Forsiden

Hasj, IQ og statistikk

Blir du dum av hasjbruk? Fra ja til tja

Blir du dum av hasjbruk? Fra ja til tja

Hasj skader IQ,” stod det i flere avisoverskrifter verden rundt i fjor høst. Jeg forsøkte å sette meg inn i fagarbeidet, men svarartikkelen jeg fikk publisert la opp til overskrifter som var en god del mindre sexy: “Tja… hasj skader kanskje IQ, men vi må undersøke nærmere…” Oppslag ble det likevel, fra det relativt presise til det relativt rotete (er du nysgjerrig, så google: ”rogeberg cannabis meier”).

Cannabis har, som andre rusmidler, farer og negative konsekvenser. Disse jobber mange forskere med å identifisere og tallfeste – i ulike fagfelt og med ulike metoder. Av naturlige årsaker er det vanskelig å finne gode data på bruk – og stort sett sitter vi med såkalt “observasjonelle data”: Vi bestemmer ikke hva folk gjør eller utsettes for, men bruker spørreundersøkelser, administrative dataregistre og lignende til å samle informasjon om det som skjer med dem.  

For å se problemet med dette, er det greit å sammenligne med randomiserte kliniske forsøk i medisinfaget: Her fordeler man ulike behandlinger tilfeldig blant forsøkspersonene. På den måten sikrer man at det ikke er noen grunn til å forvente systematiske (synlige eller usynlige) forskjeller mellom gruppene. I observasjonelle data er det folk flest og deres omgivelser som bestemmer hvem som opplever eller gjør hva, og vi får et seleksjonsproblem: “Noe” ligger nødvendigvis bak hvem som gjør og utsettes for hva, og dette “noe” kan også ha andre effekter på de målene vi ser på.

Utfordringene med observasjonelle data er nokså like på tvers av fagfelt. Naturlig nok sprer derfor metoder og forskningspraksiser seg mellom fagfelt når disse står overfor lignende utfordringer. I utviklingsøkonomi, for eksempel, har det vært en stor satsning på randomiserte forsøk i felten. Slik har medisinernes kunnskap om måling av kausale effekter gjennom randomisert behandling styrket mulighetene for å finne slike effekter også på andre områder enn medisin. For eksempel har slik forskning nå også vist at kur mot innvollsmark kan være et usedvanlig effektivt og billig virkemiddel for å bedre skoledeltagelse i visse områder i utviklingsland. I Norge er for tiden forskningssenteret jeg arbeider ved involvert i et arbeid som håper å bruke randomisering for å studere effekten av ulike jobbmarkedstiltak.

Hasjrøyking svekker IQen, eller?
Nylig mente jeg å se en situasjon der metodologiske praksiser og metoder fra faget empirisk arbeidsmarkedsøkonomi kunne være nyttig i et epidemiologisk studie som fant at hasj reduserer IQen til røykerne. Studiet hadde brukt data fra byen Dunedin, der rundt 1000 mennesker har blitt fulgt siden fødselen. Blant disse hadde de sett på forskjeller i utviklingen av IQ mellom trettenårsalderen og 38-årsalderen. Hadde de som begynte tidlig med cannabis og vært lenge avhengige hatt en dårligere IQ-utvikling enn andre?

Studiet fant at det var tilfelle: De som begynte med hasj i tenårene falt mer i IQ, og dess lengre de hadde vært avhengige, dess mer hadde den falt. Det så ikke ut til at de spratt tilbake selv om de hadde røyket lite siste året – og forskerne varslet derfor om en nevrotoksisk effekt som permanent skadet voksende hjerner dersom man begynte å røyke i ung alder.

Mitt førsteinntrykk av studiet var at det var overbevisende og troverdig. På nettet diskuterte jeg detaljene i den statistiske modellen med en tysk doktorgradsstudent, og vi merket oss begge ulike støtteanalyser og robusthetssjekker vi ville forventet å se når denne metoden ble brukt av empiriske økonomer. Jeg tok kontakt med forskerne for å høre om det var mulig å få et par tabeller som ville belyse hvor like de ulike cannabis-brukergruppene var før de begynte med cannabis. Jeg fikk et høflig svar, men ikke det jeg spurte etter – noe som sikkert har mange gode forklaringer (studien var nettopp publisert og hadde vakt massiv oppmerksomhet. Medietrykket var enormt).

I stedet gikk jeg derfor til tidligere publiserte forskningsarbeider om Dunedin-utvalget. Her var det en del å finne: Dunedin prosjektets hjemmeside skriver at det er publisert rundt 1100 fagarbeider om disse rundt 1000 deltagerne så langt. I denne litteraturen var det tegn til at de som begynte med cannabis tidlig oftere hadde dårlig selvkontroll, adferdsproblemer, problemer i barndommen og så videre. I tillegg så jeg nærmere på forskningen som fins om IQ, særlig empirisk forskning om faktorer som påvirker IQ-utviklingen og en relativt ny, men interessant teoretisk modell Flynn og Dickens har utviklet for å forstå utviklingen i individuell og gjennomsnittlig IQ over tid. Ut ifra dette fant jeg en mulig, alternativ forklaring som ifølge simulerte data kunne være tilstrekkelig til å skape en effekt av den typen og størrelsesordenen de hadde funnet med sine metoder.  

Jeg foreslo videre en rekke andre analyser og metoder som kunne brukes på data fra Dunedin-utvalget for å skille mellom de ulike hypotesene. De enkleste av disse var i stor grad ment å belyse i hvilken grad det var systematiske forskjeller mellom de ulike gruppene cannabisbrukere, og i hvilken grad dette kan ha påvirket resultatet: En tabell over deltagerne i de ulike cannabisbruk-gruppene som viser hvor like og ulike de var hverandre i utgangspunktet. En analyse av IQ-utviklingen i de forskjellige gruppene før de begynte å røyke (prosjektet har også IQ data fra tidligere aldere).

Ville hatt fallende IQ uansett
Den alternative forklaringen bygger som nevnt på en modell for IQ lagt frem av forskerne Flynn og Dickens. De forsøker å forklare hvorfor IQ blir målt som stigende over tid i en lang rekke land (den såkalte Flynn-effekten, som fortsetter i andre land mens den har flatet ut i Norge). Modellen deres ser på IQ litt på samme måte som vi tenker på fysisk styrke: IQ måler tankevaner og evner som kan styrkes ved å være i kognitivt krevende miljø – ved å lese tunge bøker, jobbe hardt på skolen, ta lang utdanning, ha krevende arbeidsplass og smarte venner. Videre er det feedback-mekanismer begge veier: Ikke bare gjør et godt miljø deg smartere, men er du først blitt smartere, vil du også velge deg (og blir sortert) inn i mer krevende miljøene, noe som opprettholder og styrker din IQ på sikt. 

Min mekanisme tar utgangspunkt i forskning som viser at også andre egenskaper enn IQ bestemmer hvordan det går med oss: Dette kan være personlighet, sosial bakgrunn, hjemmeforhold, viljestyrke osv. Disse er korrelert med sosioøkonomisk status, og ettersom vi blir eldre og i større grad bestemmer hva slags miljø vi befinner oss i, så vil dette gjøre at barn fra vanskeligere kår og med ulike risikofaktorer i større grad flytter seg over i miljø som i mindre grad utvikler og vedlikeholder kognitive evner. Dermed synker IQen relativt til andre.

Samtidig er det forskning som tyder på at oppvekstmiljø har terskeleffekter. Det vil si at hvis miljøet ditt er “godt nok”, så spiller det mindre rolle for din IQ om miljøet blir litt dårligere eller litt bedre. Er miljøet dårligere enn som så, vil du derimot få større utslag på endringer i miljø. Dette betyr at de som kommer fra vanskelige kår, ikke bare har flere risikofaktorer i snitt, men at deres IQ-utvikling også er mer sensitiv for de endringene i miljø som disse risikofaktorene fører til.

Disse mekanismene gjør at vi kan få en sammenheng mellom risikofaktorer (og tildels sosioøkonomisk status) og IQ-utvikling. Men disse risikofaktorene minner også om de faktorene som predikerer tidlig bruk av cannabis. Videre er disse risikofaktorene knyttet til risikoen for avhengighet blant brukere av cannabis. Følgen vil være at de som bruker cannabis som ungdom, er de som uansett ville hatt en fallende IQ, og at denne vedvarer selv om de har sluttet som voksne.

En annen interessant implikasjon av Flynn Dickens-modellen er at den kan forklare hvorfor IQ-effekten av cannabis i det opprinnelige studiet er klart sterkere for de med lavere utdanning enn høyere utdanning. For eksempel kan cannabis nå virke gjennom sosiale eller adferdsmessige kanaler, og ikke bare gjennom en eventuell nevrotoksisk effekt på voksende hjerner. Dersom tungt cannabisrøykende ungdom er involvert i en subkultur som fremmer et lavt ambisjonsnivå og fnyser av skolearbeid, vil dette kunne få langsikte konsekvenser for IQ, selv om cannabisen ikke permanet skader IQen i seg selv. Tilsvarende, dersom det er en forbigående effekt av cannabis, så kan tunge røykere få langsiktige konsekvenser av denne, fordi røykingen reduserer innsats og lengde på skolegangen. I dette tilfellet ville det være utdanningen som forklarer IQ-forskjellen, mens cannabis bidrar til å forklare utdanningsnivået.

Kan ikke utelukke at cannabis er skadelig
Uten de faktiske dataene om Dunedin-tilhengerene er jeg selvsagt ikke i stand til å si noe bastant om hva som er eller ikke er forklaringen: Hvor mye som skyldes cannabis direkte, hvor mye som skyldes cannabisrøykings eventuelle effekt for skolegang og karriere, og hvor mye som skyldes risikofaktorer korrelert med sosioøkonomisk status.

Det jeg derimot prøvde å bidra med i min artikkel, var å foreslå ytterligere metoder og analyser fra eget fag som kunne være nyttige for forfatterne: For eksempel ser de på ulike variable som kan påvirke effekten de måler, men uten å vise hvor mye disse har å si samlet sett. Det kunne også vært nyttig å prøve ulike modeller og ulike sett med “tilleggsvariable” for å se hvor stabile og robuste funnene er til forskjeller i modellspesifikasjon. For eksempel fins det metoder der man lar hver person ha en egen, lineær IQ-trend i utgangspunktet, og ser i hvilken grad disse vippes eller systematisk endrer seg avhengig av senere nivå på cannabisrøykingen. På denne måten kan vi se om funnet holder seg mer eller mindre uendret, eller om det avhenger av at vi velger en veldig bestemt metode og et veldig begrenset sett med tilleggsvariable.

I forbindelse med publiseringen av denne artikkelen fikk jeg en del mediehenvendelser der journalistene gjerne ville vite om jeg nå hadde vist at cannabis ikke skadet IQ. Det har jeg selvsagt ikke. Det jeg har vist er at de opprinnelige forskernes metoder ikke har utelukket alternative forklaringer godt nok. Det kan virke litt sært å skrive en fagartikkel for å få frem det, men i dette tilfellet mener jeg det hadde sin hensikt.

Grunnen er at det er særlig grunn til å være skeptisk til nye funn. Forskning er en sosial prosess, der en stor gruppe mennesker forsøker å finne bedre metoder og data for å forstå hvordan verden er skrudd sammen. Når man løfter på hver minste stein hender det man finner ting som ser betydningsfulle ut, men som skyldes tilfeldigheter eller som misforstås. Spennende ting blir skrevet opp og tildels publisert, mens nullfunn blir lagt i en skuff eller forkastet av journalen.

Ioannides, en forsker som har jobbet mye med dette temaet (en anbefalt sak om han kan leses her), har anslått ut ifra en statistisk modell at rundt 80 prosent av nye epidemiologiske funn basert på observasjonelle data vil være feil. Selv nye funn basert på store randomiserte kliniske studier vil ifølge hans modell vise seg å være feil 15 prosent av tiden. Dette gir oss en særlig utfordring når et funn er basert på sjeldne, nærmest unike datasett som vanskelig kan gjenskapes andre steder uten store kostnader og mye tid.

I en slik situasjon mener jeg at arbeider av min type har en funksjon, ved å peke på variable og effekter som kanskje kan virke inn og som må tas hensyn til, og ved å peke på analyser og metodevarianter som kan identifisere en eventuell kausaleffekt mer presist. Jeg har ikke dermed vist at forskerne tar feil – det er godt mulig de vil vise seg å ha rett i sin konklusjon. Jeg har heller ikke vist at mine forslag til metoder med sikkerhet vil kunne si oss hva som er tilfelle. Derimot mener jeg å ha vist at forskerne var forhastet – og at konklusjonen de presenterte ikke var godt nok grunngitt i de analysene og tallene de presenterte.

Litt kjedeligere, og noe mer vanskelig å kommunisere til pressen – men det får bare være.

Kjære leser!

Bli abonnent! Da får du tilgang til alle artikler og papirutgaven. Det tar under ett minutt.

49,- /måned
Allerede abonnent? Logg inn

Fra forsiden