Korvaus, jota ei koskaan tapahtunut – tilastotemppu diabeteksen torjunnan nimissä

 

”Monien vuosien ajan mottonani on ollut eräs maksiimi, jonka alkuperän salaan oppineelta uteliaisuudelta: 

Increscunt animi, virescit volnere virtus.

Toisinaan toinenkin toipumiskeino, joka sopii vielä paremmin makuuni, on epäjumalien ristikuulustelu. Maailmassa on enemmän epäjumalia kuin realiteetteja: tämä muodostaa minun ’pahan silmäni’ tälle maailmalle, se on myös minun ’paha korvani’. Esittää kysymyksiä vasaralla tähän suuntaan ja kenties kuulla vastauksena tuon kuuluisan onton äänen, joka kertoo paisuneista sisälmyksistä – mikä ilo se onkaan sellaiselle, jolla on korvat jopa korviensa takana, vanhalle psykologille ja pillipiiparille kuten minulle, jonka läsnä ollessa juuri sen, joka haluaisi vaieta, on pakko paljastaa itsensä.”

-- Friedrich Nietzsche, Epäjumalten hämärä, eli, Miten vasaralla filosofoidaan (suomennos allekirjoittaneen)

Aiemmassa kirjoituksessani mainitsin British Journal of Nutrition -lehdessä julkaistun ”tutkimuksen”, jossa NHANES-aineistolla havaittiin kohonnut kerroinsuhde (odds ratio, OR) tyypin 2 diabetekselle korkean punaisen lihan kulutuksen yhteydessä. Siinä tehtiin myös korvausmallinnus (substitution modelin), mutta jätin sen silloin kokonaan mainitsematta. Nyt on aika kaivaa vasara esiin. 😎

Kirjoittajat väittävät, että yhden liha-annoksen päivittäinen korvaus kasvisproteiineilla (pähkinät, siemenet, palkokasvit, soija) olisi yhteydessä 9–14 % pienempiin oddseihin diabetekselle – riippuen siitä, korvattiinko kokonais-, prosessoitu vai prosessoimaton punainen liha.

Asiaan liittyy kuitenkin ”lievä” tekninen ongelma: kukaan osallistujista ei korvannut yhtikäs mitään yhtikäs millään. Kirjoittajat suorittivat tilastollisen “entä jos” -laskelman: entä jos joku olisi korvannut…?

Tuoreessa kritiikissä käydään läpi sata samanlaista korvausmallinnusta vuosilta 2018–2024. Tulokset ovat murskaavia: yli puolessa tutkimuksista käytettiin täysin validoimattomia muuttujia, korrelaatiot vertailumenetelmiin olivat heikkoja ja poikkeamat jopa satoja prosentteja. Kirjoittajat toteavat suoraan, että muistipohjaiset menetelmät (FFQ, 24h-recall) on suunniteltu rankingiin, eivät absoluuttisten määrien tarkkaan mittaamiseen – jota korvausmallinnus juuri vaatiisi.

Tämä ei ole pikkuseikka. Koko kenttä on vuosikymmeniä rakentanut ravitsemussuosituksia tällaisille hypoteettisille laskelmille. Aika on kypsä perustavanlaatuisille metodologisille parannuksille. Tämä "ravitsemusastrologia" ei voi loputtomiin esiintyä tieteenä.

Anssi H. Manninen (aka ”Kant II”)

PS. Kirjoitin muuten aiheesta Kalevaan jo vuonna 2018. Toisin kuin mussuttajat väittivät, olin luonnollisesti oikeassa. 😎