Como identificar a verdade

A verdade está sendo mais atacada do que nunca, especialmente por causa das redes sociais. Hoje, somos bombardeados com alegações muitas vezes absurdas vindas de várias fontes, desde debates políticos até dicas de saúde. Muitas dessas alegações se apresentam como "descobertas científicas" apoiadas por "especialistas", mas muitas vezes estão longe de ser verdadeiras.

Essas informações, muitas vezes, contradizem o conhecimento científico aceito. Algumas pessoas acreditam em teorias absurdas porque essas ideias parecem lógicas para elas, mas estão baseadas em premissas incorretas. Isso cria uma guerra de crenças, onde a verdade é a primeira vítima.

Chegar o mais perto possível da verdade é crucial para tomar decisões corretas. No entanto, determinar a verdade não é simples. O contexto é importante, e não existem regras rígidas para isso. A ciência geralmente não trabalha com certezas absolutas, mas sim com aquilo que "se encaixa" no que já sabemos. Além disso, é essencial questionar quem faz as alegações, qual é a evidência por trás delas, e se os métodos científicos corretos foram aplicados.

Por exemplo, pesquisas financiadas por empresas tendem a mostrar resultados positivos, enquanto outras, muitas vezes, não são publicadas se os resultados não forem favoráveis. Também é preciso desconfiar de porcentagens e correlações, pois elas podem ser enganosas.

No geral, é importante ser cauteloso e questionador ao avaliar informações, especialmente em um mundo onde somos bombardeados por fontes não confiáveis. A verdade é essencial para a tomada de decisões informadas e seguras.

UMA LISTA DE VERIFICAÇÃO PARA A VERDADE (ELEMENTOS DO CONTEXTO E PERGUNTAS QUE DEVEM SER FEITAS SOBRE QUALQUER REIVINDICAÇÃO)

• Quem está fazendo a declaração e qual é a qualificação para fazê-la?
• Qual era a pergunta original? Ela foi corretamente formulada?
• Qual é a evidência subjacente para a declaração? Qual é a procedência dos dados de apoio? Onde foi publicado? Há explicações alternativas, elas foram exploradas, quão possíveis são?
• A melhor medida foi usada? A melhor maneira de expressar "típico" é como o valor mediano, como é feito pelo Office for National Statistics. No entanto, muitos relatórios usam a média, que pode estar longe da mesma coisa e fazer, por exemplo, a pessoa "típica" aparentemente melhor (se colocarmos as rendas em ordem de tamanho, da menor para a maior, a "mediana" é a mais próxima do ponto médio nessa ordem. Muitas outras rendas são pequenas, apenas algumas são enormes, então a mediana está mais próxima do fundo. A "média" ou "média" é a soma de todo o dinheiro nas rendas [muitas insignificantes, algumas enormes] dividida por todas as rendas consideradas na amostra. Por exemplo, a renda disponível familiar mediana do Reino Unido no ano fiscal encerrado em 2022 foi de cerca de £ 32 mil, e a média foi de £ 40 mil.)
• Princípios científicos básicos foram usados: por exemplo, como foi obtida a amostra de pessoas que foi testada? O conceito de uma amostra 'aleatória', cientificamente, é que ela conterá pessoas de todas as esferas da vida, idades, estados de saúde da população-alvo: para que os resultados possam ser aplicados a essa população. Se estudarmos alunos saudáveis, então a resposta pode se aplicar apenas a alunos saudáveis.
• Foram testadas pessoas suficientes para encontrar um efeito de forma confiável e confiante? O desenho de estudo mais confiável e frequente (mas um tanto desajeitado) é um "ensaio controlado randomizado", frequentemente usado para testar novos medicamentos contra os antigos. Esses estudos geralmente precisam de centenas de participantes se os medicamentos não forem tão diferentes em efeito. Estudos menores podem não encontrar um efeito de forma confiável: se o fizerem, por acaso, essa mudança exagera o benefício (isso é conhecido como a "maldição do vencedor" [Sidebotham & Barlow, 2024] — tentativas de verificar ou replicar esse primeiro efeito observado geralmente falham!).
• Não é fácil provar que algo não existe, e um grande estudo é necessário para chegar a conclusões válidas. Isso é importante se você estiver investigando uma complicação rara, mas séria, ou uma nova técnica. Por exemplo, se um novo procedimento cirúrgico for realizado 20 vezes sem problemas, ele não é necessariamente seguro. Se o mesmo procedimento fosse realizado 100 vezes, e o risco de morte fosse distribuído aleatoriamente da mesma forma que para as primeiras 20 , há 95% de chance de que o número de mortes esteja entre 0 e 16 (e é provável que pacientes mais aptos tenham sido selecionados primeiro no estudo original — veja 'viés' abaixo).
• Havia um 'grupo de controle'? Se uma intervenção está sendo avaliada (por exemplo, os benefícios à saúde da natação em água fria), então é necessário um grupo de controle que realizará as mesmas atividades, mas sem o 'ingrediente ativo' hipotético (por exemplo, frio). O grupo de controle deve incluir todos os outros fatores que podem estar em ação, como locais semelhantes, companheiros semelhantes, mesma comida, mesmo exercício, mesma hora de dormir e perfil de sono, etc.
• Os humanos variam muito, então experimentos comparando participantes humanos são difíceis. Isso é particularmente óbvio em respostas à medicação e pode levar a resultados inesperadamente diferentes. Uma maneira elegante de contornar isso é "cruzar" um tratamento e comparar os mesmos indivíduos, cada um recebendo o tratamento "controle" e o "ativo". No entanto, sem cuidado, isso também pode levar a complexidades. Idealmente, metade dos participantes deve começar com o tratamento ativo e a outra metade com um tratamento "neutro" (controle), mas como podemos ter certeza de que o tratamento ativo passou ("desbotou") antes de testar o tratamento de controle? Por exemplo, os hormônios podem ter efeitos que duram muito depois que o medicamento real deixou o corpo, e algumas mudanças psicofisiológicas podem ser duradouras. De fato, alguns argumentariam que, em alguns estudos, com algumas pessoas, o wash out pode nunca ocorrer completamente (Tipton & Mekjavic, 2000).
• Quais medições são feitas? Essas medições são, como pressão arterial, níveis de hormônios no sangue? Ou questionários? Quais perguntas são feitas? É muito fácil fazer perguntas capciosas, principalmente se a pessoa que participa acredita que algo está fazendo bem a ela. Um resultado muito melhor (mas muito menos provável) seria avaliações de saúde um ano após uma intervenção! Os cientistas que fazem as medições conhecem o tratamento e o que esperam encontrar? Em um estudo, quando um analgésico foi testado, os testadores (que foram mantidos sem saber do medicamento que estava sendo testado) encontraram efeitos diferentes se o testador tivesse expectativas diferentes dos efeitos do medicamento (Gracely et al., 1985 ).
• Os testes estão sendo usados ​​como medidas 'proxy' ou 'substitutas' para algo que é mais importante, mas não tão fácil de medir? Exemplos incluem usar notas de exames como um índice de habilidade, ou índice de massa corporal (IMC) para avaliações de saúde. Quão confiáveis ​​e exatas são essas avaliações substitutas?
• O proponente tem algum conflito de interesses? O que ele argumenta o beneficia?
• Existe algum "viés"? O viés pode surgir em muitos estágios do processo de obtenção de informações e apresentação delas. Publicações científicas são muito variadas: artigos em periódicos altamente conceituados atenderam a padrões de aceitação exigentes, com rigorosa avaliação por pares, em comparação com alguns periódicos de "acesso aberto", onde os artigos também são avaliados, mas o autor paga, ou "revistas de vaidade", onde o autor só precisa pagar para ser publicado! No entanto, todos os periódicos buscam atrair leitores e citações, e não há nada melhor do que controvérsia para aumentar o número de leitores e citações. Além disso, apresentações em conferências geralmente aparecem como "publicações", mas praticamente não tiveram avaliação por pares, e tais conferências podem ser internacionais, nacionais ou locais.
• O financiamento da pesquisa afeta o que é publicado. Artigos de pesquisa publicados financiados por empresas e lidando com produtos disponíveis têm mais probabilidade de dar um resultado "positivo" do que estudos financiados independentemente (Bourgeois et al., 2010). A avaliação do produto pode ser projetada para ser lisonjeira em termos das variáveis ​​avaliadas, evitando observar efeitos adversos posteriores e selecionando aqueles testados (idade, sexo, raça). Agora é necessário registrar estudos clínicos antes que eles comecem: mas muitos estudos financiados por empresas farmacêuticas não são publicados. Mesmo efeitos triviais podem ser "estatisticamente significativos" se o estudo for grande o suficiente. A supervisão regulatória de estudos urgentes em larga escala pode ser limitada e práticas ruins podem ser ocultadas (Powell-Smith & Goldacre, 2016).
• O viés de sobrevivência é relevante. Os dados já foram selecionados? Uma aplicação salutar do estudo de sobreviventes foi a análise de danos encontrados em aeronaves retornando à base após o combate. Claramente, uma aeronave retornando poderia sofrer danos nessas áreas e ainda voar bem o suficiente para retornar com segurança à base. Assim, seria melhor, se possível, proteger áreas que não foram vistas como danificadas nessas aeronaves. Os impactos em áreas não danificadas presumivelmente foram mais incapacitantes (Mangel & Samaniego, 1984).

No geral, como resultado da falha em atender a alguns dos requisitos listados acima, cerca de metade dos artigos médicos publicados provavelmente não são verdadeiros (Ioannidis, 2005). Em 2023, o número de retratações de artigos de pesquisa internacionalmente atingiu um novo recorde de mais de 10.000 (Noorden, 2023) devido a um aumento em artigos falsos e fraude de revisão por pares. Além disso, apesar de um requisito de divulgação, muitas pesquisas governamentais nunca são divulgadas ou são adiadas até que o interesse no tópico diminua.

Um estudo recente (Briganti et al., 2023) revisou os artigos publicados sobre os benefícios para a saúde e recuperação da exposição à água fria. Eles encontraram 931 artigos e, então, eliminaram cuidadosamente os estudos irrelevantes. Os autores ficaram com 24 artigos, e nestes o risco de viés foi "alto" em 15 e "causou preocupação" em quatro. Assim, apenas cinco artigos tiveram um risco "baixo" de viés: três deles analisaram a imersão em água fria após o exercício e dois a função cognitiva. Então, uma porcentagem muito pequena dos estudos examinados tinha algo realmente útil a dizer.

Cuidado com as porcentagens (Bolton, 2023 ). Uma mudança simples é facilmente entendida como uma porcentagem, mas estudos "científicos" envolvendo comparações entre grupos podem exigir uma consideração mais cuidadosa. Essas comparações devem sempre desencadear a pergunta "porcentagem de quê, exatamente?" A manchete, "Novo medicamento/produto/intervenção reduz a mortalidade em 50%" parece impressionante e atrai atenção, mas a realidade pode ser menos espetacular. Talvez usando o medicamento antigo, a taxa de mortalidade fosse de 20 por 1000 pacientes, e quando o novo medicamento foi usado pela primeira vez, a taxa tornou-se 10 por 1000 pacientes: uma redução de 50%. Mas a redução do risco absoluto na taxa de mortalidade foi de 10 por 1000, ou 1%, uma manchete menos impressionante.

Além disso, cuidado com as correlações. Só porque duas coisas se relacionam, por exemplo, uma dieta e uma sensação de bem-estar, não significa que uma causa a outra. O mundo está cheio de correlações acidentais (espúrias) (Van Cauwenberge, 2016). Uma das nossas favoritas é a alta correlação entre a taxa de divórcio no Maine, EUA, e o consumo per capita de margarina! Além disso, faça a pergunta "quantos falsos positivos e negativos terei se usar essa correlação para tomar uma decisão" (Tipton et al., 2012).

Pelo menos por enquanto, a inteligência artificial não consegue quantificar a incerteza muito bem. Geralmente, a IA usa coisas de 'lá fora' como se fossem verdade. Assim, uma alta proporção de lixo que entra vai te dar lixo que sai (o que aumenta a proporção de lixo que a IA usa na próxima vez)!

Esperamos que, armado com a lista de verificação acima, você possa desafiar e interrogar as informações polarizadoras, desde 'spin' até as falsidades descaradas apresentadas a você diariamente. Corremos o risco de sermos sobrecarregados por um número crescente de fontes duvidosas, não regulamentadas e díspares. Da próxima vez que ouvir frases como 'eles dizem que isso é ótimo' ou 'isso é cientificamente comprovado', comece perguntando 'quem são eles?' e 'quais cientistas, usando quais métodos?' Seja cauteloso e questionador; óleo de cobra e seus vendedores ainda existem, eles vêm em muitos disfarces.

Fonte: https://bit.ly/3yAsyun