ที่มา | มติชนสุดสัปดาห์ ฉบับวันที่ 10 - 16 มกราคม 2568 |
---|---|
ผู้เขียน | ยสวัต ป้อมเย็น [email protected] |
เผยแพร่ |
มีอาจารย์นักสื่อสารวิทยาศาสตร์ท่านหนึ่ง (ขออภัยที่ท่านไม่ให้เอ่ยนาม) แชร์รูปข้อความที่อาจารย์ผู้ใหญ่ท่านหนึ่งเขียนเกี่ยวกับ “ผลร้าย” จากการฉีดวัคซีนแบบเอ็มอาร์เอ็นเอ (mRNA) ให้กับเด็กอายุหกเดือนถึงสี่ขวบ ซึ่งอาจารย์ท่านนั้นนำผลจากงานวิจัยที่เพิ่งตีพิมพ์ลงวารสารทางการแพทย์ฉบับหนึ่ง [1] ผมอ่านแล้วก็ได้แต่สลดใจที่อาจารย์ท่านนั้นทำการแปลผลสถิติได้แปลกประหลาดดี
กล่าวคือ ผลงานวิจัยนี้บ่งบอกว่าเด็กที่ไม่ฉีดวัคซีนโควิด มีโอกาสติดโควิด “น้อยกว่า” เด็กที่ฉีดวัคซีนโควิดอย่างมาก
ท่านแปลผลว่าการฉีดวัคซีนเอ็มอาร์เอ็นเอนั้นไม่ดี ทำให้เด็กติดโควิดมากกว่าและเป็นผลร้ายต่อตัวเด็ก
แต่ผมขอให้ทุกท่านอ่านต่อไปก่อนนะครับ ผมจะอธิบายว่าทำไมอาจารย์ท่านถึงแปลผลเรื่องนี้ผิด
ไปทำงาน ผมเปิดวารสาร Nature ตามกิจวัตร ไปเจอบทความของ ศ.กิตติคุณ เซอร์ เดวิด สปีเกลฮัลเตอร์ (Emeritus Professor Sir David Spiegelhalter) ซึ่งสอนวิชาสถิติอยู่ที่มหาวิทยาลัยเคมบริดจ์ เรื่อง “Why probability doesn’t exist (but it is useful to act like it does)?” [2] แล้วก็เห็นว่าน่าสนใจดี เลยเปิดอ่านดู
ศ.เดวิดได้รับการตั้งเป็นอัศวิน โดยควีนอลิซาเบธในปี 2014 ให้เนื่องจากทำคุณงามความดีให้กับวงการสถิติการแพทย์ และก็ยังเป็นหนึ่งในที่ปรึกษาของรัฐบาลอังกฤษเกี่ยวกับโรคระบาดโควิด-19 อีกด้วย ใครสนใจลองไปเปิดอ่านประวัติคร่าวๆ ของท่านในวิกิพีเดียดูนะครับ
สิ่งที่ผมได้จากบทความของท่านเซอร์เดวิดนั้น เกี่ยวข้องกับสิ่งที่ทำให้ผมสลดหดหู่ที่ผมพูดถึงตอนต้น
ดังนี้ครับ
ศ.เดวิด กล่าวในบทความว่า “ความน่าจะเป็น” หรือ Probability นั้นไม่ว่าจะอยู่ในงานวิจัย ในการพยากรณ์อากาศประจำวัน การทายผลการแข่งกีฬาชนิดใด หรือแม้กระทั่งการประเมินความเสี่ยงทางสุขภาพจากอะไรสักอย่างนั้น ไม่ได้มีที่มาแบบ “ปราศจากความคิดเห็น” (ซึ่งในบทความท่านใช้ภาษาอังกฤษว่า “Objective property of the world”)
แต่ท่านบอกว่า ไม่ว่าจะเป็นผลการคำนวณสถิติในศาสตร์ไหนก็ตาม ล้วนแล้วแต่มี “ความคิดเห็น/การตัดสินใจ” หรือ “อคติ” จากคนที่วิเคราะห์คำนวณเรื่องนั้นทั้งสิ้น ซึ่งหมายรวมไปถึงโมเดลทางสถิติที่ใช้ด้วย
ศ.เดวิดอธิบายว่า ความน่าจะเป็นนั้นมันมีสองหน้า คือทำหน้าที่อธิบาย “โอกาส” และ “ความไม่รู้” ไปพร้อมกัน
ในที่นี้ ศ.เดวิดท่านหมายถึง “ความไม่แน่นอน” สองแบบ คือความไม่แน่นอนที่เกิดจากสิ่งที่เราไม่รู้ว่าในอนาคตจะเกิดอะไรขึ้น (นี่คือโอกาส) กับความไม่แน่นอนของผลลัพธ์ในสิ่งที่เกิดขึ้นแล้ว (นี่คือความไม่รู้)
ศ.เดวิดยกตัวอย่างเรื่องนี้แบบนี้ครับ
จินตนาการว่าผมมีเหรียญบาทหนึ่งเหรียญ ด้านหนึ่งเป็นหัว อีกด้านเป็นก้อย
ผมถามผู้อ่านว่า ถ้าผมดีดเหรียญนี้ให้ตกบนโต๊ะ หน้าที่จะขึ้นมานั้นจะเป็นหน้าอะไร?
ถ้าผมยังไม่ดีด สิ่งนี้คือ “ความน่าจะเป็น” หรือ “โอกาส” ซึ่งมีความเป็นไปได้สองอย่าง ไม่หัวก็ก้อยใช่ไหมครับ เพราะเรารู้แล้วว่าเหรียญมีแค่สองด้าน ความน่าจะเป็นของหัวและก้อยก็เท่ากันที่ 50-50 ซึ่งในกรณีนี้เราคำนวณมันได้
เมื่อผมดีดเหรียญให้ตกบนโต๊ะ แล้วผมตบเหรียญลงก่อนที่ผู้อ่านจะเห็นว่าเป็นหน้าอะไร ผมถามใหม่ว่าหน้าของเหรียญที่จะขึ้นมาเป็นอะไร โอกาสที่เหรียญจะเป็นหน้าไหนนั้นก็ยังเหมือนเดิมคือ 50-50
แต่ในความเป็นจริงคือ ตอนนี้มีผลลัพธ์อยู่บนโต๊ะแล้ว แต่ผู้อ่านแค่ยังไม่รู้ว่าหน้าที่ออกคืออะไร
นี่คือ “ความไม่รู้” ที่ ศ.เดวิดพูดถึงครับ
ที่ ศ.เดวิดอธิบายเรื่องนี้ในตอนแรกของบทความ ก็เพื่อจะสื่อว่า ในการใช้สถิติเข้าไปจับกับงานอะไรก็ตาม จะมีสิ่งที่มาจากการตัดสินใจอะไรบางอย่างของคนใช้สถิติทั้งนั้น อาจจะเป็นการใช้หรือไม่ใช้ตัวแปรบางตัวในการคำนวณ
เหตุผลก็คือ เมื่อเรามีโมเดลที่เอามาใช้อธิบายผลที่เราเห็นในโลกความเป็นจริงแล้ว การแปลผลที่ได้จากโมเดลทางสถิตินั้นมีตัวแปรหลายอย่างที่ต้องเอามาคิดไปพร้อมกันด้วย
ซึ่งแม้ว่าโมเดลจะดีเด่แค่ไหน แต่ถ้าคนแปลผลไม่เข้าใจการทำงานของสถิติว่ามันมี “อคติ” อยู่ภายใน ก็จะทำให้แปลผลผิดพลาดได้
ท่านยกตัวอย่างจากการดีดเหรียญต่อไปแบบนี้ สมมุติว่าผู้อ่านเห็นผมหยิบเหรียญสีเงินเล็กๆ ขึ้นมาเหรียญหนึ่ง ผู้อ่านก็ตีความไปเองแล้วว่าเหรียญ “ต้อง” มีสองหน้าแน่นอน คือหัวกับก้อย
แต่ถ้าก่อนหน้านี้ผมเอาเหรียญสองเหรียญและเอาหน้าก้อยแปะกาวเข้าด้วยกันล่ะ? แปลว่าตอนนี้ความน่าจะเป็นหลังจากโยนเหรียญแล้วจะได้เป็นก้อย คือ 0 นะครับ เพราะโยนยังไงก็จะออกหัวอยู่ดี
นี่คือตัวอย่างของการไม่ตรวจสอบว่าสิ่งที่คิดนั้น (เหรียญทุกเหรียญมีสองหน้าที่แตกต่างกัน) เป็นจริงหรือไม่
ทีนี้ ศ.เดวิดท่านยกตัวอย่างอีกชิ้นหนึ่งที่เกี่ยวกับโควิด-19 นั่นก็คือการทดลองใช้ยาที่มีอยู่ก่อนหน้าจะเกิดโรคโควิดในการรักษาอาการของโควิด ในช่วงที่มีการติดเชื้ออย่างหนักและมีผู้ป่วยจำนวนมากในโรงพยาบาลของประเทศอังกฤษนั้น มีการทดลองยาหลายชนิด หนึ่งในนั้นคือ Dexamethasone ซึ่งเป็นยาสเตียรอยด์ที่ใช้ลดอาการอักเสบในผู้ป่วยจากโรคข้ออักเสบ
ซึ่งผลที่ได้ออกมาดีมาก เพราะสามารถลดการเสียชีวิตในผู้ป่วยอาการหนักได้ถึงเกือบ 30%
ผลที่ได้ทางสถิตินั้นมีนัยสำคัญที่สูง เนื่องจากจำนวนผู้ป่วยที่ใช้ในการคำนวณนั้นมีจำนวนมาก หลักหลายพันคน
สิ่งที่ ศ.เดวิดอธิบายต่อก็คือ ในผลที่มีนัยสำคัญทางสถิตินี้ความเป็นจริงแล้วมีตัวแปรอื่นที่เกี่ยวข้องอีกจำนวนมากที่ไม่ได้เอามาคิดคำนวณเข้าไปด้วย
ไม่ว่าจะเป็นการเทียบผลในผู้ป่วยที่ได้รับยาจริงและยาหลอก ต้องใช้ผู้ป่วยที่มีลักษณะคล้ายกันให้มากที่สุด ผู้ป่วยที่มาจากหลากหลายโรงพยาบาล ซึ่งแต่ละที่ก็มีรายละเอียดการรักษาที่แตกต่างกันออกไป
แต่ไม่ได้หมายความว่าผลที่บอกว่ายา Dexamethasone สามารถลดการเสียชีวิตลงได้นั้นเป็นผลที่ผิด เพราะว่าสิ่งที่เกิดขึ้นก็คือผู้ป่วยจำนวนมากรอดตายจริง แม้ว่ารายละเอียดปลีกย่อยในการรักษานั้นจะแตกต่างกันบ้าง
แต่เนื่องจากผลที่ได้จากการคำนวณนั้นมีนัยสำคัญสูงมากจริงๆ (ในทางสถิติเราเรียกสิ่งนี้ว่า effect size) ทำให้รายละเอียดปลีกย่อยนั้นไม่ไปเปลี่ยนแปลงผลที่ได้จากการทดลองยานั่นเอง
กลับมาที่เรื่องผลวิเคราะห์การฉีดวัคซีนในเด็กซึ่งผมคิดว่าน่าสลดหดหู่เนื่องจากมีคนนำผลที่งานวิจัยนำเสนอนั้นมานำเสนออย่างที่ไม่คิดให้ถี่ถ้วนหรือผิดจากข้อสรุปจากงานวิจัยชิ้นนั้น (คืออ่านแล้วตีความหรือเข้าใจผิดไปเอง)
สิ่งที่ผมคิดว่าน่าหดหู่ก็คือ เมื่อพูดถึงเรื่องวัคซีนโควิด โดยเฉพาะวัคซีนเอ็มอาร์เอ็นเอ จะมีคนจำนวนหนึ่งมองหาแต่ผลลบของวัคซีนตลอดเวลา ไม่ว่าผลการศึกษาจะเกี่ยวกับอะไรก็ตาม
ในกรณีที่ผมกล่าวตอนแรกก็เช่นกัน ผลการวิเคราะห์นั้นมีสิ่งที่ซ่อนอยู่เต็มไปหมด ไม่ว่าจะเป็นการเปรียบเทียบเด็กที่อยู่ในการศึกษานั้น เด็กที่ฉีดวัคซีนและไม่ได้ฉีดนั้นมีวิถีชีวิตแบบไหน ลักษณะของโรงเรียนหรือเนิร์สเซอรี่ที่เด็กไปอยู่ในช่วงกลางวันตอนผู้ปกครองไปทำงานนั้นเป็นอย่างไร ความซับซ้อนของการศึกษาลักษณะนี้มีเต็มไปหมด
แต่คนที่ต้องการจะดิสเครดิตวัคซีนก็จะมองข้ามไป และหาเฉพาะจุดที่จะโจมตีวัคซีนได้มานำเสนอ
และถ้าเกิดว่ามีขบวนการลวงโลกที่พยายามจะหลอกให้คนทั้งโลกจริงๆ (รวมถึงหลอกวงการวิทยาศาสตร์การแพทย์ทั้งหมด) การที่นักวิจัยและแพทย์ตีพิมพ์ผลที่เป็นลบกับวัคซีนเอ็มอาร์เอ็นเอนั้นดูน่าจะเป็นสิ่งสุดท้ายที่ขบวนการลวงโลกนั้นจะทำ (ใครสนใจตามไปอ่านบทความเต็มได้ใน [1] นะครับ)
เพราะฉะนั้น การที่บทความตีพิมพ์ออกมานั้นเป็นสิ่งที่แสดงให้เห็นว่าวงการวิทยาศาสตร์การแพทย์ไม่ได้มีอะไรปิดบังเกี่ยวกับวัคซีนเอ็มอาร์เอ็นเอเลย
กลับกันก็คือ เพราะหลักฐานเชิงประจักษ์จำนวนมากแสดงให้เห็นแล้วว่าวัคซีนเอ็มอาร์เอ็นเอนั้นใช้ได้ผลจริงในการลดอาการป่วยหนักได้ นักวิจัยและแพทย์ทั้งโลกจึงมีข้อมูลจำนวนมากในการทำวิจัยต่อเนื่อง
เรื่องนี้ใหญ่กว่าเรื่องการไม่เชื่อถือวัคซีนมากมายนัก เพราะนี่เป็นเรื่องของการ “ไม่เข้าใจ” การทำงานของสถิติ ไม่ว่าจะเกี่ยวข้องกับอะไรก็ตาม
และนี่ไม่ใช่เรื่องที่เกิดขึ้นในประเทศไทยที่เดียว แต่เกิดขึ้นทั่วโลกแหละครับ เพียงแต่ว่าเรื่องนี้จะสามารถสร้างความพินาศได้สูงกว่าปกติถ้าชนชั้นนำของประเทศไม่เข้าใจสถิติและใช้สถิติแบบผิดๆ
ตัวอย่างเรื่องวัคซีนเป็นเพียงเรื่องเดียว นึกสภาพว่าถ้าเป็นเรื่องที่เกี่ยวกับเศรษฐกิจ สังคม และการสาธารณสุขอื่นๆ แล้วมีคนนำเอาสถิติไปใช้เพี้ยนๆ แบบที่อาจารย์ผู้ใหญ่บางท่านนำมาใช้กับวัคซีนโควิด ประเทศนี้จะมีโอกาสได้เติบโตลืมตาอ้าปากแบบเดียวกับชาวโลกหรือไม่
มีนักสถิติอีกท่านหนึ่งซึ่งผลงานเป็นที่ประจักษ์แก่ชาวโลก คือ ศ.จอร์จ บ็อกซ์ (George E. P. Box) เคยตีพิมพ์บทความหนึ่งเอาไว้และกล่าวว่า “All model is wrong, but some are useful” ซึ่งความหมายก็คือโมเดลทางสถิตินั้นผิดทุกอันนั่นแหละ
เพียงแต่ว่าบางอันนั้นแม้มันจะผิด แต่มันมีประโยชน์ในการทำความเข้าใจสิ่งที่เราพยายามค้นหาความจริงอยู่
เราแค่ต้องเลือกใช้มันให้ถูกที่ ถูกวิธี และถูกบริบท
สิ่งที่ผมคิดว่าประชาชนอย่างเราทำได้ก็คือ การทำความเข้าใจสถิติบางอย่างที่เกี่ยวข้องกับชีวิตประจำวันของเราเอาไว้บ้าง
ยกตัวอย่างเช่น เรื่องวัคซีน เรื่องผลผลิตมวลรวมของประเทศ (จีดีพี) เรื่องค่าเงิน เป็นต้น อย่าให้คนที่อ้างตัวเป็น “ผู้เชี่ยวชาญ” เอาตำแหน่งบางอย่างมาหลอกให้เราเชื่อโดยไม่คิดตามนะครับ
และที่สำคัญ เรื่องหวยก็คือ “ความน่าจะเป็น” แบบหนึ่งที่คนไทยเจอทุกๆ 15 วัน การทำความเข้าใจสถิตินั้นอาจจะช่วยให้ชีวิตเราดีขึ้นได้บ้างไม่มากก็น้อยนะครับ สักห้าร้อยหรือพันหนึ่งก็ยังดี
[1] Protection from COVID-19 vaccination and prior SARS-CoV-2 infection among children aged 6 months – 4 years, United States, September 2022 – April 2023. https://doi.org/10.1093/jpids/piae121
[2] Why probability probably doesn’t exist (but it is useful to act like it does)? https://doi.org/10.1038/d41586-024-04096-5