Hogyan olvass tudományos hírt? Előközlés, lektorálás, kutatástípusok és a kockázat számai

„Felére csökkenti a kockázatot.” Az ilyen címsor elsőre egyértelműnek tűnik, pedig legalább öt kérdést nyitva hagy. Ki állítja: maga a kutatás, egy egyetemi sajtóiroda, vagy egy újságíró, aki a sajtóközleményt olvasta? Embereken vizsgálták, egereken vagy sejttenyészeten? Összefüggést találtak, vagy okot? Minek a fele, és mekkora volt az egész? És mennyire biztos maga a szám?

A cikk nem értékel kezelést vagy terméket, és nem egészségügyi tanács.

A lánc eleje: cikk, sajtóközlemény, előközlés

Egy kutatásról a legtöbben nem a szakcikkből értesülnek, hanem a róla szóló hírből, a hír pedig sokszor nem a cikkből, hanem az intézmény sajtóközleményéből készül. Hogy ez a köztes lépés mennyit számít, azt egy 2014-ben a BMJ-ben megjelent elemzés mérte fel. A szerzők 20 vezető brit egyetem 2011-es, orvos- és egészségtudományi sajtóközleményeit (összesen 462-t) vetették össze a mögöttük álló lektorált cikkekkel és a nyomukban megjelent hírekkel. A közlemények 33 százaléka tartalmazott a cikknél erősebb ok-okozati állítást, 36 százaléka pedig olyan, állatkísérletből emberre vonatkozó következtetést, amelyet a cikk maga nem vont le. Ahol a közlemény túlzott, ott a hírek nagy része is átvette a túlzást (a tanulmány kivonata a PubMedben). Ha a hír és a cikk szóhasználata eltér, a cikké a mérvadó.

Egyre gyakoribb, hogy a hír alapja nem is folyóiratcikk, hanem előközlés (angolul preprint). Az amerikai Nemzeti Orvosi Könyvtár (NLM) megfogalmazása szerint az előközlés egy tudományos dolgozat teljes, nyilvános változata, amelyet még nem hitelesített szakmai lektorálás, és amelynek tartalma a lektorálás során még változhat (az NIH előközlési programjának leírása). Egy előközlésről szóló hír tehát egy még el nem bírált kéziratról szól.

Mit garantál a lektorálás, és mit nem?

A lektorálás (peer review) során a folyóirat a kéziratot független szakértőknek küldi ki, akik bírálják a módszert, az érvelést és a következtetéseket; a közlésről végül a szerkesztő dönt. Ez szűrő, de nem bizonyíték. A lektor a leírt munkát olvassa, a kísérletet nem ismétli meg. A Cochrane egy módszertani áttekintésben 28 vizsgálat alapján arra jutott, hogy kevés empirikus bizonyíték szól amellett, hogy a szerkesztői lektorálás biztosítaná az orvosbiológiai kutatások minőségét, és hozzátette: a bizonyíték hiánya nem azonos a hatástalanság bizonyítékával (Jefferson és munkatársai, Cochrane, 2007). Egy lektorált cikk tehát átment egy szakmai ellenőrzésen, de ettől az eredménye még nem végleges.

Melyik kutatástípus mekkora állítást bír el?

A hírek gyakran elhallgatják a kutatás típusát, pedig ez dönti el, mennyit lehet az eredményből kiolvasni.

• Laboratóriumi (in vitro) vizsgálat: sejteken, szöveteken, kémcsőben. Megmutathatja, hogy egy mechanizmus létezhet, de azt nem, hogy egy élő szervezetben, reális adagban is így működik.
• Állatkísérlet: egy lépéssel közelebb visz, de a faj, az adagolás és a körülmények eltérnek. Az amerikai NIH-hoz tartozó NCCIH ellenőrzőlistája szerint az állati vagy laboratóriumi eredmények addig nem feltétlenül jelentenek sokat az ember egészségére nézve, amíg alapos klinikai kutatás nem vizsgálja őket (az NCCIH kérdései egészségügyi hírekhez).
• Megfigyeléses vizsgálat: a kutatók nem avatkoznak be, csak követik, mi történik azokkal, akik valamit tesznek vagy nem tesznek. Jellemzően együttjárást mutat ki, nem okot.
• Randomizált kontrollált vizsgálat (RCT): a résztvevőket véletlenszerűen sorolják a kezelt és a kontrollcsoportba. Az NCCIH szerint a klinikai vizsgálatok adják a legtisztább információt arról, hogy egy kezelés vagy életmódváltás hatásos és biztonságos-e embereken. Hogy egy RCT beszámolójának mit kell tartalmaznia, azt a CONSORT irányelv rögzíti; a 2025-ös változat 30 tételes ellenőrzőlistát és a résztvevők útját követő folyamatábrát ír elő (a CONSORT az EQUATOR hálózat oldalán).
• Szisztematikus áttekintés és metaanalízis: egy előre rögzített kérdésre összegyűjtik az összes megtalálható, előre meghatározott feltételeknek megfelelő vizsgálatot, értékelik a minőségüket, majd ha lehet, statisztikai módszerekkel összesítik az eredményeket; ez utóbbi lépés a metaanalízis. A Cochrane szerint ez a legmegbízhatóbb módja annak, hogy kiderüljön, hatásos-e egy beavatkozás vagy egy teszt (a Cochrane leírása a szisztematikus áttekintésről).

Együtt jár, vagy okozza?

Képzeljünk el egy kitalált megfigyeléses vizsgálatot: akik rendszeresen kirándulnak, azoknál ritkábban fordul elő egy bizonyos betegség. A címsor ebből könnyen azt írja, hogy „a kirándulás véd”. Csakhogy a kirándulók átlagosan lehetnek fiatalabbak, jobb anyagi helyzetűek, ritkábban dohányozhatnak, és eleve egészségesebbek lehetnek, hiszen egy beteg ember kevésbé indul túrázni. Az ilyen háttértényezőket nevezik zavaró tényezőnek (confounder). Ezek a vizsgált szokással és a kimenetellel is összefüggenek, így látszólagos kapcsolatot teremthetnek ott, ahol nincs, vagy elfedhetnek egy valódit.

A kutatók statisztikai korrekcióval próbálják kiszűrni a mért zavaró tényezőket, de egy erről szóló módszertani írás szerint bármennyi változót vesznek is figyelembe, valószínűleg marad maradék zavarás olyan tényezők miatt, amelyeket nem ismernek vagy nem tudnak mérni (Skelly és munkatársai, Evidence-Based Spine-Care Journal, 2012). A randomizálás azért erős eszköz, mert a véletlen besorolás kellően nagy csoportoknál az ismert és az ismeretlen tényezőket is nagyjából egyenletesen osztja szét. Ha egy hír megfigyeléses vizsgálatról szól, az „összefügg”, „gyakrabban fordul elő” kifejezések a pontosak; az „okoz”, „véd”, „megelőz” már túllép az adatokon.

Minek a fele? Relatív és abszolút kockázat

Térjünk vissza a „felére csökkenti” címsorhoz egy kitalált, kerek számokkal felépített példán. Két csoportban 10 000–10 000 ember van; öt év alatt a kontrollcsoportban 20, a kezelt csoportban 10 embernél jelentkezik egy betegség.

	Kontrollcsoport	Kezelt csoport
Résztvevők	10 000	10 000
Megbetegedések öt év alatt	20	10
Kockázat	0,2%	0,1%

A relatív kockázatcsökkenés 50 százalék, mert 0,1 a 0,2-nek a fele. Ez a szám kerül a címsorba. Az abszolút kockázatcsökkenés viszont 0,1 százalékpont: ezer emberből öt év alatt egy megbetegedés marad el. Ebből az is következik, hogy a példában ezer embert kellene öt évig kezelni egyetlen eset megelőzéséhez; ezt nevezik kezelendő esetszámnak (angolul NNT). Mindkét szám igaz, de a relatív szám az alapkockázat nélkül nem mondja meg, hogy nagy vagy elenyésző hatásról van-e szó.

Mennyire biztos a szám?

Mintaméret. Az NCCIH magyarázata szerint a kis minta nagyobb eséllyel ad véletlenből fakadó vagy nem egyértelmű eredményt, a nagyobb minta megbízhatóbb lehet.

Konfidenciaintervallum. A jól megírt cikk nemcsak egyetlen számot közöl, hanem egy tartományt is. A fent idézett sajtóközlemény-elemzés például úgy fogalmazott, hogy a közlemények 40 százaléka tartalmazott túlzó tanácsot, 95 százalékos konfidenciaintervallummal 33 és 46 százalék között. Leegyszerűsítve: a mintából a valódi arányt ezen a sávon belül lehetett behatárolni. A széles sáv bizonytalan, a szűk pontosabb becslést jelez. Ha két csoport összehasonlításánál az intervallum a „nincs különbség” értéket is magában foglalja, az adatok a hatás hiányával is összeférnek.

Statisztikai szignifikancia. Az Amerikai Statisztikai Társaság (ASA) 2016. március 7-én kiadott állásfoglalása hat elvet fogalmazott meg a p-értékről. A hírolvasónak ezek közül három a leghasznosabb: a p-érték nem annak a valószínűsége, hogy a vizsgált hipotézis igaz; a statisztikai szignifikancia nem méri a hatás nagyságát vagy fontosságát; és tudományos következtetés nem épülhet pusztán arra, hogy a p-érték átlép-e egy küszöböt. Az NCCIH gyakorlati megfogalmazásában: két csoport között lehet statisztikailag szignifikáns különbség, amely mégis túl kicsi ahhoz, hogy a betegek számára számítson.

Ki fizette, ki írta?

A cikkek végén ott van két rövid rész, amelyet a hírek ritkán idéznek: a finanszírozás és az összeférhetetlenségi (érdekeltségi) nyilatkozat. A CONSORT 2025 ellenőrzőlistája külön tételben kéri a finanszírozás forrását és a finanszírozó szerepét a vizsgálat tervezésében, lefolytatásában, elemzésében és közlésében, egy másikban pedig a szerzők pénzügyi és egyéb érdekeltségeit. A finanszírozás ténye önmagában nem minősíti az eredményt, de jelzi, hol érdemes alaposabban megnézni a módszert. Az NCCIH ellenőrzőlistája egyenesen fogalmaz: ha a finanszírozónak anyagi haszna származhat az eredményből, óvatosnak kell lenni.

Amikor egy cikket visszavonnak

Ha egy közölt cikkről kiderül, hogy nem állja meg a helyét, mert hibás az adat vagy az elemzés, vagy mert plágium, visszaélés derült ki, a folyóirat visszavonhatja (retraction). A cikk ilyenkor nem tűnik el nyomtalanul: a PubMed adatbázisban a visszavont cikk „Retracted Publication”, a visszavonó közlemény „Retraction Notice” jelölést kap, és a kettő kölcsönösen hivatkozik egymásra. Az NLM a jelölésben nem tesz különbséget a jóhiszemű tévedés és a tudományos visszaélés vagy plágium miatti visszavonás között. Létezik enyhébb fokozat is, az aggály kifejezése (expression of concern), amelyet jellemzően a szerkesztő ír, ha egy cikk integritása kérdéses, és amelynek a szerkesztő által indított vizsgálat a folytatása (az NLM szabályai a hibajegyzékekről és visszavonásokról). A visszavonásokat gyűjtő Retraction Watch adatbázist 2023 szeptemberében a Crossref vásárolta meg, és azóta nyílt forrásként érhető el.

Kérdések a következő címsorhoz

Az NCCIH listájának talán legfontosabb gondolata, hogy egyetlen vizsgálat ritkán bizonyít bármit. A következő „áttörést” hirdető hírnél ezért érdemes végigmenni néhány kérdésen:

• Lektorált cikk, előközlés, vagy csak sajtóközlemény áll mögötte?
• Embereken, állatokon vagy sejteken vizsgálták?
• Megfigyelés vagy randomizált vizsgálat volt?
• Relatív vagy abszolút számot közöl a hír, és mekkora az alapkockázat?
• Hány résztvevő volt, milyen széles az intervallum, és ki fizette a kutatást?
• Megerősítette-e más vizsgálat, és nem vonták-e vissza azóta?