تجزیه و تحلیل نشان می دهد که مطالعات بیولوژیکی اغلب داده های مبتنی بر جنسیت را اشتباه تفسیر می کنند

تجزیه و تحلیل مطالعات منتشر شده از طیف وسیعی از تخصص‌های بیولوژیکی نشان می‌دهد که وقتی داده‌ها بر اساس جنسیت گزارش می‌شوند، تجزیه و تحلیل‌های آماری مهم اغلب وجود ندارد و احتمالاً یافته‌ها به روش‌های گمراه‌کننده گزارش می‌شوند.

مجله eLife این تجزیه و تحلیل را که توسط دانشمندان علوم اعصاب در دانشگاه اموری انجام شده بود، منتشر کرد که شامل مطالعاتی از 9 رشته مختلف بیولوژیکی است که شامل افراد انسانی یا حیوانی می شد.

دونا مانی، استاد علوم اعصاب، نویسنده ارشد این مقاله می‌گوید: «ما دریافتیم که وقتی محققان گزارش می‌دهند که مردان و زنان به دستکاری‌هایی مانند درمان دارویی واکنش متفاوتی نشان می‌دهند، 70 درصد از مواقع محققین این پاسخ‌ها را اصلاً از نظر آماری مقایسه نکرده‌اند. در بخش روانشناسی اموری. “به عبارت دیگر، درصد نگران کننده ای از ادعاهای تفاوت های جنسی با شواهد کافی پشتیبانی نمی شود.”

او می‌افزاید که در مقالاتی که شواهد مناسب را از دست داده‌اند، تقریباً در 90 درصد موارد، اثرات مربوط به جنسیت ادعا شده است. در مقابل، نویسندگانی که از نظر آماری اثرات جنسی را مورد آزمایش قرار دادند، تنها 63 درصد از مواقع آنها را گزارش کردند.

مانی می‌گوید: «نتایج ما نشان می‌دهد که محققان مستعد یافتن تفاوت‌های جنسی هستند و احتمالاً تأثیرات جنسیتی بیش از حد در ادبیات گزارش شده است».

این مشکل خاص رایج است و مربوط به کار قبلی خود مانی است. او می‌گوید: «وقتی متوجه شدم که چقدر شیوع دارد، برگشتم و مقالات منتشر شده‌ام را بررسی کردم و آنجا بود. من خودم بدون مقایسه آماری زن و مرد ادعا کردم که تفاوت جنسیتی وجود دارد.

مانی تاکید می کند که نباید مشکل را صرفاً به دلیل رایج بودن آن نادیده گرفت. او می‌گوید که به دلیل فشار فزاینده آژانس‌ها و مجلات مالی برای مطالعه هر دو جنس و علاقه جامعه پزشکی به توسعه درمان‌های خاص جنسی، این امر به طور فزاینده جدی‌تر می‌شود.

مانی یک متخصص اعصاب و غدد رفتاری است که به این موضوع علاقه دارد که چگونه تحقیقات در مورد تفاوت های جنسی، افکار و سیاست های عمومی را شکل می دهد. او می گوید که استانداردهای دقیقی مورد نیاز است تا اطمینان حاصل شود که افراد از هر جنسیت به مراقبت های مناسب برای آنها دسترسی دارند.

Yesenia Garcia-Sifuentes، دکترای Emory. کاندیدای برنامه تحصیلات تکمیلی در علوم اعصاب، یکی از نویسندگان این مقاله است eLife تحلیل و بررسی.

نویسندگان می نویسند که برای اطمینان از دقت علمی در تحقیقات در مورد تفاوت های جنسی، به آموزش و نظارت بهتری نیاز است: “ما از آژانس های تامین مالی، سردبیران مجلات و همکاران خود می خواهیم تا در مورد آزمایش و گزارش دادن تفاوت های جنسی، سطح را بالا ببرند.”

مطالعات بیشتر شامل متغیرهای مبتنی بر جنسیت

از نظر تاریخی، تحقیقات زیست‌پزشکی اغلب تنها یک جنس را شامل می‌شود که معمولاً نسبت به مردان تعصب دارد. در سال 1993، کنگره سیاستی را به قانون تبدیل کرد تا اطمینان حاصل شود که زنان در هر زمان که امکان پذیر باشد در مطالعات بالینی که توسط مؤسسه ملی بهداشت تأمین می شود، گنجانده می شوند، و این مطالعات به گونه ای انجام می شود که امکان تجزیه و تحلیل اینکه آیا متغیرهای مورد مطالعه بر زنان تأثیر متفاوتی دارند یا خیر. نسبت به سایر شرکت کنندگان

در سال 2016، NIH سیاستی را اعلام کرد که همچنین در صورت امکان، جنسیت را به عنوان یک متغیر بیولوژیکی در مطالعات اولیه بیولوژیکی که تأمین مالی می کند، ملزم می کند، خواه این تحقیقات شامل حیوانات باشد یا انسان.

مانی توضیح می‌دهد: «اگر می‌خواهید هر چیزی مرتبط با یک جمعیت عمومی را مدل کنید، باید هر دو جنس را در نظر بگیرید. راه‌های زیادی وجود دارد که حیوانات می‌توانند متفاوت باشند، و جنسیت یکی از آنهاست. کنار گذاشتن نیمی از جمعیت باعث می‌شود مطالعه کمتر دقیق شود.

مانی می‌افزاید: از آنجایی که مطالعات بیشتر تفاوت‌های مبتنی بر جنسیت را در نظر می‌گیرند، مهم است که اطمینان حاصل شود که روش‌های زیربنای تحلیل‌های آن‌ها درست هستند.

برای eLife تجزیه و تحلیل، گارسیا سیفوئنتس و مانی به 147 مطالعه منتشر شده در سال 2019 نگاه کردند تا آنچه را که معمولاً به عنوان شواهدی از تفاوت های جنسی استفاده می شود، بررسی کنند. این مطالعات در 9 رشته مختلف بیولوژیکی انجام شد و همه چیز از مطالعات میدانی روی زرافه ها تا پاسخ های ایمنی در انسان ها را شامل شد.

مطالعاتی که مورد تجزیه و تحلیل قرار گرفتند همگی شامل مرد و زن بودند و داده ها را بر اساس جنسیت از هم جدا کردند. گارسیا سیفوئنتس و مانی دریافتند که در 80 درصد مقالات، جنسیت‌ها، چه از نظر آماری و چه از طریق ادعا، مقایسه شده‌اند. و در آن مقالات، تفاوت های جنسی در 70 درصد آنها گزارش شده و در حدود نیمی از آنها به عنوان یک یافته اصلی تلقی شده است.

با این حال، برخی از مطالعاتی که تفاوت جنسیتی را گزارش کردند، مرتکب خطای آماری شدند. به عنوان مثال، اگر محققان اثر آماری معنی‌داری از یک درمان را بر روی یک جنس پیدا کنند اما بر جنس دیگر نه، آنها معمولاً به این نتیجه می‌رسند که تفاوت جنسیتی وجود دارد حتی اگر تأثیر درمان از نظر آماری بین مردان و زنان مقایسه نشده باشد.

مشکل این رویکرد این است که آزمایش‌های آماری انجام‌شده بر روی هر جنس نمی‌توانند پاسخ‌های «بله» یا «نه» در مورد اینکه آیا درمان تأثیر داشته است، بدهد.

مانی توضیح می‌دهد: «مقایسه نتیجه دو آزمون مستقل مانند مقایسه یک «شاید چنین است» با «نمی‌دانم» یا «خیلی زود برای گفتن» است. “شما فقط حدس می زنید. برای نشان دادن شواهد واقعی مبنی بر اینکه پاسخ به درمان بین زن و مرد متفاوت است، باید از نظر آماری نشان دهید که تأثیر درمان به جنسیت بستگی دارد. یعنی برای ادعای یک اثر “جنس خاص”، شما باید نشان دهد که تأثیر در یک جنس از نظر آماری با تأثیر در جنس دیگر متفاوت است.”

در طرف مقابل، eLife تجزیه و تحلیل همچنین با استراتژی هایی روبرو شد که می تواند تفاوت های جنسی را پنهان کند، مانند گردآوری داده ها از مردان و زنان بدون آزمایش تفاوت. مانی توصیه می‌کند قبل از ادغام داده‌ها، اندازه تفاوت را گزارش کنید – یعنی میزان همپوشانی جنسیت‌ها. او یک ابزار آنلاین رایگان ارائه می دهد که به محققان اجازه می دهد داده های خود را برای ارزیابی اندازه تفاوت تجسم کنند.

مانی می گوید: «در این برهه از تاریخ، مخاطرات زیاد است. “یافته های اشتباه گزارش شده ممکن است به شیوه های خطرناکی بر تصمیم گیری های مراقبت های بهداشتی تاثیر بگذارد. به ویژه در مواردی که ممکن است از تفاوت های مبتنی بر جنسیت برای تعیین اینکه چه درمانی برای یک بیماری خاص دریافت می کند، استفاده شود، ما باید با احتیاط پیش برویم. ما باید خود را در حد استانداردهای بسیار بالایی نگه داریم. وقتی صحبت از دقت علمی می شود.”