1.1.2. Wetenschappelijk onderzoek en medische besliskunde

Werkelijk “wetenschappelijke kennis” is kennis van oorzaken, veel meer dan van feiten. Wanneer men begrepen heeft waarom en langs welke wegen een bepaalde ziekte ontstaat en een bepaalde behandeling werkt, is men veel meer gerechtigd die toe te passen dan wanneer men daarover slechts fragmentarische of pure ervaringskennis heeft. Met ‘wetenschappelijk bewezen’ (evidence based) wordt doorgaans bedoeld dat in het resultaat van een bepaalde behandeling in een dubbelblind gerandomiseerd onderzoek een statistisch significant verschil ten opzichte van een controlegroep is waargenomen. Met dit inductieve bewijs moeten we het vaak doen, maar de menselijke geest blijft vragen naar het waarom. Men mag zich pas wetenschappelijk meester van het probleem noemen als de oorzaken ook ontdekt zijn. Dan pas is de algemene toepasbaarheid ook vastgesteld en kan men die met gezag als argument gebruiken. Deze redenering geldt zowel de verklaring van ziekten als de onderzoekmethoden en de behandelwijzen.

Bij een wetenschappelijke benadering van problemen moet men zoeken naar oorzaken en niet zonder nadenken vertrouwen op wat al zo vaak is voorgevallen in vergelijkbare situaties. Met andere woorden: men mag niet vergeten dat de besluitvorming over een behandeling niet een louter inductief proces mag zijn maar dat redelijke zekerheid omtrent de toepasbaarheid ook een deductieve basis moet hebben. Tenslotte berust de feitelijke toepassing van de kennis niet op gelijkheid tussen eerder bestudeerde casus en de prospectief te behandelen casus maar op vergelijkbaarheid.

In dit verband is ook de zogenaamde medische besliskunde, de toepassing van de besliskunde op medische kennis, relevant. We kunnen niet ingaan op de verschillende theorieën en modellen, die gehanteerd worden. Men kan echter stellen dat de moderne besliskunde uitgaat van een wijze van kiezen die berust op een getalsmatige benadering waarin statistische, dus probabilistische principes gehanteerd worden. Het theorema van Bayes, dat de voorwaardelijke waarschijnlijkheid beschrijft, is hiervan de basis. De weergave van behandelresultaten in beslisbomen in de vorm van ‘utiliteiten’ en voorwaardelijke waarschijnlijkheden berust op gegevens van geobserveerde gevallen die met het onderhavige vergelijkbaar zijn. Daarbij worden grote simplificaties toegepast, onder andere door elke tussenuitkomst in het proces tot een binaire te maken (ja of nee, gelukt of mislukt etc.) Er worden bovendien analogieën in plaats van meetmethoden gebruikt in de methoden om de utiliteiten te beoordelen. Als men vervolgens de resultaten prospectief toepast op een vergelijkbare groep, dan mag men verwachten dat de handelwijze een spectrum aan uitkomsten zal hebben dat met een berekenbare statistische spreiding zal overeenkomen met dat in de doelgroep patiënten bij wie de besluitvorming tot dit resultaat had geleid. Men mag daarbij niet vergeten dat geen van de patiënten in deze prospectieve toepassing iets heeft bijgedragen tot de kennis die ontleend is aan het onderzoek waaraan de besliscriteria ontleend zijn. In de sterk vereenvoudigde kennis die ontleend is aan het onderzoek dat de beslisregels heeft opgeleverd zijn niet noodzakelijk alle criteria en verschijnselen verwerkt die wel een terechte rol (en soms niet bewuste) spelen bij een besluit over een patiënt die men voor zich heeft. Men heeft voor de groep een ‘gemiddeld’ optimaal resultaat behaald (er is hier geen sprake van een rekenkundig gemiddelde, de term is als aanduiding gebruikt). Dat betekent echter zeker niet dat men voor ieder individu de best mogelijke strategie heeft gekozen. Daar moet men echter wel naar streven en daarom kan men niet zonder meer in elk individueel geval handelen volgens een algemene richtlijn. Dat die er is, is zeer belangrijk, maar zij is en blijft slechts een richtlijn, die misschien beter dan voorheen ‘de ervaring’ weergeeft. Het neemt niet weg dat men voor elke beslissing zich meer moet verdiepen in de situatie van deze individuele mens dan in de gesimplificeerde door statistische compilatie verkregen richtlijnen. Men moet er dus de specifieke situatie van deze ene patiënt bij betrekken. Dat wordt ook wel ‘contextual evidence’ genoemd. Ook die evidence moet naast de gebruikelijke ‘wetenschappelijke’ evidence gebruikt worden in de besluitvorming. Dat houdt bijvoorbeeld in dat nooit uit het oog verloren worden dat elk besluit telkens een individuele mens betreft wiens persoonlijke omstandigheden een rol spelen bij de besluitvorming en niet een ‘geval’.