♻️NL BIO-LOGISCH:
Das Problem epidemiologischer Studien – Teil 2

Ernährungsepidemiologen verlassen sich auf Erinnerungen, nicht auf Messungen
Gute Wissenschaft erfordert Daten. Daten müssen per Definition objektiv und quantifizierbar sein. In ernährungsepidemiologischen Studien werden keine gemessenen Daten über die Ernährung erhoben. Stattdessen werden sogenannte halbquantitative Fragebögen zur Häufigkeit der Nahrungsaufnahme verwendet, bei denen die Teilnehmer gebeten werden, sich an das zu erinnern, was sie im Laufe der Vergangenheit (meistens werden mehrere Jahre abgefragt) gegessen haben.

Die Ursache für die vielen Fehlinterpretationen
Wie soll man sich daran erinnern, was genau man beispielsweise vor 12 Monaten gegessen hat? Jede vergessene oder falsch angegebene Variable könnte das Ergebnis verfälschen und Fehlinterpretationen verursachen. Zu beachten wäre auch, dass es auf den Fragebögen meistens nicht die Möglichkeit gibt, „Ich weiß es nicht“ oder „Ich kann mich nicht erinnern“ zu antworten – man ist gezwungen, eine bestimmte Menge anzugeben, selbst wenn man sich nicht sicher ist. Bei einigen speziellen Frage müssen Befragte sogar selber rechnen, um die Anzahl der Portionen, die saisonal konsumiert wurden, in einen Jahresdurchschnitt umzurechnen.

Exakte Wissenschaft erfordert validierte Quantifizierung
Ihr tatsächlicher jährlicher Konsum wird nicht gewogen, gemessen oder in irgendeiner Weise aufgezeichnet. Zu kritisieren wären auch die vagen Beschreibungen der Portionsgrößen auf den Fragebögen - ein Stückchen von diesem, ein kleines Glas von jenem. Dies sind bedeutungslose, unwissenschaftliche Größen. Stellen wir uns einen Chemielaboranten vor, der versucht, ein Versuchsprotokoll zu befolgen, in dem „ein kleines Glas“ Salzsäure gefordert wird.

Der "Bias" (systematische Verzerrung von Studienergebnissen)
Auch das menschliche Gedächtnis ist bewussten und unbewussten Verzerrungen unterworfen. Manche Menschen glauben, dass sie sich gesünder ernähren, als sie es tatsächlich tun, oder sie schämen sich dafür, wie sie essen, und diese Gefühle können ihre Antworten beeinflussen. Anstelle neutraler, objektiver, quantifizierbarer Messungen haben wir daher erzwungene, subjektive, ungenaue Schätzungen. Diese wilden Vermutungen werden zu den „Daten“, die das Rückgrat der gesamten Studie bilden. Ganz gleich, wie ausgefeilt die Statistiken und Analysen sind, die jemand für seine Forschung verwendet - seine Ergebnisse werden nur so gut sein wie die „Rohdaten“, die jemand analysiert. In hochqualitativen experimentellen Interventionsstudien - z. B. bei RCTs - wird daher oft eine Verblindung der Probanden benutzt, um diese Verzerrung zu vermeiden.

Der "Confirmation-Bias" (Bestätigungsfehler)
Zusätzliche Verzerrungen können aber auch durch subjektive oder ideologische Faktoren beim auswertenden Studienpersonal entstehen - der sogenannte "Confirmation-Bias" oder Bestätigungsfehler. Aufgrund des Confirmation-Bias könnten Statistiker aus den minderwertigen Daten leicht willkürliche Korrelationen und die gewünschten Interpretationen ableiten. Diese Verzerrung wird in guten RCT-Studien durch eine doppelte Verblindung (Probanden + Studienpersonal) vermieden.

Der "Healty-User-Bias" (Healthy-Worker-Effekt)
Der „Healthy-User-Bias“ ist eine Verzerrung, der die Gültigkeit epidemiologischer Studien, in denen die Wirksamkeit bestimmter Therapien oder Interventionen getestet wird, beeinträchtigen kann.
Es handelt sich dabei um einen Stichproben- oder Selektionsbias: Die Probanden, die an einer Studie teilnehmen, sind nicht repräsentativ für die allgemeine Bevölkerung. Es ist zu erwarten, dass Personen, die sich freiwillig für eine Studie melden, im Durchschnitt gesünder sind als Personen, die sich nicht freiwillig melden, da sie beispielsweise mehr um ihre Gesundheit besorgt sind und bewusster darauf achten. In vielen Studien ist es zudem eine Voraussetzung, gesund zu sein oder sich aktiv um seine Gesundheit zu kümmern, um Gegenstand der Studie zu werden.

➖➖➖➖➖

♻️NL BIO-LOGISCH: Das Problem epidemiologischer Studien – Teil 1