Vetenskaplig Metodik

Nu har terminen dragit igång på allvar, och vi har kört hårt från allra första början tycker jag. Vi har redan haft en lektion på ämnet Cellsignalering, och ytterligare en på ämnet Membranpotential och Jonkanaler. Dem tänker jag berätta om vid ett senare tillfälle, eftersom vi först också ska ha två basgruppsmöten då vi kommer att prata om just cellsignalering. Jag vill gärna fördjupa mig lite mer i ämnet innan jag berättar om det. Vi hade en tredje föreläsning i fredags, då på temat Vetenskaplig Metodik. Det är också vad vi arbetade med i vårt allra första basgruppsmöte, så det tänkte jag berätta om idag.

Vetenskaplig metodik är ett viktigt ämne som lägger grunden till allt vi biomedicinska analytiker gör, både här på skolan när vi utbildar oss och senare ute i yrkeslivet. Vi har nyss fått en skriftlig uppgift liknande förra terminens STRIMMA-uppgift. Vi fick välja mellan lite olika ämnen att skriva om. Jag och klasskamraten jag arbetar tillsammans md har valt att skriva på temat Klamydia den här terminen. Här ska vi ha minst tre vetenskapliga artiklar som vi refererar till när vi jämför olika metoder för detektion av klamydia. Det är möjligt att vi också kommer att presentera en del statistiska uppgifter i vår text. Arbetsmetoden ska vara vetenskaplig.

Vetenskaplig metodik?

Bild1
Fakta och kunskap ska bygga på observationer, erfarenhet, logik och slutsater när man arbetar enligt vetenskaplig metodik.

Vetenskaplig metodik är att arbeta enligt en utlagd plan, och att hålla sig till den planen. Man arbetar väldigt systematiskt hela tiden. Men det kan inte vara vilken plan som helst. Om alla vetenskapsmän hade haft sin egen plan hade all forskning gjorts på olika sätt beroende på vem forskaren är. Då hade det blivit svårt att granska forskningen kritiskt. Det måste alltså finnas någon gemensam idé om hur man gör. Det räcker alltså inte att göra rätt saker, man måste också veta hur man gör dem.Några frågor som är bra att ställa till sig själv när man arbetar enligt vetenskaplig metodik är:

  • Hur tar jag fram min hypotes ur den data jag har?
  • Hur prövar jag om min hypotes håller?
  • Hur ska jag utföra mitt experiment?
  • Hur ska jag utföra mina observationer?

Detta är bara några av de frågor man måste ställa till sig själv. Du kommer säkert på fler. Det viktiga att känna till är att det finns olika metoder för hur man ska göra saker, det finns metoder för hur man gör en beräkning och det finns metoder för hur man ska göra och tolka en kurva. Om man arbetar enligt vetenskaplig metodik måste man alltså känna till metoderna, bestämma sig för en metod och hålla sig till den.

Kliniska prövningar

Ordet klinisk betyder att man arbetar med patienter, i stället för att bara göra något rent teoretiskt. När jag skriver en uppsats om glukosvärdet är den rent teoretisk, men om jag skulle testa glukosvärdet hos ett anta patienter och skriva om det då vore det en klinisk prövning. När man ska använda sig av vetenskaplig metodik i kliniska prövningar är det viktigt att ha med följande:

  • ett klart syfte eller en frågeställning
  • målet med syftet
  • en bakgrundsbeskrivning till den kliniska prövningen
  • ett skriver protokoll
  • en skiss över hur experimentet ska utföras

Börjar det kännas igen? Jag är säker på att du har gjort något liknande själv, när du skrivit en uppsats i skolan. Då har det varit viktigt med bakgrund, syfte, metod och så vidare…  Nu nämnde jag ordet metod. Metoden ingår i själva skissen över hur experimentet ska utföras.

Metod

Vi är ute efter att få fakta genom vårt experiment, eller hur? Det betyder att vi ser till att skaffa oss en massa teoretisk kunskap om ämnet vi ska studerar. Sådant som är bra att läsa då är vetenskapliga artiklar som är så nya som möjligt. Den information som står skriven i böcker brukar oftast inte vara så ny, även om boken kan vara nyskriven.

När man gör en så kallad skiss över hur experimentet ska göras måste man tänka igenom flera saker väldigt noga. Urvalet är en sådan sak. Vilken typ av människor ska ingå i mitt experiment? Är det bara människor med diabetes jag vill ha med i min undersökning av glukosvärden, eller ska jag undersöka friska människor också så att jag har något att jämföra med (en så kallad kontrollgrupp)?

Ibland kan man göra så kallade blinda tester. Det innebär att man har minst två urvalsgrupper för att kunna göra någon form av jämförelse, men att ingen av personerna som ingår i undersökningen vet vilken urvalsgrupp de tillhör. Ett exempel på detta skulle kunna vara när man vill pröva om en viss medicin fungerar så som man har tänkt sig. Då kanske man vill pröva den medicinen på både sjuka och friska människor, för att vara säker på att den fungerar som den ska. I vissa fall an det då vara bra om vissa patienter få tex sockerpiller utan att veta om det. Men det är inte säkert att blinda tester alltid är det bästa alternativet, därför är det viktigt att fundera över hur man ska göra.

Det är också viktigt att fundera över vilka riskerna med experimentet är. Finns det några risker för patienterna? Vilka är de riskerna i så fall? Hur ska man hantera det?

Bortfall är något som kan ske. Om man väljer ut (hur väljer jag ut) 100 personer att delta i en undersökning, kanske några av dem inte kan vara med av olika anledningar. Då är det viktigt att redovisa dessa anledningar i sin forskning. Anledningarna till bortfallet kanske säger något som faktiskt påverkar resultatet av den forskning man har gjort. Bortfallet kan bero på att det finns människor som reagerar negativt på medicinen man prövar, och i så fall är ju det viktigt att ta med det i sitt forskningsresultat. Andra orsaker till bortfall skulle kunna vara dödsfall, sjukdom, att patienten ändrar sig och inte vill vara med eller andra personliga anledningar. Bortfall kan påverka statistiken till det sämre, som ju också ska redovisas.

Och här kommer vi in på antalet mätningar. Hur många gånger måste jag mäta något för att resultatet ska vara trovärdigt, tillförlitligt? Här måste man tänka på spridningen, alltså standardavvikelsen och variationskoefficienten. Ju mindre spridning det är på något, desto fler mätningar måste man göra.

Uppföljning. Ibland kanske man vill göra ett uppföljande experiment. Det innebär i så fall att man gör exakt samma sak som man redan har gjort, men en gång till. Då har man andra patienter. Men det är viktigt att tänka på hur man gör sitt urval i så fall. Urvalet måste göras på samma sätt, på samma grunder, som i den första undersökningen. Om man har haft ett urval med endast sjuka patienter i den första undersökningen, då måste man naturligtvis också ha ett urval med endast sjuka patienter i den andra undersökningen. Annars blir resultatet av de olika undersökningarna omöjliga att jämföra.

Vetenskapligmetodik
Hur många av patienterna fick ett sänkt glukosvärde efter sex månaders användning av det testade läkemedlet? Kan du över huvud taget svara på det utifrån grafen? Vad är det som saknas?

Data och analyser. Har du hört talas om att vi människor blir lurade med hjälp av statistiken? Det går att använda sig av siffror och tabeller på ett sådant sätt att man faktiskt lurar människor. Exemplevis; visst låter det bra om jag säger att risken att man har förbättrar effekten av en viss smärtstillande medicin på ett sådant sätt att smärtlindring uppnås 80 % snabbare än tidigare? En sådan tablett skulle vem som helst som har ont vilja ha. Men om jag i stället säger att man har förbättrar effekten av en viss smärtstillande medicin på ett sådant sätt att smärtlindring uppnås 80 sekunder snabbare, då låter det kanske inte lika intressant längre?

Saken är den att 80 sekunder är 80 % av 100 sekunder. Om man tidigare lyckats uppnå smärtlindring på 100 sekunder så är ju det väldigt kort tid. 80 sekunder mer eller mindre kanske inte gör så stor skillnad i sammanhanget.  Men 80 % skulle också kunna vara 80 timmar, jämfört med 100 timmar. På det här viset blir vi lurade med hjälp av statistiken, ganska ofta faktiskt. Det är 57 % fler som tycker en viss sak, jämfört med tidigare… men så får man inte veta antalet. Detta är viktigt att tänka på när man presenterar resultatet av sin undersökning. Att skriva om saker i procent är dumt. Det är mycket bättra att presentera statistiken i siffror som har en enhet, alltså i antal. Alla fakta ska, så långt det är möjligt behandlas matematiskt och statistiskt. I en studie som är kvalitativ, om man tex frågan vilket parti någon röstar på, då måste man ändå sätta svaren i sådana kategorier att de kan behandlas matematiskt och statistiskt. Detta för att man ska kunna bedöma p-värdet.

I alla data som presenteras, oavsett om det är tabeller, löpande text eller grafer, måste det framgå hur många som deltagit i undersökningen och hur resultatet av undersökningen är fördelat. Titta på grafen på bilden ovan och försök svara på följande frågor:

  • Hur många personer deltog i studien?
  • Hur många personer fick ett förbättrat glukosvärde med hjälp av den testade medicinen?
  • Med hur många mmol/mol förbättrades glukosvärdet?
  • Fans det någon kontrollgrupp?
  • Hur stor var kontrollgruppen?

Inget av svaren finns i grafen. Det är bara en graf över vad som helst. Den kan innehålla information över resultaten från tester som gjorts på 1 000 personer, men det kan också lika gärna vara fem personer. Det framgår inte av grafen. Allt detta  som jag nämnt här ovan ska man ha funderat på redan i sin skiss, sin lilla ritning, över hur ens experiment ska utföras. Sedan gör man det, enligt ritningen. Det finns så mycket mer att skriva om det här ämnet, men det kan bli lite rörigt om jag försöker få med allt i ett och samma inlägg. Jag återkommer till ämnet vid senare tillfälle i stället, och nöjer mig med det här för idag.

Källa: 

Gunnarsson, R. Infovoice. Avdelningen för samhällsmedicin och folkhälsa/Allmänmedicin vid Institutionen för Medicin, Sahlgrenska akademien, Göteborgs Universitet. 2014-08-25.

Nola, R. et al. Theories of Scientific Methods. An introduction. Stocksfield: Acumen Publishing Limited. 2007.

Svenska Akademiens Ordlista. 2014-08-28.

Whiss, P. Vetenskaplig metodik. Föreläsning. Linköpings Universitet. 2014-08-29 .

 

Vad tycker du?