Mens min datter og jeg sitter på flyet hjem fra ferie, blar vi i det siste nummeret av TIME Magazine. Her er det en visualisering som fanger hennes interesse. Den handler om hva du mest sannsynligvis vil dø av i ulike aldersgrupper. Etter å ha svømt mye på åpent hav og bekymret seg for hai, er hun overrasket over hva som er de vanligste dødsårsakene i hennes aldersgruppe.
For hennes aldersgruppe var de mest sannsynlige årsakene:
ulykker 27%
kreft 15%
selvmord 13%
mord 5%
Men visualisering av prosenter er litt tricky og vi fikk ikke dette helt til å stemme i starten.
Som informasjonsdesigner følte jeg behov – for ikke å si plikt – til å forklare hvordan prosentene i visualiseringen forholdt seg. Det var lettere sagt enn gjort.
Kort fortalt, så forholdt prosentene seg til antallet som faktisk døde i gitte aldersgruppe. Og dette hadde vært enkelt hvis det var like mange som døde i hver aldersgruppe, men slik er det jo ikke. I rettferdighetens navn inneholdt visualiseringen også faktiske tall på antall døde per aldersgruppe, men det var fortsatt vanskelig.
Og slik er det med det å kommunisere prosenter. Det er vanskelig også for forskere, journalister og informasjonsdesignere.
Clik here to view.
Vurdering av risiko
Professor Gerd Gigerenzer har spesialisert seg i hvordan vi oppfatter risiko, og har noen gode forklaringer på hvorfor vi sliter med å forstå risiko i prosent. Kort fortalt handler det om en værmelder som melder om 30% sjanse for regn i morgen.
Her er noen av forklaringene han har fått på utsagnet.
- Det betyr at det vil regne 30% av dagen i morgen (ca. 7 timer)
- Det betyr at det vil regne i ca 30% av regionen i morgen
- Det betyr at 3 av 10 metrologer mener at det vil regne i morgen
Alle disse forklaringsforsøkene over er gale, men viser at mange av oss har problemer med å vurdere risiko i prosent.
Det å bli litt våt er ikke så farlig, men problemet oppstår når den samme formidlingsformen brukes innenfor helse og medisin.
I dette TEDX-foredraget forteller Gigerenzer en tragisk historie fra det britiske helsevesenet og media, hvor de kommuniserer faren for blodpropp hvis du bruker p-pille.
Hva betyr “dobbelt så mange”?
I store skrifttyper skrives det at hvis du tar en tredjegenerasjons p-pille, har du dobbelt så stor sjanse for å få blodpropp. Verre kan det vel knapt bli – det er 100% økt risiko for blodpropp hvis du bruker tredje generasjons p-pille. Mange ble redde og sluttet med p-pille, som førte til økning i aborter og uønskede graviditeter. Mange fikk sine liv dramatisk endret på grunn av dette.
Forskningsrapporten media baserer seg på skriver riktignok at risikoen for blodpropp dobles. Men de skriver også at den økes fra 1 av 7000 til 2 av 7000 som sannsynligvis vil få blodpropp som følge av bruk av tredje generasjons p-pille. Dette poengteres ikke i media, og folk klarer ikke å forstå den reelle risikoen når den kommuniseres i prosentvis økning.
Her er et helt ferskt eksempel fra The Telegraph i mai, 2015: Newer contraceptive pills raise risk of blood clot four fold
Mange journalister synes nok denne er helt innenfor, da det i slutten av artikkelen blir gitt rom til flere syn på saken. Men hvilket etterlatt inntrykk tror du en tenåringsfar sitter med etter å ha lest denne, og tror du alle forstår den reelle risikoen? Er den godt nok forklart?
Hva dør folk av i Norge?
Tilbake på jobb etter ferien klarer jeg ikke helt å få visualiseringen fra TIME Magazine ut av hodet. Den er ikke helt rettferdig i måten den kommuniserer tallene på. Samtidig skjønner jeg veldig godt hvorfor de visualiserte det slik. Å visualisere store mengder (mange som dør gamle) sammen med mindre mengder (få som dør unge), hvor det også er interessante variasjoner i de små mengdene, kommer vi alltid til å slite med. Det er en knallgod faglig utfordring.
Clik here to view.
De norske tallene ser slik ut i en tilsvarende visualisering (basert på dødsfall 2003-2013). Heldigvis er det ikke like mange mord i Norge som i USA, så det ser man rett og slett ikke i den norske visualiseringen. Dødsårsakene fra Folkehelseinstituttet er litt forenklet, og jeg har slått sammen små variabler (de mindre dødsårsakene) for enkelhets skyld. Mer om dette i bunnen av denne posten.
Når vi normaliserer tallene i visualiseringen over, så gir den innblikk selv i aldersgrupper med lave dødstall, men den gir ikke et helt rettferdig bilde, så jeg har lagt ved en til. Her visualiserer jeg de absolutte tallene, som viser det helt naturlige, nemlig at folk stort sett dør når de er gamle og risikoen for å dø som ung er svært liten.
Clik here to view.
Datagrunnlaget for visualiseringene over er hentet fra Folkehelseinstituttet. Det er gjort forenklinger av navn på variabler og en del variabler er slått sammen for å forenkle det visuelle uttrykket. I variabelen ‘Andre’ ligger det flere årsaker som alene ble for små. Variabelen ‘Voldsomme dødsfall’ er slått sammen av ‘Voldsomme dødsfall’ + ‘Andre voldsomme dødsfall’. Variabelen ‘Komplikasjoner under svangerskap og fødsel’ er slått sammen av ‘Komplikasjoner ved svangerskap, fødsel, barsel (O00-O99)’ + ‘Visse tilstander som oppstår i perinatalperioden (P00-P96)’.
Det er mer informasjon rundt definisjonen av variabler på Folkehelseinstituttet
Spist av hai
Og til slutt: Frykten for å bli spist av hai i ferien var høyst reell for min datter. Men risikoen for at det skulle skje viste seg å være veldig liten. Haien ble i samme magasin rangert som det minst farlige av de skumle dyrene, med kun 3 spiste personer i hele 2014. Men hvordan frykt og reell risiko henger sammen skal vi se mer på i en annen post.
I mellomtiden kan du jo skrive en kommentar her om hvordan du forstår utsagnet “det er 30% sjanse for regn imorgen” Image may be NSFW.
Clik here to view.
Clik here to view.
Clik here to view.
Clik here to view.
Clik here to view.
Clik here to view.