Jag har skrivit fyra texter hittills om kostforskning som varit ganska populära. Särskilt från en person som kallar sig Stefan i kommentarsfältet. Stefan har efterfrågat en femte text som jag utlovat redan i min senaste text i serien. Där utlovade jag en text om hur man inom forskningen kan undersöka hur folk äter. Datainsamling av kostvanor för att genom undersöka associationer med olika hälsoparametrar samt kontrollera folks kostintag under pågående interventionsstudier. Här kommer den texten som särskilt tillägnas Stefan!

Redovisning av matintag

Datan för människors matintag kan samlas in med flera olika metoder. Gemensamt för samtliga är att de har både för- och nackdelar samt att alla innebär en balans mellan hur mycket resurser och tid man kan spendera från forskares sida samt hur mycket man kan kräva från deltagare. Man vill samla in så mycket som möjligt och så detaljerat som möjligt men samtidigt finns en gräns för vad folk orkar med och alldeles för stora krav riskerar att ge dåliga data på grund av att deltagare helt enkelt inte orkar göra det ordentligt.

7 dagars vägd/ovägd kostregistrering

En prospektiv registrering där deltagaren får ett formulär för att fylla i vad, när och i vilka mängder man äter under sju dagar och eventuellt en matvåg (om det är en vägd registrering). Fördelen med det här är att det ger dels en hel veckas kost och att det är den metod som ger trovärdigast resultat. Antingen kan den göras med våg där allt man äter vägs men oftare görs den med stöd av en så kallad ”matmall” där man har bilder på portionsstorlekar av olika livsmedel, till exempel pastaportioner, antal potatisar, olika smör på mackor o.s.v. Om man tycker att pastaladdningen på bild C stämmer bäst överens med man man själv ätit så skriver man således C. Då är det sedan en standardiserad näringsberäkning utifrån bild C som skrivs in när resultaten sammanfattas av forskarna.
Nackdelen med den här metoden är att det för individen blir opraktiskt och ska man genomföra studien på en stor grupp/population blir det även väldigt dyrt för forskarna. Dessutom finns alltid en överhängande risk med prospektiva registreringar, nämligen att deltagarna de facto ändrar sitt ätbeteende när de börjar redovisa det. Att helt enkelt börja anteckna det man äter är för många något som i sig får dem att äta ”bättra” eftersom mindre småskräp smiter in när man antecknar allt.
Den här typen av kostregistrering används dels i prospektiva observationsstudier men även i interventionsstudier där man vill ha koll på hur deltagarna äter under en studie. Det kan till exempel vara en studie som undersöker ett visst styrketräningsprotokoll och då vill man ju kontrollera hur deltagarna äter under tiden för att inte kosten ska bli en felkälla. Eller om interventionsstudien kanske till och med testar olika dieter, då står ju hela resultatet och faller på att deltagarna faktiskt äter något sånär som de blivit ombedda (vilket de tyvärr inte gör men det finns grader i helvetet för hur illa det kan bli;)). Möjligtvis kan det användas även i retrospektiva observationsstudier om man bara vill se hälsan hos en grupp idag och titta på hur fallgrupp och kontrollgrupp skiljer sig åt med avseende på matintag. Typ en population av diabetiker typ 2 och en motsvarande population utan sjukdomen (men lika i övrigt) där de alla får redovisa hur de äter.

3 dagars vägd/ovägd kostregistrering

Det är samma som ovan fast tre dagar. Mindre risk för att individen skall tröttna men samtidigt större risk om en dag skiljer sig markant från normalt. Dock ombeds man naturligtvis att välja dagar som återspeglar ens normala liv (inte julafton till exempel :D) och man fyller oftast i två vardagar och en helgdag för att återspegla en normal vecka för individerna. Skulle aldrig helger komma med vore det så klart en felkälla eftersom väldigt mycket ”skräp” och alkohol inte skulle ingå i analysen. Angående studier där det används gäller samma som ovan.

Matfrekvensformulär – food frequency questionnaire (FFQ)

”Hur ofta äter du x?” är frågan man vill ha svar på här. Återigen finns ett formulär med ett antal livsmedel, omfattningen av livsmedel kan variera kraftigt mellan studier. Men här fyller du istället i antal portioner per dag, per vecka, per månad etc. Portionerna definieras tydligare i form av mängd och det kan till exempel se ut såhär:

Mjölk (ett glas = 2dl)

Standardmjölk (3%)
Aldrig,  <1 glas per vecka, 2-3 glas per vecka, 4-5 glas per vecka, 6 glas per vecka, 1 glas om dagen, 2-3 glas per dag,  >4 glas per dag
Mellanmjölk (1,5%)
[Samma svarsalternativ som ovan och därefter lättmjölk och minimjölk med samma svarsalternativ igen]

Som du kanske märker blir det många svarsalternativ, åtta alternativ bara för mjölk! Tänk då att det kan ingå flera hundra livsmedel. Det blir mycket svårt för folk att veta och risken finns att man tröttnar efter ett tag. Här måste forskaren balansera mellan fördelen av ett detaljerat och omfattande utbud av livsmedel och intagsfrekvens och nackdelen av risken för att människor fyller i dåligt. Kanske har man tagit sig igenom 50 livsmedel där man funderat mer noggrant men sedan tröttnar och fyller i resten slentrianmässigt? Och vad kan det få för konsekvenser? Jo om exempelvis godis och läsk kommer sent kanske man slarvar till utan att riktigt tänka efter men om grönsakskonsumtion kom tidigt i formuläret fylldes detta i mer noggrant? Eller vice versa naturligtvis.
En FFQ används oftast i observationsstudier för att få en bild av individers kostintag över en lite längre period än bara en eller några få dagar och där en prospektiv kostregistrering inte är genomförbar. Saker att tänka på när man utformar sin FFQ (i en studie eller en uppsats) kan du läsa om här (1). Här under ser du ett exempel på hur en FFQ kan se ut (2).

24-hour recall

Här ringer forskaren helt enkelt upp deltagare och frågar om hur han eller hon åt igår, en retrospektiv insamling alltså. Fördelen här är ju då det motsatta som problemet med prospektiva registreringar, maten är redan uppäten och kommer inte påverkas av det faktum att det pågår en studie. Det negativa är såklart minnet, det är inte lätt att på telefon rabbla upp exakt vad man åt dagen innan i minsta detalj.
24-hour recall är oftast ett komplement till en mer omfattande registrering, så som någon av de ovan nämnda. Kanske har man i en observationsstudie gjort en 7-dagars registrering vid dag 1 och sedan får man ett samtal varannan månad med ett 24-hour recall för att se om det matchar registreringen. Och precis som i registreringarna kan 24-hour recall användas för att ha koll på kostintag vid olika interventionsstudier. Om deltagarna har en matmall hemma eller någon typ av formulär från studiens inledning kan de utgå från samma mall i samtalet vilket underlättar.

3-day dietary recall

Som ovan fast tre dagar helt enkelt. Även denna metod används i interventionsstudier för att kontrollera matintaget under tiden. Lite mer detaljer men även svårare att minnas förstås. Men poängen är ju inte primärt detaljer om livsmedel heller utan att helt enkelt hålla koll så att matintaget mellan deltagare inte skiljer sig signifikant åt och ett de förhoppningsvis inte äter helt annorlunda jämfört med hur de brukar.

Validering av kostrapportering och kontroller av compliance

Folks redovisningar är ofta mycket dåliga tyvärr. Detta är ett välkänt faktum och något en forskare naturligtvis känner till. Men det finns sätt att kombinera de egenredovisade matintagen för att kontrollera om de äter som de säger, man validerar då registreringen. Först och främst kan man använda individens viktbalans för att se om den stämmer överens med det redovisade energiintaget. Äter en person 1500 kcal enligt uppgift men samtidigt går upp i vikt är det sannolikt att inte allt redovisats korrekt. Vill man ha koll på fysisk aktivitet kan man exempelvis ge deltagarna varsin stegräknare för att kunna hålla koll på att de följer rekommendationer eller restriktioner om fysisk aktivitet.
Om man testar en lågkolhydratkost är ofta ketoner i urinen ett bra mått på hur individen följer sin kost. Avsaknad av ketoner kan indikera att personen i fråga äter mer kolhydrater än vad som är tänkt. Man validerar även formulären via rapporterat intag och mätningar av energiförbrukning och substratoxidation. Jag har redan nämnt dubbelmärkt vatten, doubly labeled water (DLW), men även andra energiberäkningar samt ekvationer. Allt beroende på vilka resurser man har och hur viktigt det är i den specifika studien med detaljerade data.
Det var några exempel, inte vattentäta givetvis men ändå hjälpverktyg. Nu ska vi gå in på fysiologiska mätningar som kan indikera intaget av specifika näringsämnen och livsmedel, så kallade biomarkörer.

Biomarkörer – ett sätt att undersöka intag av näringsämnen och livsmedel

En biomarkör inom nutritionsforskningen är fysiologiska mätningar av ämnen vilka har vetenskaplig evidens för att kunna påvisa en viss förekomst i individens kost, en metabolit eller ett näringsämne. Om metaboliten eller näringsämnet inte kan finnas i kroppen naturligt, utan tillförsel från mat, så fungerar det som biomarkör för konsumtion av livsmedel där detta ingår. Ett undantag är bland annat kväve i avföring som biomarkör för proteinintag, kväve finns ju i våra kroppar oavsett proteinintagets mängd. Dessa biomarkörer bör testas genom att jämföra biologiska prover av förekomst i kroppen hos individen med redovisade matvanor och prover kan tas på serum, urin, hud, hår, avföring med mera beroende på var den studerade biomarkören kan uppmätas .
Om studier visar ett signifikant samband mellan intag av dessa livsmedel och halter av det undersökta  ämnet kan forskaren dra slutsatsen att detta är en biomarkör för ett visst livsmedelsintag. Exempel på biomarkörer är halter av beta-karoten för att undersöka intag av grönsaker rika på just beta-karoten, Alkylrecorcinoler som markör för intag av vissa fullkornsprodukter, fettsyrorna 15:0 och 17:0 för intag av komjölksprodukter. Kväve i feces påvisar proteinintag, selennivåer kan mätas i hud och hår med mera.
Markören skall alltså inte kunna förekomma naturligt i kroppen (undantaget var som sagt kväve) utan måste tillföras via kost och den skall i vetenskapliga studier tydligt ha kunnat korrelera med intaget av just de studerade livsmedlen. Om vi exempelvis tar fettsyrorna 15:0 och 17:0 och uppmäter höga nivåer hos veganer och mjölkproteinallergiker förefaller det orimligt att detta skulle kunna påvisa intag av komjölksprodukter. Förutsatt att deras kostregistrering är sann. Dock har detta validerats i studier. Kostregistreringar med högre intag av produkter med mjölkfett korrelerar positivt även med de uppmätta halterna 15:0 och 17:0, fettsyror som inte kroppen själv kan bilda. Då kan man alltså dra slutsatsen av högre förekomst av fettsyrorna 15:0 och 17:0, som finns i mjölkfett, även tyder på högre konsumtion av mjölkprodukter.

En bra biomarkör bör bland annat även:

  • Vara pecifik för just studerade livsmedlet eller den studerade kostkomponenent. Det bör inte föreligga några tvivel om att det man VILL undersöka de facto påvisas av den studerade markören.
  • Tåla förvaring och tillredning. När vi lagar mat hemma och förvarar vår mat på olika sätt påverkas även maten olika. Kostkomponenter kan med andra ord påverkas kraftigt i samma livsmedel beroende på hur individen behandlar sin mat. Är biomarkören känslig för skiftande förvaring, bearbetning, tillagning etc. blir underökningen svårare att göra. Kanske äter individ A massor av livsmedel X men på grund av dennes tillagningsmetod och/eller förvaring av mat reduceras biomarkören i kosten. Då ger inte biomarkören ett korrekt värde av faktisk konsumtion eftersom man ”tagit död” på biomarkören i kosten.
  • Uppmätas stabilt över tid. Alltså inte skifta snabbt i kroppen eftersom detta påverkar när mätningen görs. Om en markör enbart kan påvisas i kroppen ett par timmar kanske risken finns att en mätning på kvällen tyder på lågt intag fastän individen i fråga egentligen ätit ganska mycket av det studerade livsmedlet. Individens mätning kanske genomförs kvällstid men livsmedlet äts i regel som frukost. Då har nivåerna hunnit sjunka och då blir också resultatet missvisande.
  • Vara stabil för individuella variationer. Ju mer en biomarkör är känslig för individers olika ämnesomsättning eller andra fysiologiska variationer, desto svårare att kontrollera. Individ A kanske äter mer av biomarkören än individ B men omsätter samtidigt mer. Då kan mätningen från individ B felaktigt indikera en högre konsumtion än individ A.
  • Ha identifierat kända variationer. Om de individuella variationerna är stora, om det skiljer över tid etc. bör det trots allt vara tydligt känt så forskaren kan hantera detta.
  • Enkel att analysera i prover.
  • Tåla förvaring. Forskaren bör vara medveten om vid vilka förhållanden prover måste lagras med avseende på, till exempel, temperatur. Ju mer stabila dessa biomarkörer är vid lagring desto bättre.
  • Vara dosrelaterad. Intaget av en viss kostkomponent skall helst visa en dosrelaterad förekomst av biomarkören. Exempelvis mer protein i kosten = mer kväve i feces.

Biomarkörer används som sagt dels för att stärka resultatet av det rapporterade intaget men det är även ett sätt att kontrollera deltagares compliance, alltså följsamhet, i en studie. Ska de till exempel dagligen inta en dryck så kan man tillsätta en känd biomarkör i drycken som sedan kan mätas. Om man då inte ser den biomarkören har individen inte följt instruktionerna tyvärr. I andra fall kan biomarkören redan finnas där. Vill man exempelvis följa huruvida individer i en studie med fiskoljesupplementering följer råden kan man som forskare räkna hur många kapslar som finns kvar vid kontroll. Men ännu hellre mäta nivåer av n-3 (som bör vara högre) och n-6 (som bör vara lägre) eftersom en deltagare naturligtvis kan slänga kapslar om han eller hon har glömt att ta dem. Om deltagare dessutom VET att compliance kontrolleras brukar det i sig öka förutsättningarna för att det följs.

Felrapportering – att felrapportera är INTE att ”ljuga”

Jag har redan nämnt att felrapportering är vanligt, inte bara vanligt utan regel. Alla studier har mer eller mindre felaktiga intagsrapporteringar (likaså fysisk aktivitet) om de inte utförs i ett labb eller under extremt kontrollerade former (typ fängelsestudier eller på sjukhus). Först ska vi se på två typer av felkällor, systematiska och slumpmässiga.

  • Systematiskt fel – Jag har redan nämnt risken med att man kan gå miste om vissa viktiga data om man aldrig får med helgintag i sin studie. Andra liknande felkällor är till exempel säsongsbetonade, vi äter olika på olika delar av året och en studie som samlar in data vid en icke-representativ tidpunkt på året får naturligtvis resultat med sämre överförbarhet. Urvalet av deltagare och bortfall är ytterligare exempel på systematiska fel. Det ka även vara så att viktiga alternativ saknas i en FFQ, kanske livsmedel som många i gruppen äter mycket av men som inte finns att fylla i ens. Alla dessa systematiska fel innebär stora bekymmer och det spelar ingen roll hur stort deltagarantalet är, problemet kvarstår. Studiens validitet påverkas negativt och medelvärden kan påverkas negativt.
  • Slumpmässigt fel – Här pratar vi mer om individuella missar och felrapporteringar. Det påverkar sällan medelvärdet men däremot spridningsmåtten eftersom det kan bli en del så kallade outliers, alltså deltagare vars inrapportering skiljer sig kraftigt från medelvärdet. Slumpmässiga fel gör alltså resultaten mindre precisa men med ett tillräckligt stort deltagarantal kan problemet bli mindre till skillnad från de systematiska felen.

Individers felrapporteringar är som sagt slumpmässiga fel. Som vi redan konstaterat ökar risken för felrapportering ju mer som krävs av individen. Det är dessutom så att viss mat tenderar att missas mer än annan, ”socialt accepterade” vanor överrapporteras, fet mat och skräpmat underrapporteras och forskningen visar att på befolkningsnivå tenderar överviktiga att feluppskatta i högre grad.
Även småintag, mellanmål och snacks, korrelerar med felrapportering när FFQ och 24h-recall kombineras med mätning av faktisk energiförbrukning och substratfördelning via dubbelmärkt vatten (3). Och samma trender har påvisats i massor av forskning. Ett, i skrivandets stund, pinfärskt nummer av American Journal of Epidemiology publicerade artikeln ”Alternative methods of accounting for underreporting and overreporting when measuring dietary intake-obesity relations.” där fenomenet i sig, samt eventuella lösningar diskuteras (4). Om du har tillgång till fullängdaren kan den läsas här och där finns även en diger referenslista med studier som undersöker just underrapportering. Det finns alltså en omfattande evidens och enorm mängd data som pekar på detta och det är inget som handlar om skuldbeläggning eller ”forskares bortförklaringar” av svårtolkade resultat.

Varför nämner jag det här?

Att jag är så noga med att påpeka att detta inte handlar om lögner från deltagares sida är för att det ibland kan tolkas som det i vissa diskussioner. Både jag och Jacob diskuterar ofta saken, framför allt med LCHF:are, och den här faktan bemöts ofta med känslostyrda motargument och påståenden om att vi inte litar på sanningshalten. Personer som är bombsäkra på att de tidigare bara ätit 1000 kcal om dagen men gått upp i vikt men idag har hittat en väg där de reglerar sin vikt, sin aptit och sin hunger reagerar ofta starkt när de ifrågasätts. Det är helt mänskligt att reagera så. Överviktiga personer är INTE lögnare men att människor i allmänhet, och överviktiga i synnerhet, felrapporterar sina intag i undersökningar är som sagt starkt evidensbaserat och handlar inte om tro och tyckande.
När man bett människor med olika BMI uppskatta energimängd i snabbmat visar det sig även att ju större måltider desto större feluppskattning (5). Först fick 105 lunchgäster beställa mat och sedan uppskatta energiinnehål. Samtliga deltagare, tjocka som smala, feluppskattade stora beställningar kraftigt, i genomsnitt 38% för lågt vid stora måltider men bara 2,9% vid mindre. Efter detta test fick även 40 studenter uppskatta samma måltider fast i 15 olika storlekar i ett laboratorium. Här var trenden densamma. Kraftiga feluppskattningar av stora måltider, 22,6 i genomsnitt och överskattade till och med de minsta måltiderna lite, 3% över (5). Studien tyder alltså på att inte tjocka människor feluppskattar mer än andra, det är snarare storleken på portioner som avgör och rent statistiskt kan man anta att överviktiga äter större måltider än smala.
Man ljuger antagligen inte medvetet men faktum kvarstår att rapporteringen inte är korrekt och att det finns tydliga trender för vad som felrapporteras, om det över- eller underrapporteras, samt karaktäristika för vilka grupper som felrapporterar mest.
Det här gör alltså validering med hjälpmedel mycket värdefullt. Läser du en studie som studerar matintag på ett eller annat sätt bör du alltså försöka kolla upp om man validerat med hjälp av andra metoder och om det är en interventionsstudie kan du kolla om någon typ av compliancekontroll gjortd. I en studie som tittar på mjölkproduktsintag är resultaten mer trovärdiga om man även kombinerar med mätningar av fettsyrorna 15:0 och 17:0, vill man undersöka studier av olika kostuppläggs hälsoeffekter vid viktbalans är såklart kroppsviktmätningar lämpliga som komplement (där eventuella viktskillnader är en felkälla i resultatet), ketoner i urinen vid lågkolhydratkost etc.

Slutord

Ja det var del 5 i min kostforskningsserie. De här insamlingsmetoderna används i olika typer av studier och de har sina styrkor och sina brister. Som vi har sett stärks en studies validitet om kostrapporteringar även kompletteras med olika mätningar, vikt, fysisk aktivitet och biomarkörer bland annat.
Intressant för fortsatt forskning är ”problemet” med att befolkningens matvanor kraftigt influeras av andra kulturer och hela tiden måste databaser utökas och nya formulär utvecklas för att alla de livsmedel vi får in från andra länder skall kunna tas med i studier. Det är i alla fall intressant att känna till tycker jag och framför allt tycker jag forskningen på biomarkörer är extra intressant!
/Nicklas
1. Cade JE et al.  Food-frequency questionnaires: a review of their design, validation and utilisation. Nutr Res Rev. 2004 Jun;17(1):5-22.
2. Magkos F et al.  Development and validation of a food frequency questionnaire for assessing dietary calcium intake in the general population. Osteoporos Int. 2006 Feb;17(2):304-12. Epub 2004 Sep 10.
3. Tooze JA et al.  Psychosocial predictors of energy underreporting in a large doubly labeled water study. Am J Clin Nutr. 2004 May;79(5):795-804.
4. Mendez MA et al. Alternative methods of accounting for underreporting and overreporting when measuring dietary intake-obesity relations. Am J Epidemiol. 2011 Feb 15;173(4):448-58. Epub 2011 Jan 17.
5. Wansink B and Chandon P.Meal size, not body size, explains errors in estimating the calorie content of meals. Ann Intern Med. 2006 Sep 5;145(5):326-32.

16 svar på “Kostforskning 5 – Hur undersöker man matintag?”
  1. Att folk underskattar energiinnehåll i mat och underrapporterar sitt intag är väl ett systematiskt fel och inte ett slumpmässigt som kan minskas med ett stort deltagarantal?

  2. Underrapportering kan ju vara både systematisk och slumpmässig. Även om det är systematiskt så är det ju problematiskt att veta vilka och vad de underrapporterar och hur man skall justera för det.

  3. Simon: Det är, precis som Ola säger, både och. Därför är båda med under rubriken om felrapportering.
    Men orsaken till felrapporteringen avgör huruvida det kan ses som slumpmässigt eller systematiskt. Individers missar hit och dit blir ju slumpmässiga som jag ser det. Är det systematiskt är det som sagt exempelvis påverkansfaktorer som gör rapporteringen snedvriden. Typ om man försöker överföra sommarens jordgubbskonsumtion till hela året. 😉
    Men hursomhelst, snedvriden rapportering som en följd av brister i studien och inte brister i individers egna missar.

  4. Ursäkta Nicklas, men jag förstår inte riktigt vad du försöker säga.
    Du har ju själv beskrivit att personer med högre BMI underrapporterar i större utsträckning och att det oftast är vissa livsmedel som underrapporteras. Dessa är då systematiska felrapporteringar, inte slumpmässiga, det finns ju ett mönster.

  5. Tack Nicklas!! 🙂 Grymt bra, ska läsa den noggrannare senare när jag har tid. 😀

  6. låter som en väldans massa studier är opålitliga, borde bara vara de som görs (i ett labb eller under extremt kontrollerade former) som får gälla.
    Men kul att ni tog upp detta, tack.

  7. Tjena aaa!
    Det beror lite på vad man vill studera faktiskt. Om du vill veta hur ett råd fungerar i praktiken ska du givetvis testa det i praktiken. Om du tex tänker ge råd till hela befolkningen hur de bör äta som väldigt många vill göra så behöver man ju också studera hur dessa råd fungerar i praktiken, tar folk till sig dem och har de då önskad effekt?
    Labbstudier ska man använda när man vill veta hur en viss ändring påverkar kroppen. I dessa fall tittar man inte på om folk verkligen kan/orkar/vill genomföra förändringen i ”verkligheten”. Det är endast effekten man studerar. Problemet med dessa studier är att man inte kan kontrollera människor hur lång tid som helst. Oftast går gränsen vid 1-2 månader.
    I vissa fall fungerar studier på fritt levande människor utmärkt även när man vill se effekten av en sak. Till exempel rökning där det är lätt att urskilja de som röker från de som inte röker. Effekterna från rökning är också ganska stora. När det gäller kost fungerar det, precis som du skriver, nästan aldrig med studier på fritt levande människor om man vill veta mer säkert vad som orsakar vad. Har man dock en underliggande hypotes om hur något skulle kunna påverka kroppen som baseras på kortare mer kontrollerade studier kan man komma en bra bit även med dessa studier.

  8. aaa:
    Ja observationsstudier kan aldrig, och kommer aldrig kunna, påvisa att x ger y. Det får man leva med, och det gäller all typ av populationsstudier. Även om det handlar om arbetslöshet eller ekonomi så är det massor av confounders som spelar in och där de absoluta förklaringsmekanismerna samvarierar. Vissa kan till och med vara felaktiga.
    Labtester ger konkreta resultat i form av orsakssamband men, precis som Jacob säger, kan inte allt studeras i labmiljö heller. Men även observationsstudiernas värde varierar beroende på olika faktorer i metodiken. Dels beroende på validering av den typen jag skrivit om här men även andra saker som jag skrivit om tidigare:
    https://traningslara.se/kostforskning-3-forsta-delen-om-epidemiologi/
    https://traningslara.se/4-epidemiologi/

  9. Niklas det finns ju studier (t.ex Israel studien) där deltagarna åt den lunch de var lottade till på samma restaurang därför gick det att hålla bra koll på dem. Studien pågick under förhållandevis lång tid också tror det var 3 månader. Resten av måltiderna var det matdagbok som gällde. Har också läst studier från 50-talet då deltagare låstes in och fick den maten de var lottade till.
    Men jag håller med dig om att man måste läsa studierna med en kritisk ansats och att koststudier har svårigheter i tillförlitligheten.

  10. Martin:
    Nej Shai et al. pågick i två år till och med. Men det var ju just bara lunchen som kontrollerades. Och tittar du på statistiken i den studien ser du att de inte följde registrerat intag.
    Ketoner i urinen var biomarkör men de var knappast ketos i Atkinsgrupppen. Angående de gamla studierna du nämner så vet jag också många, men de kan aldrig ge svar på frågor om kroniska sjukdomar eller död, bara akut respons. Och akut respons ska man vara mycket försiktig med att överföra till långtidsrisker.

  11. Var länge sen jag läste studierna, kan de därför inte utantill särskilt inte nu när jag läser på inom ett helt annat område.
    Matforskning är mycket intressant och svårforskat. Särskilt då det är över lång tid som intressant. Jag har en så länge inte läst någon koststudie som inte har stora brister. Då de studier som är bra ofta är genomförda under en kort period.

  12. Kan vi förvänta oss en fortsättning, eller va det här den sista artikeln i den här serien?
    Om man vill läsa kurser (universitet m.m) för att få ökad kunskap inom gällande område, vilka allmänna kurser ska man läsa då tycker du?
    Vh Stefan

  13. […] Kvinnorna i studien följdes som sagt upp över längre tid, i snitt 22 år. Under den tiden fick kvinnorna två gånger fylla i vad de åt via så kallade matfrekvensformulär som Nicklas har skrivit mer om i inlägget, Kostforskning 5 – Hur undersöker man matintag?. […]

Lämna ett svar

Din e-postadress kommer inte publiceras. Obligatoriska fält är märkta *