7 hiba a táplálkozási epidemiológiában
Videó címe: 7 hiba a táplálkozási epidemiológiában
Szerző: Professor Bart Kay - Nutrition Science Channel
Dátum: 2021. április 25.
Forrás: Watch on YouTube
Áttekintés
Ebben az előadásban Professor Bart Kay elmagyarázza, miért tartja a táplálkozási epidemiológiát hibás, „pszeudo-tudományos” területnek. Fő célja bemutatni, miért nem lehet megállapítani ok-okozati kapcsolatot megfigyeléses tanulmányok alapján.
Az alapvető probléma: összefüggés vs. okozatiság
Bart hangsúlyozza, hogy az epidemiológia szigorúan megfigyeléses. Az "Fagylalt és cápatámadások" analógiát használja annak szemléltetésére, hogy a korreláció nem jelent okozást. Az, hogy két változó együtt mozog, nem jelenti, hogy az egyik a másikat okozza.
A 7 érvénytelenné tevő hiba
1. Tetszőleges kiválasztási kritériumok
A meta-elemzések szerzői tetszőleges szabályokat állíthatnak fel (pl. csak angol nyelvű tanulmányok, konkrét nemek), így kizárhatnak olyan kutatásokat, amelyek ellentmondanának a kívánt következtetésnek.
2. Publikációs torzítás
A tudományos folyóiratok hajlamosak az "effektust" kimutató tanulmányokat közzétenni, és figyelmen kívül hagyni azokat, amelyek semmit nem találnak. Ez a "fióktervezet" hatás mesterséges konszenzust teremt az irodalomban.
3. P-hacking
A kutatók túl- vagy alulamintázhatnak adatokat annak érdekében, hogy eredményeik a p < 0.05 küszöb alá essenek.
4. Korrigált eredmények (multivariáns regresszió)
Bart azzal érvel, hogy az adatok korrigálása "confounder"-ekre gyakorlatilag az adatok megváltoztatása. Példaként említi az Adventist Health Study 2-t, ahol szerinte a korrigált eredmények 180 fokkal ellentétesek voltak a nyers megfigyelésekkel a vörös hús és halálozás viszonyában.
5. Relatív vs. abszolút kockázat
A tanulmányok gyakran "relatív kockázatot" közölnek, hogy az eredmények jelentősebbnek tűnjenek.
- Példa: Az 1 millióból 1-ről 2-re való változás 100% relatív növekedés, de az abszolút növekedés csak 0,0001%, ami egyénileg jelentéktelen.
6. Okozati nyelvezet nem-okozati adathoz
"Kockázat", "veszély" vagy "védelem" kifejezések használata nem megfelelő megfigyeléses adatok esetén, mivel ezek okozati viszonyt sugallnak, amit nem bizonyítottak.
7. Generalizálás
A tanulmányok gyakran idős vagy beteg populációkat vizsgálnak (ahol a halálesetek valószínűbbek), majd ezeket az eredményeket fiatal, egészséges egyénekre extrapolálják, ahol az adatok nem alkalmazhatók.
Következtetés
Bart Kay arra a következtetésre jut, hogy a táplálkozási epidemiológia "semmi értéket nem ad egy adott élő ember számára", és személyes étrendi döntések meghozatalakor teljesen el kell vetni.
Egy tanulmány akkor releváns az emberi egészség szempontjából, ha Bart Kay szerint:
- Embereken végzett (nem állatmodelleken).
- In vivo (élő testben, nem táptalajon).
- Kísérleti kontrollokkal (RCT).
- Kemény kimeneteket mér (halál/betegség, nem szubrogát markerek).
title: A táplálkozási epidemiológia 7 hibája
A táplálkozási epidemiológia 7 hibája
Prof. Bart Kay bemutatja, miért tartja a táplálkozási epidemiológiát hibásnak, és miért nem alkalmasak a megfigyelési adatok ok‑okozati következtetésekre.
Alapvető probléma: asszociáció vs. kauzalitás
Korrelation nem egyenlő kauzalitással — pl. a „fagylalt és cápatámadások” példa.
A 7 érvénytelenné tevő hiba
- Tetszés szerinti kiválasztási kritériumok
- Publikációs torzítás
- P‑hacking
- Aggresszív statisztikai korrekciók
- Relatív vs abszolút kockázat
- Kauzális szóhasználat nem-kauzális adatnál
- Helytelen extrapoláció
Összegzés
Ezek miatt az epidemiológiai eredményeket óvatosan kell értelmezni személyes döntéseknél.