Kategoriarkiv: Statistik

Problemen med nutritionsepidemiologi

I mitt senaste inlägg nämnde jag alltså studien publicerad i BMJ som visar på fler frakturer och ökad dödlighet (kortare genomsnittlig livslängd) bland mjölkdrickare. Men även om det inte framkom i mediarapporteringen så var man i originalartikeln noga med att poängtera att studien har en hel del begränsningar och att resultaten därför bör tolkas med försiktighet. De brister som man nämnde i abstract var ”residual confounding” och ”reversed causality”. Confounding kallas på svenska ofta för förväxlingsfaktorer och innebär att det i observationsstudier kan finnas bakomliggande faktorer som egentligen orsakar ett samband. Nedan ser ni ett klassiskt exempel på hur sambandet mellan kaffe och lungcancer egentligen berodde på att kaffedrickare oftare rökte. När man kontrollerade analysen för rökning försvann sambandet mellan kaffe och lungcancer.

kaffe rökning

Om man känner till en confounder kan man alltså kontrollera för den i analysen. Däremot kan man i observationsstudier aldrig vara säker på att det inte finns okända bakomliggande orsaker till ett samband. De förväxlingsfaktorer som kvarstår efter man kontrollerat analyser för kända confounders brukar kallas residual confounding. Reversed causality (omvänt orsakssamband) innebär i detta fall att sambandet mellan mjölk och hälsoproblem egentligen förklaras av att dålig hälsa ger upphov till en större mjölkkonsumtion. Med tanke på att Livsmedelsverket rekommenderar mjölk för att motverka benskörhet kan man till exempel tänka sig att personer med benskörhet därför är mer benägna att dricka mjölk.

I alla observationsstudier är det svårt att särskilja associationer från orsakssamband. Särskilt när det gäller epidemiologiska studier på hur kosten påverkar vår hälsa bör man vara väldigt försiktigt med tolkningen. Bland annat av de anledningar man nämner i denna studie men även eftersom man vet att människor är väldigt dåliga på rapportera vad de äter. Detta problem verkar vara särskilt tydligt bland överviktiga, vilket i sin tur kan introducera systematiska fel i resultaten. Tyvärr får ofta nutritionsepidemiologiska studier stor medial uppmärksamhet, vilket är problematiskt. När det gäller kost och hälsa är det en bra tumregel att ha ett skeptiskt förhållningssätt till denna typ av studie och istället basera sina kostval på de råd som bygger på kunskaper från ett större antal forskningsstudier.

Twitterundersökningar

När man gör en epidemiologisk undersökning vill man gärna ha tillgång till data från hela befolkningen (vilket vi i Sverige ofta har tack vare våra hälso- och befolkningsregister). Ett annat alternativt som ofta är mer effektivt är att endast undersöka ett urval av befolkningen. Om detta urval är slumpmässigt (och inte alltför litet) kan resultaten generaliseras till hela befolkningen. Om urvalet inte är slumpmässig kan man få problem med selektionsbias vilket resulterar i att resultaten inte går att generalisera till den övriga befolkningen.

På nätet är det vanligt att exempelvis tidningar som Aftonbladet och Expressen gör undersökningar där man kan svara på frågor och genom att klicka i något av flera svarsalternativ. Denna typ av undersökning är känslig för urvalsbias, dels för att det kan vara ett särskilt urval som besöker just denna nättidning och även för att vissa individer är särskilt benägna att delta i denna typ av undersökning, medan andra skrollar vidare.

I tidsdags började Aftonbladet med en ny typ av undersökning på Twitter ‑ dagens twitterfråga. För att svara på denna fråga ska man retweeta för det ena svarsalternativet och favoritmarkera för det andra. Problemet är dock att en retweet innebär att frågan sprids vidare till alla ens följare som därmed får veta ens åsikt. Detta leder till bias som både påverkar sannolikheten att man svarar, att man väljer ett särskilt svarsalternativ samt att frågan får en skev spridning. Retweet bias kan man kanske kalla detta typ av systematiska fel och resultaten ger en usel bild av den allmänna opinionen. Jag tror helt enkelt att Aftonbladet behöver anställa en epidemiolog om de ska fortsätta med dessa twitterundersökningar. En blond epidemiolog kanske, som har erfarenhet av att både blogga och twittra?

Frågan är dock vad som egentligen är syftet med dessa twitterfrågor. Är syftet verkligen att få resultat som säger något om den allmänna opinionen? Eller handlar det snarare om att Aftonbladet har kommit på ett ganska fiffigt sätt att få spridning och gratis marknadsföring med hjälp av sociala medier?

Fullmåne och sömnkvalité

Många personer hävdar att sömnkvalitén påverkas av månfaser, framför allt anser många att man sover sämre vid fullmåne. För knappt ett år sedan publicerade Cajochen et al. en studie i Current Biology som föreslog att detta inte är en myt, utan att man faktiskt har sämre sömnkvalité vid fullmåne. Denna studie blev väldigt uppmärksammad i media. Men det fanns också de som var skeptiska, till exempel Faktoider som efterfrågade fler studier på ämnet.

I en studie som igår publicerades (också i Current Biology) försökte man replikera dessa resultat genom att använda data från tre olika studier där man hade sömn-EEG från ett större antal försökspersoner än i studien av Cajochen et al. Dessa analyser visade dock att det inte alls fanns något samband mellan sömnkvalité och månfas. Vidare har man i denna studie identifierat nollresultat från andra analyser, delvis opublicerade data och man föreslår därför att de motsägelsefulla resultaten kan vara orsakat av publikationsbias.

Publikationsbias innebär att studier som inte visar positiva samband förblir opublicerade eftersom de inte anses vara lika intressanta som studier med positiva fynd. Nollresultat och negativa fynd stannar kvar i skrivborslådan. Eftersom positiva resultat ibland uppstår som slumpfynd är det viktigt att man ställer resultaten av en viss studie i kontrast till vad andra studier på samma område visar. Men om bara positiva fynd publiceras är det omöjligt att veta hur det egentligen ligger till.

Tyvärr gissar att denna studie inte får samma uppmärksamhet som den studie som ”bekräftade” myten om hur sömnen påverkas av månens faser. Om negativa fynd är svåra att få publicerade i en vetenskaplig tidskrift är det praktiskt tagit omöjligt att få Aftonbladet att skriva om dem.

Bild: Full moon over the Siskiyous by Gary Muir / Wikimedia Commons

Bild: Full moon over the Siskiyous by Gary Muir / Wikimedia Commons

Full moon and sleep quality

Many people argue that sleep quality is affected by moon phases, in particular, many believe that you sleep worse during full moon. For almost a year ago, Cajochen et al. published a study in Current Biology that suggested that this is not a myth, but that people actually have worse sleep quality during full moon. This study attracted a lot of attention from the media.

A study published yesterday (also in Current Biology) attempted to replicate these results using data from three different studies that included sleep EEG from a larger number of subjects than the study of Cajochen et al.. These analyzes showed that there is really no correlation between sleep quality and moon phase. Moreover, in this study the researchers identified null results from other analyzes, partly unpublished data and therefore proposes that the conflicting results may be caused by publication bias.

Publication bias means that studies that do not show positive correlations remain unpublished because they are not considered to be as interesting as studies with positive findings. Negative or null results remain in the file drawer. Given how positive results sometimes occur as random findings, it is important to contrast the results of a particular study to findings of other studies on the same topic. But if only positive findings are published, it is impossible to know whether the results are valid or not.

Unfortunately, I am guessing that this study will not receive the same attention as the study that ”confirmed” the myth of how sleep is affected by moon phases. If negative findings are difficult to get published in a scientific journal, it is practically impossible to get Aftonbladet to write about them.

DIY-forskning

Jag har tidigare nämnt att jag nyligen undervisat på läkemedelsprogrammet om screening. Studenterna fick då i uppgift att använda Socialstyrelsens statistikdatabas för att undersöka hur nationella screeningprogram påverkar incidens av cancer och även hur dödligheten i dessa cancertyper förändrats över tid. Genom att göra grafer på detta kan man tydligt se att screening av livmoderhalscancer minskar både incidens och antal dödsfall eftersom screening gör det möjligt att behandla cancer tidigt och även dess förstadier. I kontrast till detta kan man se att bröstcancerincidensen ökar tack vare screening eftersom man hittar fler fall. Trots detta ligger dödligheten i cancer stilla vilket tyder på att screening leder till överbehandling

Hur som helst, denna statistikdatabas är väldigt användbar och tillgänglig för vem som helst. Uppgifterna är bland annat hämtade från svenska hälsodataregister. Ni hittar den här. Man kan där undersöka incidens av sjukdomar, dödlighet och läkemedelsanvändning över tid. Nedan kan ni se en graf över förskrivningen av systemisk antibiotika.

Systemisk-antibiotika-statistik

Sedan 2006 kan man se att antalet uthämtade läkemedel från apotek har minskat något, vilket förmodligen beror på en försiktigare utskrivning av antibiotika på grund av resistensproblemen. Om man jämför motsvarande period för ADHD-medicin (centralstimulerande) ser man tydligt att användandet ökat under denna tid.

ADHD-statistik

Detta uppmärksammade Socialstyrelsen nyligen i ett pressmeddelande där man bland annat nämner att fyra procent av pojkarna i befolkningen behandlas med metylfenidat för ADHD.

Men detta är bara exempel på grafer som kan genereras med hjälp av Socialstyrelsens statistikdatabas som kostnadsfritt kan användas av vem som helst. Do it yourself-forskning helt enkelt. Testa!

Oh snap!

Vetenskapsradion klumpar ihop vår nya studie om pappans ålder med Bygrens (studien om farmors diet och epigenetiskt arv) i en artikel som handlar om ”datafiske”.

Problemet är att artikeln inte tydliggör skillnaden mellan datafiske där man kan hitta slumpmässiga associationer om man gör tillräckligt många analyser och sensitivitetsanalyser där man har en riktad hypotes som verifieras och kontrolleras för att se om sambanden verkligen kvarstår (vilket var vad vi gjorde). Man kan nästan säga att sensitivitetsanalyser är motsatsen till datafiske eftersom de minskar risken för slumpmässiga fynd.

 

Träning och farmors diet

Kille på gymmet ba: Nej, du får inte träna emellan för jag och mitt tidtagarur måste tajma exakt 60 sek mellan varje set för att optimera träningseffekten.

Jag ba: Suck….

Denna typ av påståenden får man höra ganska ofta i gymmiljöer. Vissa kallar det för broscience; en typ av pseudovetenskapligt påstående som ofta vandrar från en vältränad kille till en mindre vältränad. Myterna florerar på gym och gårdagens Vetenskapens värld handlade om just träningsmyter. I denna artikel tar man död på fem vanliga träningsmyter.

När vi ändå håller på med lästips, skrev statistikern Olle Häggström i förra veckan på sin blogg om en studie publicerad i BMC Genetics. I denna svenska studie anser man sig ha hittat belägg för att farmors diet påverkar hälsan i kvinnliga barnbarn vilket skulle kunna förklaras av ärftliga epigenetiska effekter. Studien skapade stora rubriker i både DN och SvD.

Häggströms blogginlägg handlar om hur man måsta ta hänsyn till antal test när man avgör huruvida ett resultat är signifikant eller inte. I denna studie har man missat detta vilket således betyder att man inte behöver fundera så mycket på om farmor åt sina grönsaker eller inte.