عدم قطعیت نتایج در روش علمی

فرض کنید این عنوان را در خبر حاصل از پایان اجرای یک پروژه­ی علمی مشاهده می­نمایید:

“تجویز داروی A موجب 10 میلی­متر جیوه کاهش فشار خون می­شود.“

معنای این جمله این است که اگر فشار خون کسی 120 میلی­متر جیوه (که عرفاً 12 گفته می­شود) باشد و داروی A را مصرف کند فشار خون او به عدد 110 (عرفاً 11) می­رسد.

امّا این سؤال پیش می­آید که از کجا معلوم که دقیقاً 10 شود؟

در پاسخ باید گفت که منظور از 10 میانگین دفعات مکرّر است (یعنی مثلاً یک بار 9 و یک بار 11 می­شود).

باز این سؤال پیش می­آید که خب از کجا معلوم که همان میانگینی که گفتید دقیقاً 10 شود؟!

این جاست که پای بحث عدم قطعیت (uncertainty) پیش می­آید. پس با داستان ما همراه باشید.

شنیده­اید که می­گویند مشت نمونه­ی خروار است؟ اگر روش نمونه­گیری نامناسب باشد یا حجم نمونه (همان مشت ما) کوچک باشد، گرفتار مغالطه­ی تعمیم ناروا (faulty generalization) شده­ایم؛ مثلاً یک مشت کوچک از قسمت آفت­زده­ی خروار برداریم و نتیجه بگیریم که کلّ خروار آفت­زده است!

فرض کنید مشتی برداریم که واقعاً نمونه­ی خروار باشد. با این کار وضعیت خروار را برآورد کرده­ایم (estimation). به بیان دیگر، از روی نمونه (sample) وضعیت جامعه­ی بزرگتر (parameter) را استنباط کرده­ایم (inference). به این فرایند آمار استنباطی (inferential statistics) می­گویند. آمار استنباطی نقطه­ی عطف بسیار مهمّی در تاریخ روش علمی (scientific method) گردید. روش­های صحیح آمار استنباطی صف علمی­ها را از صف مغالطه­گران تعمیم ناروا (شبه­علمی­ها) جدا می­کند.

برگردیم به ماجرای فشار خون. این عدد 10 به چه معناست؟ به این معناست که اگر نمونه­گیری­های (مثلاً 100 نفره) مکرّری را از یک جمعیت بزرگ انسانی چند میلیون نفره انجام شود و داروی A مداخله شود، میانگین اعداد بدست آمده در این نمونه­گیری­های مکرّر فرضی 10 خواهد شد.

حالا برگردیم به ماجرای این که از کجا معلوم عدد 10 درست باشد. به این میانگین 10 برآورد نقطه­ای (point estimation) می­گویند. در کنار هر برآورد نقطه­ای، یک برآورد خطا (error estimation) هم داریم. ازاین­رو براساس خطای برآورد شده، همواره برای هر برآورد نقطه­ای یک دامنه اطمینان (confidence interval) هم گزارش می­گردد. مثلاً در مورد مثال خودمان می­گویند که 10 واحد فشار خون کاهش پیدا می­کند که دامنه اطمینان 95% آن از 8 تا 12 است. این دامنه­ی اطمینان به ما عدم قطعیت را در برآورد اثر داروی A نشان می­دهد.

امّا آیا ماجرای عدم قطعیت به همین­جا ختم می­شود؟

از کجا معلوم که مفروضات (assumptions) یک مطالعه قطعیت داشته و صحیح باشند؟

ما باید سناریوهای متفاوتی را از مفروضات درنظر بگیریم. به حالتی که برآورد را با پیش­فرض رایج و پذیرفته­شده انجام دهیم سناریوی پایه (base case scenario) گفته می­شود. لازم است علاوه بر آن، بدترین سناریوی ممکن (worst case scenario) و بهترین سناریوی ممکن (best case scenario) را نیز درنظر بگیریم. مثلاً در مثال خودمان می­توان سناریوها را برای مفروضاتی چون استعداد ژنتیکی ابتلا به فشار خون و عملکرد کبد فرد در متابولیسم دارو متصوّر شد.

پس ما علاوه برآن که در نتیجه عدم قطعیت داریم، در مفروضات نیز عدم قطعیت داریم. به این فرایندی که با آن تأثیر عدم قطعیت در مفروضات را بر عدم قطعیت در نتیجه بررسی می­کنیم تحلیل حسّاسیّت (sensitivity analysis) گفته می­شود. این کار مثل این است که یک تیرانداز بررسی کند که اگر مگسک را یک میلی­متر بالاتر ببرد یا مثلاً با چشم غیر غالبش هدف­گیری کند چند سانتی­متر تیر او از هدف نهایی فاصله می­گیرد. به بیان دیگر، محلّ اصابت گلوله چه قدر نسبت به تغییر در مفروضات گفته­شده حسّاس است!

مثلاً در ماجرای فشار خون خودمان، عدد 10 مربوط به سناریوی پایه بوده و برای بدترین سناریو، ممکن است عدد 7 و برای بهترین سناریو، ممکن است عدد 13 بدست آید. هر کدام از این اعداد به­نوبه­ی خود یک برآورد نقطه­ای بوده و در نتیجه یک دامنه اطمینان جداگانه خواهند داشت. پس اوج عدم قطعیت در نتیجه این جایی است باید نتیجه­ی مطالعه را از کران پایین دامنه اطمینان بدترین سناریو (مثلاً بشود 5) تا کران بالای دامنه اطمینان بهترین سناریو (مثلاً بشود 15) تصوّر کنیم!

امیدوارم از این ماجرا لذّت برده باشید. باید بگویم که عدم قطعیتِ در نتیجه افتخار علم است. افتخار ما این است که به عدم قطعیت و جهل خود آگاهیم و مانند شبه­علمی­ها در جهل مرکّب سیر نمی­کنیم!

گردآوری: سیدامیریاسین احمدی https://orcid.org/0000-0001-9274-7408

سوشال مدیای اکادمی تلسی                                      

https://telsi.co/

Telsitalk