Miksi muistiin perustuva ravitsemusepidemiologia ei tuota tietoa – Osa 2: Luotettavan prosessin vaatimus tarkemmin purettuna

 

(Pieni terminologinen tarkennus: edellisessä osassa käytin ilmaisua ”perusteltu tosi uskomus”, mutta suomenkielisessä filosofisessa kirjallisuudessa vakiintunut termi on ”oikeutettu tosi uskomus”. Käytän tästä eteenpäin jälkimmäistä.)

Edellisessä kirjoituksessani esitin lyhyen epistemiologisen analyysin siitä, miksi perinteinen muistiin perustuva ravitsemusepidemiologia ei täytä tiedon kriteeriä. Kävin läpi tiedon klassisen määritelmän (oikeutettu tosi uskomus), Gettierin ongelman ja nykyisin laajimmin hyväksytyn korjauksen: tieto on uskomus, joka on tuotettu luotettavalla kognitiivisella tai menetelmällisellä prosessilla ja joka on tosi. Päädyin siihen, että itse raportoidut ruokavalioarviot (FFQ, 24 h recall jne.) ovat niin systemaattisesti virheellisiä, että niillä tuotetut uskomukset eivät ole tietoa – vaikka ne sattumalta olisivatkin tosia.

Nyt pureudumme syvemmin siihen, mitä ”luotettava prosessi” käytännössä tarkoittaa, miksi se on ehdoton vaatimus tiedolle ja miten se eroaa pelkästä oikeutetusta uskomuksesta. Samalla laajennan analyysia hieman yli pelkän ravitsemusepidemiologian, jotta lukija näkee periaatteen yleisen voiman.

Miksi pelkkä oikeutus ei riitä – luotettavuus korvaa sen

Gettierin esimerkeissä uskomus oli täydellisesti oikeutettu kaikella saatavilla olevalla näytöllä, mutta silti sattuma teki totuudesta pelkkää tuuria. Filosofit huomasivat, että oikeutuksen ja totuuden välillä pitää olla vahvempi yhteys kuin pelkkä looginen pätevyys. Ratkaisuksi kehittyi reliabilismi: prosessi, joka tuottaa uskomuksen, on oltava sellainen, joka maailman nykytilassa tuottaa valtaosan ajasta oikeita uskomuksia.

Yksinkertaistettuna:

- Jos menetelmäsi osuu oikeaan 95–99 % tapauksista (riippuen kontekstista), sillä tuotettu tosi uskomus on tietoa.

- Jos se osuu oikeaan vain 50 % tapauksista – tai virhe on systemaattista – sillä tuotettu uskomus on korkeintaan onnekas arvaus, ei tietoa.

Vertaa kahta tilannetta:

a) Heität kolikkoa ja arvaat kruunun. Sattumalta tulee kruunu. ⇒ Et tiennyt, että tulee kruunu.

b) Katsot sääennustetta, joka osuu oikeaan 98 % ajasta, ja uskot että huomenna sataa. Sattuu satamaan. ⇒ Tiedät, että huomenna sataa.

Ero on prosessin luotettavuudessa.

Mitä luotettavuus tarkoittaa mittaamisessa?

Kun mittaamme jotain maailmasta (esim. henkilön ravintoainesaantia), meillä on kaksi pääasiallista virhelähdettä:

1. Satunnaisvirhe: menee välillä yli, välillä ali, mutta keskimäärin osuu oikeaan.

2. Systemaattinen virhe: menee lähes aina samaan suuntaan.

Satunnaisvirhe on epämiellyttävää, mutta se ei täysin estä tiedon tuottamista: isossa aineistossa se keskiarvoistuu, ja voimme laskea luottamusvälit. Systemaattinen virhe sen sijaan on kohtalokas, koska se vääristää tuloksen ennakoitavasti. Jos mittarisi näyttää aina 30 % liian vähän, et saa koskaan oikeaa lukemaa – vaikka mittari olisi muutoin kuinka tarkka tahansa.

Muistiin perustuvat ruokavaliomenetelmät eivät kärsi pelkästä satunnaisvirheestä. Ne kärsivät massiivisesta, ennakoitavasta ja fysiologisesti mahdottomia tuloksia tuottavasta systemaattisesta virheestä. Se on kuin punnitsisit vaa'alla, joka on kalibroitu väärin ja näyttää aina 400 g vähemmän – et voi korjata sitä tilastollisilla tempuilla.

Esimerkkejä muilta aloilta – periaate on sama

- Kliininen kemia: Jos veren glukoosimittari antaa systemaattisesti 25 % liian alhaisia lukemia, kukaan ei kutsu sillä saatuja arvoja ”tiedoksi” potilaan glukoositasosta, vaikka joku yksittäinen mittaus sattuisikin osumaan oikein.

- Taloustiede: Jos kysyt kadulla satunnaisilta ihmisiltä heidän vuositulojaan ja 40 % vastaajista keksii luvut päästään tai valehtelee järjestelmällisesti ylöspäin, et kutsu tulosta ”tiedoksi keskitulosta”.

- Psykologia: Jos käytät kyselyä, joka mittaa masennusta mutta 60 % vastaajista vastaa sosiaalisesti toivotulla tavalla, et kutsu tulosta ”tiedoksi masennuksen esiintyvyydestä”.

Kaikissa näissä tapauksissa tutkijat eivät sano ”no tämä nyt on vain epätarkkaa dataa, mutta tilastollisesti merkitsevä tulos on silti jotenkin totta”. He sanovat rehellisesti: menetelmä ei ole validi.

Entä kun kalibroimme biomarkkereilla?

Eräät tutkijat yrittävät pelastaa muistiin perustuvat menetelmät kalibroimalla niitä kalliilla objektiivisilla mittareilla (kuten tuplamerkityllä vedellä, DLW). Tämä on periaatteessa järkevää, mutta käytännössä lähes mahdotonta laajassa epidemiologiassa:

- DLW-mittaus maksaa tuhansia euroja per henkilö – sitä ei voi siis tehdä kymmenilletuhansille.

- Kalibrointiyhtälöt tehdään pienissä ryhmissä (usein 50–300 henkeä), joissa virhe on pienempi kuin isoissa väestötutkimuksissa.

- Kalibrointi korjaa vain osan vinoumasta; sosiaalisen hyväksyttävyyden harhaa ja muistivirheitä ei voida täysin korjata.

Kalibroitu FFQ on hieman parempi kuin kalibroimaton, mutta se on edelleen kaukana luotettavasta prosessista. Se on kuin korjaisit rikkinäistä vaakaa lisäämällä siihen +400 g – joskus osut lähelle, mutta et koskaan tiedä milloin.

Mikä sitten on ravitsemustieteessä tietoa?

Tietoa syntyy prosesseista, jotka ovat osoitetusti luotettavia:

- Metabolisessa kammiossa suoritetut tutkimukset (esim. energiankulutus)

- Biomarkkerit, jotka mittaavat suoraan fysiologista tilaa (esim. virtsan typpi proteiinille, DLW energialle, punasolujen rasvahappokoostumus ravintorasvoille).

- Satunnaistetut kontrolloidut kokeet (RCT), joissa ruoka-annokset punnitaan ja tarjotaan tutkittaville tai ainakin valvotaan hyvin tiukasti.

- Genetiikka (mendelistinen satunnaistuminen) yhdistettynä objektiivisiin lopputulosmuuttujiin.

Nämä menetelmät eivät tietenkään ole täydellisiä, mutta niiden virhe on pääosin satunnaista ja pienempää, ja ne voidaan validoida. Niillä tuotetut tosi uskomukset ovat tietoa.

Lopputulema – tiedettä vai tarinankerrontaa?

Kun ravitsemusepidemiologinen tutkimus perustuu prosessiin, joka systemaattisesti aliraportoi energiansaantia n. 20–50 %, tuottaa fysiologisesti mahdottomia arvoja kymmenille tuhansille osallistujille ja jonka korrelaatio objektiivisiin mittareihin lähentelee nollaa, se ei tuota tietoa ravitsemuksesta.

Se tuottaa tilastollisia assosiaatioita, jotka voivat olla kiinnostavia hypoteeseja tai sattumia – mutta eivät tietoa. Ja koska tiede on nimenomaan tiedon tuottamista, kyse ei ole vain epätarkkuudesta vaan koko tutkimusohjelman epäpätevyydestä mittareiden systemaattisen epäluotettavuuden vuoksi.

Anssi H. Manninen (aka ”Kant II”)