网红 科学
- 过去一年一些非常大型的研究
加剧了激烈的争论
超过动物蛋白。
大型研究将红肉消费和糖尿病联系起来
已成为头条新闻
以及网红的强烈反驳
用这样的语言:
- 如果想举个如何不做科学研究的例子
就是这样。
——真是劣质科学，垃圾。
请无视，无视，无视。
- 但大型研究仍在继续。
这是塔夫茨大学的研究
有关动物蛋白降低预期寿命
以及女性各种慢性疾病
最大的问题是谁相信这场辩论吗？
许多科学家发表了这些论文，他们是流行病学家，
据我所知，反对他们的人
没有流行病学背景。
流行病学家研究人口健康，
他们研究的一个典型问题是，
空气污染如何影响人体健康？
现代流行病学通常涉及大数据
和专业知识。
所以对于普通人来说很难懂
甚至医生也难理解。
就像放射学一样。
你和你的医生
要寻求在职放射科专家的帮助
来解读最近的 MRI 结果。
了解流行病学就像放射学一样，需要多年的学习
我不知道有什么网红名人
会向流行病学家寻求帮助
去解释那些他们所反对的文献
那些流行病学家
在网上几乎没有存在感。
他们其实太忙了，忙于做流行病研究
但有我追踪他们
当面质问他们，
他们怎样回应批评者？
那么您是营养流行病学家？
- 是的。
- 听起来很怪。
哈佛大学人员之一。
哈佛有多少人？
- 我不知道。
- 有很多。
- 是的。
— 因为我已经联系了很多人。
我不断发现新名字。
你可能会有关于我本人，是否公平的问题。
- [旁白] 是的。
那么你知道关于流行病学的什么，朋客？
- 在我从事地球科学工作的日子里，
我曾担任一家大型公司研究总裁
当我在类似34水检测实验室。
我制作了一集很受欢迎的关于流行病学的视频
据我所知的有关PFAS（全氟和多氟烷基物）化学品
没有收到任何批评。
我不得不说，
一旦沉浸在环境流行病学
或者我有时称之为毒理学，
进入营养流行病学则令人震惊
听到的第一件事是，
根据观察数据无法确定因果性
- 根据一项观察性研究，
相关性不是因果性，这是老生常谈
- 他们还知道通过观察性研究永远无法证明因果关系
只能得出可能的相关性。
- 我们被告知的很多东西
关于什么是健康的、什么是不健康的
基于观察性研究，
并非旨在推断或得出关于因果性的判断。
- 网红说
需要干预尝试这样做。
什么？
在环境流行病学中，
工作就是推断因果性
- 本书的第二版
不久前我们刚刚发布
真正专注于做出判断
关于流行病学证据
以一种复杂而周到的方式。
因此因果推理确实进化了很多，
这确实是统一的主题
我们正在努力通过流行病学研究去做的
我们正在尝试设计并解析
为了实现这一目标，
以及现在普遍应用的工具
有向无环图
使用多重偏见分析等等
再次强调
尝试使用观察数据的意图是
做出因果推断。
- 几乎永远无法进行介入试验
因为在处理含有有毒物质。
医生、消费者、政府
都要求推断因果关系
并要说明信心程度。
有几十本关于来自观察数据的因果推理的书籍
我读过几本，加州大学伯克利分校的
有十几位教授
列出了他们的一个因果推理等专业。
第二次冲击
如何的尊重环境流行病学家
- 最后，我们得到一个一定程度的尊重
并对我们和我们的工作表示赞赏。
这是《纽约客》的一幅旧漫画。
邀请了一位流行病学家去参加鸡尾酒会，大家说：
“你真是太聪明了”
这是在《纽约客》典型读者受过良好教育的精英中
当然，实际上
成为一名流行病学家有一定过程。
- 与之形成对比的是
营养流行病学家
受到最受欢迎的网红青睐。
- 这是那种东西
这使得营养流行病学
成为所有科学研究的真正笑柄
- 问题在于流行病学
无法区分
相关性和因果性。
你肯定听说过，无数次如此。
- 营养是一个非常棘手的话题。
我完全理解为什么 Tobias 博士
在聚会上如此介绍自己
那么在你参加的聚会上会告诉人们什么？
- 在聚会上，我 100% 会去掉“营养”，
因为那只会挖掘人们的饮食偏好
- 然后他们认为你正在评判他们。
- 是的，或者各种兔子洞
每个人都喜欢谈论
他们个人喜欢做什么或者吃什么。
- 以下是毒理学家所受到的尊重。
Ken Barry 制作了一个关于 PFAS 化学品视频
杜邦有倾销历史。
- 现在你可能会说，
我相信化学公司
进行了长期研究来证明这些东西是安全的
在这些东西放进每个东西之前，
但答案是否定的，他们没有这样做。
- 有谁志愿进行长期研究化工对人体的影响吗？
这难道不让人想起 Erin Brockovich
在电影《永不妥协》中的著名场景？
- 顺便说一下，我们有水
为你们带来特别的水
来自欣克利的一口井
- 杜邦和科慕同意罚款
几年前的 6.71 亿美元。
但你不会同意付钱
6.71亿美元和解金，除非你有罪。
- 该协议是根据流行病学，
经过一项我非常熟悉的7年7万多人的研究
提供了足够的因果证据
陪审团判定杜邦有罪，
而巴里博士没有质疑流行病学。
流行病学在以下情况下最有效
在人群有急性暴露，正如这项研究所指出的，
但我们并不总是这样
广泛曝露比如空气污染，
但我们仍然成功推断因果关系，
正如在本视频中将会看到的那样
在营养学中已经做过很多次了。
第三个区别是，消费者有时会对毒理学家生气
找不到很大的效果，
但有时他们会对营养流行病学家生气
发现效果的时候。
例如勒琼营附近的居民
认为他们的癌症的罪魁祸首是
基地的化学物质，
一个合理的直觉思考，
但流行病学家无法证明这一点。
- 前勒琼营居民们非常愤怒。
他们认为我们免除了这些暴露风险
所以不会对健康造成危害，
而我们也参与了掩盖行动。
- 但对流行病学家下面的说法却不以为然
吃太多红肉，就会有惨痛后果。
- 这是一份真实的新闻稿
由研究人员自己发布。
“每周只吃两份红肉的量
可能会增加患上二型糖尿病的风险。”
我认为任何有常识的人
可以看出这项研究表面上是很愚蠢的。
这项研究有一个先入为主的观念
植物性饮食对人有好处
红肉对人有害。
- 我知道几个该研究的作者
我还采访了主要作者。
他们不是素食主义者或纯素食者，
他们往往有像这样有趣的对话。
- 像吃奶酪
必须找到吃得开心的
- 那奶酪对你来说真的很开心吗？
- 我的意思是，我认为那将是…
是的，我不知道。
- 这是您的人生一大乐事吗？
- 是的，偶尔，作为娱乐。
- 是的？
- 是的。
- 这就像娱乐性大麻。
我应该提一下另一件事
这深深地影响了我的关于流行病学的思考
在我们进一步和Tobias博士之前。
我在地球科学领域干了17 年后离开了
加入了 Next Computer，
史蒂夫·乔布斯与苹果公司分手后创办的公司
我们创建了一个操作系统
可以支持多处理器，
可以把这些计算机连接在一起
去解决大问题。
我接下来寻找的是一台电脑
可以处理大数据。
我曾看到大数据如何彻底改变了地球科学。
该操作系统变成了 OS 10 和 iOS，
我亲眼见证了大数据革命
一个又一个行业。
例如，我有朋友曾在搜索引擎公司工作，
比如 Excite、Bing 和 Yahoo，
但我不认识
了解大数据力量的人
能从大量噪音中提取需要的信号。
雅虎的直觉是互联网的人工管理
会产生更好的搜索结果
随着互联网变得越来越嘈杂。
但谷歌的拉里·佩奇和谢尔盖·布林理解大数据
能够在巨大混杂数据中理解微弱信号的力量
他们雇佣了很多博士科学家，其中有一些我认识的
他们干掉了其他搜索引擎。
大数据革命涉及的每个行业，
带来了像亚马逊这样的公司。
再次利用人工智能实现了这一目标。
我知道，大数据是很难理解的
这其中涉及到大量深奥的数学。
我认为在营养方面最相似的是《点球成金》
棒球经理比利·比恩冒险
聘请了一名统计员，彻底改变了棒球。
- 我们是算牌者，在二十一点牌桌上，
我们要改变赌场的赔率。
你忽略了球探已经这样做了150年。
——这是他 13 年后所说的话。
- 我们还采访了点球成金先生，比利·比恩。
- 这个游戏真的很聪明。
事实上，我想说棒球已经成为
世界上最聪明的行当之一
在我看来，
现在看到了分析的使用。
管理棒球队的人
和我刚开始的时候有很大不同，
我认为这是一种赞美
提高比赛的智力。
- 与营养相似的是，
最受欢迎的声音没有大数据背景，
所以只能依靠直觉。
但我所看到的现代流行病学是大数据，
随着时间的推移，大数据越来越好，
最终会压倒直觉。
因此 Gary Taubes 写了一篇文章发表在1995 年《科学》杂志
他真正研究流行病学的地方，
说它产生了许多误报
让民众感到困惑。
比如酒精和乳腺癌有关吗？
拜托，这是假信号。
氡与癌症有关，
另一个假信号。
流行病学家怎么了
他们不得不混淆和吓坏我们所有人
并有相互竞争的研究等等？
但你指出还有几年前的另一项研究
跟踪了近30年
看到假信号结果确实是假的。
这项研究结果是什么？
- 对。所以这项研究遵循证据
从这一大串信号中，
我们可能不会非常信任
因为是流行病学。
我从未听说过这篇原始论文，
但我喜欢这篇后续论文的想法
来自埃默里大学由蒂姆·拉什领导的团队
他是学术期刊《流行病学》杂志的编辑，
但他们发现，大约有 30%
这份 40 多个相关性列表中的30%
现已完全是假
- 判断是假吗？
- 对吗？是的。
- 現在是吗？
- 是的，现在要么是已确定的科学，
以至于围绕它的公共政策。
就像买房子一样，
在地下室进行检测氡。
那是伪科学，而且尚未解决，
而且相对风险可信度太小了
在 1995 年的那篇论文中。
还有一个，晒黑床和皮肤癌。
我的意思是，那当然是了。
谁会说那不是因果关系？
真正去用晒黑床的人会说
“我只会做几年
因为我20岁左右，”
但没人不认为那会致癌。
- 当我读到 Gary 的1995 年的科学文章，
我原本以为会像他现在这样
与各种播客主持人的科学破碎之旅，
这让我的耳朵流血。
但我对 1995 年那篇文章的看法是，
他采访了合法的流行病学家
他知道一点关于因果推理，
尽管28 年来我们已经走过了漫长的道路。
因此，他当时的怀疑态度，
即使他很努力挑选例子
他认为那是假信号。
但回想一下 1995 年。
网络很粗糙。
像亚马逊、谷歌这样的公司还不存在。
只有航空和银行等行业
买得起 IBM 主机
能够访问大数据。
我当时在公司正在开发某样东西
我们认为会是革命性的，一款智能手机。
我们制作了一部热门纪录片关于非常艰难的道路
加里可能会称之为
破碎的科学
但最终形成了现代iPhone 和 Android 手机，
改变了世界。
所以我期望 Gary对此评论发表看法
那是他28年前写的一篇报道。
我的意思是，从科学上来说很有趣，对吧？
但我什么也没找到。
相反，他加倍努力
观察性研究无法确定因果性
- 你我都知道这些研究的作用
他们识别食物与疾病之间的相关性，
但相关性只能是产生假设。
-这让我绞尽脑汁，
但我认为答案其实很简单。
我在图书行业工作过一段时间，
我们从百年的销售经验中得知
创造一个营养学畅销书突破，
必须具备三个要素。
一、突破性书籍说营养科学家搞错了。
二，但作者已经弄清楚了
因为是医生或记者
读了很多论文。
第三，必须对动物食物持积极态度，
尤其是肉。
想想彼得·阿提亚的书《超越百岁》。
他不是一位长寿研究员。
他主持播客节目请加里作嘉宾
他对流行病学了解甚少，
驳斥了几乎所有的营养研究，
建议吃高肉饮食。
他满足了对于一本畅销书的所有条件
就像加里对他的书所做的那样。
这种影响是在社交媒体上被广泛传播，
符合这些标准的有影响力的网红名人
获得比作精准报告营养科学的人超过 10 倍的流量和粉丝
好吧，凡事都有例外。
《如何不挂/救命饮食》是一本畅销书，
但没有上面任何一项。
大多数营养科学家都非常开放
听取其他观点，
比如 Gary 的同事以及记者同事，
妮娜·泰乔兹（Nina Teicholz）。
- 但你知道吗？
我其实不太介意怀疑论，
因为可以帮助这个领域变得更好。
如果那是不诚实的，很多都是，那我就要说实话，
至少在我看来这可能会有问题。
但当我第一次听说有人
认为饱和脂肪和肉有好处
我记得自己在学生时代曾想过，
比如他们在读什么科学？
我以为那是真的，
或许，我不知道，但事实就是如此。
但我读过《脂肪的真相》
尝试去理解所有的科学
实际上可以从中读取不同的视角。
我想了解沟通不畅
或者有点像多重解读
与营养流行病学有关。
因为如果能看看在同一证据体系中
对此有两个完全不同的解读，
那么我们必须做出更好的科学研究。
如果是这样的话就更明晰了。
但事实上我很失望。
这不像是健康的怀疑态度
有非常详尽的理由
为什么科学会被不同的方式解读。
事实完全不是那样的。
- 你买了这本书“怀疑商人”
娜奥米·奥雷斯克斯 (Naomi Oreskes) 的书。
- 我订购了，在我的桌子上。
- 这是一本好书。
每当我看到妮娜，我只想着那本书。
你知道，埃克森美孚气候科学广告
标题为《未解决的科学》，
她的博客名为“未解决的科学”。
她与产业界联系密切。
她展示了自己与乳业委员会的照片
以及牧民协会等等。
我整天听到的这句话是什么意思？
相关性不等于因果性，
以及观察性研究不能推断因果性？
- 嗯，相关性不保证其因果性。
- 但很难找到没有相关性的因果性，对吗？
- 是的。因果性意味着相关性。
所以我喜欢这，因果性和相关性。
我可以就此谈论几个小时。
我认为这太有趣了。
并非所有相关性成为因果性。
我认为有很多例子
有证据表明
提出了一些建议。
因此，其中一个主要假设
护士的健康研究想要测试
是总脂肪和乳腺癌。
但观察流行病学
就像在一些生态证据。
这种相关性在各个国家都存在，
总脂肪摄入量较高的国家
罹患乳腺癌的几率更高。
但很多事情可以
解释一下吧？
所以不能在相关性前止步，然后说，
哦，这可能是因果性，这可能不是
嗯，这是来自七国研究，
所以这是正确的。
有很多研究在那项研究之后发生的
但碰巧是正确的
针对饱和脂肪和心脏病。
- Tobias 博士刚才提到生态研究。
那是你学习世界各地高曝光度的地方
例如，我知道一项研究
他们在哪里安装空气污染传感器
孟买和北京的儿童包，
以及其他地方。
七国研究是生态学
因为他们寻找世界各地的人口
心脏病患病率有很大的不同
因此芬兰是日本的9倍
其他国家介于两者之间。
除了食物频率问卷，
科学家们复制了他们的膳食
然后运回化学分析实验室，
然后遵循这些的人已有 50 年
您可以在此图表中看到
饮食中的饱和脂肪量增加了五倍，
心脏病死亡人数增加了九倍。
结合其他类型的研究，
流行病学家推断饱和脂肪
是心脏病因素的一个强因果关系
我从未见过哪个网红名人展示此图表
因为他们在推广饱和脂肪的好处。
如果你想知道谁跟踪一个群体 50 年，
见见我的好友亨利·布莱克本，
七国研究组的全程核心成员
99 岁半的他仍在他的乐队演奏
他给了我极大的帮助
为了全面了解这项研究。
刚刚走去了另一个核心成员 Jerry Stamler，享年102 岁，
在此之前，安塞尔·凯斯享年100岁。
看起来不像是避免饱和脂肪
缩短了他们的寿命。
我不喜欢轶事或小样本量，
但三名美国男子的几率
在大约 18 名科学家组成的团队
没有血缘关系，出生于 20 世纪初
活到一百岁
约为一百亿分之一。
我应该澄清一下生态研究
报告人口平均值。
这张图表显示的是平均值
大约有 700 名东芬兰士兵
平均大约 700 日本男人等等。
对于该研究，Tobias博士提到，
报告的是个人的数据。
实际上是互补的，
互相帮助、互相理解。
我推荐这个精简的流行病学入门书
对于有兴趣的人
比较不同的研究类型
以及它们如何互相对应。
我真的不喜欢金字塔
人们创造堆叠
对不同的学习类型进行排名。
它们都有优点和缺点，
它们有多好取决于在研究的内容。
流行病学家通常会观察
在每一种研究类型中他们得到结论
并共同进行解释。
例如，有些人促进介入试验
作为黄金标准，是药物级的
需要一粒药丸，依从性很高。
食物更难，
因为坚持往往一两年后消失
取决于科学家叫你别再吃了
以及你抵触的程度。
- 因为那些麦当劳炸薯条真是棒极了。
你妈妈曾经做过什么吗
和麦当劳的炸薯条一样好吃吗？
（观众笑）
差得远。
- 另一个挑战是通过食物干预
设计食物安慰剂很难吗？
以及慢性疾病需要几十年的开发和介入试验，
最后远少于此。
例如低碳水饮食看起来很不错
有关六个月减肥和糖尿病，
一年或两年也还可以，
或许三五年一般，但之后情况会很糟糕，
介入试验无法捕捉到
顺便说一句，我们倾向于使用流行病学这个词
对于长期观察试验，
但短期干预试验也是流行病学的。
- 现在跟我们讲讲您正在进行的临床试验。
- 是的，流行病学家也进行临床试验。
这并非全是观察所得。
- 我见过的证据金字塔所有层次结构
将元分析放在首位。
但事情是这样的，
行业已经意识到了解如何玩这些游戏。
流行病学家指出你所需要的
是计算机和互联网连接以进行元分析。
例如，牛肉协会支付了三名顾问的费用
写一篇论文关于红肉
不是导致糖尿病的原因。
他们选择了 21 项随机试验，
平均持续时间不到10周，
进行元分析。
是的，红肉不会几周内就导致糖尿病。
需要几十年的时间，因为长期研究表明。
但这并没有阻止网红
推广 Beef Checkoff 的游戏化的元分析。
- 吃红肉不会导致二型糖尿病，
现在，来自大量荟萃分析支持了这一点。
- 有很多出色的荟萃分析，
来自信誉良好的团队，不受行业资助。
一种非常强大的研究金字塔不列出的
是添加随机化的类型
进行观察性研究。
- 遗传流行病学，孟德尔随机化
作为因果推理的工具。
你的基因是随机分配的。
你有一个随机的一半
从你的每一个父系-母系遗传。
这和你的社会经济地位无关
你的健康状况，
你对食物的喜好。
这只是你的基因决定的，
从一开始就分配。
所以如果你随机得到父母之一
LDL胆固醇升高基因
而你的兄弟姐妹却没有这样做，
那么就像调查员说的那样，
你终生都会高LDL
你终生要适度降低 LDL。
- 在我看来
革命性的东西
从出生开始。
而当你这样做这些关于他汀类药物的研究，
他们没有处方，直到得心脏病。
那么已经 40 岁左右了
在获得他汀类药物处方之前。
所以没有说明人生的前 40 年，
而孟德尔随机化则会
我想这就是它如此戏剧化的原因。
当人们怀疑 LDL 是心脏病的致病因素，
遍布网上的说这是废话，
但事实并非如此。
我不知道你看起来怎么样
孟德尔随机化
并说事实并非如此，
- 这就是这种变化被记录在你的数据中，
以及流行病学正在尝试理解和发现
为什么有些人LDL 较高还是较低？
事实上，有一套遗传驱动因素
然后使用这个工具来查看，
从更有因果性的角度来看，
LDL 在心脏病中的作用。
因为现在我们没有吸烟造成的混淆，
以及生活方式和他汀类药物的使用。
并不是说这些不会影响分析
不管怎样。他们当然可以。
但是是的，我同意。
这些数据很难被驳斥
和所有其他数据的积累。
- 这是在网上很常见的事
需要很大的效果以便流行病学能够发挥作用。
风险至少需要翻倍
流行病学要有意义，
而不只是上涨20%或30%。
嗯，这可能是真的
在流行病学大数据真正崛起之前
但现在情况已不再如此。
让我们来看看反式脂肪的故事。
- 会注意到上面写着，全蔬菜。
我吃了几勺这个得到我需要的所有蔬菜。
吃法就如同冰淇淋一样。
（观众笑）
（观众欢呼）
- 反式脂肪有什么故事？
我们怎么知道他们不健康吗？
- 是的，我认为是反式脂肪
其中之一真的是
很酷，很整洁，
系着蝴蝶结的例子
流行病学与政策最终做正确的事
最终是为了公众健康。
护士健康研究一个大问题
能够回答的是反式脂肪
患有长期心脏病，
当然不旨在回答该问题。
但这是巨大的优势
现有群组。
您可以返回并出现新的假设，
如果你能以某种方式测量曝光量，
他们能够做到
因为他们有这些饮食数据，
现在你以看看一个新的利用现有数据进行曝光
已经有 10 个了，然后经过20至30年的跟踪。
因此，消费者之间的信号
高反式脂肪与低反式脂肪，
我们只谈论差异
每天几克。
就像五克对两三克。
- 太神奇了，太神奇了。
- 是的，心脏病疾病发病率风险更高。
这是复制其他群体的数量。
喂养研究观察胆固醇水平
以及当个人被赋予，
然后移除，然后给予反式脂肪。
只是随之急剧上升。
所以这个机制似乎存在，
生物学的合理性。
这种情况很少发生
通常通过饮食和营养，
但这是工业制造暴露
它有必要存在在那里。
因此可以将其移除。
被禁止的反式脂肪
美国的供应到2018年
已被禁止在多个国家
在欧洲和世界各地
到那时至少会有十年。
- 那么争论呢
效果较小，
比如 1.2、1.3 是不相关的，
流行病学并不意味着什么
除非你有效果
尺寸至少为双倍？
- 从统计上看更有可能
更多相对风险较低的误报
- 效果大小。
- 但这不是唯一我们使用的证据。
我们对数据进行三角测量
还有很多其他来源。
当中等影响
规模或小效应规模
证实了实验数据、动物模型、
生物学上的合理性，
喂养研究中的剂量反应，
这 30% 看起来相当不错。
事实上，相对的反式脂肪的风险，
比较五与二点半克每天，
就像 1.3。
它很小，
但它不可能
用其他任何方式来解释。
- 所以你看到了Tobias博士有多小心
在推断因果关系时，
以及她如何考虑所有因素，
流行病学家有很多工具
推断因果关系，
但消费者更愿意相信
出于一个简单的原因。
以下是一个例子，很多人被警示
相关性不是因果性
不明智地推断出因果
他们的观察血糖读数。
由于碳水化合物会升高血糖，
他们推断碳水化合物
是二型糖尿病的病因。
但当运动时血压会上升。
那么这是否意味着运动是高血压的原因？
我们相信半个世纪前，
这就是为什么我必须修剪草坪
给我的祖父和父亲
这样他们就可以避免血压飙升。
但流行病学的一个核心原则
慢性病是由多种因素造成的。
流行病学家弗雷明翰心脏研究
已经弄清楚了缺乏运动、体重、
钠摄入量，超过 500 个基因，
压力、愤怒、动脉粥样硬化以及空气污染
都会导致高血压。
对于糖尿病来说情况也是一样。
流行病学家知道要结合更多类型的数据
不仅仅是血糖。
例如，在众多风险因素中
体重、身体成分、储存脂肪的部位，
缺乏运动、年龄、遗传、种族、含糖饮料、
令人惊讶的是，许多研究小组
报告称红肉消费可能是因果关系。
我制作了关于糖尿病的原因。
好消息是，血糖监测仪是很好的指示器
看是否患有糖尿病，
但原因指示却很弱。
流行病学家用非常复杂的工具
推断因果关系，如 DAG 图表。
如果想参加大师班
如何使用它们，
我推荐 Peter Tennant 的这个视频，
他非常坚强。
- 作为一名科学家，这确实是
最令我激动人心的时刻
过去两年的职业生涯
开始了解这些方法
以及它们产生的影响。
- Peter 有一周因果推理训练营。
哈佛有一个每年夏天的两个星期，
还有更多。
对于互联网上的每一位网红来说
他们坚信自己的饮食才是最好的，
还有另一个人却持完全相反的观点。
对于消费者来说这是不可能的
使用社交媒体而不感到困惑。
但我们制作了一个电子表格有
114个国家的膳食指南，
每个都是由各自的科学家创造的。
我会在描述中提供链接。
它们的表现惊人地一致。
多吃植物，少吃肉，少吃加工食品。
我们采访了参与膳食指南的科学家
来自挪威、日本、加拿大和美国的。
据我所知，区别在于，
各国饮食委员会让流行病学家参与进来
了解大数据和因果推理的人。
名人网红寥寥无几
了解流行病学的人，
并且符合国家指导方针。
真正美妙的是，
一旦学会了一些简单的流行病学原理，
可以立即看穿一些相当疯狂的说法。
- 种子油可能是文明病的主要原因吗？
简单来说，它们是有毒的。
- 尽管那次谈话已经在网上疯传
并席卷了整个互联网，
你现在知道流行病学家150 年来，
慢性病是多因素造成的。
不仅如此，他还推断原因
种子油
在超加工食品中，
以及超加工食品是文明病的原因之一
但这种相关性却恰恰相反
当种子油加到如蔬菜炒菜时。
这个故事的寓意是，
如果你的眼睛有问题，
寻找眼科医生，克里斯就是其中之一，
但如果你想推断因果关系，
寻求流行病学家的帮助。
如果你想知道为什么风景不断变化，
因为我和家人在一起
我正在捕捉空闲时间
只要我有机会。
第二个即时迹象是当网红说，
无法推断来自观察数据的原因
他们中的大多数人都是这么做的，
但他们推断源于轶事，
或从未旨在推断原因。
- 世界变得越来越胖
美国处于领先地位。
这就是美国1980 年制定了膳食指南，
- 第三个迹象是当他们声称
食物频率问卷都是垃圾。
- 对食物频率问卷的依赖，
我自己也填写过
只是为了证明那简直无用。
比如问我前两天吃了什么。
我不可能能给出任何东西
在现实的数量级内。
- 呃，Peter 做到了如此自信地发布错误信息。
我想是百分之九十九人们相信。
可能那些没有
有一点流行病学知识。
你所要做的就是填写调查问卷，
你会发现，
他们不要求你记住两天前吃了什么。
食物频率问卷，
你能谈谈是如何设计的吗？
我通过阅读理解沃尔特·威利特的教科书，
你从中学到的，对吧，
- 是的。
- 这个过程大概需要两年，
各种测试和迭代等等
- 是的，我的意思是甚至超过两年。
我认为这始终是一个正在进行的工作。
食物频率问卷
并没有试图确定
这个人昨天经历了什么。
我认为这是一个很大的误解。
- 没人能记得住这一点。
但每个人都能记得
他们去年平均水平的饮食习惯
询问任何人的日常饮食
他们会立即回应，
哦，我吃培根和鸡蛋每周有几次，
我总是喝咖啡
早上加一些奶油和糖。
人们会习惯性地记住自己做过的事，包括彼得，
据报道，他吃了五到十根
含盐鹿肉干，有时每天一次。
这些食物问卷不断完善
40 年来，相比之下
针对加权食物记录
以及24小时召回。
人们能够记住24个小时吃什么。
还有一个非常关键的因素
决定了这些问卷的准确度
- 这是营养流行病学的一个多么大的误解
或者对某些人来说是一般的流行病学，
不知道如何衡量接触或行为，
没有人记得，
如果他们这么做，他们就会恶意
告诉你错误的答案，
那实际上动机之一
报名参加这个特定的护士人口。
他们将能够分类回忆和理解
我们用医学的眼光来看待这些问题。
所以他们知道你的意思
当你问血压升高时，
或血脂异常或骨质疏松症。
整份问卷并不是为普通观众准备的，
- 我懂了。
- 该群体中的这一群体
有科学背景教育意义
并且可以量化和估计。
-下面是我的个人观点
阿提亚博士和 Kenobi正在通过否认流行病学
造成很大的伤害
在不了解太多的情况下，
而是依靠直觉和轶事
推断原因。
我制作了一集有关阿提亚博士的书的节目。
这是我在一辆自动驾驶出租车里。
没有司机。看看那个轮子。
得益于大数据。它们无处不在。
我不敢相信我观看最近的视频
来自 Nina Teicholz 带我们回到
32 年前的美国食物金字塔
在她永无止境的抹黑科学的追求中
- 它与肥胖人数大幅增加。
因此在始于 1980 年指导方针之前，
肥胖率为 12.13%，
现在官方数据接近 43%，
但这是 2016 年的数据。
- 我想这是有可能的
这个简陋的家
来自瑞典的经济学老师，
发明了食物金字塔
比我们的早18年，
才是应该受到指责的人。
瑞典的金字塔和我们的一模一样
底部有谷物。
但为什么瑞典的肥胖率16%，
世界第128位？
她是否也应该因为日本的肥胖率受到指责？
他们也想出了一个视觉指南
将谷物视为最大的食物类别，
但他们的肥胖率仅为4%。
你不想看到肥胖的因果图。
如此多的因果箭头。
最大的份额（蓝色部分）
与快餐和垃圾食品崛起有关
瑞典的情况则要差得多。
红色代表社会影响。
日本则缺乏这种东西。
我制作了一集关于日本的学校午餐
以及食品教育计划，
这是世界所羡慕的，
但情节却变得越来越复杂和黑暗。
- 营养建议为何如此错误？
为何与科学如此不同步？
我认为真正理解这一点的唯一办法
并非无辜的无能，
但我认为有很多力量
影响营养科学的幕后工作。
- 互联网喜欢关于黑暗势力的阴谋。
我想有可能所有 114 个国家
有类似的膳食指南
有黑暗势力腐蚀他们的科学家。
但我认为有一个更简单的解释。
委员会中的科学家
了解如何推断原因。
如果没有这种能力，
迷信和阴谋确实猖獗。
我很想把它留在那里，
但我活该被打
如果我留下印象
营养错误信息是单一原因。
妮娜提出了一个关键点。
- 我真的很想集中注意力
试图拉开窗帘
让人们看到力量和冲突
这是我们值得信赖的科学家和机构。
- 我全力以赴去理解
企业影响力的作用，
这就是我采访玛丽恩·内斯特尔两次的原因
广受好评的《食品政治》一书
这就是为什么我经常提到
有关怀疑商人的书籍是。
但事情是这样的。
只需看一眼社交媒体或图书销售，
可以看到消费者没有得到营养建议
根据流行病学家的说法，
从网红名人那里获得。
虽然流行病学家应该披露
利益冲突，
网红则不必
但我们有一些机会看网红的财务状况。
- 我们有诉讼，
这意味着大公司
和名人想隐藏的东西
被公开发布记录
下面可真是个大瓜
2023年7月，
长寿医生阿提亚
起诉健身追踪公司 Oura Ring，
声称欠他 130 万美元
未分配的股票期权。
但这不是一起普通的诉讼
收取逾期帐单。
这是关系的蓝图
医疗公司之间以及医学界网红人物，
为我们提供了难得的瓜
光亮变成幕后流动的资金
有时是明显影响
传达人类健康信息领域所有人的渠道
其中详细说明了多少钱是阿提亚本该得到报酬，
何时以及如何接受 Oura 的指示
让故事登上主流媒体，
最重要的是，至少对我来说，
他在健身追踪器方面的角色作用
进行科学研究以便推销该产品。
- 那是斯科特·卡尼，
我推荐他的频道
如果你好奇最喜欢的网红
是如何带来数百万美元的收入。
- 2021年，就在几年前，
胡伯曼似乎就像一个明确的立场
关于蓝光和昼夜节律。
- 不管是否阻挡了蓝光。
如果你正在看夜晚明亮的灯光，
你会破坏
你的昼夜节律。
- 绝对地。
- 他甚至还嘲笑那些公司
销售噱头防蓝光产品
- 蓝光有害的概念
导致了大量产品的开发。
但上个月，他改变了态度。
- 我和 Roka 设计了这些眼镜，
正如你所见，它有红色镜片
过滤掉特定的短波长的光
激活让你醒来的细胞。
- 获得了丰厚的赞助机会
改变他对既定科学的看法？
- 网红知道如果获得大量订阅者观看次数，
可以得到大笔赞助，
在推广节目时赞助商将得到推广
他们也知道不会获得太多流量
信息是，孩子们，吃蔬菜吧。
这是流行病学家的信息
要么没有流量，要么赚取数百万。
阿提亚退出了他的住院医师实习经历，
没有获得认证，
并加入了著名咨询公司麦肯锡。
他知道如何出现在奥普拉、罗根、
胡伯曼等人的节目上
他知道该说什么获得观点。
你最后一次听说过哪位流行病学家
出现在奥普拉、罗根或胡伯曼节目中
并带来数百万的赞助？
你可能会问，那你呢，克里斯，
你们是受到大流行病学资助的吗？
这实际上是我的昂贵的退休爱好。
——是的，很贵。
昂贵绝对是正确的词语。
- 我不接受捐赠，礼物、赞助、赠品、
我关闭了所有广告
YouTube 允许我关闭。
提醒我为什么我再次这样做。
如果你想推销西兰花，
你不是为了名誉和财富。
只要问一下流行病学家就可以了。
D:2025.04.06>
