Capire la scienza

Se un’affermazione sull’alimentazione sia vera raramente si può stabilire con un singolo studio. Questa pagina spiega i termini e i modi di ragionare che utilizziamo in tutte le verifiche dei fatti.

Come funzionano gli studi

La ricerca sull’alimentazione utilizza tipi di studio molto diversi. Rispondono a domande diverse e sono soggetti a errori diversi.

• Studio randomizzato controllato (RCT): i partecipanti vengono assegnati ai gruppi in modo casuale, ad esempio “più uova” e “nessun uovo”. Grazie alla randomizzazione, i gruppi differiscono in media solo per ciò che viene testato. Gli RCT sono quindi i più adatti a dimostrare causa ed effetto. Nel campo dell’alimentazione, tuttavia, sono spesso brevi e piccoli e di solito misurano valori ematici anziché malattie.
• Studio di coorte: molte persone vengono seguite per anni. Si chiede loro che cosa mangiano e in seguito si contano le malattie. Tali studi sono grandi e lunghi, ma le persone hanno scelto da sé la propria alimentazione. Chi mangia molto di un determinato alimento spesso differisce anche per molti altri aspetti.
• Studio caso-controllo: persone con una malattia vengono confrontate con persone sane e interrogate sulla loro alimentazione passata. Ciò è soggetto a errori di memoria.
• Studio trasversale: un’istantanea. Mostra associazioni, ma non che cosa sia venuto prima.
• Studio di misurazione o sui residui: campioni di alimenti vengono analizzati alla ricerca di sostanze. Mostra che cosa è stato trovato in determinati campioni in un determinato momento e luogo, ma non automaticamente se le persone se ne ammalano.
• Revisione sistematica e metanalisi: tutti gli studi idonei su una domanda vengono cercati e valutati secondo regole fisse e, ove possibile, combinati statisticamente.
• Studi su animali e su cellule: spiegano possibili meccanismi, ma non consentono conclusioni dirette sulla salute umana.

Perché la correlazione non dimostra la causalità

Quando due cose si verificano insieme, non significa che l’una causi l’altra. Un esempio noto: nei giorni in cui si vende molto gelato, annegano più persone. Il gelato non causa l’annegamento. Entrambi dipendono dal caldo.

Negli studi sull’alimentazione, tali fattori di fondo sono chiamati fattori di confondimento. Le persone che bevono molte bibite, ad esempio, possono anche fumare più spesso o fare meno attività fisica. I buoni studi correggono per tali fattori, ma mai completamente. Ciò che resta è chiamato confondimento residuo.

Un secondo problema è la causalità inversa: le persone già malate spesso cambiano alimentazione. Può allora sembrare che la nuova alimentazione abbia causato la malattia.

Un’associazione diventa più credibile se è forte, compare in molti studi indipendenti, aumenta con la quantità consumata (relazione dose-risposta), è coerente dal punto di vista temporale, è biologicamente plausibile ed è confermata da esperimenti. Nessuno di questi punti da solo costituisce una prova.

Che cosa possono e non possono fare le metanalisi

Una metanalisi combina statisticamente i risultati di molti studi. Ciò rende il risultato più preciso e mostra se gli studi vanno nella stessa direzione.

Tuttavia, una metanalisi è valida solo quanto gli studi che contiene. Se raggruppa molti studi osservazionali distorti, anche il risultato complessivo è distorto, solo con minore incertezza. Conta anche l’eterogeneità: se i singoli studi differiscono molto, un unico valore medio significa poco.

Diverse metanalisi sullo stesso tema contengono spesso gli stessi studi. Tre metanalisi non sono quindi automaticamente tre conferme indipendenti. Verifichiamo questa sovrapposizione e non la contiamo più di una volta.

Che cosa significano gli intervalli di confidenza

Gli studi riportano spesso i risultati in questo modo: “hazard ratio 1,06 (intervallo di confidenza al 95% 1,03–1,10)”. Il primo valore è la stima migliore: un rischio relativo più alto del 6%. L’intervallo tra parentesi indica l’ambito in cui molto probabilmente si trova il valore reale, a condizione che lo studio non presenti errori sistematici.

• Se il valore 1,0 (“nessuna differenza”) è compreso nell’intervallo, il risultato non è statisticamente accertato.
• Un intervallo stretto indica una stima precisa; un intervallo ampio indica una stima incerta.
• Statisticamente significativo non significa automaticamente importante. Un effetto molto piccolo può risultare “significativo” in uno studio enorme e tuttavia avere scarsa importanza nella vita quotidiana.
• L’intervallo tiene conto solo del caso, non del confondimento o degli errori di misura.

Perché i singoli studi possono trarre in inganno

Qualsiasi singolo studio può giungere a un risultato che in seguito non viene confermato, a causa del caso, di campioni piccoli, di molte domande verificate contemporaneamente o di una popolazione particolare. A ciò si aggiunge il bias di pubblicazione: i risultati eclatanti hanno più probabilità di essere pubblicati di quelli poco rilevanti.

Non valutiamo quindi se un qualche studio supporti un’affermazione. Con una scelta selettiva, quasi ogni affermazione può essere “dimostrata” con degli studi. Ciò che conta è l’insieme delle prove valide.

Rischi assoluti e relativi

Un rischio relativo indica di quale percentuale un rischio aumenta o diminuisce rispetto a un altro gruppo. Un rischio assoluto indica quante persone sono effettivamente colpite.

Esempio di calcolo (numeri inventati a scopo illustrativo): su 1.000 persone, 2 sviluppano una determinata malattia entro dieci anni. In un altro gruppo sono 3 su 1.000. Il rischio relativo è più alto del 50%. Ma il rischio assoluto aumenta solo di 1 persona su 1.000, cioè di 0,1 punti percentuali.

Entrambe le affermazioni sono corrette, ma vengono percepite in modo molto diverso. Ove disponibili, riportiamo quindi entrambe. Se uno studio non riporta numeri assoluti, lo diciamo.

Rilevare non equivale a pericolo

I laboratori moderni possono rilevare quantità minime di sostanze, spesso nell’ordine dei miliardesimi di grammo. Il fatto che una sostanza venga trovata non dice ancora nulla sul fatto che sia dannosa in quella quantità. Ciò che conta è:

• La quantità effettivamente assunta (esposizione).
• I valori di riferimento basati sulla salute, come la dose settimanale tollerabile (TWI) o la dose giornaliera accettabile (ADI). Autorità come l’Autorità europea per la sicurezza alimentare (EFSA) li fissano con margini di sicurezza.
• I limiti massimi di residui (LMR): limiti superiori di legge. Il loro superamento è una violazione di legge, ma non significa automaticamente un pericolo per la salute. Viceversa, un valore al di sotto del limite non è irrilevante per ogni persona e per ogni combinazione di sostanze.
• Il contesto: una misurazione proveniente da un incidente di contaminazione, da un’area mineraria o da un altro paese non descrive automaticamente il normale approvvigionamento alimentare in Germania o in Egitto.

Vale anche il contrario: per alcune sostanze, come determinate sostanze per- e polifluoroalchiliche (PFAS), l’EFSA ha fissato valori di riferimento molto bassi (2020: 4,4 nanogrammi per chilogrammo di peso corporeo alla settimana per la somma di quattro PFAS). In questo caso un’alimentazione normale può portare alcune persone nell’ordine del valore di riferimento. Per questo esaminiamo ogni caso singolarmente.

Studi su animali e su cellule

Gli esperimenti su cellule o animali mostrano se un meccanismo è possibile. Tuttavia, le dosi utilizzate sono spesso molto più elevate che nell’alimentazione, e gli animali metabolizzano le sostanze in modo diverso dagli esseri umani. Indichiamo sempre esplicitamente tali studi. La plausibilità biologica non è una prova clinica.

Come nascono le nostre valutazioni

Ogni affermazione riceve due valutazioni distinte:

1. Giudizio su una scala a sette livelli da “Vero” a “Falso”, incluso “Non chiaro / prove insufficienti”. La mancanza di prove non significa che un’affermazione sia falsa.
2. Certezza delle prove (alta, moderata, bassa, molto bassa), basata sul sistema GRADE utilizzato a livello internazionale. Indica quanto possiamo essere fiduciosi riguardo all’insieme delle prove. Gli studi osservazionali partono da un livello più basso rispetto agli studi randomizzati e vengono ulteriormente declassati in caso di carenze.

Scomponiamo le affermazioni generiche in sotto-affermazioni. “Le uova fanno male a tutti” può essere confutata, mentre “alcune persone dovrebbero limitare il consumo di uova” può essere corretta. Valutiamo inoltre i singoli studi secondo diverse dimensioni, come qualità metodologica, rischio di bias, precisione e trasferibilità regionale, e verifichiamo se sono stati riportati correttamente.

Utilizziamo strumenti come RoB 2, ROBINS-E, AMSTAR 2 e GRADE a scopo orientativo. Una valutazione formale completa con questi strumenti richiede testi completi, protocolli di studio e di solito più revisori indipendenti. Ciò non è stato possibile in questo caso. I nostri giudizi sono quindi indicati esplicitamente come valutazioni metodologiche semplificate.

Stato delle prove, dossier delle prove e profondità della verifica

Dall’analisi sistematica delle prove (fase 4), ogni affermazione ha anche uno stato delle prove. Indica a parole che tipo di risposta fornisce la scienza:

• Confutata scientificamente: prove di alta qualità mostrano il contrario, oppure l’affermazione contraddice una fisiologia ben consolidata.
• Non supportata da prove di alta qualità: non ci sono buone prove a favore dell’affermazione. Questo da solo non dimostra che sia sbagliata.
• Sovrainterpretata: esiste un risultato reale, ma l’affermazione ne trae più di quanto i dati consentano – ad esempio un’associazione presentata come causa, dati su animali applicati all’uomo o un effetto piccolo presentato come grande.
• Vera solo a determinate condizioni: l’affermazione vale solo per determinate quantità, gruppi di persone, preparazioni o circostanze.
• Studiata in modo insufficiente: le ricerche sono troppo poche per dire se l’affermazione sia giusta o sbagliata.
• Ben supportata scientificamente: l’affermazione concorda con prove coerenti e di alta qualità.

Quando prove di alta qualità confutano chiaramente un’affermazione medica generalizzata, lo diciamo senza mezzi termini: “Questa affermazione è falsa.” Dove i dati sono contraddittori o insufficienti, non sosteniamo una certezza maggiore di quella consentita dalle prove. Un’affermazione corretta viene valutata come corretta, anche se altre affermazioni dello stesso sistema sono sbagliate.

Per ogni affermazione esiste un dossier delle prove: un quesito di ricerca concreto (strutturato secondo PICO per gli interventi o PECO per le esposizioni: popolazione, intervento o esposizione, confronto, esiti), ricerche documentate in PubMed, Europe PMC, Cochrane Library e altre fonti – separatamente per le prove a favore e per quelle contrarie –, gli studi più solidi su entrambi i fronti, una spiegazione delle contraddizioni apparenti, una valutazione sull’eventuale rilevanza delle differenze regionali e le ragioni per mantenere o modificare il giudizio. Dove gli studi pubblicano dati sufficienti, ricalcoliamo i risultati principali (ad esempio i rischi assoluti a partire dal numero di eventi); altrimenti diciamo che un ricalcolo non è stato possibile. I dati mancanti non vengono mai integrati.

Non contiamo le pubblicazioni. Diverse metanalisi che contengono gli stessi studi primari non sono conferme indipendenti. PRISMA 2020 è uno standard per la rendicontazione trasparente delle revisioni sistematiche, non uno strumento per valutare la qualità degli studi. GRADE valuta la certezza dell’insieme delle prove per un esito e non sostituisce la valutazione dei singoli studi (RoB 2 per gli studi randomizzati, ROBINS-I e ROBINS-E per gli studi non randomizzati, AMSTAR 2 e ROBIS per le revisioni sistematiche).

Per ogni studio indichiamo con quale profondità è stato verificato: verificato a livello bibliografico (lo studio esiste; titolo, autori, anno e identificativo corrispondono), abstract esaminato, testo completo esaminato oppure testo completo con una valutazione strutturata del rischio di bias. Nessuno studio è stato finora valutato formalmente da due revisori indipendenti e non ha avuto luogo alcuna revisione indipendente da parte di esperti umani. Non descriviamo mai una verifica come formale o umana se non è avvenuta.