Zabíjí nás červené maso?

Red meat

„Největším nepřítelem pravdy často není lež – úmyslná, účelná a neupřímná – ale mýtus – vytrvalý, přesvědčivý a nerealistický. Příliš často se pevně držíme stereotypů našich předchůdců. Podmiňujeme všechna fakta předhotoveným interpretacím. Užíváme si pohodlí názoru bez nepohodlí myšlení.

- John F. Kennedy, Yale University, 11.6.1962

Bohužel, tento citát je až příliš adekvátní pro oblast nutričních věd.

Tento článek se bude týkat Zbraní Hromadného Ničení Věd: observační epidemiologie, aspoň co se nutričních věd týče. Jak s tím souvisí červené maso se dozvíte v druhé části článku.

Buďte myslitelé, ne následovníci. Nebuďte bezmyšlenkovití následovníci ani mých myšlenek. Mít kritické myšlení neznamená zatratit každou myšlenku jen aby člověk byl samoúčelně proti. Znamená to zpochybňovat každou myšlenku. Vždy mějte na paměti že daná konkrétní informace nemusí být správná.

Příliš často přijímáme pěkné příběhy protože se díky nim cítíme dobře, ale neptáme se ty těžké otázky. Zlepšilo se ti zdraví na veganské dietě? Super! Žádná zvířata kvůli tobě nezemřela. Ale proč si myslíš že se ti zlepšilo zdraví na této stravě? Je to proto že jsi přestal jíst zvířecí produkty? Možná. Co jiného jsi přestal jíst? Jak na to můžeme přijít? Pokud se nezeptáme tyto otázky, zůstanou nám chybná spojení mezi příčinou a následkem. Je to základní předpoklad chybné vědy.

Podívejme se na vědeckou metodu výzkumu:

Experiment
Schéma mluví za sebe, podívejme se tedy na část kde nutriční vědy dělají největší chyby: „Provedeme experiment“. Máme dostatek pozorování, otázek i hypotéz ve světě výživy, tam si vedeme dobře. Ale na tom experimentu zaostáváme. Bez provedení kontrolovaného experimentu není možné rozlišit vztah mezi příčinou a následkem.

Co je experiment?

Je několik typů experimentů přičemž všechny nejsou stejně efektivní při vyhodnocování příčiny a následku. Například klimatologové a socioekonomové provádí tzv. přirozené experimenty. Proč? Protože v „laboratoři“, ve které studují, nemůže být dostatečně ovlivňována a kontrolována. Pokud chtějí například zjistit jestli je pro děti nebezpečnější bazén nebo střelná zbraň v domě (tj. „Je vyšší pravděpodobnost že se dítě utopí u domu v bazénu nebo že zemře kvůli v domě držené střelné zbrani?“), sociologové se můžou pouze dívat na historická, čili observační data.

Jak bychom navrhli takový experiment? V „ideálním“ světě bychom našli řekněme 100 000 rodin a rozdělili je do dvou skupin, skupina 1 a skupina 2. Obě skupiny by byly statisticky identické ve všech ohledech. Díky velikosti vzorku by se jakékoliv rozdíly vyrušily (socioekonomický status, počet dětí, styl rodičovství, geografické umístění atd.). Skupina 1 (tj. 50 000 rodin) by měla na zahradě bazén, druhá skupina by měla v domě střelnou zbraň.

Během, řekněme, pěti let by vědci pozorovali rozdíly mezi úmrtí dětí z těchto dvou příčin (utopení vs. střelná zranění). Při vyhodnocení by v ideálním případě vědci věděli, zda je pro děti riskantnější bazén, či střelná zbraň.

Naneštěstí tyto a podobné otázky nemohou být studovány v kontrolovaném prostředí. Tyto studie jsou nepraktické nebo docela nemožné.

Podobně, abychom mohli pečlivě studovat hypotézu globálního oteplování v důsledku člověkem produkovaného CO2, potřebovali bychom celou další planetu se stejným počtem lidí, krav, oceánů a koťátek kde se nespalovaly 50 let fosilní paliva. Jelikož se ale toto nestane, lidé provádějící přirozené experimenty dělají co můžou, aby statisticky zmanipulovali data, oddělili jednotlivé faktory, a zjistili, co je příčina, a co následek.

Zde přichází svatý grál experimentů: kontrolovaný experiment. V kontrolovaném experimentu, jak název napovídá, mají vědci kontrolu nad všemi proměnnými ve všech skupinách (většinou skupinou „kontrolní“ a „experimentální“). Ovlivňuje se jen jedna proměnná v jeden moment. I když je experiment dobře navržený, pokud změní příliš mnoho proměnných, nebude možné vyvodit důležité pojítko příčiny a následku. Podívejme se na imaginární příklad:

Představte si klinický experiment s pacienty s rakovinou střeva. Do jedné skupiny jsou náhodně vybráni pacienti kteří nebudou nijak léčeni (kontrolní skupina). Druhá náhodně vybraná skupina (experimentální skupina) dostane koktejl 14 různých chemoterapeutických léků, ozařování, denně zmrzlinu, operaci, léčbu hypnózou, masáže a denní návštěvy koťátek. Po roce bude mít experimentální skupina víc přeživších než kontrolní skupina, a proto víme že léčba zabrala. Ale víme co PŘESNĚ vedlo ke zlepšení stavu? Co když závěr studie bude že se pacienti zlepšili díky 3., 7. a 8. léku, masážím a koťátkům? Takový závěr je chybný a zavádějící, protože to z charakteru výsledných dat nelze vyvodit.
Jediným způsobem, jak zjistit, jestli léčba funguje, je oddělit ji od všech ostatních proměnných.

Jak vidíte, ani kontrolovaný experiment nestačí, pokud nenastavíte správně podmínky. Technicky vzato, experiment výše není špatně, pokud ho někdo, například vědec vypovídající o experimentu pro média, nevyloží špatně. Pokud New York Times a CNN bude hlásat následující: Nová studie dokazuje že koťátka léčí rakovinu!, bude to přesné? Ani zdaleka. Naneštěstí, většina lidí nikdy nečte původní studii, aby pochopila, že tento senzační nadpisek je docela špatně. Jistě, v návaznosti na tuto studii je možné prohlásit, že koťátka „by mohla“ léčit rakovinu. Ale vědci navrhující tuto hypotetickou studii vyplýtvali hodně času a peněz, pokud skutečně chtěli dokázat že koťátka léčí rakovinu. Tato studie přinejlepším zopakovala hypotézu. Níc víc. Jinak řečeno, tento experiment neřekl nic jiného než že kombinace 21 intervencí je lepší než žádná. A byla to chyba v návrhu experimentu.

Co to má společného s červeným masem?

Popravdě už víte vše co potřebujete. Nebudu trávit čas rozebíráním skutečné nedávné studie, která vedla ke křiklavým nadpiskům jak jsou jedlíci červeného masa ohrožení vyšší úmrtností ze všech příčin (ano, „všech“ příčin), protože už to bylo mnohokrát rozebráno (byť pravděpodobně jen v angličtině, například zde, zde a zde).

Pokud skutečně chcete porozumět nespočtu omezení této studie a proč by vůbec tato studie neměla být brána v potaz, silně doporučuji si tyto články přečíst.

Výše uvedený problém problém je pro výživu kritický
Máme studie „dokazující“ že konzumace více obilnin chrání muže před rakovinou střeva, že mírná až střední konzumace alkoholu snižuje riziko mozkové mrtvice u žen, a že nízké hladiny polynenasycených kyselin, včetně omega-6, zvyšují riziko zlomenin kyčelního kloubu u žen. Měli bychom věřit těmto studiím? Zní autoritativně a těžko se s nimi argumentuje, že?

Jak jsou tyto studie běžně prováděny?

Vraťme se na chvíli k základům. Možná už vám unikají detaily, ale pokud chcete pochopit proč a jak jste mýleni a klamáni, musíte se ponořit o vrstvu hlouběji. Výzkumníci v těchto studiích osloví skupinu desítek tisíc lidí – sestřičky, zdravotníky, členy organizací aj. a zeptají se jich co jedí skrze dotazník potravinové frekvence (anglicky food frequency questionnaire, FFQ), o kterých se ví, že jsou kriticky nedostatečné co do schopnosti spolehlivě získat data o výživových zvyklostech dotazovaných. Následně výzkumníci porovnají morbiditu (tj. nemocnost) a mortalitu s konzumací stravy, či aspoň nahlášenou konzumací dané stravy (což není to samé). Výsledným produktem jsou korelace – například konzumace potraviny X je asociováno s nárůstkem Y kilogramů. Nebo že konzumace červeného masa 3x týdně je asociováno s 50% nárůstem rizika úmrtí v důsledku padajících pián, infarktu myokardu nebo rakoviny.

Chyták je samozřejmě v nepřítomnosti kauzálních informací. Z přítomnosti dvou jevů na jednom místě nemůžeme vyvodit že jedna způsobila druhou. V příslušných článcích často uvidíte povinné „korelace nutně neznamená kauzalitu“. Toto tvrzení ale naznačuje vzdálení od reality. Správnější by bylo „korelace neznamená kauzalitu“ nebo „korelace neobsahuje informace o příčinnosti jevů“.

Co tedy vysvětluje nálezy těchto studií (a téměř všech ostatních podobných studií)

Pro začátek, potraviny asociované s přírůstkem váhy (nebo jakoukoli jinou nemocí kterou zkoumají) jsou také potraviny asociované se „špatnými“ stravovacími návyky – hranolky, sladkosti, červené maso, zpracované maso aj. Potraviny asociované se snížením váhy jsou asociovány s „dobrými“ stravovacími návyky – ovoce, nízkotučné produkty, zelenina aj. Ale není to tak že by tyto potraviny způsobovaly snížení váhy, ony jsou jen indikátory lidí, kteří jedí a žijí konkrétním způsobem.

Představte si někoho, kdo jí často hranolky (nebo zpracované maso). Jsou to lidi, kteří často jí v rychlém občerstvení (nebo v případě zpracovaného masa jsou to často lidé ekonomicky znevýhodnění). Takže konzumace hranolek a potravin z rychlého občerstvení jsou indikátorem jedinců, kteří mají špatné stravovací návyky, což jsou často lidé chudší a méně vzdělaní, než lidé kteří si kupují jídlo čerstvé a v původním stavu (tj. nezpracované). Lidé konzumující hranolky jsou také často méně uvědomělí svého zdraví (jinak by je nejedli).

Co bychom s tím měli dělat?

Hádám že většina z vás, stejně tak jako většina doktorů či zákonodárců, nečte odborné zdravotnické publikace (jako American Journal of Edipemiology, kde je plno podobných studií). Občas se ale v běžných médiích, tiskovinách či televizi objeví zpráva o studii, jako je ta výše zmíněná o červeném mase. Ovšem informace dosahující konečné čtenáře je značně nepřesná („Koťátka léčí rakovinu!“). Zdravotní politika po celém světě je takto řízena. A není to nějaká konspirace. Je to neschopnost. V tom je velký rozdíl. Pamatujte na princip Hanlonovy břitvy: Nesváděj na zlý úmysl co může být vysvětleno hloupostí.

Toto chování je neetické a novináři (společně s vědci, kteří je neopraví) nedělají lidstvu žádnou laskavost.

Není pochyb že observační epidemiologie hrála roli v objasnění „jednoduchých“ propojení ve zdravotních vědách (jako například propojení kontaminované vody a cholery). Ale mnohotvárné, komplexní procesy (jako u rakoviny nebo srdečních onemocnění) se málokdy dají takto vysvětlit.

Doufám, že už teď lépe chápete, proč „věda“ o výživě krachuje. Je závislá téměř kompletně na observačních studiích. Víceméně každá část dnešních dogmat o stravě je na nich založená. Ať už je to korelace nasycených tuků a srdečních chorob v Seven Countries Study Ancela Keyse, která „dokázala“, že nasycený tuk je špatný, nebo pozorování Denisa Burkitta, vypovídající že lidé v Africe jedící víc vlákniny mají míň rakoviny střeva než lidé v Anglii, „dokázalo“, že vláknina je klíč k prevenci rakoviny střeva. Téměř žádné z těchto dogmat nebyly ve skutečnosti vědecky testovány. Asi nejvlivnější současný příklad observační epidemiologie je práce Colina Campbella, hlavního autora Čínské studie, který tvrdí že „věda mluví jasně“ a „výsledky jsou nepochybné“. Skutečně? Ne pokud definujete vědu jak ji definují vědci. Tohle neznamená že Campbell nemá pravdu (i když na základě současných dat asi na 75% nemá pravdu). Znamená to že nedělal skutečnou vědu, jež by zodpověděla jím předložené otázky a hypotézy. Dobrá kritika na toto téma je zde (Denise Minger) a zde (Michael Eades).

Zbývá si jen představit přínos lidstvu kdyby dr. Campbell utratil stejné množství času a peněz na skutečnou vědeckou práci o příjmu nutrientů a jejich vliv na chronické nemoci. Je to ironie velkých observačních epidemiologických studií. Mají malou hodnotu ve světě omezených zdrojů, a ještě odvádí pozornost od skutečné vědy.

Je na čase pustit se do reálné vědy. Ve skutečnosti máme příležitost dělat kontrolované experimenty (několik jich bylo uděláno, ale je tendence je ignorovat), narozdíl od klimatologů a socioekonomů. Není na čase přestat hádat, a skutečně zjistit, co zvyšuje naše rizika předčasného úmrtí?

 

Článek je upraveným překladem původního článku zde:
http://eatingacademy.com/nutrition/is-red-meat-killing-us
Příspěvek byl publikován v rubrice Nutriční vědy se štítky , , . Můžete si uložit jeho odkaz mezi své oblíbené záložky.

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *

Můžete používat následující HTML značky a atributy: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>