Została na tej podstawie aresztowana 13 grudnia 2001 roku pod zarzutem spowodowania śmierci pięciorga dzieci. Gdyby nie profesor Richard Gill, prawdopodobnie resztę swojego życia spędziłaby w więzieniu. To on udowodnił, że statystyka, która zawiodła pielęgniarkę do więzienia, była zwykłą lipą. Tę historię opisała dla „Science” dziennikarka Cathleen O’Grady.
Korelacja to nie związek przyczynowy
W 2022 roku brytyjskie Królewskie Towarzystwo Statystyczne wydało raport, w którym Richard Gill wraz z zespołem opisali błędy statystyczne, jakie pojawiały się w procesach o morderstwa medyczne i przedstawili zalecenia odnośnie tego, jak wykorzystywać w tych sprawach statystyki, nie krzywdząc podejrzanych.
Z raportu wynika, że lipne statystyki, na podstawie których wsadza się do więzienia personel medyczny, to skutek ludzkich błędów poznawczych. Kiedy człowiek dostrzeże jakiś patern – np. taki, że jedna z pielęgniarek wyjątkowo często uczestniczy przy porodach, które kończą się śmiercią dziecka – ma skłonność do naciągania rzeczywistości tak, aby pasowała ona do podejrzeń, których nabrał. Koronnym efektem tego mechanizmu jest mylenie korelacji z relacją przyczynowo-skutkową.
Jak się rodzą lipne statystyki?
Na pracę grupy dochodzeniowej mogą mieć wpływ czynniki zewnętrzne. Wśród nich media, które uwielbiają nazywać podejrzane o morderstwa pielęgniarki „aniołami śmierci”. Internauci bywają jeszcze bardziej dosadni: „suka”, „zła istota”, „dla takich jak ona powinna istnieć kara śmierci”, „należy ją zastrzelić albo powiesić” – to tylko niektóre z wpisów na forach, dotyczące innej oskarżonej, a w ostateczności niewinnej pielęgniarki Lucy Lethby.
Zdaniem Gilla, aby statystyka mogła tutaj być pomocna, oprócz prawidłowej metodologii (rygorystycznej – w końcu chodzi tutaj o podejrzenie morderstwa), trzeba przyglądać się także innym okolicznościom. Wśród nich nie bez znaczenia jest fakt, że jakaś osoba z personelu medycznego pracuje najczęściej na nocną zmianę. Wtedy łatwiej o zmęczenie i nieuważność, które mogą skutkować popełnieniem błędów, kosztujących życie pacjentów. To samo dotyczy tych reprezentantów służby zdrowia, którym najczęściej przydzielane są trudne przypadki. Ryzyko zgonu u pacjentów z zaawansowanymi, skomplikowanymi chorobami jest znacznie większe.
Przypadek Harolda Shipmana
Lucia de Berk została uniewinniona w 2010 roku, kiedy Richard Gill, początkowo śledzący jej sprawę w mediach, postanowił się do niej czynnie włączyć i udowodnił, że opracowanie statystyczne tego przypadku roiło się od błędów. Od tamtego czasu niejednokrotnie wspierał inne związane ze służbą zdrowia osoby, którym postawiono podobne zarzuty jak de Berk i usiłowano skazać je na podstawie dowodów statystycznych.
Jednak nie zawsze statystyka się myli. Dowody statystyczne zostały wykorzystane w sprawie brytyjskiego lekarza Harolda Shipmana. W 2000 roku został on oskarżony o zamordowanie 15 pacjentów w ciągu 3 lat. Podawał im zbyt dużą dawkę diamorfiny – medycznej heroiny stosowanej do leczenia silnego bólu. Jego sprawa ciągnęła się przez 5 lat i wywołała pewne zmiany w brytyjskiej służbie zdrowia, takie jak wprowadzenie większego dozoru nad aktami zgonów pacjentów.
Uczestniczył w niej w roli doradczej statystyk z Cambridge David Spiegelhalter. Na pytanie, czy statystyka jest w stanie ujawnić mordercę na podstawie samych tylko podejrzanych wzorców zgonów, odpowiada on twierdząco. Do sprawy Shipmana jego zespół wykorzystał metodę „industrial quality control” – porównali liczbę aktów zgonów podpisanych w określonym czasie przez podejrzanego z ilością aktów zgonu w innych lokalnych praktykach lekarskich. Dzięki tej metodzie odkryli, że niepokojący patern zgonów osób leczonych przez Shipmana był widoczny już 13 lat przed tym, zanim go aresztowano.
