Forstå videnskaben

Om en ernæringspåstand er sand, kan sjældent afgøres med et enkelt studie. Denne side forklarer de begreber og tankegange, vi bruger i alle faktatjek.

Sådan fungerer studier

Ernæringsforskningen bruger meget forskellige typer studier. De besvarer forskellige spørgsmål og er udsatte for forskellige fejl.

• Randomiseret kontrolleret forsøg (RCT): deltagerne fordeles tilfældigt i grupper, for eksempel »flere æg« og »ingen æg«. På grund af randomiseringen adskiller grupperne sig i gennemsnit kun i det, der testes. RCT'er er derfor bedst til at vise årsag og virkning. Inden for ernæring er de dog ofte korte og små, og de måler som regel blodværdier frem for sygdomme.
• Kohortestudie: mange mennesker følges i årevis. De bliver spurgt, hvad de spiser, og sygdomstilfælde tælles senere. Sådanne studier er store og lange, men folk har selv valgt deres kost. Personer, der spiser meget af en bestemt fødevare, adskiller sig ofte også på mange andre måder.
• Case-kontrol-studie: personer med en sygdom sammenlignes med raske personer og spørges om deres tidligere kost. Det er udsat for erindringsfejl.
• Tværsnitsstudie: et øjebliksbillede. Det viser sammenhænge, men ikke hvad der kom først.
• Måle- eller restkoncentrationsstudie: fødevareprøver analyseres for stoffer. Det viser, hvad der blev fundet i bestemte prøver på et bestemt tidspunkt og sted, men ikke automatisk, om folk bliver syge af det.
• Systematisk review og metaanalyse: alle egnede studier om et spørgsmål søges frem og vurderes efter faste regler og kombineres, hvor det er muligt, statistisk.
• Dyreforsøg og cellestudier: de forklarer mulige mekanismer, men tillader ikke direkte konklusioner om menneskers helbred.

Hvorfor korrelation ikke beviser kausalitet

Når to ting optræder samtidig, betyder det ikke, at den ene forårsager den anden. Et kendt eksempel: på dage, hvor der sælges meget is, drukner flere mennesker. Is forårsager ikke drukning. Begge dele afhænger af varmt vejr.

I ernæringsstudier kaldes sådanne baggrundsfaktorer confoundere (forstyrrende faktorer). Personer, der drikker meget sodavand, ryger for eksempel måske også oftere eller motionerer mindre. Gode studier justerer for sådanne faktorer, men aldrig fuldstændigt. Det, der er tilbage, kaldes residual confounding.

Et andet problem er omvendt kausalitet: personer, der allerede er syge, ændrer ofte deres kost. Det kan så se ud, som om den nye kost forårsagede sygdommen.

En sammenhæng bliver mere troværdig, hvis den er stærk, viser sig i mange uafhængige studier, stiger med den indtagne mængde (dosis-respons-sammenhæng), passer tidsmæssigt, er biologisk plausibel og bekræftes i eksperimenter. Intet af disse punkter alene er et bevis.

Hvad metaanalyser kan og ikke kan

En metaanalyse kombinerer resultaterne fra mange studier statistisk. Det gør resultatet mere præcist og viser, om studierne peger i samme retning.

En metaanalyse er dog kun så god som de studier, den indeholder. Hvis den samler mange skæve (biased) observationsstudier, bliver det samlede resultat også skævt, blot med mindre usikkerhed. Heterogenitet har også betydning: hvis de enkelte studier afviger meget fra hinanden, siger én gennemsnitsværdi ikke meget.

Flere metaanalyser om samme emne indeholder ofte de samme studier. Tre metaanalyser er derfor ikke automatisk tre uafhængige bekræftelser. Vi kontrollerer for dette overlap og tæller det ikke mere end én gang.

Hvad konfidensintervaller betyder

Studier rapporterer ofte resultater sådan: »hazard ratio 1,06 (95 % konfidensinterval 1,03–1,10)«. Den første værdi er det bedste skøn: en 6 % højere relativ risiko. Intervallet i parentes viser det område, som den sande værdi meget sandsynligt ligger inden for, forudsat at studiet ikke har systematiske fejl.

• Hvis værdien 1,0 (»ingen forskel«) ligger inden for intervallet, er fundet ikke statistisk sikret.
• Et snævert interval betyder et præcist skøn; et bredt interval betyder et usikkert skøn.
• Statistisk signifikant betyder ikke automatisk vigtigt. En meget lille effekt kan være »signifikant« i et kæmpestort studie og alligevel næppe have betydning i hverdagen.
• Intervallet indfanger kun tilfældighed, ikke confounding eller målefejl.

Hvorfor enkeltstudier kan vildlede

Ethvert enkelt studie kan nå frem til et resultat, der ikke bekræftes senere, på grund af tilfældighed, små stikprøver, mange spørgsmål testet på én gang eller en særlig population. Dertil kommer publikationsbias: opsigtsvækkende resultater bliver oftere offentliggjort end uopsigtsvækkende.

Vi vurderer derfor ikke, om et eller andet studie understøtter en påstand. Med et selektivt udvalg kan næsten enhver påstand »bevises« med studier. Det afgørende er helheden af god evidens.

Absolutte og relative risici

En relativ risiko siger, med hvor mange procent en risiko stiger eller falder sammenlignet med en anden gruppe. En absolut risiko siger, hvor mange mennesker der faktisk er berørt.

Regneeksempel (opdigtede tal til illustration): Af 1.000 personer udvikler 2 en bestemt sygdom inden for ti år. I en anden gruppe er det 3 ud af 1.000. Den relative risiko er 50 % højere. Men den absolutte risiko stiger kun med 1 ud af 1.000 personer, dvs. med 0,1 procentpoint.

Begge udsagn er korrekte, men føles meget forskellige. Hvor det er muligt, angiver vi derfor begge. Hvis et studie ikke rapporterer absolutte tal, siger vi det.

Påvisning er ikke det samme som fare

Moderne laboratorier kan påvise bittesmå mængder af stoffer, ofte i størrelsesordenen milliardtedele af et gram. At et stof bliver fundet, siger endnu intet om, hvorvidt det er skadeligt i den mængde. Det afgørende er:

• Den mængde, der faktisk indtages (eksponering).
• Sundhedsbaserede vejledende værdier, såsom det tolerable ugentlige indtag (TWI) eller det acceptable daglige indtag (ADI). Myndigheder som Den Europæiske Fødevaresikkerhedsautoritet (EFSA) fastsætter dem med sikkerhedsmargener.
• Maksimalgrænseværdier for restkoncentrationer (MRL'er): lovbestemte øvre grænser. En overskridelse er en lovovertrædelse, men betyder ikke automatisk en sundhedsfare. Omvendt er en værdi under grænsen ikke betydningsløs for enhver person og enhver kombination af stoffer.
• Konteksten: en måling fra en forureningshændelse, et mineområde eller et andet land beskriver ikke automatisk det normale fødevareudbud i Tyskland eller Egypten.

Det omvendte gælder også: for nogle stoffer, såsom visse per- og polyfluoralkylstoffer (PFAS), har EFSA fastsat meget lave vejledende værdier (2020: 4,4 nanogram pr. kilogram kropsvægt pr. uge for summen af fire PFAS). Her kan en normal kost bringe nogle mennesker op i nærheden af den vejledende værdi. Derfor undersøger vi hvert tilfælde for sig.

Dyreforsøg og cellestudier

Forsøg på celler eller dyr viser, om en mekanisme er mulig. Doserne dér er dog ofte meget højere end i kosten, og dyr omsætter stoffer anderledes end mennesker. Vi markerer altid sådanne studier udtrykkeligt. Biologisk plausibilitet er ikke klinisk bevis.

Sådan bliver vores vurderinger til

Hver påstand får to separate bedømmelser:

1. Vurdering på en syvtrinsskala fra »Sand« til »Falsk«, inklusive »Uklar / utilstrækkelig evidens«. Manglende evidens betyder ikke, at en påstand er falsk.
2. Evidensens sikkerhed (høj, moderat, lav, meget lav), baseret på det internationalt anvendte GRADE-system. Den fortæller, hvor sikre vi kan være på den samlede evidens. Observationsstudier starter lavere end randomiserede forsøg og nedgraderes yderligere for mangler.

Vi opdeler brede påstande i delpåstande. »Æg skader alle« kan afkræftes, mens »visse personer bør begrænse deres indtag af æg« kan være korrekt. Vi bedømmer også enkelte studier langs flere dimensioner, såsom metodisk kvalitet, risiko for bias, præcision og regional overførbarhed, og vi kontrollerer, om de blev gengivet korrekt.

Vi bruger værktøjer som RoB 2, ROBINS-E, AMSTAR 2 og GRADE orienterende. En fuldstændig formel vurdering med disse værktøjer kræver fuldtekster, studieprotokoller og som regel flere uafhængige bedømmere. Det var ikke muligt her. Vores bedømmelser er derfor udtrykkeligt markeret som forenklede metodiske vurderinger.

Evidensstatus, evidensdossierer og kontrollens dybde

Siden den systematiske evidensgennemgang (fase 4) har hver påstand også en evidensstatus. Den angiver med ord, hvilken slags svar videnskaben giver:

• Videnskabeligt afkræftet: evidens af høj kvalitet viser det modsatte, eller påstanden strider mod veletableret fysiologi.
• Ikke understøttet af evidens af høj kvalitet: der er ingen god evidens for påstanden. Det alene beviser ikke, at den er forkert.
• Overfortolket: der findes et reelt fund, men påstanden udleder mere af det, end data tillader – for eksempel en sammenhæng fremstillet som en årsag, dyredata overført til mennesker eller en lille effekt fremstillet som en stor.
• Kun sand under bestemte betingelser: påstanden holder kun for bestemte mængder, persongrupper, tilberedninger eller omstændigheder.
• Utilstrækkeligt undersøgt: der er for lidt forskning til at sige, om påstanden er rigtig eller forkert.
• Videnskabeligt velunderbygget: påstanden stemmer overens med konsistent evidens af høj kvalitet.

Når evidens af høj kvalitet klart afkræfter en vidtgående medicinsk påstand, siger vi det ligeud: »Denne påstand er falsk.« Hvor data er modstridende eller utilstrækkelige, hævder vi ikke større sikkerhed, end evidensen tillader. Et korrekt udsagn vurderes som korrekt, selv om andre udsagn fra det samme system er forkerte.

For hver påstand findes der et evidensdossier: et konkret forskningsspørgsmål (struktureret som PICO for interventioner eller PECO for eksponeringer: population, intervention eller eksponering, sammenligning, effektmål), dokumenterede søgninger i PubMed, Europe PMC, Cochrane Library og andre kilder – separat for understøttende og for modsigende evidens –, de stærkeste studier på begge sider, en forklaring af tilsyneladende modsigelser, en angivelse af, om regionale forskelle har betydning, og begrundelserne for at fastholde eller ændre vurderingen. Hvor studier offentliggør tilstrækkelige data, genberegner vi centrale resultater (for eksempel absolutte risici ud fra antal hændelser); ellers siger vi, at en genberegning ikke var mulig. Manglende data udfyldes aldrig.

Vi tæller ikke publikationer. Flere metaanalyser, der indeholder de samme primære studier, er ikke uafhængige bekræftelser. PRISMA 2020 er en standard for gennemsigtig rapportering af systematiske reviews, ikke et værktøj til at bedømme studiers kvalitet. GRADE vurderer sikkerheden af den samlede evidens for ét effektmål og erstatter ikke vurderingen af enkelte studier (RoB 2 for randomiserede forsøg, ROBINS-I og ROBINS-E for ikke-randomiserede studier, AMSTAR 2 og ROBIS for systematiske reviews).

For hvert studie angiver vi, hvor grundigt det blev kontrolleret: bibliografisk verificeret (studiet findes; titel, forfattere, år og identifikator stemmer), abstract kontrolleret, fuldtekst kontrolleret eller fuldtekst med en struktureret vurdering af risiko for bias. Intet studie er endnu formelt vurderet af to uafhængige bedømmere, og der har ikke fundet nogen uafhængig menneskelig ekspertgennemgang sted. Vi beskriver aldrig en kontrol som formel eller menneskelig, hvis den ikke har fundet sted.