我已委托“维权骑士”为我的文章进行维权行动。 免责声明:以下的文字,不做任何医疗建议,只做信息分享。 请随意转发到朋友圈,如需转载请联系后台。 本文编辑字数6830字,预计阅读时间18分钟。 我经常听到身边一些老人说:
其实每次听到这样的话,我都觉得很可惜的,现在信息越来越多,对于大部分人来说,真假难辨。 没有判断力的人,被各种信息搞乱了之后,会变得麻木,最后放弃,失去了了解真相,改善健康的机会。 就拿鸡蛋来说,以前经常听人说:
于是你每天只吃1颗鸡蛋,还可能扔掉半个蛋黄,但是,现在你又看到很多最新的消息说:
图片来自Inspired Taste 可能你还没有反应过来,另一个营养研究就映入眼帘:
然后,你买来一堆钙片,每天按时按点花样补充着,吃了1、2年后,又看到另外一个研究:
还有人说,肉不能吃,有各种危害,有人说吃素不好,会导致营养不良,还有人说动物油不能吃,要吃植物油,而最新又有人说,猪油是十大最健康的食物之一。 总之,对于任何一种食物,都有好心人告诉你,这个不健康,要少吃。 也可能有另外一个人,告诉,这个食物好,要多吃。 对于一般人来说,真的很苦恼,为什么这么乱,还都是专家,到底应该相信谁? 为什么营养学理论,差异那么大?换句话说,现代营养学,它到底有多不靠谱。 今天我们来聊这个话题。▼ 一样的人,2个研究结果却不同美国电影制作人、作家Tom Naughton,在2011年进行过一次演讲,主题是《给聪明人的科学》Science For Smart People。①(视频太长,我没有翻译,留了链接给大家,感兴趣的可以自己去YouTube看) 演讲中,他深挖了现代营养学的底,解开营养科学的神秘面纱,告诉大家什么才是真相。 如果这些年,你也各种乱七八糟的营养研究和建议,搞得一头雾水的话,接下来的内容,也许是你最想要的:↓ 先说一个很经典的案例,营养学历史上,有一个非常大的护士研究,是关于雌激素和心脏病关系的。② 研究的对象是成千上万绝经后的护士,这些护士需要给研究人员,报告自己的健康状况,以及摄入雌激素的情况。 来自哈佛大学的科学家们,搜集了这些数据,然后汇总分析,得出来的结论是:
这样的研究结果,遭到一群科学家的质疑,于是,为了保险起见,他们针对这些人,开展了另一项大型研究,不同的是,这一次,换了一种方法。 科学家把健康状况相当、生活习惯类似的护士(大约16,000人),分成了2组,给予其中一组护士吃安慰剂,另外一组护士吃雌激素,这样坚持了5年半,最终得出的结果是:
看到这里你是不是已然惊呆了? 为什么,同样是科学研究,研究对象也一样,为什么结果完全相悖? 想知道答案的话,就得从这2个研究所用的方法下手。 研究方法不同,结果就不同为了更严谨的探究2个事物的相关性,或者因果关系,科学有一些方法。 护士研究中所使用的方法,是最常见的2种。 第一个研究用的方法是:观察,被称为观察性研究。 它的操作方式是,不干预和影响研究对象,对其直接进行观察,或者数据分析,然后形成一个假说,或者结论。 举个栗子,通过观察一群吸烟的受试者,发现吸烟年限越长,患上肺癌的风险越高。 于是得出结论:吸烟有导致肺癌的风险,且年限越长风险越高。 第二个研究用的方法是:临床试验性研究。 它的操作方式是:将条件相同或相似的受试者,随机分成2组或多组,然后改变其中1组或多组的状况(比如吃某种食物,进行某种饮食等)。 然后,收集试验数据,然后得出结论。 了解这2种研究方法后,接下来就带大家解开谜底:为什么结果会不一样呢? 观察性研究,不靠谱观察性研究的缺陷很明显,所以,它得出的结果不一定都准确。 → A和B有关,并不能说,A导致B 我们经常看到很多这样的研究,只发现相关性,无法证明因果关系 什么意思呢?举个最通俗的例子,有个拳击手,共计进行了10场比赛,这10场比赛中,他胜了6次,这6次他都穿着红色底裤,其他4场没有穿红色底裤。 你能由此得出一个结论:穿红色底裤,就可以让获胜么?
听起来感觉是不是很荒唐? 但是,在营养学上,这种研究却被大量应用,甚至作为全球的膳食指南的理论基础。 → 其他不同的变量,容易被忽略 回到护士研究,第一个研究采用观察的方法,结果发现:吃雌激素可以加持心脏健康。 可第二个研究结果正好相反,这到底是怎么回事? 科学家深究其里才发现,第一个研究中那些吃雌激素的绝经女性,也大都更具健康意识。 换句话说,她们更注重健康的生活和饮食方式,比如不抽烟、不喝酒、喜欢锻炼、睡眠质量良好等等。 而这份健康意识,才是真正改善心脏的原因,并不是所看到的吃雌激素。 雌激素不过是观察到的表象,即具有相关性,但并没有因果关系。 而这些女性的健康意识,被称为这个观察性研究中的混杂变量。 还有很多素食者的研究也一样,虽然我们现代营养学都知道,素食不是什么健康饮食,肉类种有很多营养是很重要的,而且膳食脂肪也很重要。 可是,就有大量研究发现,素食者更加长寿,更加健康,肉食者更不健康,真相是什么呢?
→ 按照目的要求,玩弄数据 Tom Naughton在演讲中举了一个有趣的例子,假设你观察了一批人的饮食。
试验结束的时候,高脂高糖组的人有3个得了心脏病,也就是说有3/4的风险,低脂高糖组有1个人得了心脏病,也就是说有1/2的风险。 于是,不考虑其他组别,有的科学家就可能得出结论,高脂不好,能加倍心脏病风险。 但是,咱们回过头来再看,高脂低糖组没有心脏病,低脂低糖组也没有心脏病。 那我能不能也得出一个结论:低糖饮食,可以降低心脏病风险呢? 看到了么,在观察研究中,原来是存在切割数据的,你选择的数据不同,得出的结论,也完全不一样。 这些缺陷,让很多观察性研究并不具有参考性,但现实是,太多人却被这些研究结果迷惑。 历史上最具迷惑性的一个观察性研究,开始于1956年,发表于1978年,却坑了全球人近40年。 史上最坑人的观察性研究这就是我多次提到的『七国研究』,它促成了全球的低脂饮食风潮,让脂肪,特别是动物脂肪,背黑锅几十年③ 他的主要研究者是Ancel Keyes(下图来自Tom Naughton的演讲截图,他给Ancel Keyes的照片加了长鼻子,是的,说谎的匹诺曹)。 Ancel Keyes在研究中,共计观察了22个国家的国民饮食和健康数据。 然而,为了符合自己的假想(注意是假想!),他从这些数据中挑选出7个国家的数据。 然后,堂而皇之的告诉世人:饮食中的脂肪,尤其是动物脂肪(富含胆固醇),会导致心脏病。 整个世界哗然!而后几乎所有人面对膳食脂肪,尤其是来自于动物的饱和脂肪,都害怕到要死。 看到没?改变你饮食习惯的所谓科学依据,居然是建立在这种不靠谱的,被砍掉大量数据的,观察性研究之上。 没错,观察性研究就是这么不靠谱,你或许会说,那临床试验性研究是不是会更准确? 临床试验性研究一定准确么?没错,比起观察性研究,临床试验性研究相对来说是更严密的。 但是,这并不代表它就100%准确。 → 试验结果,也可能通过数字游戏被夸大或者缩小 举个栗子,有关他汀类药物(降低胆固醇的药物)最有名的一个研究,被称为:立普妥(Lipitor,他汀类药物)临床试验性研究。(公众号回复他汀类,获取相关文章推荐) 受试者是一群有高心脏病风险的男性,他们被分成2组,一组人吃立普妥,另外一组人吃安慰剂。 10年之后,观察到的数据是:吃立普妥的那组人,每100个中有2个心脏病发作,吃安慰剂的那组人,每100个中有3.05个心脏病发作。 2组的差距是,安慰剂组每100个人中,比立普妥组多1.05个心脏病发作者。 什么意思?就是说,你让100个心脏病高风险的人吃10年立普妥,有可能只能多阻止1个人遭遇心脏病发作。 只有1%的差距,这样的数字几乎没有参考意义,那是不是意味着药卖不出去了? 并没有,研究者用2(最小值)/3.05(最大值)=0.64,再用1-0.64=0.36 最后得出的结论是:立普妥(他汀类)可以把心脏病风险降低36%,牛逼吧。 然而,这样靠数字游戏得出来的结果,却左右着无数人的治疗方式。 很多人胆固醇高了就吃他汀类药物,从来不考虑它是不是有害,也不质疑它的效果,实际上这个药物的副作用非常大→MIT科学家:『他汀类』降脂药无效,还危害无穷...... 看到没有?科学家可以操作数据,把没有任何参考意义的数据,夸大或者缩小,影响医学指南,影响人类营养学,因为背后牵扯到太多的利益关系。 除了操控数据,还有很多其他操作,更加匪夷所思。 →试验过程和试验对象,也可以随意操作 2016年,墨尔本大学发布了一项研究,对高脂肪低碳水饮食做了对比。④ 得出的结论是:高脂肪低碳水饮食不靠谱,把老鼠吃胖了。 没错,研究者选择的受试者是老鼠,并且把它们分成了2组。 一组吃高脂肪低碳水饮食,一组吃高碳水低脂肪饮食,坚持了9周。 乍一看吓一跳,翻开试验数据才发现,研究人员给高脂组的老鼠喂食的碳水化合物虽然低,但全部选择白砂糖。(而真正高脂低碳饮食建议吃的碳水化合物是富含纤维的蔬菜) 图片来自The Cheat Sheet 那么,老鼠们吃的脂肪是什么呢?精炼植物油,甚至包含反式脂肪酸。(而真正高脂低碳饮食建议吃健康的椰子油、橄榄油、黄油等等) 老鼠的蛋白质来源是酪蛋白,是一种容易引起消化不良的抗原性蛋白质,在人类的任何高脂低碳饮食中,都不会把它作为直接推荐的。 喂食给老鼠的纤维就更可笑了,是和纸差不多的纤维素。 别说老鼠了,你要是每天吃这些,身体不出问题才怪。 但是,还没有完,试验中所用的老鼠,都刻意选择了新西兰肥胖(NZO)小鼠。 这是一种经过基因修饰后,本身葡萄糖耐受量就低,并且特别容易出现心血管疾病、脂肪肝,和糖尿病等问题的小鼠。 综合所有因素,可想而知,试验所得到的结果也不出所料,操控实验结果,真的易如反掌。 → 试验最终结果,和结论不一样 没错,就说结果出来了,某些科学家(流氓)也可以根据自己的需求,改变研究的结论,我们来举个例子。 2007年,有一个关于低碳饮食的研究。⑤ 科学家把137名受试者分成3组,一组坚持低碳水化合物饮食,一组坚持低脂肪中碳水饮食,一组作为对照组正常饮食即可 结果发现:低碳水饮食组减重最多,而且心血管疾病风险指标都有最大程度的好转(包括甘油三酯水平、LDL水平等等)。 但是,搞笑的事情发生了,研究人员给出的最终结论却是:低脂中碳组是获胜方,是更为谨慎可选的饮食方式。 后来被发现,这场研究是某全球知名谷物早餐和零食制造商,提供资助的。 你可能觉得好笑,原来一直视为更加严谨的临床试验性研究,竟然也有猫腻。 那么,面对纷繁复杂的各类营养研究,我们就一点办法也没有了?并不是! 面对营养建议,如何更加理性?斯坦福大学医学院,医学与健康研究与政策教授John Ioannidis,和自己的团队,回顾和分析了海量的医学和营养学研究。 最后指出:观察性研究中得出的结论,有80%可能是有缺陷的,临床试验性研究得出的结论,有20%-25%是错误的。⑥ 是的,科学前行的过程中,是带着缺陷踏步的,但这并不代表我们可以轻易被其左右。 面对营养建议,如果你能连续提出如下几个问题,就能练就一身去伪存真的能力: 图片来自J. Levine Auction & Appraisal → 这是观察性研究,还是临床试验性研究? 如前面所说,如果是观察研究,可能需要更警惕些,但并不代表临床试验性研究就可以随意相信。 → A和B的相关性,是不是因为C? 这个很重要,如前面的护士研究一样,吃雌激素(A)的女性,心脏病风险(B)低,是因为这些女性大都具有很高的健康意识(C)。 换句话说:并不是吃雌激素(A),降低了心脏病风险(B)。 → B会不会导致A?(换句话说:会不会B才是可能的原因) 如果有研究告诉我们A和B之间有联系,会不会出现不是A导致B,而是B导致A的情况? 比如,中学男孩要选择2个体育项目(篮球或者足球)。 其中,打篮球(A)的男孩个子普遍更高(B),你不能就此得出结论:打篮球(A)导致个子长高(B)。 但是,却可以反推:在这所中学,个子高(B)的男孩更偏向于选择打篮球(A)。 →A会始终如一的导致B么? 试验结论是不是有可重复性?如果今天得出这样的结论,明天用不同的方法,重复试验,又得出另一个结论,可信性就可能降低。 另外,试验结论是不是具有普遍性?在这群人身上做试验是一个结果,在另一群人身上却得到别的结果,就可能有不准确的地方。 → 试验对象是什么? 有时候,试验对象对结果的影响也是巨大的。 举个栗子,1913年,俄国病理学家Nikolaj Anitschkow,给兔子注射了大量胆固醇,结果造成兔子动脉粥状硬化式损害。 这个研究,第一次将胆固醇和心血管疾病联系到了一起,很多人开始认为,胆固醇很可怕,可能会导致心脏病。 但问题是,兔子真的不是人啊,它的系统和人的系统不一样,人体会自动调节,消化,利用胆固醇的能力,而兔子压根一直在吃素,根本没有人调节胆固醇的能力啊。 →试验结果的数据差异,到底有多大 就比如前面提到的立普妥(他汀类)研究,吃和不吃可能造成的心脏病风险,只有1%的差距,根本不具有参考性,要警惕那些估计夸大的数据。 → 科学家有没有操作变量? 前面有提到,科学家给高脂低碳饮食的老鼠,喂氢化植物油,酪蛋白,纤维素等等,得出的结论是高脂低碳饮食有害。 另外,他们还特意选择了有糖尿病高风险的老鼠品种。 →试验结果,是否和结论一致? 这个就更简单了,前面提到的低碳水饮食研究,数据结果显示低碳组最佳,但科学家给出的结论确实中碳组最好。 关键的瘦龙说人类在不断进步,发现各种规律、进行各种科学试验,为了探究真理,找寻真正的答案。 我们通过科学观察发现:
这些是科学观察的积极意义,我们也因此了解到很多真相,但这并不意味着我们要盲目信赖所有的科学研究。 任何真理,都是值得推敲,质疑的,我们一定要学会自己去判断,自己去伪存真的过程,其实没有那么难,并不需要你懂得多高深的数学计算公式。 大部分时候,你只需要懂得简单的数学,以及基本的逻辑,就可以做一个更加明智的信息接受者。 我真心希望,每一个人都慢慢形成自己的判断力,不要拒绝深度思考,学习。 现在社会,越想简化,越想逃避,自己越容易付出更多的代价,想要了解真相,就要比别人多花点时间。 (叼叼完了,是不是又说多了?) |
|