Выводы при искажении результатов в моделях оценки риска для здоровья: симуляционное исследование с валидирующей выборкой

Почему ошибки в свидетельствах о смерти важны

Большая часть наших знаний о том, как экологические угрозы влияют на здоровье, основана на крупных популяционных исследованиях, которые опираются на официальные записи, прежде всего на свидетельства о смерти. Но что, если причина смерти, указанная в этих документах, иногда ошибочна? В этом исследовании рассматривается, как такие ошибки, даже если они не преднамеренно смещены, всё же могут ввести в заблуждение относительно того, повышает ли воздействие, например низкие дозы радиации, риск смерти от рака. На основе реальных данных бывших работников атомной промышленности и масштабных компьютерных симуляций авторы показывают, что привычное правило — «случайные ошибки лишь ослабляют доказательства» — не всегда верно для отдельных исследований.

Как исследования в области здравоохранения используют несовершенные записи

Эпидемиологи часто сравнивают группы людей с разными уровнями воздействия — например работников с более высокими или более низкими дозами радиации — и затем смотрят, сколько в каждой группе умерло от рака. Свидетельства о смерти дают официальную причину, но многолетние исследования показывают, что они часто неверно указывают истинную причину смерти. Распространённое мнение состоит в том, что если эти ошибки не связаны с уровнем воздействия, они в основном «размывают» сигнал, заставляя реальный риск выглядеть меньшим, чем он есть на самом деле. Поэтому многие исследователи полагают, что после исправления записей о смерти любая наблюдаемая связь между воздействием и заболеванием лишь усилится.

Реальная «тестовая площадка» среди работников ядерной отрасли

Авторы опирались в своих симуляциях на уникальную группу бывших работников атомной промышленности, вступивших в регистры Transuranium and Uranium Registries США. Эти добровольцы соглашались на подробные вскрытия после смерти, что давало исследователям необычно точную информацию о реальной причине смерти. Для 229 работников у команды были как истории доз радиации, так и две конкурирующие версии причины смерти: по вскрытию и по свидетельству о смерти. Предыдущие исследования этой группы показали, что примерно четверть свидетельств о смерти неверно классифицируют основную причину смерти, при этом эти ошибки не зависели от дозы радиации — что делает эту выборку полезной «валидирующей» базой для более масштабных симуляций.

Симуляция множества альтернативных реальностей

Опираясь на эту основу, исследователи создали тысячи искусственных наборов данных, чтобы увидеть, как ошибки в результате могут проявляться на практике. Они использовали как реальные записи о дозах, так и более крупные, компьютерно сгенерированные распределения доз, похожие на экспозиции работников. Для исхода заболевания они либо использовали фактические случаи рака по данным вскрытий, либо генерировали «истинные» случаи рака по простой модели, связывающей дозу с риском рака. Из каждого исходного набора данных затем симулировали искажение: случайным образом меняли некоторые нераковые смерти на раковые и наоборот в широком диапазоне уровней ошибок. Для каждой из 20 000 искажённых версий в каждом сценарии они пересчитывали, насколько сильно доза казалась связанной с раком, и считался ли результат статистически значимым.

Когда случайные ошибки усиливают слабый сигнал

Симуляции подтвердили, что если бы можно было многократно повторять исследование и усреднять результаты, такого рода ошибки обычно тянут оценённую связь в сторону «отсутствия эффекта». Но картина меняется, когда речь идёт об одном конкретном реальном исследовании — ситуации, с которой сталкиваются исследователи и регуляторы. Значительная доля смоделированных исследований, иногда близкая к половине, после искажения оказалась с более сильной видимой связью доза–рак, чем до него. В сценариях, где исходные данные едва не достигали обычного порога статистической значимости, даже небольшие уровни искажения могли подтолкнуть многие симулированные исследования через этот порог в «значимую» область. В редких случаях, когда истинной связи практически не было, само по себе искажение всё же породило кажущиеся убедительными, но полностью ложные ассоциации.

Что это означает для интерпретации рисков для здоровья

Эти результаты показывают, что даже когда ошибки в указании причины смерти явно не зависят от уровня воздействия, они всё равно могут исказить выводы отдельных исследований в любую сторону. В частности, это предупреждает против легкомысленного предположения, что наблюдаемая пограничная ассоциация непременно усилится после «очистки» данных. В таких областях, как исследования низкодозового облучения, где оцениваемые риски невелики и споры часто сходятся вокруг p-значений около 0,05, влияние даже умеренной некорректной классификации может быть существенным. Авторы утверждают, что исследователям и читателям следует проявлять повышенную осторожность при интерпретации таких результатов, а будущие работы более регулярно должны использовать валидирующие данные и методы корректировки, чтобы оценить, насколько устойчивы выводы исследования к ошибкам, скрытым в исходных результатах.

Цитирование: Liu, X., McComish, S.L., Howard, S.C. et al. Inference under outcome misclassification in health risk models using a simulation study with a validation dataset. Sci Rep 16, 11981 (2026). https://doi.org/10.1038/s41598-026-41788-6

Ключевые слова: ошибки в свидетельствах о смерти, эпидемиологическое смещение, низкодозовое облучение, смертность от рака, симуляционное исследование