La supervisión estadística podría explicar las inconsistencias en la investigación nutricional

Las personas a menudo se preguntan por qué un estudio nutricional les dice que comer demasiados huevos, por ejemplo, provocará enfermedades cardíacas y otro les dice lo contrario. La respuesta a este y otros estudios contradictorios sobre alimentos puede estar en el uso de estadísticas, según un informe publicado hoy en el Revista americana de nutrición clínica.

La investigación dirigida por científicos de la Universidad de Leeds y el Instituto Alan Turing, el Instituto Nacional de ciencia de datos e inteligencia artificial, revela que el enfoque estadístico estándar y más común para estudiar la relación entre los alimentos y la salud puede dar resultados engañosos y sin sentido.

La autora principal Georgia Tomova, Ph.D. investigador del Instituto de Análisis de Datos de la Universidad de Leeds y el Instituto Alan Turing, dijo: «Estos hallazgos son relevantes para todo lo que creemos que sabemos sobre el efecto de los alimentos en la salud.

«Es bien sabido que diferentes estudios nutricionales tienden a encontrar resultados diferentes. Una semana un alimento aparentemente es dañino y la semana siguiente aparentemente es bueno para ti».

Los investigadores encontraron que la práctica generalizada de controlar estadísticamente, o permitir, la ingesta total de energía de una persona puede conducir a cambios drásticos en la interpretación de los resultados.

El control de otros alimentos consumidos puede sesgar aún más los resultados, de modo que un alimento dañino parezca beneficioso o viceversa.

La Sra. Tomova agregó: «Debido a las grandes diferencias entre los estudios individuales, tendemos a confiar en los artículos de revisión para proporcionar una estimación promedio de si un alimento en particular causa una condición de salud particular, y en qué medida.

«Desafortunadamente, debido a que la mayoría de los estudios tienen diferentes enfoques para controlar el resto de la dieta, es probable que cada estudio esté estimando una cantidad muy diferente, lo que hace que el ‘promedio’ no tenga sentido».

La investigación identificó el problema mediante el uso de nuevos métodos de ‘inferencia causal’, que fueron popularizados por Judea Pearl, autora de «El libro de por qué».

El autor principal, el Dr. Peter Tennant, profesor asociado de ciencia de datos de salud en la Facultad de medicina de Leeds, explicó: «Cuando no se puede realizar un experimento, es muy difícil determinar si algo causa otra cosa y en qué medida».

«Es por eso que la gente dice, ‘la correlación no es igual a la causalidad». Estos nuevos métodos de ‘inferencia causal’ prometen ayudarnos a identificar los efectos causales de las correlaciones, pero al hacerlo también han resaltado bastantes áreas que no entendíamos completamente».

Los autores esperan que esta nueva investigación ayude a los científicos de la nutrición a comprender mejor los problemas relacionados con el control inadecuado de la ingesta total de energía y la dieta en general, y a obtener una comprensión más clara de los efectos de la dieta en la salud.

El Dr. Tennant agregó: «Diferentes estudios pueden proporcionar diferentes estimaciones por una variedad de razones, pero creemos que este problema estadístico puede explicar gran parte del desacuerdo. Afortunadamente, esto se puede evitar fácilmente en el futuro».