себя самого): «Можно ли предложить альтернативные объяснения полученных данных и результатов исследования? Достаточно ли долго длилось исследование, чтобы можно было сделать такие выводы?»

Чтобы обозначить широкий спектр причин, почему альтернативные объяснения могли быть проигнорированы, в науке обычно используется термин «предубеждение» или «искажение»

. Но научным журналистам стоит иметь в виду возможность влияния и других факторов и поинтересоваться у ученых: «Кто финансировал исследование?» Многие добросовестные ученые получают деньги от компаний, заинтересованных в объекте исследования. О таких вещах следует спросить и затем рассказать читателям или зрителям.

4. Иерархия исследований

По экономическим и иным причинам не все исследования равнозначны. В итоге некоторым можно доверять больше, чем другим.