Chocolate, prêmios Nobel e outras armadilhas da ciência mau interpretada

Em 2012, Franz H. Messerli, um prestigioso cardiólogo vinculado ao St. Luke's–Roosevelt Hospital e à Universidade de Columbia, publicou em The New England Journal of Medicine um artigo no que "demonstrava" algo extraordinário: comer chocolate podia contribuir a que um país recebesse mais prêmios Nobel.

Para comprová-lo, Messerli cruzou dois dados. Por um lado, o consumo anual de chocolate por habitante de diferentes países; por outro, o número de prêmios Nobel obtidos pela cada dez milhões de habitantes. O resultado foi espetacular. Quanto maior era o consumo de chocolate, maior era também o número de laureados, com uma correlação muito elevada (r=0,791) e uma significação estatística difícil de ignorar (P<0,0001).

No entanto, tinha um dado discordante: Suécia parecia empenhada em estragar parcialmente a elegante relação matemática —tinha muitos mais prêmios Nobel (32) que o que caberia esperar (14) à vista de seu consumo de chocolate—. Mas Messerli encontrou uma explicação ou, melhor dito, duas: quiçá o comité encarregado de conceder os prêmios mostrava verdadeira distorção patriótico; ou quiçá os suecos fossem especialmente sensíveis às propriedades cognitivas do chocolate.

Os números permitiam inclusive calcular uma "dose mínima eficaz", que parecia se situar ao redor dos dois quilos anuais e não se observava um teto claro para seus supostos benefícios. Inclusive, postuló que uns 400 gramas adicionais de chocolate por pessoa e ano se associavam com um prêmio Nobel adicional pela cada dez milhões de habitantes.

Com estes dados na mão, o conselho de saúde pública tornava-se eloquentemente necessário: se queremos uma população intelectualmente mais brilhante e aumentar nossas possibilidades de produzir futuros prêmios Nobel, recomendemos comer mais chocolate. Só tinha um pequeno problema.

O artigo de Messerli não demonstrava que o chocolate produzisse prêmios Nobel. E também não pretendia-o. Em realidade, sua impecable prosa científica e a correlação estatística exposta serviam, precisamente, para mostrar até que ponto dois variáveis podem caminhar juntas sem que uma seja necessariamente a causa da outra.

Deixando a um lado o chocolate e a função cognitiva, essa diferença, singela de formular e surpreendentemente difícil de respeitar —que correlação não implica causalidad— está por trás de uma parte nada despreciable dos titulares que lemos a diário sobre alimentação e saúde. Esta é, entre muitas outras, uma das explicações de nossos problemas com a "evidência científica".

Artículo relacionado

A "evidência científica" é uma das expressões pior interpretadas

Juan Revenga

Que tenha correlação só indica que dois variáveis tendem a variar conjuntamente

A correlação estatística descreve uma associação entre dois variáveis. Se ao aumentar uma também tende a aumentar a outra, falamos de uma correlação positiva; se uma aumenta enquanto a outra diminui, será negativa. E podemos quantificar até que ponto essa relação é mais ou menos estreita. Mas nada disso explica por que existe essa rítmica variação dos dados.

Quando encontramos que X e E estão correlacionadas existem várias possibilidades. Pode que X influa sobre E, mas também que seja E a que influa sobre X. Inclusive, pode existir uma terça variável que explique, ao menos parcialmente, ambas. Mas ademais também pode suceder que a associação seja produto da casualidade, da forma em que se seleccionaram ou mediram os dados ou de outras distorções do estudo (tens um montão de exemplos de espantosas correlações espurias neste enlace).

Uma correlação pode ser muito forte e estatisticamente significativa sem que exista uma relação causal entre as variáveis. E a publicação de Messerli ilustra-o de forma especialmente eficaz: r = 0,791 e P < 0,0001, não convertem ao chocolate num inductor de prêmios Nobel.

A estatística pode dizer-nos que dois fenómenos aparecem relacionados nuns dados determinados. Estabelecer que um causa o outro exige bastante mais.

Artículo relacionado

Toda a verdade sobre aquela dieta mediterránea que nunca poderás atingir

Juan Revenga

Então, quando podemos falar de causalidad?

É altamente improvável que a ciência estabeleça uma relação causal a partir de um único resultado. Para defender que uma exposição —a que seja— produz realmente um determinado efeito há que reunir evidências procedentes de diferentes fontes e comprovar que outras explicações sejam menos plausibles.

• Uma condição elementar é a temporalidad: a suposta causa deve preceder ao efeito. Também resulta relevante comprovar se a associação se reproduz em diferentes estudos e populações, se existe uma relação dose-resposta, se há mecanismos biológicos compatíveis com o efeito observado e, sobretudo, se a associação persiste após ter em conta outras variáveis capazes da explicar.
• O desenho do estudo importa muito. Os ensaios clínicos permitem, quando são possíveis e estão bem realizados, controlar melhor muitas explicações alternativas e atribuir com maior fundamento os efeitos observados à intervenção estudada. Por sua vez, os estudos observacionales são imprescindíveis em numerosos âmbitos nos que os ensaios clínicos sejam inviables. Mas atribuir causalidad a partir deles exige muitas mais cautelas e evidências (provas) complementares.

Por isso não existe uma cifra mágica a partir da qual uma correlação se transforme em causalidad. Nem uma correlação muito elevada, nem um valor de P muito pequeno, nem a publicação do resultado numa revista prestigiosa resolvem por si mesmos essa questão. A inferência causal depende do conjunto da evidência e da capacidade de descartar explicações alternativas.

Em nutrição, o salto de associação entre variáveis a causa é muito tentador

Boa parte da investigação nutricional centra-se em observar durante anos que comem determinadas pessoas e daí problemas de saúde apresentam depois. Estes estudos permitem detectar associações relevantes entre determinadas exposições alimentares e resultados de saúde. Mas uma associação, por si sozinha, não estabelece causalidad. As pessoas não comem só de um alimento e, ademais, têm infinidad de outros condicionantes (genéticos, de estilo de vida, meio ambientais…) que podem condicionar o resultado de saúde posterior.

Quem consumem mais fruta, legumes ou cereais integrais diferenciam-se de quem consomem-nos menos unicamente em sua alimentação? Evidentemente, não. Podem diferenciar-se também em actividade física, tabaquismo, nível socioeconómico, formação, acesso sanitário e muitas outras características. Os pesquisadores tentam ajustar estatisticamente estas variáveis, em especial as mais plausibles como factores de confusão, mas nenhum ajuste garante por si só que a associação observada seja causal.

A isto se acrescentam outros problemas habituais, em especial o facto de estimar com precisão o que uma pessoa come durante anos, algo que requer um tempo e habilidades consideráveis.

O que se pode e o que não se deve dizer de um estudo baseado em correlações

Nada do anterior converte os estudos observacionales em inúteis. Só significa que há que interpretar de forma meticulosa o que contribuem seus dados.

Se um estudo, por exemplo, encontra que quem consumiram mais quantidade de yogur de plátano apresentaram menos casos de diarrea, seu resultado permitirá afirmar que o consumo de yogur de plátano se associou com menores episódios de diarrea. Dizer que o yogur de plátano "reduz", "evita" ou "previne" a diarrea introduz uma relação causal que o desenho do estudo quiçá não permita sustentar.

Essa pequena mudança verbal é, muitas vezes, o lugar exato no que uma associação estatística termina convertida numa falsa certeza que a investigação original nunca estabeleceu.

O trabalho de Messerli segue sendo uma magnífica lição precisamente porque não precisou inventar nem falsear nenhum dado. A correlação entre chocolate e prêmios Nobel existia, era intensa e resultava estatisticamente significativa. O que não demonstrava era que uma coisa causasse a outra.

Essa distinção deveria acompanhar-nos a cada vez que estejamos ante um conteúdo que afirme que um alimento "previne", "protege", "aumenta" ou "reduz" um determinado problema de saúde. Dantes de aceitar esse tipo de afirmações convém comprovar em que tipo de provas e estudos se baseou. Porque os dados podem ser perfeitamente corretos e sua interpretação, perfeitamente equivocada.