Nos artigos anteriores sobre o método científico e os fenômenos do dia-a-dia, discutimos um pouco sobre a diferença de variáveis dependentes e independentes e sobre a importância da estatística para a ciência.
Também vimos que, tipicamente, cientistas estão lidando com muitas variáveis ao mesmo tempo e que estabelecer uma relação entre elas de forma rigorosa não costuma ser uma tarefa fácil.
Muitas vezes, entender as causas e consequências de determinado fenômeno exigem a análise de fatores que interferem tanto com as variáveis dependentes quanto com as independentes. Eles são chamados fatores de confusão.
Quanto mais longe das chamadas “hard sciences” nós estamos, mais complexos os fatores de confusão. Por exemplo, nas ciências sociais, pode-se observar padrões de comportamento em diferentes grupos, mas é impossível isolar todas variáveis ou “criar” uma sociedade independente de outras culturas para realizar observações experimentais. Na verdade, assumir que todas as variáveis são conhecidas já seria cometer um erro metodológico logo no começo.
Determinar fatores de confusão pode levar muitos anos de pesquisa em uma area, e o uso de diferentes abordagens. Imagem adaptada de: Annalise Batista
Na linguística, da mesma forma, para entender o desenvolvimento da fala e suas relações com a cultura, não se pode ensinar uma língua a um bebê de forma a isolá-lo da sociedade – e mesmo que este experimento imaginário não tivesse muitos problemas éticos, ainda assim teríamos um fator cultural proveniente dos próprios experimentadores.
Isso não quer dizer que não é possível estudar o fenômeno da aquisição de linguagem, apenas que a abordagem metodológica requer mais observação e análise do que manipulação experimental, ou ainda que a manipulação experimental é mais localizada e visa analisar como o fenômeno já acontece, no lugar de induzir o acontecimento do fenômeno.
Isso também acontece em algum nível nas ciências exatas. Na astronomia e na cosmologia por exemplo, não se está criando um buraco negro em laboratório para estudar como um buraco negro funciona. Mas observações indiretas sistemáticas levam a modelos capazes de compreender e prever fenômenos de forma reprodutível e confiável.
Cada área do conhecimento terá suas abordagens próprias e seus recortes do que será considerado propriedade e o que será considerado resultado. Áreas multidisciplinares carregam o desafio de cruzar as metodologias de áreas diferentes e encontrar conexões lógicas e que forneçam conclusões coerentes.
A epidemiologia, por exemplo, usa diversos modelos matemáticos e computacionais para estudar ciências da saúde, com o objetivo de compreender doenças do ponto de vista coletivo e promover sua prevenção.
Observar grandes quantidades de casos nos permite fazer perguntas interessantes, que não seriam possíveis se estivéssemos estudando doenças isoladamente ou como as doenças afetam um único organismo.
Por exemplo, ouvimos falar com frequência que exercícios físicos combatem a depressão. Mas como determinar se essa relação é de fato causal, ou seja, como saber se a prática de exercícios previne a depressão ou se pessoas não deprimidas tendem a se exercitar mais?
Exercícios físicos previnem a depressão ou a depressão aumenta o sedentarismo? Imagem: Mabel Amber
Ou ainda: como saber se a prática regular de exercícios associada a menores índices de depressão não é na verdade um indicador econômico de que determinados grupos, que têm acesso facilitado à prática de exercícios, tem também acesso a outras oportunidades de atividades que proporcionam maior bem estar?
Para abordar o problema dos fatores de confusão, e também o problema de determinar se a relação entre dois fatores observados é de causa ou de consequência, um dos métodos usados em epidemiologia chama-se Randomização Mendeliana. Aqui, o nome é inspirado em Mendel porque trata-se do uso de dados mensuráveis de variação genética numa determinada população, de forma a escolher apenas os genes com funções bem conhecidas. Assim, é possível entender melhor quais as relações causais de fato envolvidas entre dois fenômenos que parecem estar relacionados.
Um estudo recente publicado na JAMA Psychiatry estudou centenas de milhares de pessoas e seus respectivos níveis de atividade física – tanto os níveis relatados pelos participantes quanto medidas objetivas calculadas através do uso de acelerômetros – bem como variantes genéticas independentes que foram previamente associadas à prática de exercícios.
Os pesquisadores concluíram que, de fato, a prática regular de exercícios físicos (medida objetivamente) é um fator de proteção contra a depressão clínica. As medidas subjetivas – quantidade de exercícios que os participantes relataram verbalmente – não apresentou a mesma correlação.
Isso não quer dizer que as demais possíveis relações são todas inválidas (por exemplo, ainda é verdade que pessoas deprimidas têm mais dificuldade de encontrar motivação para se exercitarem). Mas é uma forma de atestar uma relação segura de causa-consequência.
Encontrar correlações precisas entre fenômenos não é uma tarefa trivial, e levanta mais perguntas. No caso do estudo acima, por exemplo, ainda resta muito a investigar sobre as relações profundas entre exercício físico e depressão, e sobre as causas da depressão em si, que já são sabidamente muitas.
Mas este trabalho é necessário e cumulativo, e nos traz cada vez mais perto de entender fenômenos complexos e como eles se relacionam ou não. Mais ainda: podemos desenvolver cada vez mais novas áreas interdisciplinares que vão trazer novas perguntas a serem respondidas.
Referências
Choi KW, Chen C, Stein MB, et al. Assessment of Bidirectional Relationships Between Physical Activity and Depression Among Adults: A 2-Sample Mendelian Randomization Study. JAMA Psychiatry. 2019;76(4):399–408. <https://jamanetwork.com/journals/jamapsychiatry/article-abstract/2720689>
Popular Science – “Exercise really does seem to help with depression” <https://www.popsci.com/exercise-depression>
Wikipedia – Mendelian Randomization <https://en.wikipedia.org/wiki/Mendelian_randomization>
