Hvorfor forandrer klimaet sig? Hvorfor får folk kræft? Hvorfor gennemfører nogle unge en uddannelse, mens andre ikke gør? Hvorfor forsvinder insekterne?

Megen forskning handler om at undersøge årsagerne til, at noget sker. I søgen efter svar finder forskere en masse statistiske sammenfald, også kaldet korrelationer. Det er udviklinger eller fænomener, der følges ad i antal over tid.

En klassisk brøler er, at man som journalist kommer til at tro, at et statistisk sammenfald (en korrelation) mellem to fænomener betyder, at det ene medfører det andet (kausalitet). Men tit er sammenfaldet helt tilfældigt.

En australsk statistik viser eksempelvis, at antallet af drukneulykker stiger i takt med salget af is. Men det betyder ikke, at isgufferi øger risikoen for at drukne.

Den bagvedliggende årsag til det statistiske sammenfald er sandsynligvis, at folk både bader mere og spiser flere is om sommeren.

Ja, der er en statistisk sammenhæng (korrelation) mellem isspisning og drukneulykker - men det betyder ikke, at der er en årsagssammenhæng (kausalitet). (Illustration: Thøger Junker)

Luftforurening og skizofreni

I 2020 skrev Videnskab.dk om et dansk studie, som finder, at børn, som vokser op i områder med meget luftforurening, oftere får skizofreni som voksne. Der er altså en korrelation mellem luftforurening og skizofreni.

Men det betyder ikke nødvendigvis, at der er kausalitet, og at luftforurening er årsag til skizofreni. Fundet kan være et tegn på, at forurening kan være en risikofaktor. Men det skal undersøges nærmere, før man ved med sikkerhed, om det er tilfældet.

Det ville derfor være ukorrekt at lave en rubrik, der hed: 'Luftforurening øger risikoen for skizofreni' på baggrund af ovennævnte studie.

Der kan være alle mulige andre årsager til, at børn, der vokser op i meget luftforurening, oftere får skizofreni end andre: 

Luften er mest forurenet i byzoner, hvor der også er meget trafik. Måske er det larmen fra trafikken, ikke den beskidte luft, der øger risikoen for skizofreni.

Det kan også være, at de, der bor i områder med meget luftforurening, kommer fra dårlige sociale kår, og at det er sociale forhold, ikke luftforureningen, der påvirker risikoen for skizofreni.

På Videnskab.dk skrev vi derfor om det pågældende studie under rubrikken: Børn fra områder med meget luftforurening udvikler oftere skizofreni som voksne.

Misforståelser kan få konsekvenser

Hvis du som journalist forveksler en statistisk sammenhæng med en årsagssammenhæng, kan du komme til at sprede misinformation. 

I værste fald kan den slags misforståelser medføre, at modtageren træffer helbredsskadelige valg:

I 2018 florerede en påstand på sociale medier om, at Solens UV-stråling ikke giver hudkræft, og at man derfor ikke bør bruge solcreme.

Påstanden var baseret på et svensk befolkningsstudie, som viste, at kvinder, der ikke får sol, udvikler kræft i højere grad og dør tidligere end kvinder, der solbader rigeligt. Der var altså en korrelation mellem at undgå sol og at få kræft.

Men det var helt forkert på den baggrund at udlede, at man ikke får hudkræft af at solbade uden solcreme. Det svenske studie kan ikke bruges som argument for den påstand, for der kan være alle mulige andre årsager på spil, skrev vi på Videnskab.dk.

Det kan for eksempel tænkes, at kvinder, der solbader, overordnet set har en sundere livsstil, og at det er grunden til, at de sjældnere får kræft. De har nok et mere aktivt friluftsliv og får mere motion. De spiser måske også sundere helt overordnet.

Budskabet om, at Solens UV-stråler ikke kan give kræft, er altså en misvisende udlægning, der kan få alvorlige konsekvenser.

Læs flere gode råd ved at klikke på de blinkende ikoner til venstre i grafikken her. Artiklen fortsætter nedenfor.

Pas på historier om superfood

I nogle tilfælde kan det være helt umuligt at påvise en årsagssammenhæng. Det gælder for eksempel enkelte fødevarer:

Nogle gange kan man støde på historier om, at eksempelvis broccoli eller blåbær er superfood, der kan forebygge sygdomme. 

Men i virkeligheden kan forskere slet ikke dokumentere effekten af en enkelt ting, man spiser, fordi der kan være alle mulige andre ting, der gennem et helt liv spiller ind på, om man bliver syg eller ej. 

Fører A til B, eller er det omvendt..?

En anden faldgrube kan være, at man på baggrund af et studie konkluderer, at A fører til B, uden at spørge ind til, om det kan forholde sig omvendt. Altså, at B fører til A.

For eksempel har forskere påvist, at unge bruger mobilen mere om natten, og at de, som bruger mobiltelefon om natten, er mere stressede end dem, som ikke gør. 

En nærliggende konklusion ville være, at mobiltelefoner gør de unge stressede.

Men studiet kan slet ikke afgøre, om mobilen eller stressen kom først. Måske er unge mere stressede på grund af flere test, eksaminer og karakterer i skolen. Og når de så ikke kan sove, fordi de er stressede, kan de lige så godt glo på deres mobiltelefon i nattetimerne.

Forskerne kan ikke justere for alt

I Danmark bliver der lavet rigtig mange statistiske undersøgelser, som tager udgangspunkt i befolkningsdata fra offentlige registre og spørgeskemaundersøgelser. De kaldes eksempelvis epidemiologiske undersøgelser, registerstudier eller befolkningsundersøgelser.

Det er især, når du som journalist læser denne type studier, at du skal være opmærksom på problemet med korrelation.

Hvis du får fingre i den videnskabelige artikel, så søg på ord som ’correlation’ og 'associated with'. Hvis du støder på den type ord, er det et tegn på, at forskerne har fundet en korrelation – ikke kausalitet.

Og husk: Selvom forskerne i den slags studier ofte siger, at de har justeret og korrigeret for alverdens parametre - det betyder, at de har forsøgt at udelukke, at den sammenhæng, de finder, skyldes noget andet end det, de har undersøgt - så er det i praksis aldrig muligt at tage højde for alting.

I førnævnte studie, hvor forskerne fandt en korrelation mellem skizofreni og luftforurening, havde de for eksempel korrigeret for socioøkonomiske forhold og genetik. Men der kan stadig være forklaringer, som de ikke har kunnet undersøge, eller deres datagrundlag kan være for småt, til at man kan konkludere noget entydigt.

Randomiserede kliniske studier (RCT), som også kaldes 'lodtrækningsforsøg', er til sammenligning designet, så de med højere sandsynlighed kan finde årsagssammenhænge​ - det kan du læse om i råd 11: Mus eller mennesker? Spørg til forskningsmetoden.

Hvor sandsynligt er det?

Hvis du vil undgå at forveksle korrelation og kausalitet, så husk altid at spørge forskerne, hvor sandsynligt det er, at deres studie har fundet en årsagssammenhæng.

Og husk, at gode lodtrækningsstudier, der finder kausalitet, er mere sjældne end studier, der finder korrelationer - der skal som udgangspunkt laves rigtig meget forskning, før man kan være nogenlunde sikker på, at det ene medfører det andet. 

Nogle gange kan det være fristende at nedtone forbeholdene og konkludere skarpt, hvis man som journalist skal lave en hurtig nyhed om et studie, der finder et statistisk sammenfald. 

Men hvis man vil undgå at vildlede, er det en god idé at lægge kortene på bordet og fortælle åbent, at der kan være andre forklaringer på den korrelation, forskerne har fundet.

Som beskrevet i råd 9, kan du i din overskrift synliggøre usikkerheden ved at bruge udtryk som 'kobles til', 'antyder' og 'kan måske', eller du kan formulere rubrikken som et spørgsmål. For det er netop typisk det, korrelationer kan bruges til - at opstille spørgmål om mulige sammenhænge, der skal undersøges nærmere i flere studier.

Hvis du vil læse mere om emnet, har vi på Videnskab.dk tidligere bragt artiklen: ‘Korrelation eller kausalitet: Hvornår er der en årsagssammenhæng?’