Lühhike öppetus, kuidas lugeda “teadusuudiseid”
Reedeses loos mainisin, et briti teadlased on avanud kodulehe Behind the Headlines, mis selgitab lugejatele massimeedias teadusuudiste pähe pakutavate tekstide tausta. Soovitan soojalt kõigile, keda huvitab meedias pealiskaudselt kajastatavate teadust sisaldavate uudiste tegelikum olemus. See koduleht on tõeline maiuspala ja panin püsilingi välismaa viitade sekka ja kui meie lehtedes ilmub mingi uudis, kus räägitakse, et “teadlased on kindlaks teinud”, siis võib sealt üle kontrollida, kas ja mida ikka tehti kindlaks.
Lehel on ka üks Lühhike öppetus, kuidas tervisealaseid teadusuudiseid lugeda, autoriks dr Alicia White, kelle nõuandeid teile alljärgnevaga vahendan.
————
Kui oled just lugenud tervisealast pealkirja, mille tõttu sülitasid oma hommikukohvi välja (“Kohv tekitab vähki” mõjub hästi), siis kõige mõistlikum oleks siiski toimida Karlssoni nõuande kohaselt: rahu, ainult rahu! Lugege edasi ja selgub, et pealkirjas oli palju olulist ütlemata jäetud, nagu näiteks “Kui viiele rotile süstiti väga suure kontsentratsiooniga kohvilahust, siis tuvastati mõned muutused rakkudes, mis võivad kunagi kauges tulevikus kasvajani viia. (Uuringut rahastas Teetootjate Liit.)”
Esimene ja peamine reegel ongi see, et ära usu automaatselt seda, mida pealkirjas väidetakse. Pealkiri on selleks, et tõmmata su tähelepanu, et sa lehe ostaksid ja alles siis kogu loo läbi loeksid. Kas sa loeksid artiklit pealkirjaga “Tõenäosus, et kohv tekitab vähki on väga väike, aga ei või iial teada”?
Vältimaks klaviatuuri või paberlehe kohviga täispritsimist, tasub meeles hoida mõned reeglid, kuidas loetud artiklit analüüsida.
Kas artiklis esitatud väited on leidnud kinnitust teadusuuringuga?
Esimene asi, millele tähelepanu pöörata, on see, kas uudislugu põhineb mingil teadusuuringul. Kui artiklis upitatakse mingit raviviisi või räägitakse mingist sinu elustiili nüansist, mis väidetavalt kas ennetab või põhjustab mingit haigust, aga ei anta väite kinnituseks ühtki viidet ühelegi konkreetsele teadusuuringule, siis tuleks artiklisse suhtuda suure ettevaatusega. Sama ettevaatus on abiks ka nende uuringute puhul, mida pole veel teadus(aja)kirjanduses avaldatud.
Kas artikkel põhineb konverentsi ettekande kokkuvõttel?
Kui artikkel on kirjutatud mõne konverentsi ettekande kokkuvõtte põhjal, siis on põhjust olla ettevaatlik. Konverentsidel esitatud uuringud on sageli alles väga esialgses faasis ja tavaliselt ei ole veel läbinud kriitilise analüüsi vajalikku kadalippu. Lisaks ei leia ettekannete kokkuvõtetest piisavalt andmeid uuringu meetodi kohta ja pole võimalik hinnata selle kvaliteeti.
Kas uuring viidi läbi inimestel?
Üsna tihti juhtub, et taaskordse “imeravimit” kuulutava pealkirja taga on laboratooriumis rakukultuuridel või loomadel tehtud uuring. Sageli on selliste uudislugude juures illustratsiooniks inimfiguurid, mis annavad mõista, nagu oleks tegu inimestel sooritatud uuringuga. Rakkudel ja loomadega tehtud uuringud on esimene ja väga oluline samm, aga paljud ravimid, mis näitavad rakkudel lubavaid tulemusi, et toimi loomadel, ja paljud ravimid, mis näitavad lubavaid tulemusi loomadel, ei tööta inimestel.
Seega kui pealkirjas lubatakse, et mingi ravim või toit mõjub rottidele, siis on küll olemas mingi tõenäosus, et see võib kunagi saada ravimiks inimestele, kuid suurema tõenäosusega siiki mitte. Pole mingit põhjust alustada järjekordse artiklis haibitud “imetoidu” tarbimist suurtes kogustes.
Mitu inimest uuringus osales?
Rusikareegel on see, et mida rohkem on uuringus katsealuseid, seda usaldusväärsemad on tulemused. Väikestes uuringutes võivad olulised asjad peitu jääda, kuna puudub vajalik “statistiline võimsus” ning sekka võib sattuda puhtalt juhusest tulenevaid valesid “leide”.
Võrdluseks näide mündi viskamisest – 500 heitega tulemus on statistiliselt võimsam ja usaldusväärsem kui 8 heitega.
Seega kui kajastatava uuringu tulemus põhineb väikesel hulgal inimestel, siis suhtu sellesse suurema ettevaatusega.
Kas uuringus kasutati kontrollgruppi?
Kui soovitakse teada saada, kas mingi raviviis või toiduaine on efektiivne, siis peab uuringu läbiviimisel olema kasutatud kontrollgruppi. Kontrollgrupp võimaldab uurijatel võrrelda, mis juhtub inimestega, kes saavad uut ravimit või toiduainet võrreldes nendega, kes ei saa. Kui kontrollgruppi ei ole, siis on võimatu omistada tulemusi uuritavale ravimile või toiduainele.
Kontrollgrupi valikul on oluline asjaolu, et see oleks võimalikult sarnane uuritavale grupile. Parim viis selle saavutamiseks on jagada inimesed kahte gruppi juhuslikult – uuritava raviviisi/toiduaine grupp ja kontrollgrupp. Sedasi toimides saame randomiseeritud kontrollgrupiga uuringu (RCT), mis on raviviiside ja mõjufaktorite uurimise kuldstandardiks.
Järelikult kui uudis räägib mingist uuest ravimist, raviviisist või imetoidust, siis tasub vaadata, kas väited tuginevad randomiseeritud kontrollgrupiga uuringul. Kui mitte, siis tasub olla skeptiline.
Kas uuring ka tegelikult uuris seda, mida pealkiri väidab?
Seda saab selgitada näite abil. Näiteks väidetakse pealkirjas, et “Tomatid vähendavad infarktiriski”. Sel juhul peaks vaatama, kas viidatud uuring üldse uuris tomati söömise ja infarkti vahelist seost. Võib hoopis selguda, et uuring tuvastas tomatite võime vähendada vererõhku. Sellisel juhul on uuringu tulemusi ekstrapoleeritud, kuna kõrge vererõhk on üks infarkti riskiteguritest. Mõnikord on sellised uuringu otsestest tulemustest kaugemale ulatuvad järeldused küll asjakohased, aga teinekord jällegi mitte.
Seega tasub olla ettevaatlik artiklite suhtes, mis teevad uuringutest omi järeldusi asjade kohta, mida uuringus tegelikult ei uuritud.
Kes uuringu eest maksis?
Enamus uuringuid on kinni makstud tootjate endi poolt. Olgu ravimid, vitamiinikreemid või toiduained. See tähendab, et neil on uuringu tulemuste suhtes huvid ja õigused, mis võib potentsiaalselt uuringu tulemusi mõjutada, kallutada uurijaid alateadlikult väitma üht või varjama teist.
See ei tähenda, et kõik tootjate poolt rahastatud uuringud oleksid automaatselt ebausaldusväärsed, aga võimalikust huvide konfliktist on hea teadlik olla.
Kas peaks sõnumitooja maha laskma?
Ülepingutatud väited ei pruugi ilmtingimata olla uudist kirjutava ajakirjaniku väärtõlgenduse süü, kuna teinekord tõlgendavad uurijad ise või teised huvitatud elemendid saadud tulemusi liiga optimislikult või teevad liiga kaugeleulatuvaid järeldusi, mida uuring tegelikult ei võimalda.
Kuivõrd ekslikud väited võivad olla pärit mitmest allikast, pole vaja kohe ajakirjanikku selles süüdistada. Selle asemel kasuta ülalolevaid küsimusi ja arutle, kas ja mil määral tasub uudist uskuda või mitte.
Allikas: Alicia White, How to read health news
Lisateavet leiab:
* Sence About Science
* Science Media Centre
* UK Cochrane Centre
* Bandolier
* Centre for Evidence-Based Medicine
jt
Päris nii siiski pole. Piisavalt suure valimi juures muutuvad statistiliselt oluliseks ka erinevused (kontroll- ja katsegrupi vahel), mis on tegelikult liiga väikesed, et omada praktilist tähendust.
Samas, tõesti, kui ikka “uuringus osales 3 naist, kellest 86% nägid oma silmaga, et nahk muutus siledamaks” on midagi mitmes mõttes viltu.
kenny pajatas:
Möh?
Olen mina küll üsna mitme ainepunkti eest statistikaga kokku puutunud, aga sihukese idee otsa pole siiani komistanud.
Et siis, mida jämedam teleskoop võtta, seda selgemini paistavad tolmukübemed läätse peal silma?
Ma tänan, Sa oled kirja pannud selle, mida ma juba mõnda aega vajalikuks olen pidanud ise läbi klaviatuuri lükata.
Selliseid artikleid peaks rohkem olema.
Nojah, praktikas taandub see kõik suuresti põhimõttele, et kui artikkel algab sõnadega “välismaa teadlased selgitasid välja, et”, siis pole sellega midagi mõistlikku peale hakata.
asjalik lugu.
Kusjuures peaks lehe toimetaja tegelikult siduma uue uudisega ka endised samateemalised lood, mis mõnelgi korral viimase loo andmed ümber lükkavad.
Olen mingi paar kolm aastat jätginud uudiseid sotsioloogilistest edetabelitest a la Eesti on kõige õnnetum ,Simbabwe kõige õnnelikum.
Kolme aasta jooksul koguned piisav hulk ülevaateid veendumaks, et need uudised on sedavõrd vastuolulised, et ei tasugi neid üldse lugeda. Eesti meediast vähemalt mitte.
Eesti ajakirjanikud paraku pole veel aru saanud töö teinud teadlastele viitamise vajalikkusest. Eelmisel nädalal näiteks figureerisid meedias “Tallinna ja Tartu teadlaste” uuringu tulemused ideaalse laste arvu kohta peres. Mida sa seal siis kontrollid? Seejuures artiklit kirjutav ajakirjanik ilmselt ei sooviks, et tema artiklit viidataks kui “Tallinna ajakirjaniku artiklit”.
@Anonymous – Eks igaüks näeb asju oma mätta otsast, aga mulle on suuremalt jaolt silma hakanud pigem jutu mõtet moonutavad tõlkevead ja kahestimõistetvad laused. Eks kollases ajakirjanduses ja
meelelahutusuudiseportaalides juhtub neid sagedamini, aga ka suuremad ajalehed pole patust puhtad.Lisaks artiklis toodule on soovitatav alati esitada ka küsimus, kui tugev on mõju? Näiteks tollesama pealkirja korral, et kohv tekitab vähki. Kui palju suurendab päevas 5 tassi kohvi joomine vähki haigestumise tõenäosust? Võibolla tõesti suurendab, näiteks (laest võetud numbrid!) 12,2% pealt 12,5% peale. Suuremahulise uuringuga on sellist mõju kindlasti võimalik avastada. Aga on sellel praktilist tähtsust?
jah, statistika on selline teadus, mille olemus paljudele mõistmatuks jääb ja millest tulenevaid järeldusi kiputakse tihti väärtõlgendama
ilmekas näide on vaktsiinivastased, kes põevad näiteks üliharva esineva anafülaktilise šoki pärast, millest üldjuhul ka üle pääseb, või siis olematu autismi-seose üle, aga kui sama statistika näitab, et leetrid võivad tunduvalt sagedamini nõmedaid komplikatsioone põhjustada, siis seda peetakse millegipärast mittetähelepanuväärseks
Toetan Kenny märkust – just nimelt liiga suur valim (ehk siis – statistiline ‘pauer’ on liiga kõrge) toob kaasa valesid leide, kuna kasvab esimest tüüpi vea tegemise tõenäosus. Teiste sõnadega: piisavalt suure valimi korral suudavad isegi täiesti tähendustühised ning juhuslikud tulemused ületada valitud tõenäosuskünnise. Et siis, kui fantastiline ja rabav seos kahe muutuja vahel leiti kogu Hiina rahvast hõlmavas andmebaasis, ei tasu seda jalamaid tõe pähe võtta.
Nii et dig puudutab vahest statistikat mõne punkti eest veel ;)
Üks raske, kuid levinud statistiline viga on veel see, kui hüpotees püstitatakse ja tõestatakse sama valimi pealt. Tegelikult peavad hüpoteesid olema püstitatud enne uuringu läbiviimist, näiteks eeluuringu põhjal. Hüpoteeside, usaldusnivoo ja testitava mõju eeldatava suuruse põhjal määratakse ka valimi maht. Liiga suurt valimit pole mõtet võtta, see kulutab ainult ressursse, aga midagi paremini ei tõesta.
Nii et suur valim näitab, et tõestatud seos on nõrk.
Eda Post Eesti Päevalehest vahendab siinset EPL lugejatele:
Skeptik õpetab usaldusväärseid teadusuudiseid lugema
Ei, dig oskab korrutada.
@kenny, dig, talairach –
Lisan lingi wiki artiklile valimi suuruse kohta . Lahtiseletatuna öeldakse seal, et piisavalt suure valimiga saab tõestada ükskõik mida, kui mõõtevahendi I ja II tüüpi vigade ilmnemise määr on suurem kui 0.
Ei, Volli, nüüd saad Sa küll millestki valesti aru. I tüüpi vea tõenäosus on usaldusnivooga ette antud. 2 tüüpi vea tõenäosus kahaneb valimi suurendamisega. Ükskõik mida pole kindlasti võimalik tõestada.
Võimalik muidugi ka, et me saame üksteisest valesti aru.
@tq – Palun loe lingitud artiklit. Seal on antud valem valimi suuruse ülempiiri arvutamiseks ning I ja II tüüpi vigade definitsioonid nagu neid selles valemis mõista tuleb.
Kas Sa pead silmas seda valemit, mis algab, et n on suurem või võrdne kui üks siia kirjutamiseks veidi keeruline avaldis, või mingit muud valemit?
Jah, kuid sain siiski valesti aru. Ja üsna piinlikult. See valem on siiski valimi minimaalse suuruse arvutamiseks, et tulemused soovitava täpsusega (II tüüpi ) leitaks, kui mõõtmismeetodi viga (I tüüpi) on ette antud. Nagu siin juba mainitud sai.
Mu vastus oli motiveeritud vastuvaidlemisest väitele:
Mis on kahtlemata õige: mida suurem on valim, seda täpsemad on tulemused. Samas ka kennyl oli õigus:
Asi on selles, et mõõtmised muutuvad liiga täpseks. Näiteks ravimitestides ei pruugita tuvastada platseebot, kuna platseebo toimib eri gruppides üldjuhul veidi erinevalt ning need erinevused hakkavad väga täpsete mõõtmiste puhul välja paistma. Seega on pea alati võimalik ajada valim piisavalt suureks, et teha järeldus: “…kuigi testitud ravimi tõhusus ei vastanud ootustele, polnud see ka puhas platseebo.”
volli pajatas:
Seda probleemi välditakse randomiseerimist ja topeltpimendamist koos kasutades.
@dig – Mis on randomiseerimine?
Selles kontekstis on randomiseerimine hoolitsemine, et katses osalejate gruppidessejagamise aluseks oleks puhas ja sõltumatu juhus. Kui jaotus on juhuslik ja keegi katsealustest ega katse teenindajatest ei tea, millises grupis keegi on, jääb sõltumatu müra katse käigus sõltumatuks müraks ja seda saab võrdlemisi lihtsalt eemaldada (filtreerida, keskmistada — olenevalt probleemist). Ning vastavalt Bernoulli suurte arvude seadusele kahaneb tõenäosus, et müra sees täiesti juhuslikult huvitavana välja paistev artefakt leidub, valimi kasvades.
Üks näide.
On väidetud, et kirikus käijad on tervemad kui need, kes kirikus ei käi. Ja see justkui tõestaks, et kirikus käimine on tervislik või et isegi uskumine jumalasse on tervislik või mis veel hullem – jumal on olemas ja hoolitseb nende eest, kes teda kirikus teenimas käivad.
Aga tähelapanu alt jäid välja need, kes üldse ei käi — jalutud, voodihaiged…
Randomiseerimine peaks uuringu grupi ja kontrollgrupi jagama kahte (mõnikord ka enamasse) muus osas võrdsesse rühma. Mittevõrdne osa on siis see uuritav sekkumine.
Veel meenus, et on väidetud, et taimetoitlased on tervemad kui teised. Võibolla tõesti, aga see tervem olemine võib olla tingitud hoopis sellest, et taimetoitlased elavad ka muul moel tervislikult (spordivad, ei suitseta ega tarbi alkoholi, ei ole ülekaalus…), aga kui neid teisi erinevusi randomiseerimisega ei tasandata, siis kerkivadki esile artefaktid, millest ennatlikke järeldusi tehakse.
Mõnikord ehitatakse uuring nimme sedasi üles, et kinnitada eelarvamust või müüa oma kaupa-teenust.
Inimene ja ühiskond on keerulised süsteemid, ning kõik vähegi olulised faktorid pole üldjuhul täiesti sõltumatud, mistõttu suurte arvude seadus ei rakendu (rangelt võttes). Samuti, kui vähegi oluliste tegurite arv oleks suurem kui 33, poleks ka kogu inimkonna kaasamisel võimalik tagada ühtlast jaotust gruppide vahel kõigi nende tegurite suhtes. Korraliku valimi koostamine aitab sõltuvust vähendada, kuid garanteerida ei saa midagi.
Ülaltoodu on muidugi teooria, kuid mainitud probleem (platseeboefekt ilmneb eri gruppides erinevana) olevat ka praktikas ette tulnud. Oli see nüüd liig suurtest katseisikute arvust või lihtsalt kehvast valimikoostamisest tingitud, seda ei saa ma hinnata.
volli: juhtub.
Niipalju veel, et minu tagasihoidliku arusaama juures suure valimi kasutamine ei ole täpsem selles mõttes, et mitteeksisteeriva mõju eksisteerivaks tunnistamine oleks vähem tõenäoline. Selle võimaluse määrab valitud usaldusnivoo ja valimi suurus ei anna siin midagi juurde. Kui usaldusnivoo on 95% ja me testime 20 mõjurit, siis keskelt läbi neist ühe me tunnistame oluliseks ka siis, kui tegelikult pole oluline ükski. Sõltumata sellest, kas valimis on 100 või 100 000 elementi.
Suurem valim vähendab tõenäosust, et eksisteeriv mõju jääb tuvastamata ja aitab seega tuvastada väiksemaid mõjusid. Ning muidugi on suure valimi korral võimalik valida ka kõrgem usaldusnivoo ja seeläbi vähendada I liiki vea võimalust. Aga usaldusnivoo valik peab eelnema valimi võtmisele.
Martini näide meenutas mulle uurimust, millega tõestati, et kured toovad lapsi. Nimelt inimestel, kes elavad kurepesade läheduses (maal), sünnib märksa rohkem lapsi kui inimestel, kelle kodu läheduses kurepesi ei ole (suurlinnad). Inimestel, kes elavad polaar- ja kosmosejaamades, kuhu kured ei lenda, ei sünni üldse lapsi.
Iseenesest huvitav filosoofiline ja eetiline küsimus, millest alates jälgitav efekt on tähendusrikas efekt. Kui efekt (populatsioonis) tõepoolest võrdub nulliga, ei muuda kui tahes suur statistiline jõud seda “oluliseks”; s.t. nullhüpoteesi ei saa kõrvale jätta. Samas justkui pole ilus teha avaldust, et kohvijoojate elu on lühem kui teejoojate oma, kui vahe oli kümme tundi teejoojate kasuks ning uuringus osales kokku 4,8 miljardit isikut… * Kolmandast küljest jällegi, efekt ju oli – kümme tundi kauem lähedastega veeta, mõelge ise kui tore. Keeruline.
* – võtsin pool-meelevaldselt lähteandmed: keskmine eluiga 70 aastat; standardhälve 16 aastat; ühepoolne test ja p<.05
@Taivo – ma arvan, et selle uuringu juures on mööda pandud põhjkuslikkuse seosega. nimelt ei suuda ma pingutustest hoolimatavälja mõtelda, miks peaks kurepesade lähedus olema seotud kurgede lapsetoomisega?
pealegi lendavad kured talveks lõunasse. kuidas siis seletada meie laiuskraadidel talvel sündivaid lapsi?
See, et mis maalt alates on statistiliselt oluline mõju ka sisuliselt oluline, on jah kaunis karm küsimus. Kui tulemustele õnnestub rahaline või mõni muu hästi mõõdetav väärtus külge panna, siis on tavaliselt üsna lihtne vastata. Aga kui ei õnnestu, nagu näiteks tollesama eluea näite puhul…
On üks film, mis muuhulgas ja ilukirjanduslikul moel ka selle probleemiga tegeleb: Class Action
Meie sõber Celtic pajatab Para-web foorumis järgmist:
Nojah, ilmselt on Celticu puhul tegu teatud meeleseisundiga, et tekstis on kirjas üks asi, aga silm ja meel loeb hoopis teist asja.
Kohvi uudise kohta pole ma väitnud, et selle oleksid teinud pseudoteadlased. Uuringu tegid minu teadmiste kohaselt päris teadlased, aga uudistetreialid on uuringu tulemustest välja rebinud killukesi ja inerpreteerinud neid omasoodu, mis uuringu tegelike sihtide ja tulemustega sugugi kokku ei kõla.
Teiseks ei tegelenud siinne artikkel sugugi pseudoteadusega, veel vähem pseudoteadlaste ja nende äratundmisega, vaid teadusuudistega, mida meedias lugeda pakutakse.
Pseudoteaduse kohta soovitan lugeda Peeter Saari artiklit
Libateaduste anatoomiast ja taksonoomiast.
Kuivõrd viite siinsele loole on Celtic pannud jutumärkide vahele (“kuidas ära tunda pseudoteadlast ehk pseudoteadlase välimääraja.”), siis võib lugejale jääda mulje nagu tsiteeriks ta viidatavat artiklit või selle pealkirja. Paraku pole see nii ja Celtic on hakkama saanud häbitu valetamisega.
Seega edaspidi või ka tagantjärele vaadates, kui Celtic midagi ütleb või on öelnud, siis tasub sellesse suhtuda nii edaspidi kui ka tagantjärgi ettevaatuskoefitsendiga. Ja ka siis on eksitatud saamise tõenäosus suur.
@talairach – Väike tehniline märkus. Nii suure valimi põhjal pole mõõtmised enam paratamatult statistiliselt sõltumatud, sest näiteks samas piirkonnas elavate inimesed on üldjuhul sarnasemad. Puht geograafiliste argumentide põhjal ei saa eeldada ühtlast jaotust. Seega ei kehti keskväärtusteoreem ning mõõtmiste normaaljaotus pole garanteeritud. Mida see tähendab: tavapärane lähenemine mõõtemääramatusele ja valimi mahu hindamisele ei toimi.
Ülaltoodu on suurepärane näide halvast uuringust:
1) Uuringus tulemuste taolisel esitamisel implitseeritakse, et kümne tunnine erinevus on põhjustatud tee või kohvi joomisest.
2) Uutingu tulemustes on implikatsioon, et kohvi joomine tagab 10 tundi lühema eluea kui tee joomine, kuid pole adresseritud küsimust, kas tee või kohvi joomine elueaga üleüldse seotud on.
3) Nullhüpotees, et tee joomine mõjutab eluiga sama palju kui kohvi joomine, lükatakse ümber hoolimata sellest, kas see kehtib või mitte. (Milles seisnes ka mu varasem märkus platseebo kohta)
4) Aetakse segi statistiline ja põhjuslik seos. Viimane on vast üks tüüpilisemaid vigu, mida statistilika tõlgendamisel tehakse. Sama kehtib kurgede näite puhul: tõepoolest, kurgede ja sünnituste arv võib geograafiliselt korreleeritud olla, kuid see ei tähenda veel, et kured kuidagi laste saamist soodustaks.
Ehk siis “pärast seda” ei tähenda “selle pärast”.
Rahvakeeli võib nii öelda küll. Täpsem oleks öelda: kui kaks asja ilmevad alati koos, siis ei pruugi ühe asja kaotamine ilmtingimata tähendada veel teise asja kadumist. Viimast seost tuleb eraldi kontrollida.
volli – ma olen täiesti nõus, et sellist uuringut ei maksa teha (takistavad sinu poolt välja toodud põhjused ja terve mõistus); näide oli pigem mõeldud illustreerimaks hüpoteetilist olukorda, kus efekt on populatsioonis suurem kui null, ent väga, väga väike.
Aga kas kokkuvõtteks võib siis ajakirjanikele soovitada, et kui uuring väidab kahe muutuja vahel mõju puudumist, vaadata skeptiliselt valimi suurust; kui uuring väidab kahe muutuja vahel mõju esinemist, skeptiliselt vaadata efekti suurust ning kui see tundub tilluke, siis jällegi valimi suurust?
@talairach – Mu vastus polnud mõeldud vastuargumendina. Pigem proovisin omalt poolt midagi lisada.
Minu isikliku arvamuse järgi peaks teadusajakirjanik suutma eristada häid ja olulisi uuringuid halbadest ja ebaolulistest uuringutest ning uuringuid võimalikult täpselt esitama. Kui midagi kahtlane/arusaamatu tundub, võib ju pöörduda uurimisrühma või mõne alternatiivset seisukohta esindava tunnustatud eksperdi poole. Jällegi: teadusajakirjanik ei avalda oma arvamust vaid vahendab teaduslikku uuringut laiemale üldsusele arusaadavas keeles.
Ja tõesti. Nimetatud kriteeriume võiks jälgida. Kui miski kahtlane näib, siis võiks üle küsida.
Martin Vällik ütles:
Pigem võiks sellisel juhul kirikuskäijate paremat tervist seletada kooskäimise ja suurema inimkapitaliga võrreldes mittekäijatega. Ehk, kirikus käimine kui organisatsiooni kuulumine ja suurem sotsiaalne sidusus, mis panustab paremasse tervisesse.
Mina usun ysna kindlalt, et teadlased teevad oma t66d h2sti. Probleem on aga selles, et teadlaste poolt kirjutatuid ajakirju on liiga keeruline lugeda ja tihtipeale raske m6ista. Kollane ajakirjandus jahib aga tiraazi ja sellep2rast soovitan Delfi jm. s22rastes kohtades ilmuvaid yllitisi teadusuudisteks mitte nimetada.
kõige õigem on lugeda seltskonna-klatši ja krimkasid.
Siia otsa lühike näide, kuidas libaravimite müüjale vastata. Autoriks Mark Twain, kelle tütar oli surnud ajukelmepõletikku, kelle poeg oli surnud difteeriasse ja muu hulgas pidavat pakutud elueliksiir ka neid haigusi ravima. Mark Twain polnud ka ise 1905. aastal enam kuigi hea tervise juures ja oli hiljuti lesestunud.
You’re an idiot of the 33rd degree