Wetenschap

Homeopathische middelen mogen niet meer verkocht worden als geneesmiddel voor een bepaalde kwaal, als de werking niet is bewezen.
Vele sceptici slaken bij dit nieuws een zucht van verlichting. Vele gebruikers en beoefenaars zullen hier echter weinig van begrijpen. De werking is toch bewezen? Ik nam gister nog een druppeltje en de kwaal werd minder. En hoe zit dat dan met al die andere mensen die al jaren tot tevredenheid homeopathische middelen gebruiken? Is dat dan geen bewijs? De methode om dit soort bewijs te kunnen testen heet statistiek.

Wat doet statistiek?

Statistiek kan worden ingezet om fenomenen te onderzoeken en hopelijk een link te leggen met de oorzaak ervan. Stel we nemen een willekeurig fenomeen. Bijvoorbeeld het aantal krokodillenbeten bij mensen die een paraplu dragen. Als we puur naar de cijfers kijken dan zal blijken dat de meeste mensen die gebeten werden door een krokodil, geen paraplu bij zich hadden. Hieruit zou de conclusie of theorie kunnen worden gedestilleerd dat het dragen van een paraplu een afweermiddel is tegen krokodillenbeten. En getest in Nederland met bijvoorbeeld Maurice de Hond zal inderdaad blijken dat er niemand met een paraplu is gebeten door een krokodil. De cijfers lijken de theorie dus te ondersteunen. Er is echter een probleem. Weten we wel zeker dat er sprake is van de juiste oorzaak bij dit gevolg? Kunnen er geen andere redenen zijn dat mensen met een paraplu niet gebeten worden door krokodillen. Een voor de hand liggend vergelijk is het aantal loslopende krokodillen vergelijken met het aantal krokodillenbeten, en de locatie. Dan blijkt dat Nederland een laag aantal loslopende krokodillen kent en dat dien ten gevolge het aantal krokodillenbeten dan ook laag zal zijn. In Nederland regent het vaak, dus het aantal mensen dat een paraplu draagt is hoog. Zie hier het ontstaan van een foute oorzaak-gevolgrelatie. De theorie is verworpen, omdat er een betere theorie is die beter voorspelt wat er aan de hand is.

Het probleem van statistiek

Zoals hierboven gezien kan statistiek dus een verkeerd beeld van de werkelijkheid geven als er niet genoeg toetsen worden ingebouwd, die toetsen of er geen andere oorzaken zijn. In bovenstaand voorbeeld zou je bijvoorbeeld als extra toets kunnen meten hoeveel mensen in Nederland zonder paraplu gebeten werden door krokodillen. Het probleem hiervan is dat we alleen kunnen toetsen wat we zelf als eventuele andere oorzaak kunnen aanwijzen. Er kan altijd een onbekende oorzaak zijn, die onze statistische methode in de war schopt, en leidt tot een positief resultaat.

Een andere methode is om geen andere oorzaak te toetsen, maar alleen te beschouwen wat er gebeurt bij mensen die nergens aan mee doen. Dit wil ik verduidelijken met een geneesmiddelonderzoek. Stel een nieuw middel tegen hoofdpijn wordt getest. Dan willen we weten of dit nieuwe middel beter geneest dan oude middelen. We zouden dus eerst mensen met hoofdpijn moeten testen met het oude middel, dan moeten we mensen testen die het nieuwe middel gebruiken, en om zeker te zijn dat de mensen niet vanzelf genezen zal er ook getest moeten worden met een nepgeneesmiddel, oftewel de placebo groep. Is dit genoeg? Eigenlijk niet, want het kan zijn dat extra aandacht voor het probleem zonder een werkend medicijn ook al tot verlichting van de klachten leidt. We zullen dus ook mensen met hoofdpijn moeten testen die niet meedoen aan de test, en die geen medicijnen nemen. Is dit genoeg? Misschien wel, maar er kunnen altijd andere oorzaken zijn die hoofdpijn veroorzaken, die niet bekend zijn zoals bijvoorbeeld: schijnt de zon, woont iemand bij veel smog, heeft iemand gedronken, is het geen reactie op een andere stof en ga zo maar door. Er zijn eigenlijk teveel andere mogelijke oorzaken te bedenken die niet worden meegenomen in het onderzoek.

Het probleem van statistiek is dus dat het alleen een zeker resultaat geeft als alle andere factoren kunnen worden uitgesloten. Maar dit kunnen we alleen als deze oorzaken bekend zijn, anders wordt het moeilijk erop te testen, of ze uit te sluiten.

Is homeopathie getest?

Homeopathie is veelvoudig getest, maar alleen of voornamelijk met statistische onderzoeken. (Dat is niet helemaal waar, maar daar kom ik zo op terug). Het claimen van een werking gebaseerd op deze onderzoeken is dus twijfelachtig. Het enige dat we echt kunnen laten zien, is of er een verband is tussen de mensen die homeopathische middelen hebben genomen, en de mensen die daarna zich beter voelden. Homeopaten claimen over het algemeen dat deze verbanden zijn aangetoond, sceptici claimen dat de onderzoeken niet goed genoeg zijn uitgevoerd, omdat niet alle oorzaken zijn getoetst. Homeopaten zetten zich daarnaast af tegen de claim dat de wetenschap alles weet en dat gewone geneesmiddelen wel goed werken, of dat de werking daarvan is aangetoond.

En hier hebben ze een punt. Ook bij “echte” geneesmiddelen kunnen er vragen worden gesteld bij het statistisch onderzoek. Maar omdat deze door mensen met veel kennis worden uitgevoerd, die ook nog eens enorme schadeclaims kunnen krijgen als ze dit verkeerd doen, zijn deze onderzoeken wel betrouwbaarder. Echter dit zal vast niet in elk geval zo zijn, er zijn altijd rotte appels.

Is er een oplossing?

Ja, er is een oplossing, die is echter niet altijd gemakkelijk. De oplossing zou zijn om een mechanisme te toetsen waarmee de oorzaak en het gevolg wordt verklaard, en niet alleen wordt aangetoond. Statistiek is voornamelijk inzetbaar in het laatste geval. Statistisch gezien kun je aantonen dat als je de schakelaar van de lamp omzet, de lamp gaat branden (mits de lamp niet stuk is en de stekker in het stopcontact zit). Dit is echter geen verklaring. De verklaring is dat er elektriciteit door de draden heen kan die licht opwekt in de lamp. De schakelaar sluit het circuit waardoor dit mogelijk is (een gedetailleerdere uitleg is vast mogelijk). Op deze manier kunnen we de statistische resultaten verklaren.

Kunnen we homeopathie verklaren?

Er zijn diverse pogingen gedaan om homeopathie te verklaren, echter deze stuiten allemaal op ongeloof, of gaan regelrecht tegen andere resultaten in. Zo is de chemische samenstelling van een homeopathisch middel nagenoeg hetzelfde als die van water. Andere mechanisme voor overdracht van werkzaamheid zijn tot nu toe niet voldoende verklaard. Ook het produceren van homeopathische middelen gaat op een wijze die veel vragen oproept, voornamelijk waarom er maar één bepaalde manier van mengen is die werkt. Daarnaast kan men geen antwoord geven waarom iets verder verdunnen een krachtiger en tegenovergestelde werking geeft. Vooral dit laatste principe gaat in tegen alle andere bekende werkzaamheden van medicijnen. Oftewel om homeopathie te kunnen verklaren moet je geloven in een heel ander wereldbeeld, dat niet overeenkomt met het wereldbeeld zoals dat gewoon dagelijks te zien valt. Iedereen weet dat 2 aspirientjes beter werken dan 1, en dat 2 treinen harder trekken dan 1 trein.

Het is in de discussie over homeopathie dus belangrijk dat we niet alleen de statistische onderzoeken bediscussiëren, maar ook vooral over wat deze onderzoeken betekenen, en of ze goed zijn uitgevoerd. De werking claimen aan de hand van resultaten is niet sterk genoeg zonder dat er een bewezen mechanisme is van overdracht. Dit laatste is niet te bewijzen door terug te vallen op werkzaamheid of behandelresultaten. Wil dit naar tevredenheid gebeuren dan zal er meer nodig zijn. Dit geldt niet alleen voor homeopathie, maar is ook van belang voor alle (alternatieve) behandelingen.