Como a muchos, gracias a una nueva publicación del equipo de epidemiología nutricional de Harvard, me han llovido e-mails preguntándome sobre el nuevo estudio que muestra que comer carne roja aumenta el riesgo de muerte, y específicamente, que aumentar una porción de carne aumenta el riesgo en 20%. El estudio en cuestión es el siguiente:
La prensa, obviamente, publicó a los cuatro vientos el peligro de consumir carne roja, haciendo que los vegetarianos, veganos, amigos de los animales y demás dementes salten de alegría y lo refrieguen en la cara de los demás. Algunas notas sobre el estudio incluyen:
La carne roja aumenta el riesgo de muerte prematura, afirman
La carne roja, mejor con moderación
Consumo de carne roja aumenta riesgo de enfermedad cardiovascular
Consumo diario de carne roja contribuiría a muerte prematura
Y más perlas por el estilo. Jorge Bentín escribió hace poco un breve post, con algunos links hacia artículos en inglés que desmantelaban el estudio, lo analizaban y veían si es que estas conclusiones podían ser válidas. Creo que nadie de la paleósfera no ha comentado este estudio, o ha comenzado a odiar a Willet y Hu por la cantidad de e-mails y comentarios de la gente preguntando sobre el estudio.
Consumo diario de carne roja contribuiría a muerte prematura
Y más perlas por el estilo. Jorge Bentín escribió hace poco un breve post, con algunos links hacia artículos en inglés que desmantelaban el estudio, lo analizaban y veían si es que estas conclusiones podían ser válidas. Creo que nadie de la paleósfera no ha comentado este estudio, o ha comenzado a odiar a Willet y Hu por la cantidad de e-mails y comentarios de la gente preguntando sobre el estudio.
Este post tiene dos objetivos principales. Primero, quiero explicar de una manera más sencilla de qué tipo de estudio estamos hablando, qué ofrece y cuáles son sus limitaciones. Ya escribí algo breve al respecto anteriormente. En segundo lugar, analizar objetivamente qué podemos concluir del estudio, ¿En realidad la carne roja nos mata?
Lo básico
Estudios de
este tipo son muy comunes y lamentablemente, son los que dirigen la salud
pública. ¿Cómo funcionan? Se coge a una muestra de personas, de acuerdo a lo
que se quiere estudiar. En este caso, se utilizaron dos estudios de cohorte y
se hicieron correlaciones con los datos adquiridos durante el tiempo. La manera
de hacerlo es la siguiente. Elegimos un grupo de personas, con una
característica en particular (aquí es importante delinear los criterios de
inclusión – qué requisitos debe tener para ser incluído- y los criterios de
exclusión – qué características son las que no deben tener mis pacientes).
Tomamos los datos al inicio del periodo de observación (como en este caso, no
hubo intervención, solo se observó lo que pasaba durante los años). Es muy importante
en este punto seleccionar los métodos adecuados, y dentro de lo posible, los
más exactos (más sobre este punto a continuación). Después de un periodo de
tiempo, volvemos a contactar a las personas y les tomamos los mismos datos. Y
así sucesivamente, en intervalos de tiempo determinados dentro de la duración
del estudio. Una vez que tenemos los datos finales, se realiza el análisis de
la data. Es decir, tenemos que organizar, elegir, analizar y correlacionar toda
la información que tenemos para encontrar algún resultado significativo. Hay
diversas maneras de organizar y analizar los datos; aquí es donde está el
truco. Una manera muy utilizada en la epidemiología nutricional es separar a la
muestra por cuartiles o quintiles. Es decir, de acuerdo a la variable principal
del estudio, separo a mi muestra en aquellos que consumieron menos de la
variable (cuartil 1) hasta los que consumieron más (cuartil 4). Luego, comparo
los casos de muerte o enfermedad entre cuartiles y estimo riesgos asociados a
mi variable.
Es
importante mencionar que hay algo llamado “ajuste” por otras variables. Es
decir, el efecto de factores que han sido asociados o que se ha visto que
afectan mi variable en cuestión debe ser tomado en cuenta y corregido para
tener la casi certeza de que lo observado se deba a mi variable, no a otra.
Aunque importante, esta técnica no es perfecta y siempre hay factores que van a
influenciar en lo observado.
¿Cómo
determinamos el riesgo asociado a mi variable? Hay muchas maneras, pero casi
todas se basan en el hecho de observar un número de eventos mayor al esperado
bajo la hipótesis de que no hay diferencia, es decir, bajo la hipótesis de que
mi variable no tiene efecto. Por ejemplo, quiero saber si comer un alimento X aumenta el riesgo de mortalidad en diabéticos. Para esto,
utilizamos dos grupos pareados (es decir, con características lo más similares
posibles). Para hacer las cosas simples, separamos a la muestra en dos grupos: los que comían el alimento X y los que no lo comían. Al
final de un periodo de tiempo (digamos, 2 años) vemos cuántas personas murieron
en el grupo experimental (que comían el alimento X) y el grupo control (que no comía el alimento X):
Número
total de muestra = 520 personas
Placebo =
260
Experimental
= 260
Personas
muertas al final del experimento
Experimental =
94
Control = 47
Como vemos,
hubo más muertos en el grupo experimental que en el control. Pero, con
estos datos no podemos afirmar si es que esta diferencia es estadísticamente
significativa: no sabemos si es que estos resultados pueden haberse dado al azar
o es en realidad porque el grupo experimental comió más del alimento X que el grupo control. Para estimar
la significancia, se suele utilizar el valor P. Este valor se haya luego de
realizar pruebas de hipótesis (como Fisher, Ji-cuadrado, etc.): lo que quiero
es rechazar la hipótesis nula; que no hay diferencia entre los grupos. Si
encuentro una diferencia significativa, quiero ver en cuánto aumenta el riesgo de mortalidad el consumir el alimento X, en personas diabéticas. Esto
puede ser estimado de diferentes formas, como con el Riesgo relativo
(relative risk, RR). La fórmula para hallar el riesgo relativo se puede ver en el link, pero básicamente lo que hace es comparar la frecuencia del evento en expuestos entre la frecuencia del evento entre no expuestos (expuestos = que consumieron el alimento X). En este caso:
RR = (94/260) / (47/260) = 2
Un RR de 2 significa que el riesgo de mortalidad en diabéticos que comen el alimento X aumenta 2 veces, comparado con diabéticos que no comen ese alimento. Si bien parece ser confiable, debemos determinar si este valor se encuentra dentro de los rangos esperados para los parámetros utilizados, mediante el intervalo de confianza. Este nos muestra el rango de valores confiables que puede tomar nuestro resultado, y se calcula utilizando la media y el error estándar de la media. Si el intervalo de confianza (IC) incluye 1, el RR (o algún ratio similar) no sería muy confiable, ya que si este valor toma 1, significa que las probabilidades en ambos grupos son iguales. Que el IC incluya 1 significa que es igual de probable que no haya diferencias entre grupos, al nivel de significancia propuesto.
Otras maneras de observar la diferencia de probabilidades y determinar un riesgo incluyen el Odds Ratio (similar al RR), el Hazard Ratio (HR) (utilizado en el estudio en mención), entre otros.
Supongamos que encontramos que esta diferencia en la incidencia de mortalidad en diabéticos que consumieron el alimento X versus los que no consumieron el alimento es confiable, basándonos en la significancia. ¿Podemos decir que el alimento X está asociado a un incremento del riesgo de mortalidad en diabéticos? Claro que si. ¿Podemos creer que el alimento X es en realidad el causante de este aumento en la mortalidad? Definitivamente. Es nuestra hipótesis en base a lo que hemos observado. ¿Podemos decir que el alimento X es la causa del aumento en la mortalidad? Por supuesto que no. Que una variable esté asociada a otra no significa que la variable es la causante de lo que observamos. En otras palabras, correlación no implica causalidad. Dos variables pueden subir y bajar juntas, de una manera casi perfecta (asociación fuerte), pero eso no significa que una cause la otra. Por ejemplo, en el verano aumenta la incidencia de quemaduras en la piel y el consumo de helados. Ambos aumentan durante la misma época del año. Si analizamos esto, podríamos decir que cuando aumenta la incidencia de quemaduras también aumenta el consumo de helado. ¿Esto significa que el consumo de helados causa las quemaduras de piel? Si bien están asociados, no podemos determinar si es que uno está causando el otro.
El estudio en cuestión
El estudio utilizó los datos de dos cohortes anteriores: el Health Professionals Follow-up study (HPFS) y el Nurse's Health Study (NHS). Estos incluían datos dietéticos de los pacientes y un seguimiento de hasta 28 años. En total, obtuvieron datos de más de 150 000 personas. Luego de descartar algunos en base a los datos, se quedaron con 121 342 personas, de las cuales 37698 eran hombres y 83644 eran mujeres.
¿Cómo obtuvieron los datos de la dieta? Del estudio:
"a 61-item FFQ [food frequency questionnaire] was administered to the NHS participants to collect information about their usual intake of foods and beverages"
Un cuestionario de frecuencia de comidas (FFQ), con 61 items fue la manera de recolectar la información nutricional. Este cuestionario fue revisado (se volvió a tomar) cada 4 años.
"In each FFQ, we asked the participants how often, on average, they consumed each food of a standard portion size. There were 9 possible responses, ranging from "never or less than once per month" to "6 or more times per day." Questionnaire items about unprocessed red meat consumption included "beef, pork, or lamb as main dish" (pork was queried separately beginning in 1990), "hamburger," and "beef, pork, or lamb as a sandwich or mixed dish." The standard serving size was 85 g (3 oz) for unprocessed red meat. Processed red meat included "bacon" (2 slices, 13 g), "hot dogs" (one, 45 g), and "sausage, salami, bologna, and other processed red meats" (1 piece, 28 g). The reproducibility and validity of these FFQs have been described in detail elsewhere.9-10 "
En cada cuestionario, se preguntó a los participantes la frecuencia promedio de consumo de los alimentos listados, en una porción de tamaño estándar. Habían 9 posibles respuestas, desde "nunca o menos de una vez al mes" hasta "seis a más veces por día". Los items correspondientes a la carne roja sin procesar incluían "carne de res, cerdo o cordero como plato principal", hamburguesa y "carne de res, cerdo o cordero como sándwich o dentro de una comida". El tamaño estándar de la porción fue de 85g para carne roja sin procesar. La carne roja procesada incluyó "tocino" (2 tajadas, 13g), "hot-dogs" (uno, 45g) y "salchichas, salami, albóndigas y otras carnes procesadas" (1 pieza, 28g). Finalmente, mencionan que la reproducibilidad y validez de estos cuestionarios ya han sido descritos antes. Veamos.
(Para que tengan una idea de lo feo y tedioso que puede ser llenar una de estas encuestas, acá está la utilizada en el NHS. A eso hay que sumar que el participante tenía que llenar los datos para los 4 años anteriores.)
Uno de los estudios a los cuales nos dirige es el siguiente:
Reproducibility and validity of dietary patterns assessed with a food-frequency questionnaire
En este se trata de estudiar la reproducibilidad y validez de utilizar los cuestionarios de frecuencia de comida para determinar patrones dietéticos. ¿Qué es un patrón dietético? Una manera de llamarle a una dieta que comparte similares características en algunos. Por ejemplo, una dieta "vegetariana" es un patrón dietético ya que permite agrupar a todos aquellos pacientes que no consumen alimentos de origen animal. Los autores sugieren que:
"Because there are many potential differences in nutrient contents between dietary patterns, dietary pattern analysis cannot be specific about the particular nutrients responsible for the observed differences in disease risk, and thus may not be useful for assessing the biological relations between dietary components and disease risk. In particular, this approach would not be optimal if the effect was due to a specific nutrient (eg, neural tube defects resulting from a folic acid deficiency) because the effect of the nutrient would be diluted. Therefore, the dietary pattern approach may be more useful when traditional nutrient analyses have identified few dietary associations for the disease (eg, breast cancer). On the other hand, when many dietary associations have been shown for the disease (eg, coronary artery disease), dietary pattern analysis may also be useful because it examines not only nutrients and foods but the effects of overall diet as well."
Food-Based Validation of a Dietary Questionnaire: The Effects of Week to-Week Variation in Food Consumption
Por las diferencias potenciales en los contenidos nutricionales de los patrones dietéticos, este análisis no puede ser específico para analizar los nutrientes particulares que ocasionan las diferencias en el riesgo de enfermedad, por lo que esta aproximación no es óptima si es que el efecto se debe a un nutriente en específico (ej. defectos del tubo neural por deficiencia de ácido fólico) porque el efecto del nutriente se diluiría. Por lo tanto, esta aproximación puede ser más útil cuando análisis de nutrientes tradicionales han podido identificar algunas asociaciones dietéticas para la enfermedad (ej. cáncer de mama). Por otro lado, cuando muchas asociaciones dietéticas se han demostrado para la enfermedad (ej. enfermedad coronaria), este método puede ser útil ya que examina no solo nutrientes y alimentos, pero el efecto de la dieta también.
¿Qué es lo importante de este estudio? Que sugiere que este método (cuestionario), para ser utilizado como herramienta y determinar riesgo de enfermedad asociado a dieta, sirve para observar asociación entre un patrón alimenticio y el riesgo de enfermedad. Es decir, califico de acuerdo a los cuestionarios a las personas en dieta "sana" y dieta "mala", y veo si es que una dieta "mala" está asociada a un incremento en el riesgo de enfermedad. En este estudio no se analizaron patrones alimenticios, sino un alimento individual, la carne roja. Más aún, el término "carne roja" engloba muchos tipos, por lo que para efectos del análisis, un pedazo de bife angosto de res es igual a un hot-dog (independientemente de su composición, la cual puede variar bastante). Por si fuera poco, el término "carne roja" incluye a si hemos consumido la carne roja como sándwich o como plato mixto, es decir, no importa la preparación ni el acompañamiento, todas las carnes rojas son iguales. Una carne a la parrilla es lo mismo que una hamburguesa. En muchos estudios (y no me sorprendería que en este, por lo que mencionan en la metodología) incluyen a la carne roja a preparaciones tipo lasagna, simplemente por el hecho de que en su preparación lleva carne.
El otro estudio que mencionan sobre la validez de los cuestionarios es:
"(...) we found that butter, whole milk, eggs, processed meat and cold breakfast cereal were underestimated by 10 to 30% on the questionnaire. In contast, a number of fruits and vegetables, skimmed or low fat milk, yoghurt and fish were overestimated by at least 50%. These findings for specific foods suggest that participants over-reported consumption of foods often considered desirable or healthy, such as fruit and vegetables, and underestimated foods considered less desirable."
Encontramos que la mantequilla, leche entera, huevos, carne procesada y cereal de desayuno frío fueron subestimados por 10 a 30% en el cuestionario. Al contrario, algunos frutas y vegetales, leche parcial o totalmente descremada, yogurt y pescado fueron sobre estimados por al menos 50%. Estos resultados para alimentos específicos sugieren que los participantes sobre-reportan el consumo de alimentos que generalmente se consideran saludables, como frutas y verduras, y subestiman las comidas que son consideradas menos deseables.
Encontramos que la mantequilla, leche entera, huevos, carne procesada y cereal de desayuno frío fueron subestimados por 10 a 30% en el cuestionario. Al contrario, algunos frutas y vegetales, leche parcial o totalmente descremada, yogurt y pescado fueron sobre estimados por al menos 50%. Estos resultados para alimentos específicos sugieren que los participantes sobre-reportan el consumo de alimentos que generalmente se consideran saludables, como frutas y verduras, y subestiman las comidas que son consideradas menos deseables.
Este es un punto importante que refleja que los cuestionarios, especialmente si representan la alimentación de 4 años (¡!), no ofrecen una visión fidedigna de lo que ocurre: la gente suele exagerar en el consumo de alimentos que son vistos como sanos. Esto tiene repercusiones importantísimas para el análisis, ya que debido a que la tendencia es a sub-reportar el consumo de estos alimentos, los efectos dieta-enfermedad se ven alterados. Si es que las personas enfermas o con alguna enfermedad reportan su consumo normal de carne roja, en este caso, cualquier asociación se va a ver mucho más fuerte de lo que es en realidad.
Volviendo al estudio, vamos a ver los resultados. La muestra se separó en quintiles, dependiendo de la cantidad de carne roja consumida. Las características de los participantes se pueden ver en la Tabla 1. Comparando el quintil 5 (mayor consumo) con el quintil 1 (menor consumo):
Comparando estos factores que influencian directamente el riesgo de mortalidad, se puede observar claramente que en el quintil 5, con mayor consumo de carne roja, hay una mayor proporción de personas que fuman, que tienen un IMC mayor, realizan menos actividad física, son diabéticos, hipertensos, consumen más calorías y más alcohol que en el quintil 1. Esto indica una clara tendencia: aquellos que consumían más carne roja en los estudios tenían un estilo de vida menos saludable. Interesantemente, el nivel de colesterol era menor, factor que también aumenta el riesgo de mortalidad, especialmente en estos pacientes (cuyas edades iban desde los 30 hasta los 75 años).
Ok, pero, ¿de dónde salen los porcentajes alarmantes? Veamos la Tabla 2. Lo que se puede observar es que, en general, la tasa de mortalidad total durante el periodo de estudio fue baja. Sin embargo, a pesar de ajustar por las posibles variables confusoras, existe un aumento en el riesgo, según el modelo, por cada porción consumida. Los porcentajes sensacionalistas salen a partir de los HR del final de la tabla 2: 1.12 para carnes rojas en total y 1.20 para carnes procesadas. Esto quiere decir que, comparado con la base (el primer quintil, representado como 1), el hazard ratio es mayor. Es interesante ver que el riesgo asociado a las carnes procesadas es mayor que el riesgo por el consumo total. Esto quizá tiene que ver con el hecho de que el procesamiento de la carne puede ser el responsable de la asociación, así como que el consumo de estos tipos de carne por lo general son junto a otros alimentos nada favorables (principalmente fast food). Si nos vamos a analizar los números en si, podemos ver que los valores del IC, tanto para carne roja en total, así como para la carne roja sin procesar, incluyen valores muy cercanos a uno. Si es que de verdad existe un riesgo incrementado considerable, y tomando en cuenta el gran número de muestra, esperaríamos ver una diferencia mucho mayor. Definitivamente mayor a 0.2. Este aumento de 0.2 se traduce en un 20%, lo cual suena muy grande, pero significa lo mismo.
Conclusiones
Q1
|
Q5
|
|
HPFS
|
||
Actividad
física (MET-h/semana)
|
27.5
|
17.2
|
IMC (kg/m2)
|
24.7
|
26
|
Fumadores (%)
|
5
|
14.5
|
Diabéticos (%)
|
2
|
3.5
|
Hipertensos (%)
|
19.5
|
20.2
|
Colesterol alto (%)
|
14.8
|
7.9
|
Energía/día (kcal)
|
1659
|
2396
|
Alcohol (g/día)
|
8.4
|
13.4
|
NHS
|
||
Actividad
física (MET-h/semana)
|
16.9
|
12.4
|
IMC (kg/m2)
|
23.9
|
24.7
|
Fumadores (%)
|
25.5
|
31.6
|
Diabéticos (%)
|
1.6
|
2.9
|
Hipertensos (%)
|
15.2
|
16.4
|
Colesterol alto (%)
|
6
|
4.7
|
Energía/día (kcal)
|
1202
|
2030
|
Alcohol (g/día)
|
5.8
|
6.6
|
Comparando estos factores que influencian directamente el riesgo de mortalidad, se puede observar claramente que en el quintil 5, con mayor consumo de carne roja, hay una mayor proporción de personas que fuman, que tienen un IMC mayor, realizan menos actividad física, son diabéticos, hipertensos, consumen más calorías y más alcohol que en el quintil 1. Esto indica una clara tendencia: aquellos que consumían más carne roja en los estudios tenían un estilo de vida menos saludable. Interesantemente, el nivel de colesterol era menor, factor que también aumenta el riesgo de mortalidad, especialmente en estos pacientes (cuyas edades iban desde los 30 hasta los 75 años).
Ok, pero, ¿de dónde salen los porcentajes alarmantes? Veamos la Tabla 2. Lo que se puede observar es que, en general, la tasa de mortalidad total durante el periodo de estudio fue baja. Sin embargo, a pesar de ajustar por las posibles variables confusoras, existe un aumento en el riesgo, según el modelo, por cada porción consumida. Los porcentajes sensacionalistas salen a partir de los HR del final de la tabla 2: 1.12 para carnes rojas en total y 1.20 para carnes procesadas. Esto quiere decir que, comparado con la base (el primer quintil, representado como 1), el hazard ratio es mayor. Es interesante ver que el riesgo asociado a las carnes procesadas es mayor que el riesgo por el consumo total. Esto quizá tiene que ver con el hecho de que el procesamiento de la carne puede ser el responsable de la asociación, así como que el consumo de estos tipos de carne por lo general son junto a otros alimentos nada favorables (principalmente fast food). Si nos vamos a analizar los números en si, podemos ver que los valores del IC, tanto para carne roja en total, así como para la carne roja sin procesar, incluyen valores muy cercanos a uno. Si es que de verdad existe un riesgo incrementado considerable, y tomando en cuenta el gran número de muestra, esperaríamos ver una diferencia mucho mayor. Definitivamente mayor a 0.2. Este aumento de 0.2 se traduce en un 20%, lo cual suena muy grande, pero significa lo mismo.
Conclusiones
- El estudio muestra que hay (pequeño, pero hay) una asociación entre el consumo de carne roja procesada y sin procesar con la mortalidad total.
- En los sujetos estudiados, mientras más carne consumían, peor era su estilo de vida. Asimismo, comparando aquellos que consumían menos carne con los que consumían más carne, habían menos pacientes con diabetes, hipertensión y fumadores.
- El riesgo incrementado se halló usando modelos ajustados. Sin embargo, quitar el efecto fisiológico en base a riesgos estimados previamente bajo modelos asumidos es imposible. Especialmente si se quiere asociar a la carne exclusivamente incluyendo items como "carne en platos mezclados" o "carne como sándwich".
- El riesgo asociado a consumir carne procesada fue mayor que al consumir carne no procesada y carne total. Esto podría deberse a los ingredientes de estos productos, aditivos o sustancias potencialmente tóxicas que se utilizan en la preparación de estos. Además, la carne procesada suele consumirse con alimentos que bioquímicamente tiene sentido que aumenten el riesgo, y cuya asociación con riesgo de patologías ha sido asociada más fuertemente y hay evidencia experimental (grasas trans industriales, exceso de fructosa, etc.).
- Lo más que puede llegar a hacer el estudio es sugerir posibles hipótesis para ver si se puede rechazar la hipótesis nula. No se puede afirmar a ciencia cierta que la carne incrementa tu riesgo de muerte, por lo menos no con este tipo de evidencia. Asociación no prueba causalidad.
- Un mayor consumo de carne, bajo una alimentación deficiente, podría contribuir a incrementar el riesgo. Sin embargo, ¿el problema estaría en la carne o en los otros alimentos que consume la mayoría de gente? La carne, por su preparación y manera de consumir (ingredientes y acompañamientos) podría servir como vehículo de sustancias más peligrosas que son los responsables de alguna asociación.
- No hay problema en consumir carne bajo un estilo de vida evolutivo. Para afirmar que un alimento es potencialmente dañino, se debe tener evidencia directa, experimental, mecanismos bioquímicos y estudios casos-control.
