Если вы еще не скупили все вино в ближайшем супермаркете, не спешите. Что не так с голландским исследованием? В наблюдательных исследованиях обязательно должны учитываться так называемые спутывающие переменные. Кроме паттернов употребления алкоголя, на здоровье сердца и сосудов могут существенно влиять и другие вещи: статус курения, качество питания, физическая активность, масса тела. Если сравниваемые группы отличаются по любому из этих параметров, причиной разной продолжительности жизни может быть именно это, а вовсе не потребление вина. Поэтому результаты исследования должны быть скорректированы с учетом всех вмешивающихся факторов.
Вот вам бытовой пример: число людей в шортах растет с увеличением продаж мороженого. Однако мы не можем сказать, что мороженое – причина облегчения гардероба. Вы без труда догадаетесь, что влияет третий фактор – жаркое лето.
В голландском исследовании учли статус и продолжительность курения, индекс массы тела (ИМТ), наличие хронических заболеваний, рацион, социально-экономический статус, но не учли уровень физической активности. Если мы знаем, что оно противоречит другим, более качественным исследованиям потребления алкоголя, о которых вы можете прочитать в пятнадцатой главе, то не будем так уж удивлены. В отличие от широких масс, специалисты в любой области медицины ориентируются не на отдельные работы, а на критически оцененные и сопоставленные друг с другом исследования и исследования исследований – систематические обзоры и метаанализы. Это называется синтезом данных.
Диетологи всё врут?
А наука о питании – нутрициология – это никакая не наука, а просто винегрет из разных мнений? В любом книжном магазине вы найдете целые стеллажи книг о питании с противоположными рекомендациями. Один автор с пеной у рта и ссылками на знаменитостей будет описывать радости сыроедения, проклиная молоко и предавая анафеме мясо. Другой точно знает, что во всем виноват глютен. Третий исцелился и похудел, когда перестал есть пасленовые и особенно помидоры-убийцы, потому что они не хотят, чтобы их ели, и мстят. Четвертая (и это снова человек с медицинским образованием) советует специально подобранными продуктами и добавками регулировать “гормональный баланс”. Все они время от времени благоразумно ссылаются на исследования. И журнал “Гламур” советует. И коллега попробовал и похудел. Но не может же все это одновременно быть правдой?
Конечно нет, просто существует избирательный подход к предоставлению данных, по-английски очень удачно названный cherry picking[1]. Как сочные и спелые вишни с обычного дерева, с дерева познания тоже можно собирать не всё, что выросло, а только то, что покажется наиболее привлекательным. “Если у вас есть особая любовь к бекону, то вы сможете доказать пользу высокожировой диеты, отбирая нужные исследования. Если вы его ненавидите, у вас тоже все получится, и вы сможете с аргументами в руках убеждать окружающих, что бекон, сало и молоко смертельно опасны. Просто исследований – огромное количество; какие-то спонсированы заинтересованными в положительном исходе корпорациями, какие-то плохо проведены, где-то найдена корреляция, а не причинно-следственная связь (но ведь какая разница, правда?), а где-то в процесс вмешалась теория вероятностей, время от времени выдающая положительные результаты там, где их нет”, – пишет в своей книге медицинская журналистка Даша Саркисян.
Фальсификация данных или завуалированный конфликт интересов – намерение прийти к определенным выводам, потому что это кому-то выгодно, – тоже возможны. Но в независимых исследованиях питания они встречаются не настолько часто, чтобы это исказило общую картину. Подлог, как правило, удается раскрыть.
Пример тому – Брайан Уонсинк, бывший профессор Корнеллского университета, который считался экспертом в области потребительского поведения и опубликовал ряд запоминающихся работ о питании, в том числе исследование о “бездонных” тарелках с супом. Работы Уонсинка решено было тщательно проверить после того, как он посоветовал своей аспирантке “спасти” не подтвердившие их гипотезу данные, найдя результату исследования другое объяснение. По сути, это подгонка результатов под готовое решение: путем манипуляции данными эффект обнаруживается там, где его на самом деле нет. Перебирая гипотезы и многократно сравнивая разные наборы данных, можно найти между ними случайное совпадение и выдать его за несуществующую причинно-следственную связь. Такой способ анализа данных ведет к искажениям и ошибкам.
1