Исследования систем питания

Исследования систем питания

Пожалуйста, ешьте сухие завтраки с отрубями и высоким содержанием клетчатки, если вам нравится — просто не рассчитывайте на то, что они помогут вам избежать рака.

Наука разработала подробную методику, с помощью которой теоретически можно определить, способствует ли определенный продукт развитию (или предотвращению) определенного заболевания. Однако на практике этот научный процесс иногда дает сбои, в основном потому, что этот раздел науки — известный как эпидемиология питания — является смесью физиологии человека и социологии, а обе эти науки невероятно сложны и трудно проверяются экспериментально.

Первый шаг в научном исследовании системы питания — формирование гипотезы – утверждения о связи между измеримыми количествами, достоверность которых можно подтвердить или, что более важно, опровергнуть экспериментально. Гипотеза Беркитта, например, звучала так: "Диета с высоким содержанием клетчатки снижает риск заболевания раком толстой кишки".

Эпидемиологи тестируют свои гипотезы несколькими способами. Самым точным считается проспективное рандомизированное направленное клиническое исследование. Однако Беркитт был хирургом, а не эпидемиологом, и его энтузиазм по отношению к диете с высоким содержанием клетчатки был основан на бессистемных результатах экологического исследования. Через много лет, после того, как его идея обрела популярность, масштабные рандомизированные направленные клинические исследования доказали несостоятельность этой гипотезы. К сожалению,...

я доказали несостоятельность этой гипотезы. К сожалению, такова типичная судьба заявлений о питании и здоровье.

Первое препятствие, обычно возникающее на пути новой гипотезы о здоровом питании – это мелкомасштабное исследование. Относительно дешевые, быстрые и простые в проведении, мелкомасштабные исследования полезны при выборе систем питания, которые стоят того, чтобы исследовать их более тщательно.

Однако такие исследования обычно не решают научных вопросов, так как страдают от различных ошибок и предубеждений, подрывающих надежность результатов. Систематическая ошибка отбора часто встречается в опросах общественного мнения — она отражает тот факт, что когда бы ни выбиралась группа, призванная представлять более крупную группу или все человечество, простое совпадение может заставить вас дать неправильный ответ.

Есть несколько разновидностей ошибок. Ошибка памяти часто возникает в исследованиях продуктов питания, когда исследователи просят испытуемых вспомнить, как часто они употребляли определенные продукты за прошедшие несколько месяцев, или вести дневник питания. В любом случае люди могут подсознательно подавлять воспоминания, касающиеся определенных продуктов, и преувеличивать свое употребление других. Проспективные клинические исследования, изменяющие или контролирующие питание испытуемых, могут избавиться от ошибки памяти, но эти случаи относительно редки.

Ошибка наблюдения происходит, когда сам факт исследования меняет поведение испытуемого. Например, исследования, вмешивающиеся в процесс потери веса, часто переоценивают преимущества тестируемой диеты, потому что испытуемые соблюдают ее только до тех пор, пока ученые отслеживают изменение их состояния. Как только исследование заканчивается, испытуемые обычно бросают диету и набирают свой прежний вес.

Другая форма ошибки наблюдения происходит, когда исследователи по-разному относятся к пациентам интервенционной группы и пациентам, принимающим в ходе эксперимента плацебо. При двойном слепом исследовании — когда ни врач, ни пациент не знает, кто принадлежит к интервенционной группе — существенно снижается риск этой ошибки. Однако такие исследования трудно проводить при изучении продуктов питания.

Ошибка выборки влияет почти на каждое исследование питания, потому что невероятно трудно собрать группу испытуемых, которая бы точно представляла распределение факторов в общем составе населения. Почти всегда в одной группе исследования окажется, например, больше мужчин, или меньше афроамериканцев, или больше высоких, чем в другой. В результате редко бывает возможно узнать, будут ли результаты исследования применимы к другим группам. Случайное распределение испытуемых в исследовании по группам помогает снизить ошибку выборки. Однако случайное распределение не может превзойти ограничения исследований, в которых испытуемыми являются только мужчины (как в некоторых исследованиях), или только женщины-медсестры (например, в Исследовании здоровья медицинских сестер).

Иногда встречаются и более коварные ошибки выборки, когда исследователи сознательно стараются исказить результаты. Доктор Ансел Киз, первым исследовавших связь между употреблением жиров и болезнями сердца, был обвинен другими учеными в намеренной ошибке выборки.

Даже если исследование достаточно масштабно, чтобы снизить систематическую ошибку отбора, и достаточно добросовестное, чтобы избежать других существенных ошибок, искажающие факторы могут привести к получению ложных результатов. Смешение происходит, когда две не связанных между собой характеристики, например, седые волосы и рак толстой кишки, кажутся сильно связанными, потому что обе вызваны одним и тем же причинным фактором (в данном случае возрастом).

После того, как исследование завершено и его результаты опубликованы, в игру вступает ошибка публикации. Недавние исследования показали, что клинические испытания с положительными результатами чаще публикуют в научных журналах, чем исследования, опровергающие эффективность разработки. Это означает, что отрицательные результаты часто остаются неизвестными.

Представьте, что было бы, если бы ваша местная газета публиковала бы только хорошие новости, а сообщения об убийствах, грабежах и нападениях в ней никогда бы не появлялись. Вы бы думали, что ваша полиция эффективна на все 100 %. Ошибка публикации подобным образом лишает врачей и их пациентов релевантных фактов о влиянии рассматриваемых ими типов лечения и систем питания на риск заболевания.

Когда ученые сравнивают риск, выявленный у различных групп исследования, они часто пользуются такими терминами, как степень опасности, соотношение шансов и относительный риск. Эти показатели интерпретируются примерно одинаково: а именно, они показывают риск заболевания в интервенционной группе по сравнению с контрольной. Степень опасности, равная примерно 1,0, говорит нам о том, что разница между интервенционной и контрольной группой почти отсутствует: вмешательство не помогло.

Например, в исследовании Инициативы по охране здоровья женщин испытуемые, соблюдавшие диету с низким содержанием жиров и высоким содержанием клетчатки, не намного чаще заболевали раком толстой и прямой кишок, чем женщины, питавшиеся обычно. Степень опасности составляла 1,08: группа, придерживавшаяся диеты с низким содержанием жиров и употреблявшая большое количество фруктов и злаков, на 8 % чаще болела раком.

Сильные статистические ассоциации — например, наблюдение о том, что курильщики примерно в 10 раз чаще страдают от рака легких, чем некурящие — может убедительно связать подобное поведение с болезнью, даже если ученые не уверены в том, как точно работают причинно-следственные механизмы. Однако в эпидемиологии пищи связь между питанием и здоровьем обычно гораздо слабее — ближе к 10 %, чем к 1000 % — поэтому связи менее четкие

Результаты исследований показывают, что клетчатка может снизить риск заболевания раком на 10 %, повысить его на 29 % или повлиять на любое значение в этих пределах.

Доверительный интервал в 95 % означает, что теоретически, если провести исследование 100 раз, то 95 из них результат будет попадать в этот диапазон, а пять раз — оказываться вне его. Как правило, если доверительный интервал включает 1,0, то лучше всего интерпретировать результат как незначительное различие риска заболевания у двух групп.

К сожалению, этот важный момент часто упускают в сообщениях о медицинских исследованиях в средствах массовой информации. Статистику так сложно использовать и интерпретировать, что даже сами врачи часто неправильно понимают клинические проявления (или их отсутствие) в опубликованном исследовании. В своей важной, но противоречивой работе "Почему большинство результатов исследований неверны", опубликованной в 2005 году, эпидемиолог Джон Иоаннидис из Медицинской школы Университета Тафтса представил математическое доказательство того, что статистические и экспериментальные методы, часто используемые в эпидемиологических исследованиях, приводят к ложным результатам. Иоаннидис пришел к заключению, что, несмотря на использование статистических испытаний — например, доверительного интервала в 95 % — более половины исследований могут давать неверные результаты в силу трудноуловимых недостатков их статистических подходов. "Во многих современных отраслях науки", пишет он, "заявляемые результаты исследований часто могут оказаться просто более точными измерениями преобладающих предубеждений" исследователей.

Даже если эта точка зрения слишком пессимистична, любой эпидемиолог согласится, что очень трудно собрать убедительные свидетельства в поддержку системы питания. Нужны очень большие длительные рандомизированные направленные клинические испытания, а по их завершении — тщательный статистический анализ результатов, который вынесет за скобки все потенциально искажающие факторы. Этот процесс лучше всего работает с критическими результатами, такими, как связь курения с раком легких, которые невозможно правдоподобно объяснить искажающими факторами. Точные цифры различаются в зависимости от пола и возраста, но в среднем курильщики в 10 раз (1000 %) чаще подвержены раку легких, чем некурящие.

Недостаток витаминов приводит к таким же ярким результатам, они были окончательно установлены уже давно. Но наука к настоящему времени уже обнаружила большую часть таких ярких эффектов. Неизвестной по-прежнему остается связь между диетой и хроническими болезнями с более запутанными паутинами способствующих факторов риска и намного более тонкими эффектами. В исследованиях, имеющих целью вскрыть причинно-следственные связи между этими факторами, требуется намного большее количество испытуемых.

Сколько нужно испытуемых для уверенности в том, что результаты исследования не подвержены влиянию случайности или ошибке? Чтобы оценить нужный размер группы, ученые должны учесть частоту случаев исследуемого заболевания и количество новых случаев, длительность исследования, степень уступчивости добровольцев, значительность мифов и искажающих факторов, количество исследуемых переменных и миллионы других факторов, влияющих на статистическую мощность исследования. Не существует простых эмпирических методов, и более того, чем реже встречается заболевание, тем меньше эффект, которого вы будете ждать, и тем более масштабное исследование вам потребуется.

Чтобы достичь необходимой статистической мощности, для исследования факторов риска в питании даже для таких относительно часто встречающихся заболеваний, как болезни сердца, требуется крупномасштабное исследование, которое может стоить до 250 миллионов долларов. Именно поэтому в эпидемиологии питания так мало экспериментальных свидетельств. Чтобы решить проблемы стоимости и сложности проведения такого большого исследования, ученые часто берут данные множества различных исследований и при помощи метода мета-анализа делают выводы, приблизительно соответствующие одному большому исследованию. Этот подход не настолько надежен, как одно большое грамотно разработанное рандомизированное исследование. Но иногда его результаты — лучшее, что доступно науке.

Еще статьи