Vídeos Interessantes

[Aless 4674]

Olá,

Eu estou seguido vendo vídeos no YouTube que considero interessantes e dessa vez resolvi compartilhar.

O vídeo acima mostra como que 'correlation does not prove causation' ou 'correlação não prova causa'. Basicamente o vídeo mostra estudos observacionais sendo usados como 'provas' para afirmações sem sentido e que causam a fama para 'estudos mal feitos' ou idiotisses como publicações sobre ovo causando colesterol. Ele também explica as afirmações do tipo 'dieta com alto teor de gordura aumenta as chances de problemas de coração' e como estudos observacionais chegam a esse tipo de conclusão falha.

A tradução do vídeo está postada abaixo.

[Aless 4674]

Mais um vídeo interessante falando especialmente de onde surgiu o mito sobre gordura saturada causar problemas de coração:

[manel007 3417]

resume aí pfv... realmente isso acontece muito, é só juntar as palavras "faz sentido + tenho 50cm de braço/ ou tenho um diploma" e temos uma verdade incontestável, foda...

[vhsarmento 2273]

Eu até entendo um pouco de inglês, mas não o suficiente pra fazer uma tradução decente. Se alguém se dispor seria de grande ajuda...

[kiwi007 167]

esse video aqui fala sobre colesterol e doenças do coraçao tb, ele explica umpoco porque nao eh assim e oq causa isso, mas superficialmente

ele fala ali que a acidez do corpo eh um dos fatores, alguem sabe se tem algum teste que de pra avaliara a acidez do meu corpo? e se o jeito de diminuir isso seria apenas comer comidas basicas?

[Aless 4674]

Bom, ele começa se apresentando e dizendo que ia chamar a apresentação de 'science for dummies' mas dummies (burros, ignorantes, mas não como sentido pejorativo, apenas de pessoas que não estudaram) não entendem ciência, e o nome ficou science for smart people. 'Burros' são aqueles que acreditam no Dr Ross quando ele diz que gordura saturada é sólida em temperatura ambiente e portanto é sólida nas suas artérias. Aí ele explica que temperatura ambiente é de 21 graus Celsius e a nossa temperatura corporal é de mais ou menos 36 graus. No dia que o cara falou isso, ele resolveu pegar gordura e colocar na rua, já que estava bem quente, e depois de alguns minutos estava líquida. Ele repetiu a mesma experiência com outros alimentos (banana, maça e brócolis) e eles continuaram sólidos, logo eles fazem mal para as artérias...

Aí ele disse que o pessoal ali entende que isso não é verdade, já que eles são inteligentes, mas mesmo pessoas inteligentes se sentem intimidadas às vezes por cientistas e por estudos. E ele diz que uma das razões está na Barbie de quando eram adolescentes, 'Matemática é difícil' ela dizia, ou 'Vamos ter roupas suficientes?'.

A verdade é que se você estiver lendo um estudo e ver um cálculo como este (4:00), você vai se sentir como uma Bárbie. A verdade é que você não precisa entender aqueles cálculos para poder diferenciar os estudos bons dos ruins, você precisa entender alguns princípios e lógica. Isso é o mínimo para poder cuidar da própria saúde, já que você pode abrir o jornal e ver uma matéria assim:

Ovos estão ligados ao diabetes; e alguns dias depois, você pode ver um assim:

Ovo melhoram o controle da glicose; ou então

Carnes processadas estão ligadas ao câncer; ou então

Cachorro-quente talvez previna o câncer; ou talvez

Nós não temos a menor ideia sobre aspargos!

Os 4 primeiros realmente sairam em jornais. E é por isso que precisamos entender como os estudos são conduzidos e o que os dados que eles publicam realmente significam.

O que é ciência?

Antes de falar sobre isso, eu gostaria de explicar sobre o reconhecimento de padrões, saber fazer conecção entre A e B. Nós precisamos saber fazer isso para sobreviver como espécie. Resumindo, se bebermos da água limpa e clara, está tudo bem, se bebermos da água com animais mortos, ficamos doentes. Se nos aproximarmos da caça a favor do vento o animal foge, se nos aproximarmos contra o vento temos chances de pegar. Reconhecimento de padrões é a base da inteligência humana, e é por isso que adolescente em filmes de terror sempre parecem idiotas... quem verifica os sons estranhos sempre morrem e ninguém se dá conta, etc.

O problema é que isso está tão intrínseco no nosso cérebro que cada vez que vemos A achamos que ele deve estar causando B. Os cientistas chamam isso de 'belief engine' e que estamos constantemente procurando conecções. O problema é que quando estamos procurando por algo, nós temos a tendência de acreditar e achar aqueles que são similares com o que já acreditamos, ou pelo menos não se contradizem.

Aí ele dá o exemplo do indígena que acredita que o deus chuva não está fazendo chuver... e em um estado desidratado coloca roupas festivas com um grupo e (faz piada com o YMCA) resolve dançar, e pouco tempo depois chove... conecção: A se dançarmos com roupas festivas fazemos o deus da chuva feliz e ele nos manda chuva B.

O segundo exemplo é de 300 anos atrás quando se acreditava que mal humor circulava nas veias das pessoas e causava doenças sem explicação, até que um dia um doutor resolviu sangrar uma pessoa que estava doente mas que estava quase melhorando e 'por milagre' ela melhorou, e temos uma nova conecção, se fizermos uma pessoa sangrar, curamos a doença. Com o tempo, as pessoas se deram conta que essas coisas não eram verdade e é aí que entra a ciência.

A ciência é o processo que permite responder objetivamente essas questões:

Há uma conecção entre A e B?

A causa B acontecer?

Como A causa B?

Mesmo que não tenhamos a resposta para a terceira pergunta ainda, isso não invalida a segunda. Há drogas medicinais que tratam doenças e ainda não sabemos explicar o mecanismo, mas nem por isso elas deixam de funcionar.

A forma que cientistas deveriam responder essas perguntas é pelo método científico:

Observar

Formar hipótese (uma explicação que deve ser testável)

Experimentos (validar a hipótese)

Coletar dados

Analisar os dados

Não temos nenhuma prova do que é verdade antes de passar por todos esses passos, e ainda assim não temos prova se os resultados sejam consistentes e capazes de serem repetidos.

Essa é uma parte importante, é correto dizer que experimentos são estudos, mas nem todos estudos são experimentos, na verdade, muitos não são. Em medicina e nutrição há dois tipos de estudos:

Observacionais

Clínicos

Um estudo clínico é um experimento, um observacional não. Um estudo observacional é exatamente o que ele diz - estamos observando pessoas, não estamos tratando ou modificando nada, não estamos colocando eles em uma dieta e nem dando nenhuma droga, estamos apenas observando pessoas e coletando dados. Quando coletamos os dados queremos identificar padrões que aconteçam juntos. Se eles acontecem, podemos dizer que eles estão relacionados estatisticamente, também conhecidos com os termos correlacionados ou conectados (correlated e linked). Em outras palavras, podemos dizer que achamos uma conecção entre A e B. Se os dados permitirem, podemos colocar em uma tabela e afirmar por exemplo que o fumo está relacionado com câncer de pulmão, ou tomar estrogênio reduz as chances de problemas de coração, ou torcer para o Chicago está relacionado com depressão (piada). Mas há um problema, que eu vou mostrar com um exemplo:

Um estudo mostrou que pais que tem livros em casa e leem para os seus filhos geralmente tem filhos mais inteligentes. A está causando B, ler para os filhos faz com que eles sejam mais inteligentes, correto? Errado! Quando outros cientistas olharam os dados melhor, eles viram que a quantidade de livros em casa não fazia a menor diferença, então porque vemos essa relação? Na verdade, pais inteligentes tem mais chances de comprar livros, de ter livros em casa, e de ler livros para os filhos. E pais inteligentes tem mais chances de terem filhos inteligentes, que vão ter notas melhores na escola. Isso é uma coisa que bons cientistas entendem, porque uma coisa está relacionada a outra, não quer dizer que ela está causando a outra, ela pode estar relacionada a uma terceira causa que os investigadores não estavam procurando, e isso é chamado de 'confounding variable' (variável da confusão), e estudos observacionais estão cheios disso. Se os observadores não estiverem procurando por eles, talvez eles nunca achem. Lembram-se do 'belief engine'? Quando estamos procurando por uma coisa tentamos não achar nada que contradiza nossos conceitos e crenças. Vamos ver como isso funciona:

40% das pessoas estão em uma dieta alta em gordura e alta em açúcar, 20% em alta gordura e baixo açúcar, 20% em baixa gordura e alto açúcar e 20% em baixo açúcar e gordura. Juntamos os dados do estudo observacional e aqui estão eles:

3 pessoas no grupo com alto açúcar e gordura desenvolveram problemas de coração, assim como 1 pessoa no grupo com alto açúcar e baixa gordura. Agora, que relações eu vou achar com esses dados?

Isso depende do que eu estou procurando e tentando mostrar. O fato é que 2/3 das pessoas em dieta com alto açúcar desenvolveram problemas de coração, na minha população. Mas, se eu tiver o conceito na minha vida inteira que uma dieta com grande quantidade de gordura causa problemas de coração, eu vou afirmar que 50% das pessoas com alta gordura desenvolveram problemas de coração, mas no meu outro grupo com baixa gordura, apenas 1/4 desenvolveu problemas de coração... bem achei uma conecção, dieta alta em gordura causa problemas de coração. Na verdade, baseado nos meus dados, eu posso anunciar "dietas com alta quantidade de gordura dobram as chances de doenças no coração". E em estudos observacionais você vai ver esse termo todo o tempo "dobra o risco", "aumenta o risco", "baixa o risco", como neste "consumo de ovos talvez aumente o risco de diabetes tipo 2". Então o que esse termo quer dizer? O que muitas pessoas que não entendem, incluindo jornalistas, pensam assim: você olha um filme que mostra roleta russa. No dia seguinte, eu resolvi brincar com uma arma e coloca 1 bala, quais são as chances de eu morrer? 1/6. Se eu achar que quero mais emoção, eu coloco 2 balas, quais são as chances? 2/6 ou 1/3. Eu literalmente dobrei as minhas chances de morrer, e isso é causa e efeito, já que o meu comportamento dobrou as chances de eu me matar. Quando um estudo como esse (ovo e diabetes 2) aparece, os investigadores fazem comentários do tipo "O estudo mostrou um aumento significante de novos casos de diabetes relacionado com consumo redular de ovos". Eles não disseram associados, parece causa e efeito. Então as pessoas leem o título e acham que cada vez que você come ovos é como se estivesse colocando mais balas na sua arma. Em um estudo observacional, 'aumenta o risco', isso significa outra coisa. Em estudos observacionais, isso apenas quer dizer que estatísticamente você seria colocado em um grupo ao invés de outro, e o seu grupo em média teve resultados piores. Mas o grupo que você colocado depende da forma que os pesquisadores resolveram brincar e analisar os dados.

Vamos voltar para o nosso estudo observacional e você é a pessoa com o círculo amarelo. Se os cientistas resolverem a olhar por um lado, você pertence ao grupo que tem alto consumo de gordura e portanto tem mais risco de problemas de coração... mas se eles resolverem analisar os dados conforme o consumo de açúcar, você está no grupo que reduz o risco de problemas de coração!!! A sua dieta não pode estar previnindo e causando problemas de coração ao mesmo tempo! E como esse é um estudo observacional, nós não sabemos, já que isso não apenas análises estatísticas que não nos dizem nada sobre causa e efeito. Mais um exemplo de 'aumenta o risco' antes de proseguirmos.

Resumo: garotas que saem da escola tem mais chance de ficar grávida. Alguém pensa que sair da escola engravida? Alguém acha que biologia funciona assim?

É aí que bons cientistas afirmam "correlation does not prove causation" ou "Correlação não prova causa", porque um estudo observacional só vai até esse ponto. Tudo que um estudo observacional faz é fornecer dados para uma hipótese, ele não prova nada. É por isso que quando cientistas querem provas eles conduzem um estudo clínico.

Porque eles são importantes? Porque eles controlam as variáveis, os grupos de pessoas são estatisticamente as mesmas, e isso é importante. Se vamos testar uma droga para o coração, devemos evitar colocar as pessoas fumantes em um grupo e não fumantes no outro. Todas as variáveis devem ser conhecidas e dividir o grupo igualmente, e tendo elas em controle, trocamos 1 variável, como um grupo segue a dieta e o outro não, ou um grupo toma a droga e o outro placebo, e nenhum dos grupos sabe o que eles estão tomando. Então se o grupo que modificamos a variável tiver um resultado diferente, podemos afirmar que foi causado pela variável modificada.

Vou dar um exemplo de porque bons cientistas não chegam a conclusões analisando dados de estudos observacionais: por anos cientistas vem pegando dados de um estudo chamado Harvard Nurses Study, e uma das correlações que eles acharam foi uma que eu disse antes: mulheres de meia-idade e eram enfermeiras que tomavam estrogênio tinham 40% menos chances de doenças do coração. Que maravilha! Tivemos muitos médicos e cientistas recomendando que todas mulheres tomassem estrogênio. Os bons cientistas disseram 'espere aí, correlação não prova causa', precisamos fazer um estudo clínico, e eles fizeram. 60 mil mulheres e mais de 5 anos sendo estudadas, e os resultados mostraram que mulheres que tomaram estrogênio tinham 30% mais chances de ter problemas de coração e também mais AVCs. E outro estudo mais tarde mostrou a mesma coisa. Mas então porque um estudo observacional mostrou exatamente o contrário? O grupo observado pode ser chamado 'health consciousness' (pessoas que sabem cuidar da sua saúde), e comparado com a população em geral, eles tem menos chances de fumar, de beber demais, de consumir refrigerantes, doces, etc, e também tem mais chances de ser exercitar, dormir o suficiente, tomar vitaminas, procurar um médico caso estejam doentes. Em outras palavras, estrogênio não estava dando para essas mulheres um coração mais forte, mas pessoas que cuidam da saúde tem mais chances de tomar estrogênio e ter menos chances de ter problemas de coração (porque elas sabem cuidar da saúde) e os bons hábitos mais do que prevenia os efeitos ruins do estrogênio para o coração.

A grande maioria do que você vai ver na mídia são estudos observacionais. Então o que fazer? Você abre o jornal e ele diz que XYZ causa problemas para a saúde... vá e ache o estudo, pegue o nome do investigador, do estudo, use o google e ache o abstract. Muitas vezes o abstract tem o link para o estudo completo. Agora o que muitos jornalistas fazem é ignorar tudo e ir direto para a conclusão que os investigadores escreveram e escrevem a história baseadas nelas. Nós não queremos fazer isso, por cientistas são mentirosos! Não estou dizendo todos, mas muitos. Se você ler alguns livros (21:40 tem imagem), você vai ver que isso é bem comum.

Um doutor gastou a carreira dele investigando estudos de seus colegas e apontando os erros deles.

22:09 - continuo amanhã

[0T4V10TH3G0D 7]

valeu irmão, muito boa a iniciativa... agora sempre que aparece um "estudo" eu vou ficar mais ligado se foi observacional ou se foi clínico kkk

[Aless 4674]

Mais tarde eu continuo traduzindo, mas aqui tem um exemplo do que estava sendo dito:

Study: Diet Soda Increases the Risk of Diabetes. Why Do We Still Drink This Stuff?

http://shine.yahoo.com/healthy-living/study-diet-soda-increases-risk-diabetes-why-still-192600358.html

Link para o estudo: http://ajcn.nutrition.org/content/early/2013/01/30/ajcn.112.050997

http://blog.lib.umn.edu/chamb169/myblog/jpg

Conclusão do próprio estudo

Conclusions: Both SSB consumption and ASB consumption were associated with increased T2D risk. We cannot rule out that factors other than ASB consumption that we did not control for are responsible for the association with diabetes, and randomized trials are required to prove a causal link between ASB consumption and T2D.

E por fim, resposta do Alan Aragon:

"It's not the fact that I keep shoveling too much food into my mouth while sitting on my ass all day.... IT'S THIS EVIL FUCKING DIET SODA THAT GOT ME THE BEETUS & THE OBESITY." ^^^Great point, let's impose some far-fetched circumstances upon rats and reach for potential mechanisms behind these phenomena.

[Aless 4674]

Continuando...

Ele e o time dele mostraram, mais uma vez, e de diversas formas, que muito do que os pesquisadores biomedicos (não sei o termo correto) concluem em seus estudo publicados - conclusões que doutores levam em consideração quando prescrevem medicação para pressão sanguínea, ou quando eles consideram na hora de recomendar mais fibra e menos carne - são erradas, exageradas e controversas. Ele afirma que 90% das publicações médicas que médicos se baseiam tem informações erradas. Quando relacioados a câncer, doenças de coração e outras complicações do tipo, havia muita informação publicada, mas muito era não-científico e largamente baseado em observações. 80% das afirmações feitas com estudos observacionais provam-se erradas. Esse doutor também diz que 20-25% das conclusões de estudos clínicos estão erradas. Como isso pode acontecer?

Pesquisadores estão frequentemente manupulando dados, tentando progredir na carreira ao invés de fazer boa ciência e usando reviews manipulados. E é por isso que quando estamos lendo um estudo devemos aplicar uma análise crítica.

Primeira pergunta: é um estudo clínico ou observacional? Se é um estudo observacional, isso não quer dizer que ele é inútil, mas que ele foi apenas um ponto. Os investigadores podem dizer que eles acharam uma coneção entre A e B, e nada mais.

A próxima pergunta a se fazer é 'se A e B estão relacionados, por ser por causa de C?' como nos exemplos anteriores.

Aqui tem um exemplo de onde essa pergunta deveria ter sido feita: esse é um estudo observacional que mostra que mulheres que iniciaram uma atividade física tem 30% menos chances de ter câncer endometrial. Agora a maioria das pessoas e repórteres vão assumir que A está causando B. E infelizmente nesse caso, o investigador também! Aqui está a conclusão dele "Nós já sabíamos que manter um corpo saudável (em relação ao peso) é importante para reduzir as chances de câncer de útero, mas nosso estudo mostrou que a atividade física tem um efeito de proteção por si só (ou automático)". Vocês veem o problema? Esse é apenas um estudo observacional mas o investigador decidiu que isso é causa e efeito, de que exercícios estão reduzindo as chances de ter câncer. Agora, talvez ele esteja certo, mas esse é um estudo observacional e não podemos tirar uma conclusão dessa forma... talvez pessoas que cuidam da sua saúde tem mais chances de se exercitar e também de ter menos chances de câncer.

Outra coisa, se estamos falando que A está relacionado com B, será que B causa A? Esses dias eu tive uma discussão com um PhD que afirmava que sim. Ele disse para mim ir até uma maratona e ver quantas pessoas gordas e magras cruzariam a linha de chegada, logo A (correr) causa B (ser magro). Bem, quando eu estava no ensino médio, os caras no time de basquete eram bem altos, na universidade eles eram mais altos, e na NBA eram mais altos ainda, então a conclusão clara é que jogar basquete (A) te faz ser mais alto (! E quanto mais jogar, mais alto será. Eu decidi testar isso em mim mesmo e comecei com 5'11" (1,80m) e então joguei basquete por 3 horas durante 1 ano e então cheguei a 6'4" (1,94m).

Jogadores de basquete são altos porque ser alta dá mais chances deles jogarem melhor. Assim como corredores tem mais chances de serem magros porque possivelmente ser magro ajuda eles no processo.

Aqui tem outro exemplo de causalidade ao contrário - eu já vi vários estudos tentando derrubar a dieta do Dr Atkins mas esse é a cereja do bolo - uma dieta low-carb talvez te faça ser gordo. E como eles sabem disso? Porque um estudo observacional mostrou que pessoas que restringem carboidratos são em média mais gordas do que o resto da população! Bem, A (low-carb) deve estar causando B (ser gordo). Bem, eu posso pensar em uma explicação diferente. O meu filho na foto não conta quantas calorias nem nada, ele não tem interesse em perder peso. Que tipo de pessoa cortaria carboidratos em uma dieta? Aqueles que são gordos e querem emagrecer! Eu tenho certeza que se formos em uma reunião dos Vigilantes do Peso, as pessoas lá serão mais gordas do que a média da população!

Próxima pergunta - Se A está causando B, nós vemos isso consistentemente? Ou nós vemos essas 'exceções' em diferentes populações? Nós fomos ditos por exemplo que uma dieta com alta quantidade de gordura saturada causa problemas no coração... é claro, a não ser que você seja francês, suíçio, esquimó, espanhol, ou qualquer outra população estranha que iremos chamar de 'paradóxo'. Nos disseram que carne vermelha está ligada com câncer de cólon. E está. Exceto em alguns estudos, incluindo este publicado em Oxford: "A incidência de câncer de cólon era maior em vegetarianos do que pessoas que comem carne vermelha".

No livro Voo-Doo Science o autor escreveu que torres de transmissão estavam causando câncer na população. Na verdade, pessoas pobres tem mais chances de morarem perto de torres de transmissão (por serem áreas mais baratas/pobres) e essas mesmas pessoas tem mais chances de ter câncer devido a várias razões. E ele disse que os jornalistas não conseguiam entender, se A e B estavam relacioados, um devia estar causando o outro. O que fez eles mudarem de ideia foi outro estudo mostrando que pessoas que trabalham nas torres de tensão tem menos chances de ter câncer.

Quando essa estupidez "ovos talvez aumentem as chances de diabetes tipo 2" saiu em um jornal, levou 3 minutos para mim achar uma exceção... a linha em vermelho mostra o número de pessoas com diabetes e a linha azul de consumo de ovos.

Próxima pergunta essencial em um estudo - quem eram as pessoas testadas/observadas e se faz sentido extrapolar os resultados para as outras pessoas. E essa é importante, a algumas semanas atrás saiu um estudo mostrando que dietas com alto teor de gordura leva a diabetes, e inflamações devido a junk food causa diabetes, e os pesquisadores escreveram as seguintes conclusões "Esses resultados apoiam a ideia de que inflamações são uma das causas de doenças crônicas" e "A recomendação é das pessoas evitarem comidas com gordura o máximo possível". Então eu fui olhar o estudo e aparentente uma dieta com alta quantidade de gordura realmente causa diabetes em ratos! Eu não estou dizendo que pesquisas em ratos são inúteis, apenas que quando os pesquisadores alimentam um animal com uma comida que é completamente diferente do que ele conseguiria na natureza, eu não me importo com os resultados. Eu não me importo se ratos vão desenvolver câncer se eles forem alimentados com leite (lactose) porque ratos não sabem ordenhar uma vaca.

Próxima pergunta importante - qual foi a diferença? Em matemática, diferença é o resultado da subtração de números. Se a diferença não for um número interessante, às vezes os cientistas mentirosos podem trocar para divisão para calcular a diferença relativa, o que normalmente causa um número mais bonito. Deixe-me mostrar um exemplo: O estudo Lipitor foi feito com pessoas que já tinham grandes chances de desenvolver problemas de coração, e depois de 10 anos, aqui estão os resultados - grupo que recebeu medicamento - 2 de 100 homens sofreram ataque de coração, grupo com placebo, 3 de 100. Então a diferença é de apenas 1 ataque de coração para cada 100 homens, depois de 10 anos! Isso não é nada, então vamos aplicar a mágica da divisão e calcular a diferença relativa - 36%! Chegando a uma propaganda de "Lipitor reduz os riscos de ataque de coração em 36%! O que dá a impressão de que mais de 1/3 das pessoas que tomarem o medicamento vão estar se protegendo de ataques do coração, quando na verdade é apenas 1 entre 100 - em 10 anos!

Outra coisa é a palavra Significant (significante) - Resultados significantes ou mudanças significantes, etc. A alguns meses atrás uma das pessoas que segue o meu blog perguntaram sobre a minha ingestão de sal e eu disse que eu não me importava com o sal já que para a maioria das pessoas a ingestão de sal tem o mínimo efeito na pressão arterial, então eu não ligo para isso. O que gerou uma resposta do Sr PhD dizendo que eu não seguia os estudos e me enviou o link mostrando que os investigadores conseguiram uma redução significante da pressão arterial das pessoas devido a redução de sal. Então o que essa palavra 'significante' quer dizer? Vamos dar um exemplo: vamos dizer que você comece a se exercitar 45min por dia, 5 dias por semana, por 1 ano completo e no final do ano você perdeu 2Kg - você iria para os seus amigos e diria que teve perdas significantes de gordura por causa dos exercícios? E se eu conseguir te convencer que eu tenho mais de 95% de certeza que o que causou a redução de peso foram os exercícios? Seria significante? Não! Para nós, 'signficante' quer dizer grande, importante, que realmente mudou. Mas não para um cientista não... para eles, isso quer dizer que estatisticamente pode-se afirmar com mais de 95% de certeza que os resultados vistos não foram por acaso. Isso é tudo que quer dizer.

Vamos ver o estudo que o Sr PhD me enviou - os investigadores colocaram várias pessoas em uma dieta chamada do mediterrâneo mas com uma quantidade alta de sal e mediram a pressão arterial algumas semanas depois. Então eles trocaram o consumo de sal mantendo a mesma dieta e depois de algumas semanas eles mediram a pressão novamente. No primeiro teste, a média das pressões foi de 126/81 e na dieta com pouco sal foi de 123/79, que é muito pequena. Agora, os investigadores tinham mais de 95% de certeza que essa alteração na pressão foi causada pela mudança no sal, então esses resultados são 'significantes', mas quanto a provar que sal causa hipertensão, eles não tem nenhum sentido/aplicação.

Próxima pergunta importante - os pesquisadores controlaram as variáveis? Isso é importante em um estudo clínico mas também em um estudo observacional - vamos para um exemplo. Se eu te disse que pessoas que consumem Gin, Vodkka, água e outros líquidos transparentes tem mais chances de ter problemas no fígado, você acreditaria? Água não combina com o resto... mesma coisa aqui quando fomos ditos que carne vermelha aumenta o risco de câncer. Temos uma foto bem bonita de carne. Mas para podermos fazer aquela afirmação, os pesquisadores colocaram carne processada no mesmo grupo das carnes vermelhas, e comidas processadas incluem pizza, cachorro quente, burritos, ou seja, comidas que as pessoas normalmente ingerem com uma grande quantidade de farinha branca. Quando outros pesquisadores separaram a carne vermelha da processada, não havia nenhuma conecção entre carne vermelha e câncer de cólon.

Próxima pergunta importante - comparado a que? Vocês devem ver isso direto "Grãos integrais previnem diabetes" ou "problemas de coração" ou "previnem obesidade" ou "comidas integrais resolvem todos os problemas" e todas as vezes que eu vou conferir eu vejo a mesma coisa - comparando pessoas que consumem comida integral com pessoas que consumem farinha branca. Isso prova que integral previne alguma coisa? Não! Vamos para um exemplo: vamos comparar pessoas que fumam cigarros sem filtro com pessoas que fumam com filtro. As pessoas que usam filtro tem menos chances de ter câncer, então eu posso afirmar que "fumar cigarros com filtro previne o câncer"? Não! Porque os filtros não estão previnindo o câncer, apenas reduzindo as chances de quem já fuma, mesma coisa com os grãos integrais. Se eles querem provar que grãos integrais previnem doenças eles tem que comparar com pessoas que não comem nenhum tipo de grão.

Última coisa - os resultados apoiam o que os pesquisadores escrevem na conclusão? Você ficaria surpresa a quantidade de vezes que não. Lembra do exemplo do exercício? Isso foi um estudo clínico, e aqui o que os investigadores escreveram: "Fornece dados empíricos de que mulheres que eram sedentárias e acima de peso que mantiverem uma atividade aeróbica tem reduções significativas de todas as medidas de gordura". Significante? Não. E quanto ao estudo sobre o sal? "Nossos resultados apoiam uma redução drástica no consumo de sódio".

Neste exemplo os investigadores colocaram as pessoas em uma dieta de low-carb, low-fat ou controle. Ambos low-carb e low-fat perderam peso, mas o grupo com low-carb perderam mais gordura corporal e tiveram melhoras em todos os indicadores de saúde. Ele foi o grupo 'vencedor' e foi isso que os investigadores escreveram "Dietas com baixa quantidade de gordura e pouca quantidade de gordura talvez sejam prudentes para perda de peso". Por prudente eu acredito que eles queiram dizer 'queremos continuar recebendo dinheiro para as nossas pesquisas financiadas pela xxx (empresa que produz cereais cheio de açúcar)'. E é por isso que temos que fazer essas perguntas, porque cientistas são mentirosos.

E nós precisamos apontar os estudos mal feitos e mostrar os cientistas por trás deles.

[Aless 4674]

Mais um interessante (assim como o canal)

São apenas QA que espero que qualquer pessoa que pesquise um pouco já saiba.