Kausale slutninger fra observasjonsstudier
Et grunnleggende problem er at randomiserte, kontrollerte forsøk vanligvis er vanskelig å gjennomføre. De krever gjerne store ressurser, mye tid og etiske avveininger. I situasjoner hvor randomiserte, kontrollerte forsøk ikke finnes, er observasjonelle studier det beste alternativet. Det er blitt utviklet flere nye metoder som kan gjøre det mulig å trekke kausale slutninger selv når man bare sitter på observasjonelle data. Disse metodene blir stadig lettere å anvende for forskere uten tung matematisk bakgrunn.
Strenge forutsetninger må være oppfylt for å kunne trekke kausale slutninger. For det første må vi ha en klar formening om hva kausalitet er. I flere tilfeller er det heller ikke opplagt at kausalitet eksisterer. Blant annet er kvantefysikken basert på at individuelle hendelser ikke har noen kausal årsak (8).
I medisinen er det nyttig å definere kausalitet med utgangspunkt i kontrafaktiske situasjoner. En kontrafaktisk situasjon betegner et scenario som ikke har hendt i virkeligheten, men som potensielt kunne ha skjedd (9). Den kontrafaktiske definisjonen av kausalitet kan illustreres med ebola som eksempel.
La oss betrakte ebolasmittede David i to forskjellige situasjoner: Enten får han ZMapp 1. juni eller så får han ingen behandling 1. juni. I virkeligheten kan David bare plasseres i én av disse situasjonene. Det kontrafaktiske scenarioet betegner den situasjonen som David ikke tilhører. Hvis han fikk ZMapp 1. juni, er altså det kontrafaktiske scenarioet at han ikke fikk behandling. Nå kan vi definere en kausal effekt av ZMapp: Hvis sannsynligheten for å overleve ville vært annerledes dersom David ikke fikk ZMapp 1. juni, har ZMapp en kausal effekt på eboladødeligheten. Generelt sier vi at en variabel har kausal effekt hvis følgende kriterium er oppfylt: Dersom variabelen (f.eks. ebolabehandling) ble endret, mens alt annet var likt, ville utfallet (f.eks. død) blitt forandret (10).
Med en forståelse av kausalitet som er direkte knyttet til kontrafaktiske scenarioer, finnes det metoder for å manipulere observasjonelle data til å lage fiktive populasjoner, pseudopopulasjoner, med individer som går gjennom randomiserte forsøk (11). For at manipulasjonene skal kunne gjøres, kreves det tre forutsetninger (11) – (13).
For det første må behandlingen være veldefinert, dvs. alle i behandlingsgruppen utsettes for samme prosedyre, inngrep eller medikament. Når et ebolamedikament skal sammenliknes med placebo, er det for eksempel viktig at alle i behandlingsgruppen får samme preparat i sammenliknbare doser. I et randomisert forsøk er det lett å sørge for at kriteriet er oppfylt, men i observasjonelle studier er det ikke alltid opplagt. Dessuten er det ofte regnet som et prinsipielt poeng at et reelt kontrafaktisk alternativ til behandlingen eksisterer. For ebolamedikamentet ville det vært enkelt: Vi kunne gi placebo.
For å finne den kausale effekten av overvekt på hjerteinfarkt er det vanskelig. Å være normalvektig er det kontrafaktiske alternativet til å være overvektig, men hvordan skal vi tenke oss at individer manipuleres til å bli normalvektige? Ved å trene? Spise? Røyke sigaretter? Ved fedmeoperasjon?
For å lage pseudopopulasjonen antar vi også at alle faktorer som bestemmer utfallet av behandlingen, enten er kjent for forskerne eller er tilfeldig fordelt mellom individer i behandlingsgruppene. Det skal altså ikke finnes umålte konfunderende variabler. På engelsk kalles denne antakelsen «conditional exchangeability», og dessverre er den ikke testbar. Derfor er forskernes fagkunnskap om faktorer som påvirker utfallet avgjørende – forskerne må anta at alle faktorer som påvirker utfallet enten er inkludert som variabler i studien eller er tilfeldig fordelt mellom behandlingsgruppene. Eventuelt kan forskeren lage en sensitivitetsanalyse for å vurdere effekten av ukjente konfunderende variabler (14, 15).
Det siste kriteriet, positivitet, innebærer at alle risikogrupper har en sannsynlighet større enn null for å havne i alle behandlingsgruppene. Med andre ord – i hver risikogruppe skal det være folk som blir behandlet og andre folk som ikke blir behandlet.