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

Спутывающие (скрытые) переменные – ахиллесова пята обсервационных исследований. Вполне вероятно, что у пациентов, которые принимают статины, сосуды уже сильно поражены атеросклерозом, чем и объясняется повышенная склонность к деменции – и, хотя кажется, будто деменцию вызывают как раз-таки статины, на самом деле это лишь ассоциация. Но может быть и так, что пациенты, принимающие статины, относятся к той категории людей, которые стараются заботиться о своем организме, заниматься спортом и правильно питаться – и тогда логично предположить, что сам образ жизни снижает у них риск развития деменции. Так это или нет, обсервационное исследование показать не может.

Однако крайне неожиданные корреляции окружают нас со всех сторон, и собрать данные, указывающие на связь между двумя никак не связанными явлениями, сейчас стало проще простого. Существует, например, практически прямо пропорциональная зависимость между потреблением сыра на душу населения и числом людей, которые умирают, запутавшись в простынях, или коэффициентом брачности в Кентукки и числом людей, которые утонули, выпав за борт рыболовного судна[181].

Человеческое сознание устроено так, что мы все время выстраиваем какие-то связи – особенно между вещами, которые случились друг за другом, и, таким образом, уже оказались связанными во времени. Помню, когда я учился в медицинском вузе в родном Пакистане, многие люди клялись и божились, что гомеопаты лечат вирусные инфекции лучше, чем врачи-аллопаты. Выяснилось, что, когда люди заболевали, они сначала шли к врачу, который выписывал им противовоспалительные лекарства, но потом им начинало казаться, что лекарство все никак не действует, и они шли к гомеопатам. И хотя к тому времени инфекция уже начинала сходить на нет и им в любом случае стало бы лучше, их мозг связывал выздоровление с теми средствами, которые назначил гомеопат.

Отец корреляции – человек, с чьим именем связан метод статистического анализа, который по сей день используется в том случае, когда нужно выяснить, насколько два явления связаны друг с другом, – это Карл Пирсон (1857–1936), выдающийся британский ученый, один из основоположников современной статистики, сумевший определить, в какой мере могут быть связаны друг с другом два каких-то феномена[182]. Сам он приводил в пример такую корреляцию: частота заражений оспой среди африканцев, возможно, больше, чем среди европейцев, и это может указать нам на тесную корреляцию между оспой и цветом кожи, но вероятной спутывающей переменной здесь будет разный охват этих популяций вакцинацией от оспы.

Нам нужно замечать подобные отношения, поскольку всегда есть шанс, что они важны для нашего выживания. В конце концов, перефразируя известную поговорку, между дымом и огнем существует высокая корреляция, хотя на самом деле дым не является причиной огня. И хотя отмахнуться от корреляций и сказать, что они не имеют никакого смысла, очень легко, на деле все куда сложнее. В действительности когда А является причиной Б, между ними, скорее всего, будет также и высокая корреляция. Мы говорили о зажигалках и раке легких, но у рака легких наблюдается высокая корреляция и еще кое с чем – с самим курением. Но при этом, когда связь между курением табака и раком легких была впервые установлена, производители табака в один голос кричали, что это «корреляция, а не причинно-следственная связь». Наконец, отсутствие корреляции почти наверняка указывает и на отсутствие причинно-следственной связи.

Другой камень преткновения в интерпретации обсервационных исследований – это извращение причинно-следственной связи. Вот, к примеру, один неожиданный факт: многие исследования показывают, что у пациентов с меньшим весом вероятность смерти выше[183]

. Эти парадоксальные исследования, часть из которых проводилась среди пациентов с сердечно-сосудистыми заболеваниями, многих обескуражили – ведь мы знаем, что в целом наличие лишнего веса при нормальных других показателях все равно считается нехорошим признаком. Но тому есть простое объяснение: многие болезни вызывают потерю веса. Если проводить исследование среди похудевших пациентов, можно прийти к ложному выводу, будто небольшой вес вреден для здоровья, но на самом деле проблема может быть вовсе не в весе. Его снижение может быть лишь следствием какого-то заболевания – рака, например. Или другой пример: есть данные, к которым очень любят апеллировать скептики в вопросе о холестерине, будто низкий уровень ЛПНП для людей старшего возраста вообще-то даже опасен[184]. Так ли это или все дело в том, что люди с повышенным уровнем ЛПНП просто не доживают до преклонных лет или что уровень ЛПНП в старшем возрасте не отражает кумулятивный эффект от ЛПНП за всю жизнь до этого? Это было бы неплохо выяснить, потому что многие применяют эти выводы к пациентам старше 75 лет, а также экстраполируют их на всех остальных и утверждают, что между повышенным уровнем плохого холестерина и сердечно-сосудистыми заболеваниями вообще нет связи.