Lendo a literatura nutricional: um guia cético


por Richard David Feinman, Ph.D.,

"Estudos mostram..." soa um alarme de que você está prestes a ler alegações exageradas, ciência questionável e apenas ocasionalmente, informações reais. "Carne vermelha causa diabetes", "Ovos e colesterol vão deixar você doente" e "dietas com baixo teor de carboidratos vão te matar". Aqueles de nós treinados nas ciências físicas ficam surpresos com a confusão e a pobre lógica científica que são excessivas. Ao mesmo tempo, estamos vendo grandes avanços na medicina nutricional: Três artigos recentes mostram que, para muitas pessoas, o diabetes tipo 2 pode ser curado com dieta. E, no entanto, as revistas médicas e a mídia popular anunciam os resultados mais incertos. É muito difícil para os cientistas penetrarem em alguns estudos, e é obviamente pior para o usuário final: a pessoa que simplesmente quer saber o que comer. Estranhamente, há avisos por muitos, incluindo editores de revistas médicas, que muito do que é publicado - metade é uma figura comum - não é confiável, não é reproduzível e, em última instância, é falso. Eles não dizem qual metade. E principalmente eles não explicam como eles, os editores, os presumíveis guardiões, deixam isso acontecer. Muitas vezes parece que, apesar de ter mais informações agora do que no passado, você está mais sozinho do que nunca para decidir o que é verdadeiro e o que é falso.

A boa notícia que torna as coisas melhores do que antes é que você pode acessar o documento científico ou médico original e ver por si mesmo. Você realmente pode ser o juiz. A boa ciência é consistente com a intuição, bom senso e honestidade básica. Sua intuição lhe diz que em um suprimento de comida com centenas de itens diferentes, é improvável que algo como ovos ou carne vermelha tenha, por si só, um grande impacto na sua suscetibilidade a doenças ou expectativa de vida. Um estudo científico que diga o contrário deve ter um argumento muito convincente e dados esmagadores (o que eles nunca têm). Além disso, enquanto há um estabelecimento médico nutricional que é muito reacionário e ainda mantém um poder significativo, as coisas estão mudando. Existe, por exemplo, uma maior disponibilidade de informações nas mídias sociais, incluindo um grande número de reuniões sobre teorias e métodos alternativos (há uma conferência de lowcarb praticamente todos os meses). Estas, e a proliferação de estudos científicos, tornam as velhas formas cada vez mais insustentáveis. Aqui, o usuário final médio encontra aliados entre os cientistas profissionais estabelecidos.

Se você deseja realmente ser o juiz, aqui estão algumas dicas para ler a literatura médica nutricional:

1. O ônus recai sobre o autor de um artigo científico para esclarecer as coisas. O objetivo de um artigo científico é ensinar. Existem complexidades na ciência, mas o trabalho é explicar as coisas da maneira mais direta possível. Termos técnicos podem ter que ser pesquisados ​​- muitos deles estão apenas a distância do Google - mas você deve ser sensível a qualquer tentativa por parte dos autores de te enrolar.

2. O que os cientistas procuram primeiro em um papel são as imagens. Eu sei que soa engraçado, mas na verdade, figuras são quase sempre melhores do que as tabelas. Livros inteiros foram escritos sobre essa ideia. Um artigo científico experimental que não tenha fotos deve ser visto com desconfiança.

3. Estudos observacionais, como estudos epidemiológicos, simplesmente registram resultados. É universalmente entendido que estudos observacionais podem mostrar apenas associações que não são necessariamente causais na natureza. O princípio é frequentemente afirmado em artigos que, no entanto, sugerem fortemente a causalidade, mesmo quando eles oferecem o aviso. Tais documentos são obviamente enganosos, e é importante atender a quanta causalidade está implícita. Conforme descrito por The Rise and Fall of Modern Medicine, a epidemiologia "é limitada em sua busca pelas causas das doenças por apenas poder medir aquilo que é mensurável na vida das pessoas. Não pode, por definição, descobrir fenômenos biológicos até então desconhecidos, como a nova bactéria [na época, em 1999], helicobacter". A biologia moderna avança mais no mecanismo. O autor deve explicar a biologia se não for óbvio. Este é um dos critérios estabelecidos na ciência e nos tribunais de justiça.

4. Suspeite de regras arbitrárias, "níveis de evidência" e "padrões de ouro". Estas são desconhecidos nas ciências físicas e biológicas, e não há nada na pesquisa médica que mude isso. O melhor método experimental é aquele que responde à questão científica. The Emperor of All Maladies. New York, Scribner: 2010 descreveu as observações originais sobre a fumaça do cigarro e o câncer de pulmão. Na coorte original (coorte é o termo comum para um grupo experimental bem identificado em um estudo científico), houve 789 mortes, das quais 36 foram atribuídas ao câncer de pulmão. Quando os pesquisadores perguntaram quantos deles eram fumantes, descobriram que eram todos os 36. Não há estatísticas necessárias.

5. Distinguir entre significância estatística e significância biológica ou clínica. Se um artigo científico diz, por exemplo, que uma associação encontrada entre carne vermelha e câncer é estatisticamente significativa, isso significa apenas que há uma probabilidade muito baixa de que a associação tenha surgido simplesmente por acaso. O que não diz é que, se você refizer a análise com outro conjunto de dados que testa os mesmos parâmetros, obterá o mesmo resultado. Mais importante, "estatisticamente significante" é um resultado matemático. Ele não diz nada sobre o significado biológico ou físico - isto é, se há alguma razão para você reduzir a carne vermelha para evitar o câncer. Isso vem apenas da experiência e conhecimento da biologia. Se um estudo experimental mostra que uma determinada dieta foi associada a uma perda estatisticamente significativa de 1 quilograma durante várias semanas, você sabe que isso não é significativo, porque você pode perder um quilo durante a noite. Estatística é uma ferramenta. Os cientistas não são contadores de custos.

6. É frequentemente dito que estudos observacionais só podem gerar hipóteses. Isso não está certo. Eles testam hipóteses. Eles não são neutros. Observações únicas podem gerar uma hipótese, mas estudos observacionais constituem uma tentativa de apoiar essa hipótese. Se você estudar a associação entre gordura e doença cardiovascular, você tem algo em mente e suspeita que a gordura é a causa. Se a associação é fraca, você tem que rejeitar sua hipótese.

7. Excluir teorias é mais importante do que mostrar consistência. A consistência deve sempre ser testada. É claro que uma teoria só pode ser verdadeiramente excluída se for matematicamente excluída ou levar a uma contradição lógica. Por outro lado, enquanto uma associação não está necessariamente ligada à causalidade, a falta de associação é um argumento para a falta de causalidade.

8. Nota: Antes de considerar mais detalhes, alguns pontos na linguagem são importantes. Espera-se que os números em epidemiologia nutricional mostrem uma associação entre alguns alimentos ou prática dietética e um resultado médico. Este resultado é geralmente apresentado como odds ratio (OR), risco relativo (RR) ou razão de risco (HR), que compara o efeito do consumo de carne vermelha versus baixo consumo de carne vermelha no risco de câncer. Essas quantidades são obviamente estatísticas relativas. Elas são matematicamente um pouco diferentes, mas para os casos de interesse aqui (geralmente baixa incidência de doença), elas podem ser tomadas como equivalentes. A partir do nome, você pode ver que elas são valores relativos e têm a limitação de obscurecer valores absolutos. "Risco" na estatística significa probabilidade.

9. Considerando todas as ressalvas acima, como você sabe quando estudos epidemiológicos ou observacionais podem ser realizados para apoiar a causalidade? Ao responder a essa questão, o padrão é o critério proposto por Bradford Hill, que realizou o trabalho original sobre a fumaça do cigarro e o câncer de pulmão. Hill estava claro que não havia regras formais, mas sim ideias razoáveis ​​que derivam do bom senso e da experiência compartilhada. Existem várias discussões sobre as regras de Hill, e nem todas se aplicam a todos os casos, mas o mais importante é aquele que Hill considerou como o primeiro: a força da associação. O próprio trabalho de Hill sobre o câncer mostrou: "A taxa de mortalidade por câncer de pulmão em fumantes é de nove a dez vezes a taxa em não-fumantes e a taxa em fumantes pesados ​​é vinte a trinta vezes maior. Hill estava preocupado que até uma proporção de 2 para 1 para fumantes versus não-fumantes para incidência de doenças cardíacas fosse pouco confiável. É um artigo raro na literatura epidemiológica que chega perto de 2 para 1. As chances de 2 para 1 são geralmente mínimas em um estudo para introduzir dados epidemiológicos em evidências. A aceitação persistente de valores de baixo risco relativo na verdade deixa quase toda a epidemiologia nutricional aberta a questionamentos.

10. Às vezes, é mais fácil visualizar odds ratio convertendo-se em uma estimativa aproximada de probabilidades. Uma maneira simples de fazer isso é adicionar 1 à razão de chances e aceitar a recíproca. Por exemplo, se o odds ratio for 1,5, adicione 1 para obter 2,5 e o recíproco é 0,4, que é a menor chance; isto é, 1.5 é o mesmo que 60 a 40 - ou próximo do mesmo. Pergunte a si mesmo o quanto você mudaria seu estilo de vida para chances de 60 a 40.

11. Existe evidência de viés? Os juízos de valor são declarados como fato? "Saudável" e "baseado em evidências" são juízos de valor, e cabe ao leitor, não ao autor, decidir. Mesmo um desses pode transformar um artigo científico em um infomercial. No artigo de Rashmi Sinha, discutido abaixo, as categorias de carne vermelha são referidas como "dieta de carne de alto, médio e baixo risco". Obviamente, isso está tentando manipular os leitores. Isso não é kosher.

12. A ideia básica da maioria das recomendações aqui é ser crítico e cético em relação ao artigo que você está lendo. Há, no entanto, críticas que não são relevantes. Você deve assumir que os dados são relatados honestamente - a falsificação é muito séria e não pode ser considerada sem evidência clara. Você pode ser muito crítico em relação à análise dos autores, mas deve assumir que os dados são como eles dizem.

Um exemplo

Para demonstrar alguns dos 12 pontos, revisarei um estudo que discuti em Nutrition in Criss. Sinha et al. foi um dos vários estudos que afirmam ter constatado que o consumo de carne vermelha é um risco para câncer ou outros estados de doença, ou que, de fato, o alto consumo de carne vermelha aumenta a chance de morte por qualquer causa. Neste estudo, houve duas coortes de 322.263 homens e 223.390 mulheres. Os participantes receberam um questionário sobre seu estilo de vida e hábitos alimentares, e seu consumo de carne vermelha e carne branca foi determinado. Sinha et al. dividiram as coortes em cinco grupos (quintis), cada um de acordo com a quantidade de carne vermelha consumida, mantendo tantos outros parâmetros quanto possível constantes entre os quintis. (Diferentes estudos podem usar tercis, quartis, etc. O termo genérico é quantil.) Vamos analisar o risco de morte por câncer. Isso é suposto ser o grande risco com carne vermelha. Então, o que fez Sinha, et al. descobriu?

Primeiro, não há fotos. Um pouco desanimador. Existem várias tabelas que entorpecem a mente com muitos dados. Um trecho da Tabela 2 do documento é mostrado na Figura 1.

Figura 1: Razões de risco (HR) para mortalidade associada ao consumo de carne vermelha. Trecho da Tabela 2 de Sinha, et al..

Isso é desanimador. Muitos números e estatísticas. E quando você tenta obter a linha de fundo do resumo, que é suposto dar-lhe a linha de fundo, você obtém o seguinte (não tente ler isso):
Houve 47.976 mortes masculinas e 23.276 mortes femininas durante 10 anos de acompanhamento. Homens e mulheres no quintil mais alto vs mais baixo de carne vermelha (HR, 1,31 [95% CI, 1,27-1,35] e HR, 1,36 [IC 95%, 1,30-1,43], respectivamente) e carne processada (HR, 1,16 [95 IC%, 1,12-1,20] e HR, 1,25 [IC 95%, 1,20-1,31], respectivamente) tiveram riscos elevados para a mortalidade geral…
Isso é tão difícil de ler para os cientistas quanto para todo mundo. Não há obrigação de colocar todas as estatísticas no resumo; só dificulta a leitura. O princípio geral é que o estilo não é independente da substância. Nosso primeiro princípio acima foi que o primeiro objetivo ao escrever um artigo é ensinar.

Vamos tentar extrair os números de que precisamos, a saber, o risco - isto é, a probabilidade, que, mais uma vez, é o número de maneiras de obter um determinado resultado dividido por todos os resultados possíveis. Aqui, todos os resultados possíveis são o número n, em cada quintil. Estamos apenas olhando para os homens e havia 322.263 homens no estudo. Portanto, n para cada quintil é 322,263 / 5 = 64,453.

Agora, observando a Tabela 2, vemos 4.448 mortes por câncer no quinto trimestre (o grupo com o maior consumo de carne vermelha). Assim, a probabilidade de morte por câncer como um grande consumidor de carne vermelha é 4,448 / 64,453 = 0,069 ou 6,9%. Isso não parece ser um grande risco, mas é algo, e temos que compará-lo com o risco do grupo com baixo consumo de carne vermelha. Houve 2.136 mortes por câncer no primeiro trimestre (o grupo com o menor consumo de carne vermelha). Assim, a probabilidade de morte por câncer como um consumidor baixo de carne vermelha é de 2.136 / 64.453 = 0,033 ou 3,3%, o que é ainda menor. Podemos calcular de forma semelhante o risco para cada quintil, e podemos fazer a figura que queríamos ver:

Figura 2: Mortes por câncer (percentagem do quintil) em função do consumo de carne vermelha - os valores correspondem ao número do quintil da esquerda para a direita. Dados de Sinha, et al..

Isto é um pouco abaixo do esperado. O risco global no experimento é baixo, e um grande aumento (sete vezes) na carne vermelha nos dá apenas um aumento de 3,6% no risco. E quanto ao odds ratio? Bem, 6,9 / 3,3 = 2,1, o que, na verdade, estaria de acordo com o critério de Hill. No entanto, se você observar a Tabela 2, os autores mostram um HR (novamente, aproximadamente o mesmo que OR) de apenas 1,44 ou 1,22, dependendo de como os dados são tratados. O problema é que existem outros fatores que podem contribuir para as mortes por câncer. Os chamados fatores de confusão precisam ser corrigidos.

Confundidores

Sinha et al. ressaltam que dividir as pessoas pelo consumo de carne vermelha produz grupos que possuem outras diferenças. Os autores observam que "os indivíduos que consumiram mais carne vermelha tenderam a ser casados, mais propensos a etnia branca não hispânica, mais propensos a serem fumantes atuais, têm maior índice de massa corporal e maior ingestão diária de energia, gordura total, e gordura saturada, e eles tendem a ter níveis mais baixos de educação e atividade física e menor consumo de frutas, vegetais, fibras e suplementos vitamínicos "(ênfase minha). Eles então corrigem os dados para essas variáveis ​​e, em seu "modelo ajustado", o HR desce para 1,44. Este último parágrafo dispara todos os tipos de alarmes para o cientista que está lendo isso.

Acontece que os confundidores são simétricos; em outras palavras, se a carne vermelha é um risco e tem que ser corrigida para fumar, é a mesma coisa que dizer que fumar é um risco e tem que ser corrigido para carne vermelha. O que faz mais sentido? Você sabe que fumar é um risco; então é mais provável que o efeito primário seja o fumo, não a carne vermelha. E os erros são piores porque a suposição de corrigir os fatores de confusão é que existe uma relação linear: o efeito devido ao tabagismo mais o efeito da carne vermelha. Essa é uma grande suposição. Se a carne vermelha é um risco, esse risco pode ser modificado se você for um fumante - piora ou melhora (provavelmente não será melhor) - porque se houver algum risco na carne vermelha, os fumantes podem responder pior porque fumar tem um efeito global. De fato, todos os confundidores podem estar em relacionamentos não-lineares uns com os outros. E há alguns confundidores ausentes, como carboidratos. A maioria de nós pensa que a carne vermelha em um envoltório de alface pode ter efeitos diferentes do que Bife Wellington (bife de filé revestido com patê e duxelles, que é então envolto em massa folhada e assado).

Tudo isso estaria bem se estivéssemos realmente vendo um grande efeito, se fosse mesmo 2,1 para 1, como encontramos com os dados brutos. Mas o HR é apenas 1,44. O que isso significa? Se carne vermelha alta e carne vermelha baixa tivessem o mesmo risco, o RR seria 1,0; em outras palavras, chances de 50 a 50. Usando nossa calculadora rápida acima, 1,44 é o mesmo que 59 a 41. Mais uma vez, vamos realmente desistir de um bife para essas probabilidades?

Há outra coisa a ser entendida: isso é o que é chamado nas estatísticas "bicaudais". Isso significa que se o risco de comer carne vermelha cair, o risco de não comer carne vermelha aumenta. Para deixar isso claro, considere que nem todo mundo que fuma tem câncer de pulmão, e nem todo mundo que contrai câncer de pulmão é fumante, mas ninguém acha que fumar tem um risco menor para algumas pessoas. É só que alguns são menos suscetíveis. Estatísticas unilaterais são aplicáveis. A fumaça do cigarro é uma toxina. Você tem câncer de pulmão ou está imune ou ainda não o atingiu. Mas para carne vermelha na dieta, você não sabe antes de fazer o experimento. De fato, muitas pessoas, particularmente os idosos, provavelmente não consomem carne vermelha suficiente. Se a carne vermelha fosse um risco, também poderia ser que substituir a carne vermelha por outra poderia também ser um risco por algum motivo.

Finalmente, Sinha et al. trazem um ponto adicional. Temos suspeitas em experimentos dietéticos sobre se a variável independente é confiável e precisa. Um princípio não explicitamente considerado por Hill é que a avaliação de erros deve se aplicar à variável independente - nesse caso, o consumo de carne vermelha. Se houver um erro significativo na medição do consumo de carne vermelha, você teria que ter um RR muito forte para ser convencido de um efeito. De fato, "As correlações para o consumo de carne vermelha avaliadas pelo questionário de frequência alimentar comparadas com dois diários recordatórios de 24 horas foram 0,62 para homens e 0,70 para mulheres, como relatado anteriormente." Um erro de 30 a 38% poderia mover indivíduos de um quintil para o próximo.

Resumindo: Para ler a literatura médica, seja cético e confie no senso comum. O fardo está no autor para deixar as coisas claras e ensinar.

Fonte: http://bit.ly/2x18TjZ

Nenhum comentário:

Tecnologia do Blogger.