Khoa học về COVID-19 còn rất nhiều bất định

LTS. Giáo sư Nguyễn Văn Tuấn là người gốc Việt đầu tiên được bầu làm Viện sĩ Viện Hàn lâm Y học Úc. Ông hiện là giám đốc Chương trình Nghiên cứu di truyền dịch tễ học và loãng xương thuộc Viện Nghiên cứu Y khoa Garvan, Úc. Quan sát diễn biến đại dịch COVID-19 và cách ứng phó của các quốc gia, giáo sư Tuấn cho rằng công chúng cần tỉnh táo trước các khuyến cáo nhân danh khoa học và “phải rất dè dặt với những chuyên gia nói như đinh đóng cột” bởi bất cứ kết quả nghiên cứu khoa học nào cũng mang tính bất định.

Để bạn đọc có thêm cơ sở soi rọi những tranh cãi gần đây về hiệu quả của vaccine COVID-19, cuộc điều tra của Tổ chức Y tế thế giới (WHO) tại Trung Quốc về nguồn gốc dịch bệnh COVID-19… Người Đô Thị giới thiệu góc nhìn này của giáo sư Tuấn. Tựa do tòa soạn đặt.

***

Tân Tổng thống Biden tuyên bố rằng chính sách về đại dịch Covid-19 sẽ do khoa học dẫn đường. Lời tuyên bố này làm giới khoa học thở phào sau những năm tháng sóng gió dưới thời Tổng thống Trump. Tuy nhiên, khoa học COVID-19 thì còn rất nhiều bất định, và chúng ta chỉ như “người mù sờ voi” thôi. 

Dựa vào khoa học là cần thiết, nhưng lệ thuộc 100% vào khoa học nhất thời là nguy hiểm và chẳng khác gì thoái thác vai trò lãnh đạo. Nhất là những chính sách ảnh hưởng đến nhiều triệu người không nên lệ thuộc chỉ vào khoa học, mà còn phải cân nhắc đến tình hình thực tế và kinh tế. 

Khoa học không chắc chắn

Nhiều người ngoài khoa học thường nhìn khoa học bằng cái nhìn xác định. Tức là, theo họ cái gì mà giới khoa học báo cáo trên các tập san khoa học đều chính xác, chắc chắn, thậm chí là chân lý. Khoa học nói phải đứng cách nhau 1,5m mới là an toàn và giảm lây nhiễm, và chúng ta cần phải làm như thế. Khoa học nói đeo khẩu trang giảm lây nhiễm, và chúng ta nên đeo khẩu trang. Khoa học nói thuốc hydroxychloroquine có hiệu quả cứu người bị nhiễm COVID-19, và thế là công chúng ùn ùn đi mua hydroxychloroquine. Khoa học nói vaccine có hiệu quả giảm 95% ca nhiễm COVID-19 và thế là công chúng tin ngay!

Cái nhìn khoa học = chắc chắn = chính xác đó thật ra là một sai lầm. Tôi đi đến kết luận này vì đã chứng kiến rất nhiều sai lầm trong khoa học. Những câu chuyện về sai lầm thì nhiều lắm, kể cả chuyện thay thế hormone (HRT) là một ca tiêu biểu. Có thời HRT được xem như thần dược, nhưng vài năm sau đó khi người ta làm nghiên cứu RCT thì mới biết nó có tác hại nhiều hơn lợi ích, và cho tới bây giờ vẫn còn tranh cãi.

Trong thời đại dịch, chỉ một năm (nếu tính từ tháng 1.2020 khi Tổng thống Trump tuyên bố tình trạng khẩn cấp) mà đã có hơn 20.000 nghiên cứu khoa học! Theo nhiều chuyên gia, 99% những nghiên cứu đó đều chỉ làm cho có, chẳng đóng góp gì cho y văn. Đa số các nghiên cứu đó là sai: sai về phương pháp luận, sai về đo lường, sai về cách phân tích, sai về cách diễn giải. Ngay cả những kết quả đúng vẫn có những bất định. Giáo sư Richard Feynman nói rất đúng: trong khoa học, chúng ta không bao giờ biết mình đúng một cách tuyệt đối, chúng ta chỉ có thể chắc chắn là chúng ta sai.

Những bất định trong kết quả nghiên cứu khoa học có thể đo lường được. Bởi vì một nghiên cứu dựa vào một mẫu bệnh nhân (có thể mẫu đó bao gồm 30.000 người hay 300 người), và kết quả chỉ được tính toán trên mẫu đó. Nếu nghiên cứu được lặp lại ở một mẫu khác, cho dùng cùng phương pháp đo lường và phân tích, thì kết quả có giống y chang như nghiên cứu đầu? Câu trả lời là “không”. Kết quả của nghiên cứu 2 có thể thấp hơn hay cao hơn nghiên cứu đầu. Do đó, các nhà khoa học phải tưởng tượng, ví dụ như nếu làm 100 nghiên cứu về hiệu quả của vaccine, và mỗi nghiên cứu có 30.000 người, thì kết quả của 100 nghiên cứu đó sẽ dao động ra sao? Các nhà nghiên cứu có phương pháp thống kê giúp họ trả lời câu hỏi đó.

Chẳng hạn như hiệu quả của vaccine Oxford/AstraZeneca, công chúng chỉ nghe các quan chức y tế và chuyên gia bệnh truyền nhiễm rằng vaccine có hiệu quả 62%. Từ bộ trưởng y tế, giáo sư y khoa, bác sĩ chuyên khoa cao cấp, ký giả, v.v.. ai ai cũng đề cập đến con số 62%. Tuy nhiên, trong thực tế họ không để ý đến tác giả của công trình nghiên cứu báo cáo rằng tính trung bình thì hiệu quả là 62%, nhưng nó có thể dao động từ 41 – 76%. Các bạn sẽ hỏi: “Ô, vậy hiệu quả thật là bao nhiêu?”, câu trả lời là không ai biết, kể cả tác giả bài báo cũng không biết chính xác. Họ chỉ có thể biết nó dao động trong khoảng 41 – 76%. Đó là một sự bất định mà ít ai trong công chúng để ý hay hiểu. Tất cả những gì mà chúng ta đang tuân thủ trong mùa dịch cũng đều dựa vào một khoa học yếu ớt như thế. 

Sự bất định của hiệu quả vaccine còn ở cách nhà khoa học chọn thước đo. Chẳng hạn như vaccine của Biontech/Pfizer, mặc dù trên tập san y học các tác giả báo cáo hiệu quả 95%, nhưng đó là con số dựa vào 170 ca nhiễm đã được xác định. Tuy nhiên, nếu tính luôn cả 3.410 ca nghi ngờ nhiễm (chưa xác định) thì hiệu quả có thể chỉ 18% mà thôi, nhưng các tác giả không hề báo cáo con số này trên tập san y học, và công chúng không biết đến sự thật này. Do đó, có một số nhà khoa học kêu gọi nhóm tác giả nên phân tích lại dữ liệu. 

Nhà khoa học có thể ví von như kẻ mù sờ voi trong chuyện ngụ ngôn. Người sờ được cái lưng và nghĩ nó giống cái đòn xóc; kẻ sờ được cái tai bèn suy đoán rằng nó giống cái quạt; lại có người sờ được cái đầu thì nghĩ nó như tảng đá… Chẳng có ai đúng, vì mỗi người chỉ sờ một cơ phận mà thôi. Tương tự, khoa học cũng chỉ “sờ” được một mối liên quan và suy luận từ đó, nên xác suất sai sót rất cao.

Dương tính giả và âm tính giả

Sự bất định của khoa học không phải chỉ hiện diện trong một nghiên cứu, mà cần phải có cái nhìn toàn cục. Đa số nghiên cứu y khoa (tôi chỉ giới hạn trong y khoa) đều có mục tiêu tìm mối liên quan giữa yếu tố X và bệnh Y. Yếu tố X có thể là thừa cân, hút thuốc lá, dùng bia rượu, dinh dưỡng, vận động thể lực, gen, môi trường, v.v..  Trong thực tế, có hàng triệu yếu tố nguy cơ (nếu tính cả gen). Còn bệnh thì có thể rất rất nhiều, có thể lên đến 100.000 bệnh. Chỉ tính riêng các bệnh hiếm thì con số đã có chừng 10.000 bệnh!

Do đó, giới khoa học có nhiều lựa chọn nghiên cứu: người thì nghiên cứu về biến thể gen A với bệnh tiểu đường, kẻ khác tập trung vào biến thể gen A và bệnh đột qụy, người kia thì biến thể gen B và ung thư… Ngày nay, nhà khoa học có trong tay 1 triệu biến thể gen để khai thác. Đến đây thì các bạn đã thấy một thế giới cho nhà khoa học. Nếu có 1 triệu yếu tố nguy cơ và 100.000 bệnh thì số nghiên cứu y khoa có thể lên đến 100.000 triệu nghiên cứu!

Bao nhiêu nghiên cứu trong số 100.000 triệu nghiên cứu là sai? Thật ra có hai cái sai. Có thể kết quả nghiên cứu là “dương tính” nhưng trong thực tế không có mối liên quan gì giữa X và Y. Đó là sai sót loại I, còn gọi là “dương tính giả”. Có thể kết quả nghiên cứu là “âm tính” nhưng trong thực tế có mối liên quan giữa X và Y. Đó là sai sót loại II, còn gọi là “âm tính giả”. Bất cứ nghiên cứu nào cũng có nguy cơ phạm phải hai sai sót đó.

Không có cách gì loại bỏ hai sai sót đó, chỉ có thể giảm thiểu. Cách giảm thiểu sai sót đơn giản nhất là nghiên cứu trên cỡ mẫu lớn sao cho sai sót loại I chỉ 5%  và sai sót loại II chỉ 20%. Giới khoa học sợ sai sót dương tính giả hơn là sai sót âm tính giả, nên chỉ chấp nhận dương tính giả 5%, còn âm tính giả thì có thể chấp nhận cao hơn (như 10 – 20% chẳng hạn). Nói cách khác, cứ mỗi lần nhà khoa học kiểm định một giả thuyết (bất cứ giả thuyết nào), xác suất họ có kết quả dương tính giả thường là 5%. Nói cách khác, cứ 100 lần kiểm định hay 100 nghiên cứu cùng đề tài thì sẽ có chừng 5 nghiên cứu cho ra kết quả sai (hay dương tính giả).

Mỗi nghiên cứu có xác suất dương tính giả 5% có nghĩa rằng xác suất đúng là 95%. Do đó, nếu họ kiểm định 100 giả thuyết, thì xác suất đúng cả 100 lần là 0,006 (hay 0,6%). Nói cách khác, nếu họ kiểm định 100 giả thuyết, thì xác suất gần 100% (chính xác 0,994) sẽ có một phát hiện hay khám phá “dỏm”/sai.

Thước đo để định lượng sai sót

Thước đo để định lượng sai sót trong nghiên cứu khoa học là trị số P (hay “P-value”). Trị số này do nhà thống kê học và di truyền học thiên tài Ronald Fisher (Anh) phát kiến vào đầu thế kỷ XX. Có thể nói không ngoa rằng trị số P là một ý tưởng cách mạng trong khoa học. Thế nhưng rất nhiều người không hiểu trị số P, nên diễn giải sai. Thông thường, đa số giới khoa học diễn giải rằng nếu một mối liên quan có trị số P = 0,02 có nghĩa là xác suất sai sót dương tính giả là 2%, và suy ra xác suất đúng là 98%. Nhưng rất tiếc cách hiểu rất phổ biến đó sai. Chính vì hiểu sai này mà nhiều công ty thuốc phải ra tòa để tranh cãi về kết quả nghiên cứu khoa học. Trị số P = 0,02 có nghĩa là nếu trong thực tế không có mối liên quan giữa X và Y, xác suất mà nhà khoa học quan sát được dữ liệu như hiện nay (hay dữ liệu cao/thấp hơn hiện nay) là 2%. Trị số P không trả lời câu hỏi mà chúng ta cần biết: xác suất có mối liên quan là bao nhiêu?

Ý nghĩa của trị số P cũng giống như trong phiên tòa ở phương Tây. Thoạt đầu, bị cáo phải được giả định vô tội (khoa học: giả thuyết là không có mối liên quan giữa X và Y). Sau đó, công tố viên phải thu thập chứng cứ để chứng minh bị cáo có tội (khoa học: làm thí nghiệm để thu thập dữ liệu). Sau khi có dữ liệu và giả dụ rằng dữ liệu thuyết phục, công tố viên sẽ nói nếu bị cáo vô tội thì dữ liệu này không thể xảy ra, nhưng dữ liệu đã xảy ra nên bị cáo có tội (khoa học: nếu X và Y không có liên quan như theo giả thuyết thì dữ liệu r phải bằng 0, nhưng thí nghiệm cho thấy r = 0,9, nên phải bác bỏ giả thuyết). Đó chính là ý nghĩa của trị số P.

Trị số P có rất nhiều vấn đề. Vấn đề thứ nhất là khó hiểu và có khi phi logic. Vấn đề lớn nhất là nếu kiểm định nhiều giả thuyết (hay nhiều nghiên cứu) thì nó có thể cho ra kết quả dương tính giả. Rất nhiều nhà khoa học không nhận ra rằng khi họ có kết quả với trị số P = 0,05 (được quyền tuyên bố là “khám phá”) thì xác suất mà kết quả đó có thể sai lên đến 30%. Nói cách khác, cứ 100 kết quả nhà khoa học quan sát có P = 0,05, thì 30 kết quả là sai, nhưng nhà khoa học không biết kết quả nào là sai! 

Tóm lại, bất cứ kết quả nghiên cứu khoa học nào cũng mang tính bất định. Bất định ở đây hiểu theo nghĩa kết quả đó có thể sai, nhưng cũng có thể đúng, và nhà khoa học không bao giờ dám nói chắc chắn. Trong khoa học COVID-19 sự bất định càng cao, vì có quá nhiều nghiên cứu được công bố một cách vội vã. Có rất nhiều kết quả nghiên cứu về COVID-19 mà trong điều kiện bình thường thì không thể nào công bố được trên các tập san y học, nhưng trong thời đại dịch những kết quả đó được “nhắm mắt” cho công bố. Điều này dẫn đến rất nhiều mâu thuẫn về các liệu pháp điều trị bệnh nhân COVID-19. Có nghiên cứu cho rằng thuốc corticosteroid không có hiệu quả giảm tử vong ở bệnh nhân COVID-19, nhưng một tuần sau có nghiên cứu cho thấy kết quả đó có thể sai, vì corticosteroid giảm nguy cơ tử vong lên đến 20%.

Do đó, chúng ta phải rất dè dặt với những chuyên gia nói như đinh đóng cột. Giáo sư George Davey Smith từng viết rằng “những chuyên gia nào phát biểu càng khẳng định về COVID-19, thì chúng ta càng ít tin vào chuyên gia đó”.