Van haaien naar menstruatiepijn, bij Isala kan het allemaal

Als je ons Isala project al een tijdje kent, dan weet je dat we heel enthousiast zijn en veel willen onderzoeken, als het de gezondheid van vrouwen (en hun partners en kinderen) maar vooruithelpt. Dit gaat van het effect van bepaalde vitamines op de gezondheid van vrouwen tot het effect van je onderbroek op je menstruatie. Een aantal van deze vragen kunnen beantwoord worden door studies waarbij we mensen vragen iets te doen om dan te onderzoeken wat het effect hiervan is (dat heet dan een interventiestudie). Zo kunnen we bijvoorbeeld vragen aan een groep vrouwen om een maand lang enkel katoenen of polyester onderbroeken te dragen om dan te kijken of er veranderingen zijn in de samenstelling van het vaginale microbioom. Collega’s organiseerden al eerder zo’n kleine studie (check zeker onze GeneDoe blog) en er is ook een nieuwe studie rond menstruele hygiëne gepland samen met de Isala sisterhood in Peru, Zwitserland en Kameroen. Maar wat als we bijvoorbeeld willen weten wat het effect is van een zwangerschap of het effect van roken? We kunnen mensen niet vragen om zwanger te worden of om ongezonde dingen te doen voor een studie. We moeten dus op zoek naar andere oplossingen en daar zal mijn kersvers gestart doctoraat aan bijdragen.

Je zou kunnen denken: vergelijk gewoon een groep rokers met een groep niet-rokers en kijk wat het verschil is. Helaas is dit niet zo eenvoudig als het lijkt. De rokers hebben waarschijnlijk een aantal kenmerken gemeenschappelijk die de niet-rokers niet hebben en omgekeerd. Het is bijvoorbeeld best mogelijk dat rokers over het algemeen een minder gezonde levensstijl hebben dan niet-rokers. We kunnen er dus niet zeker van zijn dat het verschil dat we zien, veroorzaakt wordt door het roken, en niet door een van de andere gemeenschappelijke kenmerken. Dit komt neer op het verschil tussen associatie enerzijds en causatie of oorzakelijk verband anderzijds.

Associatiewatte?

Associatie wil zeggen dat er een verband is tussen twee factoren. Dit is wat klassieke statistische methodes willen aantonen en waarom je in theorie met statistiek tussen alles verbanden kan trekken. Causatie wil zeggen dat een factor de oorzaak is van een andere factor. Dit is een stuk moeilijker om aan te tonen. Een voorbeeld: met klassieke statistiek vond men een verband tussen het aantal verkochte ijsjes en het aantal aanvallen van haaien op een zomerse dag. Gevolg: men raadt het stadsbestuur van Blankenberge aan om de verkoop van ijsjes in te perken om zo ongevallen met haaien te vermijden. Dit is natuurlijk complete onzin.

We voelen van nature aan dat hier iets niet klopt, maar waarom vinden we dan toch een verband? Omdat er wél een associatie is tussen de verkoop van ijsjes en het aantal aanvallen van haaien maar geen causatie. Oftewel: ijsjes verkopen veroorzaakt geen massale bloeddorst bij haaien maar zowel de verkoop van ijsjes als het aantal zonnebaders stijgen bij mooi weer. Heel wat mensen zijn enorm goed in het aanvoelen van dit soort verbanden. Ze weten meteen dat haaien en ijsjes weinig met elkaar te maken hebben en ook dat de haan kraait omdat de zon opkomt en niet andersom. Maar in heel wat wetenschappelijk onderzoek is het helemaal niet zo duidelijk wat juist wat veroorzaakt. Zo weten we bijvoorbeeld dat vrouwen die roken meer kans hebben op vaginale infecties. Wat we (nog) niet weten is of roken een rechtstreekse invloed heeft op het vaginale microbioom. Of zijn vrouwen die roken over het algemeen minder bezorgd om hun gezondheid waardoor ze meer risico’s nemen? Of is er nog iets helemaal anders?

Om met meer zekerheid te kunnen zeggen dat roken de oorzaak is van een verandering in het vaginale microbioom (oftewel, dat er een causaal verband is) hebben we aan onze fantastische Isala deelneemsters gevraagd of ze roken of niet. Met een speciale statistische techniek kunnen we dan toch op zoek gaan naar een antwoord op onze vraag zonder aan de vrouwen te vragen om hun gedrag te veranderen. Deze techniek heet “causale interferentie” en dat is precies wat ik de komende jaren ga toepassen tijdens mijn doctoraat. Met andere woorden: we gaan op zoek naar de echte oorzaak van de haaien aanvallen in het verhaal hierboven.

En dan nu in de praktijk

Eén van de zaken waar we causale interferentie gaan gebruiken is om te kijken naar het effect van medicatie op de samenstelling van het vaginale microbioom, meer specifiek pijnmedicatie die zonder voorschrift verkrijgbaar is bij de apotheek. Heel wat vrouwen hebben standaard pijnstillers in hun tas zitten. Het merendeel van deze medicatie is echter voornamelijk getest op gezonde, jonge mannen. We zouden dus graag willen onderzoeken wat deze medicatie met het vaginale microbioom doet, vooral tijdens of rond de menstruatie.

Daarnaast willen we onderzoeken of er binnen de bevolking verschillen zijn in het vaginale microbioom. Hiermee bedoelen we dan vooral de invloed van de omgeving waar iemand woont, hoeveel er daar wordt uitgegeven aan groen in het straatbeeld, de nabijheid van grote wegen, etc. Dit zijn zaken die op één iemand misschien een relatief klein effect hebben, maar voor de hele bevolking samen uiteindelijk wel een groot verschil kunnen maken. Bekijk het zo: als jouw gewicht met 1 kg daalt, zal je dat waarschijnlijk niet eens merken. Maar als het gemiddelde gewicht van het hele land plots 1 kg daalt, is dit een reden om toch eens op onderzoek uit te gaan.

Zoals je ziet, valt er nog heel wat te ontdekken in de grote collectie aan Isala data. Dankzij de bijdrage van onze geweldige deelneemsters kunnen we allerlei vragen beantwoorden. Ik ben alvast super benieuwd naar wat er allemaal uit de analyses gaat komen!

Wie ben ik?
Mijn naam is Kato Michiels. Ik ben vorig jaar afgestudeerd met een master in de epidemiologie aan de Universiteit Antwerpen na een bachelor in biochemie en biotechnologie. Nu ben ik bezig aan een doctoraat aan de Universiteit Hasselt in de biostatistiek. Als statisticus verzamel je zelden je eigen data, dus ik ging op zoek naar een samenwerking met interessante onderzoeksgroepen die al datasets hebben, maar te veel vragen hebben om ze allemaal zelf te beantwoorden. Bij Isala is er een schat aan uitdagende data, waardoor de samenwerking al snel een feit werd. Ik zag dit meteen volledig zitten: microbioomdata is super interessant, en onderzoek waar vrouwen centraal staan, is zeg maar helemaal mijn ding.
“Een doctoraat in de statistiek? Hoe kom je daar nu bij?”. Het is een vraag die ik al vaak heb mogen beantwoorden. Statistiek is niet direct het lievelingsonderwerp van veel mensen en het heeft ook niet bepaald een sexy reputatie. Maar als ik eerlijk ben, heb ik er mijn hart wel aan verloren. Statistiek is overal. Het is een soort toolbox waarmee je van data, informatie kan maken. Je kan er vragen mee beantwoorden zoals ‘Wat kunnen we als de norm beschouwen?’, ‘Hoe verschillen groepen van elkaar?’, ‘Kan je een voorspelling maken?’, enzovoort. Bovendien, om je job als statisticus goed te doen, ga je steeds in gesprek met andere specialisten buiten je eigen veld. Om tot de beste oplossing te komen, moet je in de leefwereld van de andere(n) stappen. Dit leidt vanzelf tot boeiende gesprekken en samenwerkingen. Dus Isala team: here I come!