В тех же руководствах по статистике под названием рандомизация описаны элементарные процедуры, позволяющие обеспечить случайность выбора объекта. Если Вы собираетесь сравнить два способа лечения, Вы должны:

а) Определить и, насколько возможно, формализовать показания к применению этих методов, то есть заранее назвать нозологическую форму и, если необходимо, другие признаки будущих больных, которые подвергнутся лечению либо старым, либо новым способом: пол, возраст, и т. п. Любой больной, поступающий в клинику или отделение и соответствующий всем заранее определенным параметрам, автоматически попадает в круг Вашего исследования, и ему присваивается порядковый номер.

б) Заранее заказать в любом компьютерном центре таблицу случайных чисел от 1 до 1000 и разделить ее пополам: 500 чисел до черты и 500 – после. Сверху пишете название старого способа, снизу – нового. Поступает больной. Допустим, его номер 48. Смотрим в таблице: число 48 оказывается в нижней части массива. Этот больной должен получить лечение новым, и только новым способом. Никакие перестановки здесь недопустимы. Если позволить себе их, то невольно начнешь отбирать для применения нового способа лечения «наиболее перспективных» больных. В результате «койко-день» в опытной группе будет существенно меньше, чем в контрольной, и количество осложнений – тоже и т. п. После этого можно обрабатывать полученные данные скольугодно изощренными методами – результаты останутся недостоверными. Вспомним слова Гексли (Хаксли – Thomas Henry Huxley, 1825–1895) о том, что математика – это жернов, который перемалывает все, что бы под него ни положили. Мощь жернова не превратит сорняки в пшеницу. Именно поэтому предложенное Вами будет жить недолго. В случае неклинического, чисто экспериментального исследования метод рандомизации применяется точно так же: животные нумеруются заранее, и затем их делят на опытную и контрольную группы в соответствии с таблицей случайных чисел. Желательно, чтобы ни исследователь, ни его помощники не знали, к какой из двух групп относится данное животное и вводят они исследуемый препарат или плацебо (слепой контроль). Если же удастся организовать дело так, чтобы принадлежность объекта исследования к опытной или контрольной группе оставалась неизвестной и в течение всего эксперимента, и во время первичной обработки данных, это уже будет double blind control, близкий к мировым стандартам. В этом случае исследователь узнает, где – опыт, а где – контроль, только в момент просмотра сводных таблиц или рисунков. А теперь, положа руку на сердце, скажите, часто ли Вы и Ваши коллеги так делаете?

Защита не зря именуется публичной. Это означает, что Вы имеете полное право прийти на заседание Совета и задавать соискателю любые вопросы относительно его работы. Если Вы точно знаете, что сегодняшний соискатель завтра не придет на вашу собственную защиту, задайте ему один короткий вопрос: «Как Вы осуществляли рандомизацию?» Ответа не будет, точнее, будет игра словами с целью замять вопрос. Если же Вы благоразумны, задайте тот же вопрос не на защите, а после нее, при личной встрече. Результат будет тот же.

Тому, в ком развит элемент артистизма, можем посоветовать способ рандомизации одновременно простой, надежный и производящий неизгладимое впечатление на учеников и помощников. Произвольно (а не в случайном порядке) выбираем животное. Доводим эксперимент до момента инъекции, не зная заранее, будет ли это опыт или контроль, и таким образом исключая всякую возможность подсознательного подыгрывания самим себе, зовем любого постороннего человека и просим его подбросить монетку. Орел – вводим препарат, решка – плацебо. Если хотите, смейтесь, а, по-нашему, это и есть поиск истины. Один из нас до сих пор хранит пятак, много лет назад случайно застрявший в люстре во время проведения такой рандомизации.

Здесь уместно рассмотреть точное значение двух терминов – достоверность и статистическая значимость. Эти понятия почти всегда смешивают. Если Вы, применив адекватный задаче метод исследования, получили какой-либо результат, если Вы измерили то, что измеряли, то есть не получили артефакт, Ваши данные по определению достоверны, даже если это единичный результат однократного измерения, который, разумеется, не может быть подвергнут никакой статистической обработке. Поскольку исследователь почти всегда работает не с генеральной совокупностью объектов, а с их выборкой, для перенесения отмеченных закономерностей с выборки на генеральную совокупность он обязан обработать экспериментальные данные статистическими методами. Если повезет чуть-чуть, результат окажется статистически значимым, то есть его можно будет перенести с ваших, скажем, 50-ти больных на всех больных (того же пола, возраста и т. п.), страдающих тем же недугом. Правда, и здесь будет сделана существенная натяжка: больные, поступавшие в вашу клинику, не представляют собой рандомизированной выборки из генеральной совокупности. Но тут Вы, очевидно, бессильны. Вряд ли Вы можете получить хотя бы общегородской список всех больных с каким-либо диагнозом и вызывать их для лечения в строго случайном порядке. Если быть очень придирчивым, то следовало бы в названии диссертации после упоминания нозологической формы указывать: «проходивших лечение в Санкт-Петербургском Центре Простатологии Российской Академии Естественных Наук в период с 1992 по 2008 год».

Все сказанное настолько просто, и настолько часто каждый исследователь слышал об этом… Но почему, ответьте, за редчайшим исключением диссертанты твердят о «статистической достоверности» их данных? Может быть, дело в том, что курсы статистики, читаемые аспирантам, заведомо перегружены описанием заумных математических критериев, и простые истины остаются за пределами учебных программ? Есть и еще одна возможная причина этого недоразумения. Всякий специалист хочет быть крупным специалистом. Химик обижается, когда его просят произвести банальный синтез, скажем, бомбезина, а не его четырехзамещенного и нигде в мире не существующего аналога. Специалист по биологической и медицинской статистике с готовностью расскажет Вам о каких-нибудь «полумарковских процессах» (бедный полу-Марков!), но неохотно станет объяснять Вам ограничения к применению критерия Стьюдента. Кроме того, у математиков, работающих в среде исследователей-медиков, есть очаровательная склонность говорить непонятно и отделываться от просящих совета и помощи снисходительными улыбками. Может быть, это результат глубокого внутреннего конфликта? Ведь вокруг тебя снуют люди, неспособные отличить интеграл от дифференциала, и все они имеют высокие ученые степени, как-то ухитряются делать важное дело и пользуются уважением сограждан… А ты знаешь так много, и почти всегда в тени!

Следующее по порядку, но не по значимости, после метрологии и рандомизации средство борьбы с артефактами – строго продуманная регистрация исходных, или фоновых, значений параметров. Столь распространенный метод измерений «до-после» не имеет права даже называться научным методом. Когда до и когда после измерял избранные функции исследователь? Ведь абсолютно ясно, что любой параметр биологической системы постоянно колеблется, флуктуирует под действием столь многочисленных и столь малых по величине воздействий, что мы можем считать подобные изменения случайными и любое исходное значение параметра оценивать только статистически.

Если Вас не убедили эти рассуждения, измерьте несколько раз в стандартных условиях какой-либо показатель, особенно из числа интегративных, например физическую работоспособность, и вместо прямой или слегка извилистой линии, соединяющей данные, Вы получите широкий коридор нормальных исходных значений. А теперь подумайте, насколько достоверны будут отмеченные Вами «измерения физической работоспособности», если Вы оцените исходный уровень однократно.

Если есть физическая возможность регистрировать исходные значения интересующего Вас параметра на протяжении некоторого времени, это обязательно следует сделать. В математике есть правило, гласящее, что минимальное количество точек, позволяющее хотя бы приблизительно представить кривую, равно четырем. Измерьте параметр 4–6—8 раз через равные промежутки времени и изобразите эти данные в системе координат. Без применения каких-либо специальных средств анализа Вы увидите, происходит ли изменение среднего уровня показателя (рост или снижение – неважно) или перед Вами просто колебания вокруг некоторой горизонтальной линии. Если Вы убедились в том, что показатель не изменяется направленно, то есть флуктуирует, переходите к воздействию изучаемого фактора. Если нет, продолжайте регистрацию фона, покуда это возможно. В крайнем случае, откажитесь в этот день от проведения опыта и, обдумав причины помех, начинайте заново, на новом животном и, может быть, в несколько иных условиях. Приведем пример (рис. 3 и 4).