Studiedesign spelar roll
Visste du att man kan bevisa nästan vad som helst beroende på hur man designar en studie? Ett exempel på det är fenomenet med att studier kan visa på både viktökande och icke-viktökande effekter av sockerläsk. En vanlig skillnad som har avgörande betydelse för utfallet är vad man kontrollerar för i studien.
I studie 1 där deltagarna inte går upp i vikt, har man kontrollerat för energiintag i form av kcal. Det betyder att dessa människor inte konsumerar mer energi än tidigare. Man har alltså kontrollerat deras intag av energi och räknat på att deras totala intag inte överstiger vad de förbrukar.
Äter man inte mer kcal än vad man förbrukar uteblir också viktökningen, men hur pass väl speglar en sådan situation det verkliga livet? Om du dricker en läsk, tänker du samtidigt på att du ska äta mindre?
I studie 2 såg man viktökning hos dem som dricker sockersötad läsk, men där har man inte kontrollerat för energiintag. Vi vet att flytande kcal mättar dåligt och när mättnadseffekterna är låga blir det lätt att man äter mer, och viktökningen blir ett faktum.
Situationen i studie 2 är troligen mer lik den situation vi möter i det dagliga livet, men betyder det att studie 1 är helt bortkastad? Jag skulle säga att den ändå har värde då vi får reda på att socker, i alla fall inte på kort sikt, hämmar förbränningen. Istället verkar det vara den låga mättnaden från läsk som är en faktor bakom viktökningen.
Det är alltså inte alltid lätt att tolka studier och därför är det bra om experter på området kan problematisera och kritiskt granska studierna.
Det finns ingen perfekt studie
Det finns många olika typer av studier. I kostsammanhang pratar man ofta om observationsstudier och interventionsstudier. En observationsstudie är precis som det låter: Man observerar deltagarna i studien och följer hur deras beteenden påverka olika hälsoparametrar.
Här ingår bland annat kohortstudier, cross-sectional studier och fall-kontroll (case-control) studier. En kohortstudie tittar på samband mellan olika riskfaktorer och en sjukdom där man följer människor över lång tid. Om vi tar rökning och lungcancer till exempel. Då utgår vi från en grupp som röker och en grupp som inte röker och följer vi dem under lång tid. I slutet av studien tittar man på hur vanligt det är med lungcancer i gruppen av rökare jämfört med gruppen icke-rökare. Därefter kan vi uppskatta hur stor risken är att få lungcancer om man röker jämfört med om man inte röker.
I en fall-kontroll studie gör man tvärt om, man tittar på en grupp som har lungcancer och en kontrollgrupp som inte har lungcancer. Därefter undersöker man bakåt i tiden hur många av de som hade lungcancer rökte jämfört med hur många som inte fick lungcancer trots att de hade rökt.
En cross-sectional studie är en vetenskaplig studie som utförs vid endast ett tillfälle. Här kan man till exempel titta på, hur många har lungcancer. Det är dock svårare att fastställa orsak och samband med dessa studier.
Fördelarna med dessa studier är att de är relativt billiga att göra då man kan följa människor under lång tid. En annan fördel är att de inte stör deltagarnas naturliga beteenden i så stor utsträckning, vilket innebär att de ur denna aspekt lättare kan spegla det verkliga livet.
Om vi ska göra en kohortstudie för att undersöka hur troligt det är att rött kött ger tarmcancer börjar vi med utkristallisera en stor grupp som äter rött kött och en stor kontrollgrupp som inte äter rött kött. Sedan följer man dem under flera år och undersöker hur många som fick tarmcancer i gruppen av de som åt rött kött jämfört med de som inte åt rött kött.
Men av detta kan man fortfarande inte dra några säkra slutsatser kring eventuella cancereffekter från rött kött. Problemet är att intaget av rött kött kanske inte var det enda som skiljde sig mellan grupperna. De som inte åt rött kött kanske åt mer grönsaker? Eller finns andra skillnader mellan grupperna? Detta försöker man oftast kontrollera och justera i studier av bra kvalitet, men det är omöjligt att kontrollera för alla faktorer som kan skilja sig mellan grupperna. Dessutom kan det finnas faktorer som man inte ens känner till och då är det förstås omöjligt att ta hänsyn till dessa.
Det finns även flera typer av interventionsstudier och en av dessa typer är Randomiserad kontrollstudie (Randomized control study, RCT). I dessa studier delar man slumpmässigt in deltagarna i olika grupper. I vissa grupper studerar man effekten av det man är intresserad av (interventionen) och vissa grupper fungerar som kontroller. Det här tillvägagångsättet är bra för att titta på om något orsakar en sjukdom eller utgör en riskfaktor, men det är fortfarande ingen perfekt metod.
Man kan till exempel ofta bara göra korta studier av hög kvalitet eftersom de är dyra och vi vet att många sjukdomar tar många år på sig att utvecklas. Det är också svårt att göra studier på mat och kostvanor eftersom man måste ersätta det man tagit bort med något annat. Om man inte ersätter med annan mat skulle annars kalorimängden skilja sig mellan grupperna och då mäter man helt plötsligt hur skillnader i energiintaget påverkar resultatet.
Om vi till exempel ger en grupp rött kött, vad ska vi då använda till kontrollgruppen? Om vi ger kontrollgruppen fisk i stället, hur vet vi då att det är rött kött som är negativt och att det inte är fisken som är positivt?
Vi kanske inte ska lägga in för stora växlar på enskilda studier utan i stället titta på vad den totala evidensen säger. Den totala evidensen är när man skapar en helhetsbild av nuläget genom att titta på all forskning i frågan.
Det är skillnad på korrelation och orsak
I många studier pratar man om korrelation. Exempelvis att X korrelerar med bröstcancer eller att Y korrelerar med risken för fetma. Då tänker många automatiskt att korrelation är detsamma som kausalitet. Korrelation betyder att något samvarierar med något annat. Kausalitet betyder att man verkligen kan bevisa att något ökar risken för ohälsa. Korrelation är dock inte samma sak som orsak, utan snarare ett samband. Detta kan kanske bidra till sjukdomen, men detta är inte självklart. Jag skulle tillexempel kunna säga att glassförsäljning korrelerar med drunkningsolyckor.
Men glassförsäljning orsakar inte ökningen i drunkningsolyckor. Däremot har de båda något gemensamt. Glassförsäljning ökar när det är varmt ute och fler badar när det är varmt ute. Att fler badar kanske ökar risken för drunkningsolyckor och inte själva försäljande av glass? Så nästa gång du ser korrelation, tänk samband – inte orsak.
Medias tolkning stämmer inte alltid
Som vi har sett är det inte helt lätt att tolka vetenskapliga studier och artiklar. Man måste oftast vara mycket kunnig inom ämnet för att förstå och kunna utvärdera dessa.
Även om det finns många kunniga människor inom dagspressen görs tolkningar alldeles för ofta för lättvindigt. Många skriver om forskning inom kost utan att veta på djupet hur man utvärderar forskningen eller hur kroppen fungerar.
Detta kan leda till feltolkningar som skapar de mest märkliga rubriker. Som läsare får man därför ofta uppfattningen att forskarna ändrar åsikt mycket oftare än vad de faktiskt gör.
Forskning går framåt och att den ändras är positivt
Forskningen går framåt och vi lär oss mer och mer varje dag. Ibland resulterar det i att vi ändrar uppfattning inom ett område.
Helst skulle man förstås vilja veta sanningen redan från början, men att ändra sig är ibland en nödvändighet. Vi kan bara ge råd baserat på vad vi vet nu och när vi vet mer kanske vi ändrar oss. Hur skulle det se ut om vi höll fast vid gamla råd fast ny kunskap tillkommit?
Vi kanske för stunden har ganska mycket bevis på att ett ämne inte är bra för oss och då måste vi ge råd utifrån detta. Det betyder inte alltid att vi till 100% VET att det är just det ämnet som är dåligt, men de rön som i dagsläget finns tyder på det. Om vi senare lär oss att det finns andra förklaringar måste vi ändra råden, annars baserar vi inte dessa på evidens.
Ägg är ett bra exempel. För 30 år sedan rekommenderades vi att inte äta ägg på grund av dess höga innehåll av kolesterol. Många studier visade att höga kolesterolvärden i blodet var en riskfaktor för hjärtsjukdomar. Utifrån det gav man rådet att man skulle undvika mat som innehöll mycket kolesterol. Beslutet var alltså baserat på den evidens vi hade då.
Sen dess har forskning gått framåt och man har upptäckt att kolesterolrika livsmedel oftast inte höjer kolesterolnivåerna i blodet hos friska individer. Detta kanske också en dosfråga? Tio ägg om dagen kanske har en annan effekt än två ägg? Man måste också titta på vilka mängder man använt i studier och ställa sig frågan om dessa är rimliga i verkliga livet?
Idag har vi ändrat råden kring ägg eftersom flertal studier visat att människor som konsumerat ägg inte har större risk för hjärtsjukdom.1 Så råden vi har nu är baserat på vad vi vet idag, inte för 30 år sedan, tack och lov.
Men vi ändrar inte råden på grund av EN studie – det krävs mycket forskning för att råden ska ändras. Näringsrekommendationer är alltså inte samma sak som en rubrik i en kvällstidning.
Betyder detta att jag inte kan lita på forskningen?
Som du säkert förstått är ingenting perfekt, men betyder det att vi inte kan lita på studier? Nej, det är inte så jag menar. En studie inte är perfekt, MEN om vi tittar på den totala forskningen inom ett område har studierna olika styrkor och svagheter.
Det betyder att om mängden av forskningen säger något, så är det troligtvis så, men det finns också förklaringar till varför inte ALLA studier säger lika. Och vad är alternativet? Att lyssna på grannen som säger att ”juicecleansning” förändrade hens liv och att alla borde göra det för att denne mår SÅÅÅÅ mycket bättre av det?
Forskningen säger att din lever oftast är rätt duktig på att ”cleansa” gifter helt på egen hand Jag har dock inte sett studier på att juice kan göra det. Vet en granne mer om detta än människor som objektivt tittar på om det fungerar eller inte? För du har ju fler grannar, kollegor och vänner och oftast skiljer deras åsikter sig mer än forskarnas. Och hur bra är grannens studiedesign egentligen?
Till sist så vill jag avsluta med att säga att både en kiropraktor och en ortoped kan kalla sig Doktor på Instagram, men det betyder inte att dom vet vad de pratar om när det kommer till nutritionsforskning.
Så kolla upp utbildning och bakgrund på dem du följer och lyssnar på. Var kritisk och följer du vettiga evidensbaserade människor är de ofta duktiga på att göra forskningen förståeligt för dig om du själv inte är en expert.
