Népegészségügyi problémák biostatisztikai elemzése


A téma kutatói

Kovács Levente Prof. Dr. Kovács Levente, egyetemi tanár
Ferenci Tamás Dr. Ferenci Tamás, egyetemi adjunktus


A kutatás fő irányai

  • Bizonyítékon alapuló orvoslás
  • Diabéteszes betegek laboreredményeinek statisztikai értékelése
  • Alsó végtagi érbetegségek epidemiológiai jellemzői


A kutatás részletes leírása

A biostatisztika a statisztika egyik alkalmazott ága, mely az orvosbiológiai területen felmerülő, empirikus adatokkal leírt kérdések kvantitatív vizsgálatával foglalkozik. Egy új vérnyomás-csökkentő gyógyszer-jelölt valóban csökkenti a vérnyomást? Nagyfeszültségű vezeték közelében tartózkodás növeli a rák-kockázatot? Van-e összefüggés egy gyermek táplálkozási energiabevitele és magasságának növekedése között? Ez csak pár példa olyan kérdésekre, melyek megválaszolásának egyik lehetősége az empirikus adatok alkalmazása: összegyűjtjük gyógyszert szedő és nem szedő emberek vérnyomását; emberek lakhelyének távolságát a nagyfeszültségű vezetékektől, és azt, hogy kialakult-e náluk rák; gyermekek táplálási adatait és magasságuk alakulását. Ezen adatok birtokában (persze csak akkor, ha megfelelő módon gyűjtöttük be) van remény a problémák vizsgálatára, orvosilag releváns kérdések megválaszolására. Továbbmenve az is látható, hogy végeredményben mind számszerű adatra vezet (vérnyomásalakulás, rákkockázat, magasságváltozás), így adhatunk kvantitatív válaszokat is a kérdésekre: pontosan mekkora vérnyomás-csökkenést okoz várhatóan a gyógyszer-jelölt, ha egyáltalán okoz; hány százalékkal változtatja a rákkockázatot adott nagyfeszültségű vezeték, ha egyáltalán változtatja; nagyobb energiabevitel mennyiben módosítja a növekedés ütemét, ha egyáltalán módosítja. Ehhez természetesen megfelelő elemzéseket kell végrehajtanunk (a rendelkezésre álló adatokat használva), és megfelelő modelleket kell alkotnunk. Ezzel foglalkozik a biostatisztika.

Napjaink orvostudományi kutatásai a legtöbb esetben elképzelhetetlenek statisztikai módszerek (ha más nem, támogató szerepű) alkalmazása nélkül.

Ez nem meglepő kijelentés, ha áttekintjük az orvostudomány néhány fejlődési tendenciáját. Az egyik az egyre erősebb empirikus orientáció, mely az utóbbi századokban egyre hangsúlyosabb és hangsúlyosabb, a XX. századra pedig egyenesen meghatározó lett. Noha nyomokban már régebbről is vannak ilyen emlékeink, empirikus gondolkodásról érdemben csak a XVIII. századtól kezdődően beszélhetünk. (James Lind 1747-ben hajtotta végre a néha meg-kérdőjelezett, de mindenesetre igen nevezetes klinikai kísérletét [1], melyben empirikusan demonstrálta, hogy a skorbut citrusfélékkel gyógyítható.)

Mindez nem független attól, hogy mind az egészséges ember működéséről, mind a betegségek mechanizmusáról ekkortól kezdtek el mai szemmel nézve is tartható ismeretek összegyűlni. Ami az előbbit illeti, nyilvánvaló a boncolásos eredmények hatása (és persze az is, hogy az emberiség egész történetét tekintve ez milyen későn következett be – mellbevágó példaként hozhatnánk, hogy még egy olyan abszolút alapvető jelenségnek, mint a vérkeringés is csak 1628-ban adták meg (William Harvey a De Motu Cordis-ban [2]) az első, lényegileg helyes leírását). A betegségek kapcsán ekkor kezdték a korábbi, mai szemmel nézve megmosolyogtató teóriákat (rossz levegő, isteni bosszú, testnedvek egyensúlyának felborulása stb.) természettudományosabb alapokon álló magyarázatokkal felváltani.

Az empirikus orientáció innen kezdve folyamatosan csak erősödött az évszázadok alatt, és talán nem túlzás azt mondani, hogy ez torkollott – a XX. század második felében – a bizonyítékokon alapuló orvoslás (Evidence Based Medicine, EBM) kialakulásába [3]. (Aminek lényege, hogy a klinikai döntéshozatalt a rendelkezésre álló legjobb tudományos bizonyítékok (azaz jórészt empirikus vizsgálatok eredményeinek!) gyűjtése és kritikus értékelése alapján kell végrehajtani.)

Külön megjegyzendő, hogy nem csak egyszerűen az empirikus eredmények szerepe nőtt, de ezen belül a kvantitatív eredményeké is. A XX. század (különösen a vége) ráadásul elhozta a nagy volumenű adatgyűjtés és adatfeldolgozás műszaki lehetőségeit is.

A másik tényező az orvostudomány egyre erősebb átmenete modellalapúba. Hogy egy klasszikus kérdéssel világítsunk erre rá: mi a lényegi különbség egy elromlott autó és egy „elromlott” ember diagnosztizálása között? (A kérdés jogos, gépjárműveknél is tényleg sokszor használják a diagnosztika szót a hibakeresésre.) Bár vannak apróbb, inkább formai különbségek (az autót jobban szét lehet szedni mint az embert stb.), az érdemi különbség, hogy az autónál tudjuk, hogy jó állapotában elvileg hogy kéne működnie – embernél ezzel szemben sokszor nem. A XX. században azonban ezt egyre több területen sikerült megdönteni (vagy lealábbis csökkenteni): egyre több területen és egyre jobb modelljeink vannak arról is, hogy az emberi szervezetnek elvileg hogyan kéne működnie „jó” állapotában.

Ezek voltak a biostatisztika „orvosi oldalán” az előzmények. Van azonban az éremnek egy másik fele is: a „matematikai oldal”.

A valószínűségszámítás a XVIII. században indult fejlődésnek (elsősorban Jacob Bernoulli és Abraham de Moivre, majd később Pierre-Simon de Laplace tevékenysége nyomán). Ezzel szemben a matematikai statisztika, és különösen a mai értelemben vett induktív statisztika csak a XIX. század végén, XX. század elején szökkent szárba [4, 5].

Érdekes, hogy már ennek is igen komoly alkalmazott tudományos motivációja volt (bár jórészt például az agrometria révén – igaz, nagyon hamar bekapcsolódott az alkalmazók közé az orvostudomány is). Az úttörők Ronald Aylmer Fisher, Jerzy Neyman és a két Pearson, Karl és Egon voltak.

A két fejlődési tendencia (az orvostudományé és a matematikai statisztikáé) a XX. században „ért össze”. A matematikai statisztikai eredmények megteremtették a módszertani bázist, az orvosi fejlődés pedig az igényt azon módszerek és eljárások alkalmazására, melyeket ma már biostatisztika összefoglaló néven említünk.

Kutatócsoportunk többek között az elhízás laboreredményekre gyakorolt hatásával [6] és a vércukorszintet befolyásoló tényezőkkel [7] kapcsolatban folytat biostatisztikai vizsgálatokat.

 

[1] Milne, Iain (2012). “Who was James Lind, and what exactly did he achieve”. In: Journal of the Royal Society of Medicine 105.12, pp. 503–508. DOI: 10.1258/jrsm.2012.12k090. eprint: http://jrs.sagepub.com/content/105/12/503.full.pdf+html. URL: http://jrs.sagepub.com/content/105/12/503.short.
[2] Sloan, AW (1978). “William Harvey, physician and scientist.” In: South African medical journal 54.6, p. 247.
[3] Sackett, David L, William M C Rosenberg, J A Muir Gray, R Brian Haynes, and W Scott Richardson (1996). “Evidence based medicine: what it is and what it isn’t”. In: British Medical Journal 312.7023, pp. 71–72. DOI: 10.1136/bmj.312.7023.71.
[4] Hald, Anders (2003). A History of Probability and Statistics and Their Applications Before 1750. John Wiley & Sons, ISBN: 9780471471295.
[5] Hald, Anders (1998). A history of mathematical statistics from 1750 to 1930. John Wiley & Sons. ISBN: 9780471179122.
[6] Ferenci, Tamás (2013). Two Applications of Biostatistics in the Analysis of Pathophysiological Processes. PhD Thesis, University of Obuda.
[7] Ferenci, Tamás, Körner, Anna and Kovács, Levente (2013). “Correlation investigations between HbA1c and blood glucose indicators on type 1 diabetic Hungarian children”. In: Szakál Anikó (ed.) SACI 2013 – 8th International Symposium on Applied Computational Intelligence and Informatics. pp. 443-447. ISBN: 978467364003.

magyar