Seleziona una pagina

La carne fa davvero male? La risposta definitiva

Giu 11, 2024 | Alimentazione

Quante volte abbiamo sentito parlare di carne, carne rossa e tanti tipi diversi di rischi associati? A torto? A ragione?

Un nuovo approccio di analizzare milioni di dati disponibili ci può dare, pare, una risposta definitiva.

Prima di cominciare a raccontarti tutto, delle doverose premesse.

Innanzitutto ho sempre cercato di evitare questo argomento così spesso divisivo: a me piace unire, creare sinergie, cerco nel mio piccolo di dare informazioni di valore, secondo i miei studi e quello che posso imparare ogni giorno di nuovo. Non tifo per nessun tipo di alimentazione e non ho fedi assolute. Ho sicuramente le mie preferenze, basate sulle evidenze, sull’evoluzionismo della nostra specie animale e soprattutto sulle esperienze di ormai quasi 15 anni di lavoro con le persone, e questo tipo di esperienza non è “imparabile” cercando su Google. Rispetto diete che non comprendono proteine animali, e non è mio compito (non ne avrei le competenze) entrare nell’etica; alcuni miei pazienti possono confermarvi questo, anzi se state leggendo questo articolo, confermatelo voi direttamente!

Ora cominciamo.

L’analisi multiverso

I limiti principali per cui c’è così tanta discordanza su carne ed effetti benefici o dannosi sono, al di là della frequente faziosità di chi conduce questi studi, riguardano i metodi di analisi.

In primis la maggior parte degli studi su questi argomenti sono studi osservazionali, per cui si raccolgono dati ma senza evidenze reali o connessioni plausibili. Un mare di rumore insomma, in cui trovare un vero segnale è assai difficile.

Gli studi controllati randomizzati sono il modo migliore per distinguere la causa da una mera correlazione. Ma questi non sono possibili nella maggior parte delle questioni legate al consumo di cibo, perché le variabili da considerare sono tantissime, partendo dallo stile di vita in generale delle persone e dalla effettiva qualità del cibo consumato.

E oltre a tutto questo, la vera problematica quando si ha una grande mole di dati, è come analizzarla: esistono molti modi plausibili e difendibili per analizzare un insieme di dati, non dovremmo in teoria quindi scegliere un solo metodo; piuttosto, dovremmo sceglierne migliaia, combinare i risultati e vedere dove si trova la verità.

Recentemente, un gruppo della McMaster University, guidato dalla dottoressa Dena Zeraatkar, ha confermato il problema delle scelte analitiche, utilizzando la questione del consumo di carne rossa e della mortalità.

La loro idea era semplice: poiché esistono molti modi plausibili e difendibili per analizzare un insieme di dati, non dovremmo scegliere un solo metodo; piuttosto, dovremmo sceglierne migliaia, combinare i risultati e vedere dove si trova la verità.

Come hanno fatto? Ovviamente hanno messo in campo una potentissima artiglieria informatica, in grado di analizzare miliardi di variabili.

Con questo approccio estremamente impegnativo, chiamato analisi multiverso, hanno creato una curva di reale pericolo relativo al consumo di carne non lavorata.

Se volessi ulteriori info su metodologia e calcoli, qui trovi l’articolo (che si chiama simpaticamente… “Grilling the data”!).

Ecco i risultati

Ogni analisi (o specificazione) ha prodotto un hazard ratio per l’esposizione alla carne rossa e il rischio di morte (figura sotto). L’HR mediano è stato di 0,94 (IQR, 0,83-1,05) per l’effetto della carne rossa sulla mortalità per tutte le cause, ovvero non significativo.


Tra tutte le analisi, il 36% ha prodotto hazard ratio superiori a 1,0 e il 64% inferiori a 1,0. Ovvero, nel 36% dei casi c’era un aumento potenziale del rischio, mentre nel 64% dei casi c’era una diminuzione del rischio.

Scremando tra tutti questi dati, solo 48 analisi su circa 1200 possibili sono risultate significative dal punto di vista statistico; tra queste 40 indicavano che il consumo di carne rossa riduceva la morte precoce e otto indicavano che il consumo di carne rossa portava a una maggiore mortalità.

Cambiare paradigma

Il concetto base per cui ti ho raccontato tutto questo non è tanto verificare che in effetti il consumo di carne non è correlato a maggiore mortalità. Il punto è più ambizioso: cambiare paradigma.

Gli studi osservazionali superano di gran lunga gli studi randomizzati. Per molte questioni mediche, i dati osservazionali sono tutto ciò che abbiamo.

La dottoressa Zeraatkar e colleghi hanno dimostrato che ci sono migliaia di modi plausibili per analizzare i dati, e questo può portare a risultati molto diversi. Nella questione specifica della carne rossa e della mortalità, le loro numerose analisi hanno dato un risultato nullo.

Immaginiamo ora altri casi in cui i ricercatori hanno fatto molte analisi di un set di dati e hanno scelto di pubblicare solo quelle significative. Gli studi osservazionali sono raramente preregistrati, quindi il lettore non può sapere come varierebbe un risultato a seconda delle scelte analitiche.

Applicare un’analisi multiverso, per quanto costoso e complesso, potrà dare valore a molti più studi. E sicuramente, con l’utilizzo di sempre più potenti intelligenze artificiali magari prodotte ad hoc, potremo davvero avere molti più dati concreti e meno rumore.

È facile anche immaginare che tante associazioni “positive”, frequenti negli studi sull’alimentazione, diminuirebbero: tanti articoli che dicono “pare che questo faccia male” o “pare che questo faccia bene”, analizzati in tutti i modi possibili e quindi meno “pilotabili” da un certo punto di vista, probabilmente risulterebbero, dal punto di vista statistico o di rilevanza effettiva, pari al nulla cosmico.

Vedremo quanto questo potrà essere davvero accettto e quanti capiranno che pare proprio esista un modo migliore di analizzare i propri dati. O almeno, noi, potremo chiederci davvero: in questo studio che stiamo analizzando oggi, sono state fatte davvero tutte le analisi possibili?

Vedremo in futuro quanto tutto questo sarà davvero applicabile, e soprattutto… quanto si vorrà applicare!

Iscriviti alla newsletter!

* indicates required

Bibliografia

  • Wang Y, Pitre T, Wallach JD, de Souza RJ, Jassal T, Bier D, Patel CJ, Zeraatkar D. Grilling the data: application of specification curve analysis to red meat and all-cause mortality. J Clin Epidemiol. 2024 Apr;168:111278. doi: 10.1016/j.jclinepi.2024.111278. Epub 2024 Feb 12. PMID: 38354868.
  • Breznau N. Rinke E.M. Wuttke A. Nguyen H.H.V. Adem M. Adriaans J. et al. Observing many researchers using the same data and hypothesis reveals a hidden universe of uncertainty. Proc Natl Acad Sci U S A. 2022.
  • Gkiouras K, Choleva ME, Verrou A, Goulis DG, Bogdanos DP, Grammatikopoulou MG. A Meta-Epidemiological Study of Positive Results in Clinical Nutrition Research: The Good, the Bad and the Ugly of Statistically Significant Findings. Nutrients. 2022 Dec 4;14(23):5164. doi: 10.3390/nu14235164. PMID: 36501193; PMCID: PMC9738552.
  • Zeraatkar D, Johnston BC, Guyatt G. Evidence Collection and Evaluation for the Development of Dietary Guidelines and Public Policy on Nutrition. Annu Rev Nutr. 2019 Aug 21;39:227-247. doi: 10.1146/annurev-nutr-082018-124610. PMID: 31433741.
  • Zeraatkar D, Bhasin A, Morassut RE, Churchill I, Gupta A, Lawson DO, Miroshnychenko A, Sirotich E, Aryal K, Mikhail D, Khan TA, Ha V, Sievenpiper JL, Hanna SE, Beyene J, de Souza RJ. Characteristics and quality of systematic reviews and meta-analyses of observational nutritional epidemiology: a cross-sectional study. Am J Clin Nutr. 2021 Jun 1;113(6):1578-1592. doi: 10.1093/ajcn/nqab002. PMID: 33740039; PMCID: PMC8243916.
  • Kappeler R, Eichholzer M, Rohrmann S. Meat consumption and diet quality and mortality in NHANES III. Eur J Clin Nutr. 2013 Jun;67(6):598-606. doi: 10.1038/ejcn.2013.59. Epub 2013 Mar 13. PMID: 23486512.

0 commenti

Invia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *