Tutkittu juttu: Ravitsemusepidemiologian sietämätön kepeys

RAVITSEMUS KOSKETTAA MEITÄ JOKAISTA, sillä kaikkien on henkensä pitimiksi syötävä jotain. Voisikin olettaa, että ravitsemuksen ja sairauksien välisten yhteyksien tutkiminen olisi uskottavammalla pohjalla kuin se on. Ravitsemusepidemiologiaa on viime vuosina kritisoitu eri yhteyksissä muiden kuin itse ravitsemustieteilijöiden toimesta. Esimerkiksi lääketieteen lehti JAMA:ssa John Ioannidis peräänkuulutti ravitsemusepidemiologian radikaalia uudistamista, kuten tilastoanalyysien yhteisten toimintatapojen laatimista ja tilastoanalyysien läpinäkyvyyttä. Pitkän linjan ravitsemusepidemiologit eivät kuitenkaan kritiikistä perustaneet, vaan puolustivat ravitsemusepidemiologian vallitsevaa tilaa.

Valtaosa ravitsemustieteestä perustuu havainnoiviin tutkimuksiin, joissa pyritään selvittämään erinäisten altisteiden (kuten pähkinöiden syönti) ja vasteiden (kuten kuolleisuus) välisiä tilastollisia yhteyksiä regressiomalleja hyödyntämällä. Näitä yhteyksiä pyritään lisäksi tilastollisesti vakioimaan sekoittavilla tekijöillä. Keskeisten sekoittavien tekijöiden vakiointi on tärkeää tutkimusten pohjalta tehdyn tilastollisen päättelyn kannalta, mutta nämä sekoittavat tekijät tulisi olla etukäteen määritelty läpinäkyvyyden lisäämiseksi.

Ravitsemustutkimuksia analysoineen katsauksen mukaan 94 %:ssa (141/150) lääke- ja ravitsemustieteen lehdissä julkaistuista tutkimuksista sekoittavien tekijöiden ei raportoitu olleen etukäteen valittuja. Toisaalta yhdestäkään samaa altiste-vasteparia analysoidusta tutkimuksesta ei löytynyt sellaista, jossa olisi vakioitu täysin vastaavat sekoittavat tekijät. Toisin sanoen edes tutkijoilla itselläänkään ei ole yhtenäistä näkemystä siitä, mitä tekijöitä tulisi vakioida.

Sekoittavien tekijöiden läpinäkyvä valinta etukäteen vähentäisi tutkijoiden tiedostettua tai tiedostamatonta vapautta valita sellaisia muuttujia, joiden avulla saadaan odotettu tulos. Esimerkiksi samaa tutkimusaineistoa hyödyntämällä E-vitamiinin on osoitettu yhdistyvän sekä pienempään että suurempaan kuolleisuuteen riippuen siitä, mitä tekijöitä vakioidaan. Mahdollisten regressiomallien määrä myös kasvaa suhteessa sekoittavien tekijöiden määrään (2 potenssiin sekoittavien tekijöiden määrä).

Olen laskenut esimerkiksi lääketieteen lehti BMJ:ssä julkaistusta punaista lihansyöntiä ja muun muassa kuolleisuutta koskevasta tutkimuksesta peräti 26 sekoittavaa tekijää, joiden avulla voitaisiin muodostaa yli 67 miljoonaa regressiomallia. Tämän lisäksi tutkimuksessa voi olla useita altisteita ja vasteita kasvattaen näin entisestään regressiomallien määrää. Yleisesti biolääketieteessä käytetyn 5 %:n tilastollisen merkitsevyyden raja-arvo onkin merkityksetön monimallintamisen ja monivertailun kontekstissa.

Ravitsemuspidemiologiassa tilastolliset yhteydet ovat myös pääsääntöisesti heikkoja. Jotkut ovat esittäneet, että ravitsemusepidemiologiassa tyypillisesti raportoidut vaikutusten suuruudet voidaan jättää huomiotta, sillä nämä vaikutukset voidaan helposti poisselittää tutkimuksiin liittyvillä harhoilla. Harhalla eli systemaattisella virheellä tarkoitetaan sellaisia tekijöitä, joiden seurauksena tutkimustulokset poikkeavat siitä, mitä niiden todellisuudessa pitäisi olla. Tutkimustulokset voivatkin olla yhdenmukaisia tutkimuksesta toiseen juuri harhan vuoksi. Biolääketieteellisessä tutkimuskirjallisuudessa on raportoitu PubMed-tietokantaa tekstilouhimalla ainakin 235 erilaista harhakäsitettä.

Harhaa otetaan harvoin huomioon ravitsemusepidemiologian tilastoanalyyseissä saati ravitsemussuosituksissa. Aiemmin esille nostamassani katsauksessa ainoastaan 2 %:ssa (3/150) ravitsemustutkimuksista harhaa pyrittiin huomioimaan laskennallisesti. Joitakin vuosia sitten pohjoismaisista ravitsemussuosituksista tekemässäni analyysissa katsoin, kuinka monta kertaa termi harha oli mainittu näissä suosituksissa: kaiken kaikkiaan se mainittiin vain 13 kertaa ja pääsääntöisesti pelkästään suositusten menetelmäosassa.

Medialla on oma roolinsa ravitsemusepidemiologian tulosten kärjistämisessä, kun tiedotusvälineet esittävät havaintotutkimuksiin perustuvia heikkoja tilastollisia yhteyksiä sellaisenaan syy-seuraussuhteina. Kuten John Ioannidis kritiikissään toteaa, ravitsemustutkimus on voinut vaikuttaa negatiivisesti kansalaisten näkemykseen tieteestä.

kirjoittaja On Lääkäri Ja Tutkimusten Suurkuluttaja.