Tiedämmekö, mistä puhumme, kun puhumme tiedosta?

Tilastot vai totuus?

Tänä päivänä sekä yksittäiset ihmiset että eri organisaatiot keräävät terveyteen liittyviä tietoja ja aineistoja. Niiden hyödyntämiseen tarvitaan tilastotieteellistä osaamista ja tulosten kriittistä arvioimista. Monesti olemme kiinnostuneita keskiarvosta, mutta keskiarvo ei ole koko totuus. Yhtä tärkeää on tietää, miten arvot ovat jakautuneet keskiarvon ympärille. Jos jakauma esimerkiksi on vino, mediaani kuvaa ilmiötä paremmin kuin keskiarvo. Väestötutkimuksista puolestaan on tärkeää tietää, miten ja mistä otos on otettu. Sen perusteella lääkäri voi päätellä, voiko hän hyödyntää tutkimuksen tuloksia työssään. Artikkelissaan Tilastot vai totuus? Pauliina Ilmonen kertoo näistä ja monista muista seikoista, joihin meidän lääkäreiden kannattaa kiinnittää huomiota tutkimusraportteja lukiessamme.

Kaikki lääketieteellinen tieto ei ole matemaattis-luonnontieteellistä

Brittiläinen fyysikko ja kirjailija C.P. Snow esittää klassisessa esseessään Kaksi kulttuuria, että tiedeyhteisö on jakautunut kahteen leiriin, humanistiseen ja luonnontieteelliseen, eivätkä leirit osaa kommunikoida keskenään ja että ne ovat joissakin asioissa jopa toisilleen vihamielisiä. Esseen ilmestymisvuoden 1959 jälkeen näiden kahden leirin välille on syntynyt "tiedesotia" säännöllisin väliajoin. Kun katsoo Hyvä ja paha tieto -kirjan kirjoittajaluetteloa, tulee mieleen, että juoksuhaudat on nyt lapioitu umpeen. Se, että kivun tutkimuksesta kirjoittaa kirjallisuustutkija (Anna Ovaska) eikä lääkäri, osoittaa, että kertomuksentutkimuksen avulla saatua tietoa kivun kokemusmaailmasta pidetään tietämisen arvoisena siinä missä tietoa kivun fysiologiastakin. Ja työterveyslääkärinä minun on helppo olla samaa mieltä. Kun ymmärrämme, miten krooninen kipu muokkaa ihmisen tapaa havaita, tuntea ja ajatella, meidän on helpompi ymmärtää, miksi vastaanotolla oleva työntekijä ei koe itseään työkykyiseksi.

Algoritmin kulttuuri

Kerran, kun minun piti vaihtaa kivet saunan kiukaaseen, etsin netistä kiviä myyviä kauppoja. Pian sen jälkeen Facebook-seinälleni ilmaantui lukuisia kiuasmainoksia. Tämä on esimerkki siitä, miten meistä kerättyä dataa voidaan käyttää ja käytetään markkinoinnissa. Näissä uusissa markkinointimenetelmissä pyritään erilaisilla "dynaamisen haarukoinnin" ja oppivien algoritmien menetelmillä löytämään samankaltaisia kohdejoukkoja, joille sitten mainostetaan ravintoloita, elokuvateattereita, autokorjaamoita – tai minun tapauksessani kiukaita. Tämä eroaa perinteisestä markkinoinnista siinä, että suositukset eivät perustu tilastolliseen ajatteluun, todennäköisyyslaskelmiin eivätkä taustamuuttujien perusteella tapahtuvaan luokitteluun vaan reaaliaikaisesti kerättyyn tietoon ihmisen aiemmasta käyttäytymisestä, ja mainostettavat tuot-

teet valitsee algoritmi, ei ihminen. Teknologian kehityksen myötä algoritmien käytöstä on kehkeytynyt oma, uudenlainen kulttuurinsa, jota antropologi Minna Ruckenstein kutsuu kirjassa algoritmin kulttuuriksi. Antropologian lisäksi algoritmin kulttuurin tutkimuksessa on hyödynnetty ja hyödynnetään muun muassa mediatutkimuksessa, sosiologiassa ja folkloristiikassa käytettyjä tutkimusmenetelmiä. Tällaisella monitieteisellä tutkimusotteella saadaan tietoa, joka on merkityksellistä meidän lääkäreidenkin kannalta, sillä samaa logiikkaa, jota käytetään tavaroiden markkinoinnissa, voidaan käyttää myös terveydenhuollossa esimerkiksi terveysvalistuskampanjoita suunniteltaessa.

Lopuksi

Hyvä ja paha tieto -kirjassa on yhteensä 18 artikkelia ja 22 kainalojuttua, eikä niitä voi tyhjentävästi käsitellä lyhyessä kirja-arvostelussa. Jotkut kirjoittajat ovat lääkäreitä, ja heidän kirjoittamansa jutut, kuten Markus Perolan kirjoitus Genomiprojektit tuottavat geenitietoa miljoonista ihmisistä ovat jo otsikon perusteella lääkärin kannalta kiinnostavia ja lukemisen arvoisia. Kirjan muutkin artikkelit ovat lukemisen arvoisia, ehdottomasti, vaikka niillä ei otsikon perusteella suoraa kytköstä lääketieteeseen olekaan. Jutut ovat lyhyitä ja oman alansa huippuasiantuntijoiden kirjoittamia, ja niistä saa hyvän yleiskäsityksen, mitä kaikkea tiedolla voidaan tarkoittaa ja miten tietoa voi käyttää, hyvään ja pahaan.