Как здорово, когда ребенок здоров! Книга обо всем для думающих родителей

Вам нужно определить мнение почти ста миллионов взрослого населения. Можете ли вы опросить их всех? Конечно же, нет – такое исследование будет стоить больше, чем просто покупка голосов на выборах. Что же тогда нужно сделать? Опросите часть населения и на основании результата сделайте вывод о мнении всего населения. В статистике это называется очень умным выражением: «экстраполяция результатов выборки на генеральную совокупность». Это звучит почти так же страшно, как название некоторых лекарств, но по сути это приравнивание мнения всего населения к мнению опрошенных людей.

Но у этого метода есть подводный камень, можно даже сказать – целый подводный риф. Он был впервые обнаружен в 1936 году в Америке. Случай, произошедший с журналом Literary Digest, получил большую известность и предопределил современный вид опросов.

Журнал Literary Digest проводил опросы общественного мнения перед выборами президента в 1920, 1924, 1928 и 1932 годах. Всякий раз прогноз, составленный на основе опроса, оказывался верным.

Опрос, проведенный журналом в 1936 году, показал, что кандидат от Республиканской партии, Альфред Лэндом, скорее всего победит в большинстве штатов и станет новым президентом. Однако на выборах Лэндон получил голоса выборщиков лишь от 2 штатов, а 46 штатов предпочли Рузвельта.

Причиной такого различия результатов опроса и голосования стали некорректные методы составления выборки, примененные при проведении опроса. Журнал опросил 10 миллионов человек, но все они (ведь они могли позволить себе подписку на журнал во время Великой депрессии) обладали доходами выше среднего. Такие люди обычно отдавали предпочтение республиканцам.

Этот пример показал всем, что недостаточно просто сделать большую выборку – нужно еще, чтобы ее структура соответствовала структуре целевой аудитории.

Что это означает в применении к детской медицине? То, что утверждения типа «лекарство А полезно, так как помогло всем моим подругам», «моя бабушка дожила до ста лет, ни разу за всю жизнь не побывав у врача» или «не знаю, я лечила ангину чаем, и мне помогло» – априори недостоверны. Конечно, мы верим вашим словам. Но только сами эти факты не говорят о том, что для всех эти утверждения будут справедливы. Нельзя судить по отдельным примерам обо всех людях.

Наш вывод (вернее – вывод всей статистической науки) предельно прост – никогда нельзя судить об общем по частным случаям. К примеру, если в Москве провалился асфальт под припаркованной машиной, то это не означает, что нигде в городе теперь нельзя парковаться. Если на вашего знакомого напали в Мексике с ледорубом, нельзя утверждать, что в Мексику опасно ехать, так как там неизбежно получишь альпинистским инструментом по голове.

Но при обсуждении медицины все сплошь и рядом делают именно так. Более того, это можно назвать типичным методом оценки эффективности чего-либо.

Хрестоматийные примеры:

• У моей дочки была температура и кашель, я ни к каким врачам не ходила, пила бабушкин отвар, и все прошло! Значит, к врачам ходить не нужно!

• Вот мы не делали ни одной прививки и ни разу не болели! Прививки – зло!

• Как-то моя подруга выпила лекарство, прописанное ей врачом, и ее рвало два дня, была аллергическая реакция! После этого мы к врачам вообще не ходим.

Я думаю, вам уже видна опасность подобных утверждений: в них на основании одного (двух, трех, десяти, не важно) примеров делают выводы обо всей медицине в целом. И это ровно так же неверно, как и в примере с ледорубом – один случай, даже если он произошел именно с вами, отнюдь не означает, что так же будет с каждым.

Конечно, следует избегать и обратной крайности – слепой веры в статистику и отбрасывания конкретных примеров. Но еще опаснее – переносить свой личный опыт на ситуацию в целом.

2. Статистика нагло врет

На самом деле, нагло врет не статистика, а люди, которые ее трактуют. Сам процесс сбора данных и их обработки очень прост и поэтому достоверен. Главная проблема кроется в их толковании. Очень часто для выводов используют только часть данных, либо игнорируют дополнительные условия, либо просто делают неверные выводы. Вся суть этого отражена в популярной картинке: