Castellano   English
29-11-2013

Xavier Basagaña, investigador: «En el 5% dels estudis la relació entre les variables és purament atzar»

El científic del Centre de Recerca en Epidemiologia Ambiental va impartir un taller d'interpretació d'estadístiques científiques per a periodistes

Rubén Permuy (ACCC). «A vegades veiem gràfics sobre estadístiques científiques a la premsa que s'han preocupat més que tinguin un disseny atractiu que les dades siguin comprensibles». D'aquesta manera Xavier Basagaña, investigador del Centre de Recerca en Epidemiologia Ambiental (CREAL), reflexionava sobre les males pràctiques en el periodisme a l'hora de representar gràfics resultants d'estadístiques provinents de recerques científiques. Basagaña va impartir el taller Com sobreviure a una estadística científica el passat 29 de novembre al Col·legi de Periodistes de Catalunya. L'activitat va formar part de la Setmana de la Ciència 2013, i va ser coorganitzada per l'Associació Catalana de Comunicació Científica (ACCC) juntament amb el CREAL.



Xavier Basagaña impartint el taller (foto: R. Toran)

 

Basagaña va explicar a la desena de persones participants que l'estadística a l'activitat científica facilita demostrar si determinats fenòmens segueixen un patró identificable o determinats fets es poden associar a l'atzar. Això permet vincular una determinada molècula a curar una malaltia. «Però, per què amb aquesta teoria no és suficient?», va preguntar retòricament l'investigador. El científic del CREAL va detallar que com que els sistemes biològics són molt complexos -i els poden influir molts factors-, la relació que es pot establir amb l'estadística científica -com ara entre una molècula i el tractament de la malaltia- no sempre pot funcionar.

 

L'investigador va defensar l'ús de les estadístiques com una forma òptima de resumir informacions, tot i que hi hagi el perill de les males interpretacions, ja sigui per la seva elaboració confusa, perquè no és clara de forma intencionada o per falta d'informació per part del receptor. «És com després de les eleccions: molts partits afirmen haver-les guanyat», va exemplificar Basagaña per demostrar que les estadístiques es poden representar de moltes maneres i realitzar moltes interpretacions.

 

Estadístiques i ciència

«A la ciència no es donen mesures descriptives sinó que són d'associació entre variables», va afirmar l'investigador. Per explicar-ho el científic va tirar d'un exemple: «Les persones que consumeixen més alcohol tenen més possibilitats de patir una determinada malaltia, però potser no només per l'alcohol sinó perquè també són les que més fumen. És a dir, finalment la malaltia està més causada per la segona variable que per la inicial», va indicar.

 

Basagaña va explicar que a través de les estadístiques es poden demostrar tendències -com ara que a més consum de sal, més possibilitat de patir hipertensió-  però que cada cas té les seves particularitats.

 

El paper de l'atzar

Entre les qüestions que es van repassar al taller, l'investigador va aturar-se en el paper de l'atzar en les estadístiques científiques. «L'atzar pot afectar els experiments, ja que  l'estadística incorpora una incertesa. No parlem de models matemàtics exactes. La mitjana va acompanyada d'un valor de confiança, per saber què passa en el 95% dels casos», va reflexionar Basagaña. Aquesta qüestió la va aclarir posant com a exemple tastar un medicament en diferents persones. Cada individu participant a l'assaig menjarà de diferent manera, portarà un estil diferent de vida i no tindrà exactament els mateixos problemes de salut.

 

El científic també va tractar el que s'anomena "p-valor", que és la probabilitat que, si no hi ha una relació entre les variables, per atzar es trobi una associació. Si el "p-valor" és menor al 5% es considera que la relació entre ambdues variables és estadísticament significativa. Però això vol dir que en 1 de cada 20 estudis, la relació no és certa i és deguda a l'atzar. Aquesta qüestió entranya certa polèmica per a la comunitat científica. Basagaña ho va il·lustrar amb un reportatge de The Economist que mostrava que el fet que hi hagi una elevada pressió per publicar resultats en publicacions científiques fa que aquesta xifra sigui més alta i que moltes de les dades d'aquests articles no siguin aprofitables.