Find årsager og sammenhænge

Enhver sygeplejerske vil reagere, hvis pulsen hos en patient stiger markant, og blodtrykket falder. Alle ved, at der er sammenhæng mellem de to variable, og ved, hvornår udsvingene i tallene afviger fra normalen.

Denne artikel handler om at fokusere på sammenhænge mellem to variable og teste, om der er statistisk sammenhæng (1). Der er tale om en korrelationsanalyse. Formålet er at finde årsager og sammenhænge, så man kan reflektere og handle professionelt.

Sygeplejersker er en gruppe i samfundet, som via deres job observerer de utroligste hændelser i folks liv, hændelser, som er ganske ukendte for andre, og som andre slet ikke kan forholde sig til, for de tror ikke, at bestemte skæbner kan forekomme. Og hvad lægfolk slet ikke ved, er, at sygeplejersker faktisk handler og agerer sammen med folk i disse øjeblikke.

F.eks. kan sygeplejersken udføre en række instrumentelle opgaver hos en patient, samtidig med at hun håndterer en motiverende samtale, en vanskelig samtale eller lytter til familiens frustrationer og afmagt. I samme situation kan hun observere, at der er brug for socialrådgiverens kompetencer, eller at ægtefællens håndtering af insulin kunne trænge til hjemmesygeplejerskens vejledning.

Når sygeplejersker har mulighed for at få indblik i unikke sekvenser i menneskers liv, kan de med fordel reflektere med udvikling og forskning for øje og stille spørgsmålet:

• Er der en statistisk sammenhæng mellem overvægtige børn og forældrenes socialgruppe? Det er relevant viden for sundhedsplejerskerne, hvis de skal intervenere.
• Sygeplejersken på hospitalet kan spørge om sammenhængen mellem sufficient ernæring og god nattesøvn? 
• Hjemmesygeplejerskerne kan interessere sig for, om der er forbindelse mellem borgerens skinnebenssår og hans tidligere erhverv?

Disse overvejelser om statistiske sammenhænge ses meget sjældent, hverken når de forekommer, eller når der skal perspektiveres i klinikken.

Alting er individuelt

Derimod fremhæves det, at hændelser og reaktioner hos patienter er individuelle. Sygeplejersker argumenterer ofte for, at alt er individuelt. Har man dette syn, kan man ikke handle forebyggende. Man må vente, til skaden er sket.

Der vil naturligvis altid være individuelle variationer, men der vil være et mønster i disse variationer; et generelt mønster i, hvordan patienter reagerer på sorg og kriser, eller hvordan en familie håndterer et pludseligt, voldsomt vægttab.

Pædagogerne interesserer sig ikke meget for, om der kan være sammenhæng mellem forældres uddannelsesniveau og børns skoleforløb. Selv sundhedsplejersker har vi ikke i vores undervisning hørt undre sig over, om der er sammenhæng mellem overvægtige børn og forældrenes vægt, eller om børnene er overvægtige, fordi de bor i et ulige husnummer. Det er individuelt.

Sygeplejersker arbejder i en kultur, hvor tal, budgetter, effektivitet, krav om evidens, takster, medicinske teknologier og naturvidenskabelig forskning er i fokus. De er indsvøbt i tal. Derfor er det mystisk, at sygeplejersker kan gå i sort, når de kommer på kursus og ser et tal eller en formel. Sygeplejersker kan have utrolig meget gavn af simpel og basal korrelationsanalyse, som kan understøtte deres daglige arbejde.

Svøbt i tal

Studerende elsker undervisning i hjertestop, farmakologi og andre tekniske fagområder, som alle er fyldt med tal.

Statistikundervisningen går mere trægt. Men en studerende havde fanget pointen og præsenterede et oplæg til eksamen om overvægt, hvor hun anvendte korrelationsanalyse. Hun foreslog at se på, om der var en statistisk sammenhæng mellem børns højde og vægt. Bagefter ville hun vurdere, om denne sammenhæng var tilfældig. Elegant præsenterede hun de basale delelementer i en korrelationsanalyse:

Korrelationskoefficienten siger noget om en enkel sammenhæng mellem to variable. Hvis høje værdier på variable x ledsages af høje værdier på variable y, samtidig med at lave værdier på x ledsages af lave værdier på y, siger man, at der er positiv korrelation eller sammenhæng mellem de to variable.

Resultatet af en korrelationsanalyse bliver altid udtrykt i et decimaltal mellem -1 og +1, og man ser resultatet afbildet i en graf. Får man resultatet 0,8 af sin korrelationsanalyse, skal det tolkes som, at der er meget stærk korrelation.

Inden for korrelationskoefficienter er man så heldig, at resultatet af ens analyse er tolket (se boks 1).

Den studerende forklarede, at hvis hun i undersøgelsen kom frem til et resultat, der hed +0,8, ville det betyde, at der var en meget stærk positiv korrelation mellem vægt og højde hos børnene.

Den statistiske analyse i dette eksempel bekræfter, at højde og vægt er korrelerede. Sammenhængen ser således ud: jo højere, jo tungere, jo lavere, jo lettere. Vi kan nu se en samvariation, men vi har ikke identificeret en årsagssammenhæng.

Hvad en korrelation fortæller

En korrelationskoefficient siger alene noget om en sammenhæng eller en samvariation mellem to undersøgte variable. Korrelationskoefficienten fortæller ikke noget om en årsagssammenhæng eller et hændelsesforløb.

Hvis man vil sige noget om kausalitet eller årsagssammenhæng, skal følgende være opfyldt:

1. der skal være korrelation
2. en tidsmæssig rækkefølge, hvor årsag kommer før virkning (det lyder banalt, men det er der faktisk mange, der glemmer)
3. man skal undersøge, at andre faktorer ikke har forårsaget hændelsen, og
4. man skal have en teori, der understøtter tankegangen.

Det statistiske resultat er aldrig endeligt, derfor skal statistik underkastes faglige perspektiver.

Hvis det er sundhedsplejersken, der skal anvende de statistiske analyser i praksis, vil det være op til hendes faglige vurdering at tolke data og analysere sig frem til et resultat. Her kommer den faglige viden i spil med de statistiske data.

Den pågældende studerende ville gerne vide, om det kun var i et tilfældigt område, at der var sammenhæng mellem overvægt og højde, eller om der var en statistisk begrundelse for at være bekymret for alle børn i den pågældende kommune, som hun havde som case. Interventionen er forskellig, alt efter om det kun er få områder, som har problemet, eller om de er generelle for kommunen.

Det var et flot og anderledes oplæg, hun præsenterede til eksamen.

Gitte Lindermann er ekstern lektor på Institut for Statskundskab, Københavns Universitet, og konsulent i Sundhedsforvaltningen, Københavns Kommune.

Litteratur

1. Agresti A., Finlay B. Statistical Methods for Social Sciences. 3. ed. New Jersey: Prentice-Hall, Inc.; 1997.
2. Boolsen MW. Fra spørgeskema til statistisk analyse. 1. ed. København: C.A. Reitzels Forlag; 2004.