Eerste Rousseeuw Prize for Statistics voor James Robins en collega’s, goed voor 1 miljoen USD

Tijdens een plechtigheid aan de KU Leuven in aanwezigheid van Koning Filip werd pionierswerk bekroond dat voor een revolutie zorgde in de geneeskunde en de volksgezondheid door een beter onderscheid te maken tussen oorzaak en correlatie. De Koning Boudewijnstichting kende de allereerste Rousseeuw Prize for Statistics, goed voor 1 miljoen dollar, toe aan James Robins van Harvard University en vier collega’s die zijn werk verder vernieuwden.

Deze tweejaarlijkse prijs werd in het leven geroepen door Peter Rousseeuw, professor Statistiek aan de KU Leuven. De prijs bekroont uitmuntend statistisch onderzoek dat een belangrijke impact heeft op het dagelijks leven.

Door de inzichten in “causale inferentie” van James Robins en zijn medewerkers kunnen statistici meer doen dan gewoon observeren dat fenomenen samen voorkomen – correlatie – en aangeven of het ene fenomeen verantwoordelijk is voor het andere – causaliteit. De helft van het prijzengeld ging naar Robins, de andere helft naar Miguel Hernán (Harvard University), Thomas Richardson (University of Washington), Andrea Rotnitzky (Universidad Torcuato di Tella, Argentinië), en Eric Tchetgen Tchetgen (University of Pennsylvania). Deze vier laureaten werden opgeleid door Robins of waren sterk beïnvloed door zijn ideeën en werken nog steeds veel met hem samen.

Krijg je jeuk door ijsjes?

Oorzaak en gevolg bepalen op basis van data is moeilijker dan het lijkt, zeker zonder empirische experimenten, omdat verschillende factoren samen kunnen voorkomen. Neem nu bijvoorbeeld kwallenbeten en ijsjesverkoop. Beide gaan op hetzelfde moment omhoog en omlaag. Maar er is ook een correlatie tussen kwallenbeten en het aantal mensen dat in zee zwemt op een bepaalde dag. En hoeveel stroom de airconditioning die dag verbruikt. Causale inferentie maakt het mogelijk om uit gegevens op te maken dat baden, en niet airconditioning of ijs, het risico op kwallensteken verhoogt. Dit is slechts een illustratie, in feite wordt causale gevolgtrekking toegepast op belangrijke reële vragen in de geneeskunde.

Revolutie in de statistiek

Het werk van de laureaten heeft nieuwe inzichten en statistische methoden opgeleverd om belangrijke epidemiologische vragen te beantwoorden. Wat is bijvoorbeeld het effect van een bepaalde medische behandeling op de lange termijn? En als een behandeling werkt, wat is dan een optimale behandelingsstrategie? Het werk van de laureaten heeft bijvoorbeeld geleid tot richtlijnen voor het beste moment om te starten met antivirale medicatie bij mensen met hiv.

Robins toonde aan dat het nog moeilijker is om data te interpreteren die blootstellingen of behandelingen meten over een langere tijd. Dat is omdat er terugkoppeling kan optreden. Hiv-patiënten die met een antivirale behandeling beginnen zijn gemiddeld zieker dan patiënten die nog niet met die behandeling gestart zijn. Als je daar geen rekening mee houdt, zou je uit de sterftecijfers kunnen afleiden dat de behandeling schadelijk is. Beeld je dan in dat de antivirale behandeling de immuniteit van sommige patiënten wel verbetert. Maar deze patiënten krijgen daarna een andere behandeling, wat een feedbackprobleem in de gegevens veroorzaakt, waardoor het moeilijker wordt correcte conclusies te trekken. Robins loste dit methodologische probleem op in een aantal vernuftige wetenschappelijke artikels in de jaren tachtig van de vorige eeuw. Hij legde daarmee de grondslag voor verdere innovaties door de 4 andere laureaten. Dit lag aan de basis van een causale revolutie in de statistiek.

Impact van epidemiologie tot economie

Het werk van de laureaten heeft ook een grote invloed gehad in de economie, de psychologie en andere onderzoeksdomeinen. In een aantal belangrijke gevallen werd ermee aangetoond dat de tegenstrijdige conclusies van experimentele en niet-experimentele studies het gevolg waren van het gebruik van verouderde statistische methodes. Enkele gebieden waar de impact groot is geweest zijn het effect van hormoontherapie na de menopauze op hart- en vaatziekten, het effect van cholesterolverlagende geneesmiddelen op kanker, en het effect van ontstekingsremmende middelen op COVID-19-patiënten.

Het werk dat met de Rousseeuw Prize for Statistics bekroond wordt, heeft een omwenteling veroorzaakt in de manier waarop statistici, epidemiologen en andere wetenschappers de effecten beoordelen van ingrepen, behandelingen en blootstellingen aan potentieel schadelijke stoffen. Het heeft de causale analyse in de geneeskunde en de volksgezondheid veel betrouwbaarder gemaakt, wat de maatschappij ten goede komt.

Aloude aannames doorprikken

Peter Rousseeuw, die de prijs in het leven riep om ervoor te zorgen dat de statistiek het talent en de investeringen zou aantrekken die de Nobelprijzen en andere prijzen bieden aan andere takken van de wetenschap, zei dat de laureaten de aloude aannames doorgeprikt hadden dat het onmogelijk is om een causaal verband aan te duiden zonder gecontroleerde praktijkexperimenten.

“Ze hebben bewezen dat het mogelijk is, en ze hebben hun vernieuwende techniek toegepast op belangrijke kwesties, zoals het effect van hormoontherapie na de menopauze op hartziekten en het effect van cholesterolverlagende medicatie op kanker. Nadien zijn hun bevindingen bevestigd door klinisch onderzoek”, zegt Rousseeuw. “Hun werk kan ook gebruikt worden in de strijd tegen epidemieën en voor de volksgezondheid, bijvoorbeeld om te beslissen of bepaalde schadelijke stoffen moeten vermeden of verboden worden".