Влияет ли страна на риск развития ревматоидного артрита? Для этого нужно посмотреть на цифры распространенности заболевания по странам. В случае с ревматоидным артритом это маловероятно, так как, по данным исследований, больших различий между Финляндией и США нет – распространенность 1 % в сравнении с 1.37 %.

Чем еще отличались исследования? В финском исследовании принимали участие и мужчины, и женщины, а в остальных – только женщины. Имеет ли это значение? Возможно, ведь в среднем женщины пьют меньше кофе, чем мужчины, а риск развития ревматоидного артрита выше у женщин, чем у мужчин. Первые два исследования были популяционными когортами, то есть в них принимали участие представители обычного населения или популяции страны, третье – когорта медицинских сестер. Возможно ли, что профессия повлияла на потребление кофе и риск развития ревматоидного артрита? Возможно, если, например, медсестры пьют больше кофе или имеют повышенный риск ревматоидного артрита по каким-то другим причинам.

Теперь посмотрим на результаты.

В американских исследованиях менее половины пациентов с диагностированным ревматоидным артритом пили более 4 чашек в день, тогда как в Финляндии – большинство. В первом исследовании за время наблюдения ревматоидный артрит диагностировали у 89 пациентов, из них только 10 человек пили менее 4‐х чашек в день, а остальные потребляли 4 и более чашек кофе в день. Во втором исследовании среди новых случаев ревматоидного артрита 13 не потребляли кофе вовсе, 37 – менее 1 чашки в день, 28 выпивали 2–3 чашки в день, а 74 – 4 и более чашек в день. В исследовании Karlson не пили кофе 31 человек, менее 1 чашки в день – 20, от 2‐х до 3‐х чашек в день – 107, 4 и более – 47.

Чтобы не запутаться, взглянем на таблицу ниже:

Заметили разницу?

Если хотим узнать, может ли кофе вызвать ревматоидный артрит, чтобы применить эти знания в реальной жизни, нужно, чтобы участники исследования были максимально похожи на обычных людей. Как думаете, какое исследование было более похоже на нашу реальность?

В первом выборка хорошо отражает население Финляндии, но не население других стран. Тогда как участники второго и третьего исследования более похожи на среднестатистическое население стран, где только небольшое число жителей употребляет более 4‐х чашек кофе в день. Например, в России среднестатистический житель выпивает от 1 до 2‐х чашек кофе в день.

То, насколько похожи участники исследования на тех людей, которые нас интересуют, например на нас с вами, называют репрезентативностью. Термин произошел от английского слова represent – «представлять», то есть участники исследования в идеале должны быть представителями интересующей нас группы и отражать ее характеристики.

Практические рекомендации

В любом исследовании, результаты которого вы хотите применять в своей жизни, обратите внимание на характеристики выборки:

• Кто участвовал в исследовании?

• По каким критериям отбирали участников?

• В какой стране проводилось исследование?

Почему важно, чтобы участники исследования были похожи на тех людей, которые нас интересуют, то есть на нас с вами? Почему репрезентативность важна?

Если речь идет о населении страны, состав участников исследования должен быть похож на срез населения страны – например, в процентном соотношении иметь такое же количество мужчин и женщин, молодых и пожилых, работающих и безработных. Иначе если в исследование вы набираете работников банка, большинство из которых в возрасте 30–40 лет, имеют высшее образование и зарплату выше среднего, то, вероятно, их привычки и мнения будут отличаться от среднестатистического жителя страны. Результаты исследования, полученные на такой выборке, справедливы для работников банка, но не отражают действительность в стране в целом.

Одна и та же выборка может быть репрезентативной и нерепрезентативной для разных интересующих нас популяций или групп людей.

Лучший способ обеспечить репрезентативность выборки – отобрать участников случайным образом. Например, случайная выборка людей из разных регионов, из разных возрастных и социальных групп будет хорошо отражать население страны.

Если участники отбираются неслучайным образом, выборка рискует быть нерепрезентативной. Например, если что-нибудь мешает нам отбирать их случайно. Представим, что нужно вытащить определенное количество шариков из мешка, но некоторые кусаются. В этом случае, сколько бы шариков мы ни взяли из мешка (даже если возьмем из мешка все шарики, которые не кусаются), выборка будет нерепрезентативной, поскольку в ней не будет ни одного из тех, что кусаются, – они просто минуют нашу выборку. Самая большая проблема с кусающимися шариками в том, что они могут отличаться от тех, которые идут к нам в руки, и отличаться как раз по тому признаку, который нас интересует. Такая ситуация называется систематической ошибкой отбора или выборки. То есть это уже не случайность, а некоторая закономерность, которая приводит к ошибке.

Так, например, произошло с Биобанком Великобритании – одной из крупнейших баз данных в мире. Из 9 млн человек, приглашенных принять участие в исследовании, откликнулись только 5,5 % (примерно 500 000 человек), и они разительно отличались от остального населения страны – вели более здоровый образ жизни, были образованнее и в целом имели меньше проблем со здоровьем. Результаты анализа подобных нерепрезентативных выборок могут быть ошибочными. Например, изначальный анализ взаимосвязи между потреблением алкоголя и смертностью от сердечно-сосудистых заболеваний в Биобанке Великобритании показал, что алкоголь даже полезен. Но после процедуры стратификации, которая привела показатели выборки в соответствие с показателями общего населения страны, оказалось, что никакой взаимосвязи нет [2].

Пример с Биобанком Великобритании указывает нам на одну простую, но неочевидную мысль: размер выборки не связан с ее репрезентативностью. Маленькая выборка неточна и все равно может быть репрезентативной. Угрожает репрезентативности выборки не количество участников, а то, насколько их характеристики отличаются от остальных людей, из которых эту выборку делали. Это разные проблемы, и у них разные способы решения. Нельзя решить одну из них путем решения другой. Если выборке не хватает репрезентативности, бесполезно ее увеличивать. Более того, последствия нерепрезентативности, а также ошибок на этапе планирования или сбора информации могут оказаться серьезнее в исследованиях с большой выборкой. Это еще одно проклятье больших данных.

Есть случаи, когда мы не беспокоимся о репрезентативности. Например, если материал, из которого отбираем образцы, является однородным, так что любой взятый образец хорошо его отражает. Лабораторный диагноз о состоянии нашего здоровья ставится по нескольким каплям крови. Эта процедура основана на предположении, что циркулирующая кровь всегда хорошо перемешана и одна капля рассказывает ту же историю, что и другая.