.
As pessoas muitas vezes se perguntam por que um estudo nutricional lhes diz que comer muitos ovos, por exemplo, levará a doenças cardíacas e outro lhes diz o contrário. A resposta a este e outros estudos alimentares conflitantes pode estar no uso de estatísticas, de acordo com um relatório publicado hoje no jornal Revista Americana de Nutrição Clínica.
A pesquisa, liderada por cientistas da Universidade de Leeds e do Instituto Alan Turing – Instituto Nacional de Ciência de Dados e Inteligência Artificial – revela que a abordagem estatística padrão e mais comum para estudar a relação entre alimentação e saúde pode dar informações enganosas e resultados sem sentido.
A autora principal, Georgia Tomova, pesquisadora de doutorado no Instituto de Análise de Dados da Universidade de Leeds e no Instituto Alan Turing, disse: “Essas descobertas são relevantes para tudo o que achamos que sabemos sobre o efeito dos alimentos na saúde.
“É bem sabido que diferentes estudos nutricionais tendem a encontrar resultados diferentes. Uma semana um alimento é aparentemente prejudicial e na semana seguinte aparentemente é bom para você.”
Os pesquisadores descobriram que a prática generalizada de controlar estatisticamente, ou permitir, a ingestão total de energia de alguém pode levar a mudanças dramáticas na interpretação dos resultados.
O controle de outros alimentos ingeridos pode distorcer ainda mais os resultados, de modo que um alimento prejudicial pareça benéfico ou vice-versa.
Tomova acrescentou: “Por causa das grandes diferenças entre os estudos individuais, tendemos a confiar em artigos de revisão para fornecer uma estimativa média de se, e em que medida, um determinado alimento causa uma condição de saúde específica.
“Infelizmente, como a maioria dos estudos tem abordagens diferentes para controlar o restante da dieta, é provável que cada estudo esteja estimando uma quantidade muito diferente, tornando a ‘média’ bastante sem sentido”.
A pesquisa, que foi financiada pelo The Alan Turing Institute, identificou o problema usando novos métodos de ‘inferência causal’, que foram popularizados por Judea Pearl, autor de “The Book of Why”.
O autor sênior, Peter Tennant, professor associado de Ciência de Dados de Saúde da Escola de Medicina de Leeds, explicou: “Quando você não pode executar um experimento, é muito difícil determinar se, e em que medida, algo causa outra coisa.
“É por isso que as pessoas dizem, ‘correlação não é igual a causação.’ Esses novos métodos de ‘inferência causal’ prometem nos ajudar a identificar efeitos causais de correlações, mas, ao fazê-lo, também destacaram algumas áreas que não entendemos completamente.”
Os autores esperam que esta nova pesquisa ajude os cientistas nutricionais a entender melhor os problemas com o controle inadequado da ingestão total de energia e da dieta geral e obter uma compreensão mais clara dos efeitos da dieta na saúde.
Dr. Tennant acrescentou: “Diferentes estudos podem fornecer estimativas diferentes por uma série de razões, mas achamos que esta questão estatística pode explicar muito do desacordo. Felizmente, isso pode ser facilmente evitado no futuro”.
Fonte da história:
Materiais fornecidos por Universidade de Leeds. Nota: O conteúdo pode ser editado para estilo e duração.
.
