Quando duas coisas acontecem juntas, nossa mente procura uma explicação.
Pessoas que fazem X apresentam mais Y.
Quem consome A parece ter menos B.
Quando C aumenta, D também aumenta.
É tentador concluir:
X causa Y.
Mas essa conclusão pode estar errada.
Correlação significa associação
Quando duas variáveis apresentam relação estatística, dizemos que estão associadas.
Isso não demonstra automaticamente que uma causa a outra.
Pode existir uma terceira variável influenciando ambas.
A direção da relação pode estar invertida.
Ou a associação pode ser produzida por outros vieses.
Um exemplo simples
Imagine que pessoas que carregam isqueiros apresentem maior incidência de câncer de pulmão.
Seria absurdo concluir que carregar um isqueiro causa câncer.
Existe uma terceira variável evidente: tabagismo.
O isqueiro está associado ao comportamento responsável por grande parte do risco.
Em pesquisas reais, as variáveis ocultas podem ser muito menos óbvias.
Por que estudos randomizados são importantes?
Quando possível e eticamente aceitável, a randomização ajuda a distribuir características conhecidas e desconhecidas entre grupos.
Isso permite avaliar relações causais com maior confiança em muitas situações.
Mas nem toda pergunta pode ser estudada dessa maneira.
Não podemos randomizar pessoas para fumar durante décadas apenas para estudar câncer.
Por isso a ciência utiliza diferentes métodos para investigar causalidade.
Manchetes gostam de causas
“Alimento associado a determinado desfecho” é menos atraente que:
“Alimento causa determinado desfecho.”
Mas essa pequena mudança pode transformar completamente o significado de uma pesquisa.
Aprender a distinguir associação de causalidade é uma das ferramentas mais importantes para interpretar ciência.
Continue pensando
Quantas relações que você considera de causa e efeito são, na verdade, apenas associações?
