Nella vita quotidiana e in ambito sanitario, ci sono molte situazioni che possono portare erroneamente a credere che una semplice associazione tra due eventi implichi una relazione causa-effetto.

Il fatto che due eventi o fenomeni siano correlati non significa che uno sia la causa dell’altro:

• Il gallo canta, poco prima dell’alba. Tuttavia, il canto del gallo non è la causa del sorgere del sole.
• Non è la prima volta che lavi l’auto e poco dopo inizia a piovere. Ma lavare l’auto non è la causa della pioggia.

Nel campo della salute, si possono osservare molte associazioni, ma queste non sono necessariamente associazioni di causa-effetto:

• Quando si ha il raffreddore, si beve molto succo di limone. Tuttavia, la guarigione dal raffreddore non può essere attribuita al succo di limone.
• Durante un trattamento, si possono notare alcuni cambiamenti nella propria salute. Tuttavia, questi cambiamenti non sono necessariamente dovuti al trattamento; potrebbero dipendere da altri fattori, inclusa la guarigione naturale della malattia.
• Le persone che consumano meno alimenti ultra-processati possono avere un’incidenza più bassa di cancro, ma questa riduzione non può essere attribuita direttamente al minor consumo di tali alimenti. Potrebbero esserci molti altri fattori coinvolti, come un livello socioeconomico più elevato, maggiore attività fisica, un peso più sano, un’alimentazione diversa, ecc.
   

Fondamento 2

Osservare che un trattamento è associato a un beneficio o a un danno per la salute non significa necessariamente che il trattamento ne sia la causa

Questo è così perché…

• Un aspetto correlato alla salute può essere associato al trattamento, ma non causato dal trattamento.
• Gli studi osservazionali evidenziano associazioni o correlazioni e possono suggerire possibili cause.

Il modo migliore per confermare che un trattamento sta causando un beneficio o un danno alla salute è condurre uno studio clinico in cui i soggetti vengono assegnati in modo casuale a due gruppi diversi e assicurarsi poi che l'unica cosa che cambia tra i gruppi sia l'esposizione al trattamento.

Segnali di allarme

Esempi di affermazioni sospette:

• "La birra migliora il sistema immunitario e cardiovascolare”
• “La nuova pillola che elimina il colesterolo cattivo”
• “Vaccinare le donne incinte riduce i ricoveri ospedalieri dei neonati”

Le seguenti espressioni sono segnali di allarme per attivare il tuo pensiero critico:

• Verbi che indicano causalità: provocare, causare, migliorare, ridurre, aumentare, ecc.

Perché è importante adattare il linguaggio ai risultati della ricerca. Gli studi che individuano associazioni o correlazioni tra variabili dovrebbero utilizzare espressioni più caute (ad esempio, i risultati suggeriscono) e tempi verbali condizionali (ad esempio, potrebbe migliorare...).

• Affermazioni che giustificano l'effetto di un intervento sulla base di semplici osservazioni

Perché il fatto che ci sia un'associazione tra un intervento e un aspetto correlato alla salute non ci consente di concludere che l'uno sia la causa dell'altro, perché potrebbe essere il contrario o potrebbe essere dovuto ad altri motivi.

Analisi di un esempio

“Il consumo di olio d’oliva riduce la mortalità”

• Il messaggio di questo esempio non è giusto perché, sebbene ci sono studi osservazionali che hanno dimostrato che il consumo regolare di olio d'oliva è correlato a una minore mortalità prematura negli adulti sani, questi risultati non sono stati confermati da studi clinici. E, in linea di principio, gli studi osservazionali non possono stabilire una relazione causa-effetto, come avviene in questo esempio: l’olio d’oliva “riduce” la mortalità.

• Le conclusioni degli studi sul consumo di cibo e sui suoi effetti sulla salute, quando derivano da studi osservazionali, si devono esprimere con un linguaggio più cauto (l’olio d’oliva “è associato a” un tasso di mortalità più basso) e tempi verbali condizionali (l’olio d’oliva “potrebbe ridurre” la mortalità).

• Inoltre, è opportuno interpretare i risultati della ricerca alla luce di tutti gli studi disponibili. Questo spiega perché quando ci concentriamo su uno studio individuale (un albero isolato nella foresta) i risultati possano andare in una direzione persino opposta rispetto a ciò che dice la conoscenza globale o l'insieme delle ricerche svolte (l'intera foresta).

Base scientifica

Gli studi sulla salute possono essere classificati in osservazionali e sperimentali in  base al controllo delle variabili da parte del ricercatore.

Gli studi osservazionali si limitano a osservare e raccogliere dati sulla salute di un gruppo di persone (ad esempio, pressione arteriosa, glicemia, consumo di alimenti ultra-processati, cancro, ecc.) e possono stabilire associazioni o correlazioni (ad esempio, tra gli alimenti ultra-processati e il cancro). Tuttavia, questo tipo di studio non può stabilire nella grande maggioranza dei casi un rapporto di causa-effetto (ad esempio, gli alimenti ultra-processati favoriscono il cancro).

Seguendo l'esempio degli alimenti ultra-processati e del cancro, non è lo stesso affermare che il consumo elevato di alimenti ultra-processati può aumentare il rischio di cancro, il che significa che gli alimenti ultra processati “favoriscono” o “provocano” il cancro. Negli studi osservazionali viene segnalata una correlazione tra le due variabili, ma non è possibile concludere che una qualsiasi sia la causa dell'altro, perché potrebbe essere il contrario o potrebbe dipendere da altri fattori (ad esempio, le persone che consumano alimenti ultra-processati possono avere uno stile di vita sedentario, fumare e consumare alcol; fattori che si relazionano con il cancro).

Gli studi sperimentali o di intervento sono progettati per confermare le associazioni causa-effetto. Pertanto, per concludere che gli alimenti ultra-processati sono la causa dell'aumento del cancro, dovrebbe essere condotto uno studio di intervento (studio clinico) in cui vengono confrontati due gruppi di persone assegnate a caso: un gruppo che consuma alimenti ultra-processati (gruppo di intervento) e un gruppo che non li consuma (gruppo di controllo).

L'unica differenza tra i due gruppi è se i pazienti ricevono o meno l'intervento, mentre le altre variabili dovrebbero essere identiche (età, sesso, etnia, stato di salute, ora del risveglio, ecc.). Poiché ogni persona è diversa ed è difficile essere certi che il trattamento causi l’effetto, si cerca di garantire che le persone in ciascun gruppo siano il più simili possibile, e che siano  assegnate in modo casuale a gruppi diversi. Si cerca quindi di ridurre al minimo l'effetto dei fattori esterni, assicurandosi che l'unica variabile che cambia tra i gruppi sia l'esposizione all'intervento.

Implicazioni

• Ricorda che il fatto che esista una relazione/associazione tra due variabili sanitarie non significa che una sia la causa dell'altra.

• Non fidarti di quei titoli o dichiarazioni che affermano che un intervento (trattamento, alimento o dieta) funziona o non funziona solo perché è accompagnato da un beneficio o da un danno per la salute

• Chiediti se puoi essere sicuro che non ci siano altri fattori che spieghino questa associazione quando ti trovi di fronte a un messaggio che afferma l'esistenza di un'associazione tra due variabili. In generale, è molto difficile assicurare con assoluta certezza che nessun altro fattore esterno stia influenzando il risultato, ad esempio il miglioramento di un sintomo.

Questo articolo è stato tradotto da Diana Marisol Abrego Guandique e Felipe Álvarez Busco da un lavoro originale di Cochrane Iberoamerica, disponile al seguente link: Pensamiento crítico en salud

Este artículo fue traducido por Diana Marisol Abrego Guandique y Felipe Álvarez Busco de un trabajo original de Cochrane Iberoamérica, disponible en el siguiente enlace: Pensamiento crítico en salud

Per saperne di più

• Asociación no es lo mismo que causalidad. Estudiantes por la mejor evidencia, 19 novembre 2020.
• Informed Health Choices. Key concepts: a framework for developing and identifying learning resources.
• Diferencia entre correlación y causalidad (infografica). EUFIC, 1 marzo 2017.