1

O laboratório e o dia-a-dia – Parte III: Como cientistas estudam relações entre fenômenos?

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>

0

O laboratório e o dia-a-dia – Parte II: O que um cientista faz com aquilo que ainda não conseguiu explicar?

Na parte 1 do artigo, conversamos um pouco sobre variáveis dependentes e independentes, falseabilidade e sobre alguns dos objetos de estudo da ciência, e sobre como evitar uso de explicações não consistentes ou não verificáveis dentro do aparato teórico que já temos, evitando extrapolações de afirmações sobre as causas dos fenômenos que estamos estudando. 

Em resumo, queremos evitar misturar afirmações que são verificáveis na prática com conceitos abertos e subjetivos que não temos como verificar, já que esta mistura pode tanto atribuir uma falsa credibilidade científica a pensamentos que estão fora do escopo da ciência (como a existência do sobrenatural) quanto limitar a investigação de um fenômeno complexo através do uso de hipóteses que buscam unicamente cobrir buracos que a teoria ainda não explicou, o que chamamos de hipóteses ad hoc.

Não é só fora do léxico científico que acontecem falhas lógicas para explicar fenômenos. É muito comum, especialmente em manchetes de revistas não especializadas que falam sobre a área de saúde, que se divulguem pesquisas que relacionam, por exemplo, determinados hábitos a doenças. Muitas destas relações possuem de fato fundamentação e uma teoria coerente que as suporta, mas muitas vezes o fenômeno ainda não foi completamente desvendado, ou mesmo está sendo estudado através da observação de padrões que não necessariamente possuem relevância estatística ou relação de causa-consequência, como já foi ilustrado neste artigo.

Muitas vezes também, a chamada da revista que menciona a pesquisa faz um recorte muito reduzido do que a pesquisa realizou de fato, ou menciona números de casos de determinada doença sem mencionar a proporção na população. Daí a importância de não se ater aos títulos e de procurar outras fontes antes de, por exemplo, começar aquela nova dieta que vai te ajudar a evitar rugas, emagrecer e prevenir o câncer.

Alguns fenômenos são bastante complexos e envolvem situações impossíveis de serem reproduzidas em laboratório, até porque nem todas as variáveis são conhecidas. Alguns envolvem uma complexidade que é controlável mas cujas relações estabelecidas não são necessariamente diretas.

Suponha que eu queira, por exemplo, estudar a relação entre o tamanho de uma sala onde uma festa está acontecendo e a probabilidade de alguém quebrar um copo de cerveja. Talvez a chance de algum premiado espatifar um copo esteja relacionada com outros fatores, como a faixa etária dos convidados, a proporção entre homens e mulheres e até mesmo os tipos de cerveja que estão sendo servidas. Mas se queremos descobrir se pode existir um modelo que relacione apenas a probabilidade com a área livre da sala, ignorando todas as demais variáveis (conhecidas e desconhecidas), estamos analisando a probabilidade como variável dependente e a área livre da sala como única variável independente.

Qual a relação entre o tamanho da sala e a chance de alguém quebrar um dos copos? Crédito: Daniel Valverde/pixabay.

Pode ser que, após estudar muitas festas e muitas salas, eu chegue a um padrão que pareça relacionar de forma consistente as duas variáveis. Tudo deve passar por testes estatísticos criteriosos e, mesmo que a relação passe por todos estes testes, dificilmente teremos uma explicação de fato para as causas da relação entre quebra de copos e o tamanho da sala. Além disso, pode haver ligação entre vários fatores que foram ignorados (por exemplo, o tamanho da sala pode interferir a quantidade de pessoas que serão convidadas para a festa, que vai interferir no número de copos que serão quebrados, ou ainda pode ser que os dados que foram disponibilizados não tenham levado em conta a faixa etária e o poder aquisitivo dos anfitriões, ou mesmo se foram utilizados copos de plástico no lugar de copos de vidro). 

Para que se desenvolva de fato um estudo, tese ou teoria sobre como o tamanho da sala influencia na quantidade de copos quebrados, não basta achar correlações entre números.  O papel do cientista aqui é apresentar um olhar crítico sobre a relação encontrada e, se for o caso, propor abordagens do problema que tenham embasamento teórico a partir do trabalho já realizado por outros cientistas, levando em consideração todas as variáveis conhecidas e propondo, quando for o caso, a influência de variáveis que não foram levadas em conta, que poderão ser então verificados por outros cientistas.

Enquanto não houver nenhum resultado baseado em evidências e verificável por outros cientistas, ainda não se está fazendo ciência. Ou seja, se eu encontrar uma relação mágica entre os tamanhos das salas e o número de copos quebrados na festa, esta relação só passa a ser cientifica se ela puder ser posta à prova por outras pessoas em condições rigorosas e reprodutíveis. Isto não quer dizer que teorias científicas constituem a verdade absoluta, ou que elas proporcionem respostas sobre todas as causas dos fenômenos estudados, mas sim que aquele é o ponto máximo a que se pôde chegar, neste momento, a conclusões com o máximo de rigor possível utilizando-se o pensamento racional.

Trata-se de um trabalho cumulativo, lento, colaborativo e que exige tempo e muita verificação e senso crítico para se consolidar e gerar aplicações para a sociedade e para outras áreas da ciência.

 

 

0

O laboratório e o dia-a-dia: O que é o método científico e por que ele é o maior inimigo das fake news?

Na ciência, busca-se o tempo todo correlacionar fenômenos com suas causas e consequências, a fim de se compreender como o mundo funciona. Contudo, os tipos de correlação e as dificuldades experimentais que cientistas precisam enfrentar variam de área para área, e evoluem conforme o campo de estudo amadurece.

Por exemplo, se queremos estudar um fenômeno físico, como a relação matemática entre a temperatura e a dilatação de uma barra de metal (o quanto ela varia em comprimento quando aquecido ou resfriado), precisamos realizar uma série de medições de temperatura e do comprimento do objeto, além de levar em conta diferentes tipos de materiais (cada material possui um coeficiente de dilatação diferente, ou seja, diferentes materiais vão dilatar mais ou menos quando sujeitos à mesma variação de temperatura).

Neste caso, chamamos a dilatação do objeto de variável dependente (aquela que depende de outras variáveis que estamos estudando), e a variação de temperatura, o comprimento inicial e o coeficiente de dilatação de variáveis independentes (que são aquelas que estamos controlando a fim de estudar a dilatação). Neste caso termodinâmico, é relativamente simples inferir quais as variáveis dependente e independentes, mas às vezes estas relações não são óbvias a uma primeira vista.

Além disso, estas medições sozinhas não nos fornecem as causas materiais da dilatação, ou seja, as estruturas por trás da mudança de tamanho provocada por alteração da temperatura, mas podem nos fornecer padrões o suficiente para estabelecermos relações matemáticas e podermos prever com boa confiabilidade o quanto determinado material vai dilatar em determinadas circunstâncias (o que culmina em diversas aplicações práticas em várias áreas do conhecimento, por exemplo na engenharia civil).

Quais variáveis têm influência sobre meu objeto de estudo? Créditos: Rebeca Bayeh.

No entanto, ao longo da história da ciência, vários modelos de termodinâmica e de estrutura dos materiais já foram desenvolvidos de forma que seja possível, no caso deste fenômeno, não só prever com boa confiabilidade o comportamento dos materiais estudados em diferentes temperaturas, mas fornecer explicações para as causas do fenômeno da dilatação. Quanto mais suporte teórico e experimental uma teoria científica tem, maior sua credibilidade.

Essa credibilidade passa também pelo quanto determinada afirmação pode ser falseável. O conceito de falseabilidade foi introduzido pelo filósofo Karl Popper, e diz respeito ao quanto uma afirmação ou teoria permitem que sejam realizadas investigações que as refutem.

Por exemplo, no caso dos objetos que dilatam com o calor, alguém poderia observar em laboratório que toda barra de ferro dilata X quando é aquecida em dez graus Celcius. Poderíamos “falsear” essa afirmação fazendo experimentos que medissem a dilatação de diferentes barras de ferro com diferentes tamanhos iniciais e diferentes temperaturas iniciais, sempre variando dez graus.

Caso as barras, dentro de condições controladas de laboratório e utilizando-se estatística apropriada, se comportem de forma semelhante à da afirmação que estamos tentando falsear (o que não aconteceria aqui, pois já sabemos que a dilatação dependeria sim do comprimento inicial da barra), estaríamos fornecendo com isso mais embasamento para uma teoria. Caso contrário, e caso se verifique que não houve falhas sistemáticas na realização do experimento, estamos falseando a afirmação inicial. Quando isso acontece na ciência, surge debate e reflexão sobre quais as variáveis que podem não estar sendo levadas em conta, quais as possíveis falhas experimentais do experimento original (e dos experimentos dele derivados) e quais as causas do fenômeno estudado.

Quando o monge e botânico Gregor Mendel desenvolveu, no século XIX, seus princípios de hereditariedade, que seriam base para os estudos em Genética, ele desconhecia a existência de genes ou mesmo a existência do DNA, e portanto não pôde explicar as causas através das quais as cores das ervilhas que ele estudou dependiam das cores das plantas que foram cruzadas. Contudo, os padrões de hereditariedade verificados experimentalmente por ele em plantas são verificáveis e falseáveis, e seu trabalho serviu como base para o que viria a ser posteriormente a Genética moderna.

Muitas vezes, quando cientistas se depararam com padrões de fenômenos que podiam observar, mas cujas causas eram desconhecidas, foram atribuídos significados místicos e religiosos para estes fenômenos. Quando isso acontece, estamos saindo do campo da ciência. Por exemplo, se eu observo que qualquer barra de ferro dilata sempre proporcionalmente ao seu comprimento inicial e à sua variação de temperatura, eu posso fazer uma afirmação falseável acerca deste fenômeno (se alguém quiser testar minha afirmação, basta aquecer uma barra de ferro em um laboratório com condições controladas e verificar se a minha afirmação se sustenta). Contudo, se eu afirmar que a dilatação se dá por intervenção de um deus do calor que interveio em meu laboratório, esta afirmação não é falseável (não posso provar a existência do deus do calor nem sua presença no meu laboratório, e portanto não posso provar que esta foi a causa da dilatação da barra de ferro).

Além disso, o fato de eu não provar a não-existência do deus do calor não implica na existência do deus do calor. Cabe a quem fez a afirmação de que tal deus existia a comprovação do que está dizendo.

Analogamente, quando são compartilhadas notícias falsas (“fake news”) com afirmações mirabolantes nas redes sociais, cabe a quem fez as afirmações comprovar que o que está dizendo é verdade. O grande problema destes compartilhamentos é que as notícias costumam envolver um grande peso emocional e, muitas vezes, fazem com que os leitores sintam-se ameaçados por um oponente político que está supostamente prejudicando sua vida, sua família e seu senso de sagrado. É natural que fiquemos impressionados com ideias fortes e emotivas, mas cabe a nós verificar se as pessoas que as estão afirmando (e as que estão compartilhando, já que compartilhar é uma forma de re-afirmar) verificaram ou comprovaram tudo que estão alegando, ou se trata-se apenas de ideias fantasiosas que parecem ser verdadeiras apenas por possuir um vínculo com uma parte da realidade que já conhecemos ou porque elas intuitivamente fariam sentidos.

Muitas ideias científicas se iniciam de forma intuitiva, com um vínculo com a realidade já conhecida, como foi o caso das Leis de Mendel e de muitas outras, como a Teoria da Relatividade do Einstein. Mas as intuições isoladamente não constituem por si só o pensamento científico, e não cabe à ciência fornecer explicações para as causas de todos os fenômenos se estas causas não puderem ser estudadas de maneira criteriosa.

Trata-se de um trabalho colaborativo de longo prazo, que tem compromisso com a consistência, e não com a explicação de todas as verdades, e cujos paradigmas evoluem conforme a tecnologia se desenvolve e conforme são encontradas novas relações entre diferentes áreas dentro da ciência.