Denise Minger ha publicado una crítica del libro El Estudio de China: El Estudio de China: ¿Hecho o falacia? Es interesante y gratificante que haya habido una respuesta tan grande, tanto en su blog como en los de otros. Este es acontecimiento bienvenido porque da a este tema un aire que ha estado escondido durante mucho tiempo en los pasillos y anales de la ciencia. Es hora de que esta discusión comience a llegar a una audiencia mucho más grande, incluyendo tanto a los partidarios como a los escépticos.

Felicitaciones a la señorita Minger por tener el interés, y por tomarse el tiempo para hacer un análisis considerable y por describir sus hallazgos en un lenguaje fácilmente accesible. Y felicitaciones a ella por ser clara y admitir, desde el principio, que ella no es ni una estadística ni una epidemióloga, sino una licenciada en Inglés con un amor por la escritura y un interés en la nutrición. Necesitamos más gente con este tipo de interés.

Yo soy el primero en admitir que las credenciales académicas y por experiencia no son ciertamente todo, y muchos descubrimientos y contribuciones interesantes han sido hechos por personas “ajenas” o principiantes en varios campos. Por otro lado, la experiencia, el tiempo en el campo, y especialmente la revisión por expertos, juntos sí dan una especie de perspectiva y percepción que, en mi experiencia, no es lograble de ninguna otra manera. Voy a tratar de aclarar en mis comentarios a continuación, cuando esto es particularmente relevante.

Mi respuesta se puede dividir en tres partes, abordando principalmente su falta de proporcionalidad —lo que es importante y lo que no—.

• Incomprensión de los objetivos de nuestro libro y mis descubrimientos.
• Excesiva dependencia del uso de correlaciones no ajustadas en la base de datos de China.
• Falla en tomar en cuenta las implicaciones más amplias de elegir el estilo de vida alimentario adecuado.

A. No entender los objetivos del libro

Los hallazgos descritos en el libro no se basan únicamente en las estadísticas del estudio de China, aunque este fuera el estudio en humanos más completo (no el más grande) de su tipo. Como se explica en el libro, extraigo mis conclusiones de varios tipos de hallazgos y la consistencia entre estos diversos hallazgos es lo que más importa.

Ante todo, nuestro extenso trabajo sobre los fundamentos bioquímicos del efecto de la caseína en el cáncer experimental en animales de laboratorio (solo descrito parcialmente en nuestro libro) fue destacado porque estos resultados condujeron a mi sugerencia de principios y conceptos fundamentales que aplican a los efectos más amplios de la nutrición en el desarrollo del cáncer. Estos principios fueron tan convincentes que deberían aplicarse a diferentes especies, muchos nutrientes, muchos cánceres y una lista casi ilimitada de respuestas de salud y enfermedad (por ejemplo, control nutricional de la expresión genética, causalidad multimecanicista, reversión de la promoción del cáncer pero no reversión de iniciación, rapidez de respuesta nutricional, etc.). Estos principios también, de forma colectiva y sustancial, infirieron los principales beneficios para la salud de los alimentos basados en plantas sin procesar.

Este trabajo previo de laboratorio, ampliamente publicado en las mejores revistas revisadas por expertos, precedió el estudio en China. Estos hallazgos establecieron la esencia de lo que puede llamarse plausibilidad biológica, uno de los pilares más importantes que establece la confiabilidad de la investigación epidemiológica. (La plausibilidad biológica representa la evidencia establecida que demuestra cómo una relación causa-efecto funciona a nivel biológico, uno de los principios de la investigación epidemiológica establecida por el pionero de la epidemiología, Sir Bradford Hill).

Desafortunadamente, esta cuestión de la plausibilidad biológica a menudo escapa a la atención de los estadísticos y epidemiólogos, que están más familiarizados con el “cálculo numérico” que con los fenómenos biológicos. Los primeros 15 a 20 años de nuestro trabajo no fueron, como algunos han especulado, una investigación específicamente centrada en los efectos carcinógenos de la caseína. Fue principalmente una serie de estudios destinados a comprender la biología básica del cáncer y el papel de la nutrición en esta enfermedad. El efecto de la proteína, por supuesto, fue notable, y por esta razón, fue una herramienta muy útil para darnos una novedosa percepción del mecanismo del proceso del cáncer. (Sin embargo, el efecto de la caseína, que fue estudiado en gran profundidad y, si se juzga por los criterios formales para determinar experimentalmente qué sustancias químicas clasifican como carcinógenos, coloca a la caseína en la categoría de ser el carcinógeno más relevante jamás identificado).

En segundo lugar, este estudio en la China rural, basado en una población y en un formato experimental únicos (desde varias perspectivas), dio lugar a la recopilación de una base de datos excepcionalmente amplia que permitió, en gran medida, colocar a prueba hipótesis y principios descubiertos en el laboratorio, tanto en el mío como en el de otros. Por “colocar a prueba” me refiero a preguntar si existía alguna evidencia en la base de datos de China para respaldar un efecto protector característico de la composición nutricional de una alimentación basada en plantas. No estaba seguro de lo que se podría encontrar; sin embargo, quedé impresionado con lo que finalmente se demostró.

Los datos estadísticos del proyecto de China proporcionaron la oportunidad de considerar la interacción colectiva y los efectos de muchos factores potencialmente causales con muchos resultados de la enfermedad —la misma definición de nutrición (mi definición de nutrición no se refiere a los efectos aislados de nutrientes individuales o si vamos al caso, incluso de los alimentos)—. El proyecto de China nos animó a no confiar en correlaciones estadísticas independientes con poca o ninguna consideración de plausibilidad biológica. En el libro extraje mis conclusiones de seis modelos previos de investigación para ilustrar este enfoque: cáncer de seno, cáncer de hígado, cáncer de colon (mínimamente), utilización de energía/control de peso corporal, enfermedad de la riqueza-enfermedad de la pobreza proteína versus tasas de crecimiento corporal. Utilizando esta estrategia, primero investigué si una colección de variables en el estudio de China (que van desde correlaciones univariadas hasta análisis más sofisticados) podría respaldar consistente e internamente cada uno de estos modelos biológicamente plausibles y, en segundo lugar, determiné si los hallazgos para cada uno de estos modelos eran consistentes con la hipótesis global de que una alimentación basada en plantas sin procesar promueve la salud —No pude discutir mucho de este razonamiento en un libro limitado en páginas destinado al público—.

Lo que es más importante, no puedo enfatizar lo suficiente que los hallazgos del proyecto de China, por sí solos, no determinan exclusivamente mis opiniones finales expresadas en el libro. Es por eso que solo un capítulo de 18 se dedicó al proyecto del estudio de China, que es solo un eslabón en una cadena de estrategias experimentales. Simplemente me preguntaba si había datos estadísticos biológicamente plausibles en la base de datos de China para respaldar los hallazgos obtenidos en nuestro laboratorio, entre otros. Debido a la singularidad de la base de datos de China, creí que la evidencia era de gran respaldo. Una de las características únicas de este estudio fueron las prácticas alimentarias tradicionales de esta población base de personas. En gran parte, ya estaban consumiendo una alimentación en gran parte compuesta de alimentos basados en plantas, lo que limita nuestra capacidad para detectar un hipotético efecto de los alimentos basados en plantas, por lo que hizo que nuestras observaciones finales fueran mucho más impresionantes.

En tercer lugar, en el libro resumimos los hallazgos de otros grupos de investigación sobre una variedad de enfermedades para determinar la consistencia de nuestro modelo con sus hallazgos, de acuerdo con mis principios y conceptos. Una de las partes más convincentes de este ejercicio fue el hecho de que muchos de sus hallazgos (aunque publicados en buenas revistas revisadas por expertos), habían sido y continuaban siendo ignorados y distorsionados, un fenómeno muy inquietante y desconcertante. Esto planteó para mí la pregunta, ¿por qué? Mi participación en extensas revisiones del trabajo de otros durante mis 20 años trabajando en o como miembro de comités de expertos me dio una oportunidad particularmente rica para considerar estos estudios previamente publicados. Todavía existe, y durante mucho tiempo ha existido un esfuerzo intencional en varios niveles de la jerarquía científica para denigrar estudios que hablan de la biología más fundamental de la alimentación basada en plantas. El hecho de que ha habido resistencia (a menudo hostil y personal en la comunidad no profesional), para mí, dice mucho.

En cuarto lugar, y más importante, existen hallazgos realmente impresionantes de mis colegas médicos, que llamaron mi atención cerca del final del período de recolección de datos del proyecto de China y que mostraban notables beneficios para la salud de la nutrición basada en plantas,involucrando no solo la prevención de la enfermedad, sino también su tratamiento (en orden alfabético: Diehl, Esselstyn, Goldhamer, Klaper, McDougall, Ornish, Shintani y muchos otros desde la publicación del libro: T. Barnard, N. Barnard, Corso, Fuhrman, Lederman, Montgomery, Popper, Pulde, Schulz, Shewman). No puedo dejar de recalcar los notables logros de estos médicos de atención primaria. En efecto, su trabajo afirmó mi investigación previa de laboratorio. Debo añadir que no conocí a ninguno de ellos ni su trabajo durante mi carrera en el laboratorio, por lo tanto no estaba motivado o sesgado por encontrar maneras de afirmar su trabajo.

Fue la combinación de estas diversas líneas de investigación lo que hizo tan convincente la historia más amplia contada en el libro, al menos para mí. Denise ignora, sobre todo, estas partes fundamentales pero altamente consistentes de mi historia. En ese sentido, creo firmemente que las conclusiones de ningún estudio individual en biología o incluso un grupo de estudios similares deberían tomarse demasiado en serio hasta que se establezca el contexto. La biología no es para los ingenieros y los calculadores de números, por más importantes que sean, porque, en comparación con sus sistemas, la respuesta biológica es mucho más compleja y dinámica.

B. El uso de correlaciones univariadas “crudas”

En un estudio como este en China (ecológico, transversal), las correlaciones univariadas representan asociaciones uno a uno de dos variables, una quizás causal, la otra quizás de efecto. El uso de estas correlaciones (alrededor de 100 000 en esta base de datos) solo debe hacerse con precaución, es decir, teniendo cuidado de no inferir asociaciones causales uno a uno. A pesar de que este proyecto proporcionó características experimentales impresionantes y únicas, el uso de correlaciones univariadas para identificar asociaciones de alimentos específicos versus enfermedades específicas no es una de estas características positivas, por varias razones. En primer lugar, una variable puede reflejar los efectos de otros factores que cambian junto con la variable en estudio. Por lo tanto, esto requiere un ajuste para los factores de confusión —en su mayoría, esto no fue hecho por Denise—. En segundo lugar, para que una variable tenga información de valor (como para hacer una correlación), debe mostrar un rango suficiente. Si, por ejemplo, se mide una variable en 65 condados (como en China), debe haber una distribución de valores sobre un rango suficientemente amplio para que sea útil. En tercer lugar, las variables deben representar exposiciones representativas de años anteriores cuando las enfermedades en cuestión se están desarrollando. Veo poca o ninguna indicación de que Denise haya considerado sistemáticamente cada uno de estos requisitos.

Debo señalar que cuando decidimos publicar estos datos en la monografía original, decidimos hacer algo muy inusual en la ciencia: publicar las correlaciones crudas sin interpretar, con la esperanza de que los futuros investigadores sabrían cómo usarlas o no usarlas. Pensamos que esta decisión muy inusual era necesaria porque estábamos cautelosos de aquellos en Occidente que podrían haber dudado de la validez de los datos recopilados en China —tuvimos varias experiencias para sospechar esto—. Pero también creemos que la investigación debe ser lo más transparente posible, (simplemente por razones de transparencia) minimizando así la sospecha de agendas ocultas. Sabíamos que tomar esta estrategia era un riesgo porque podría haber aquellos que, sabiendo poco o nada acerca de la experimentación de este tipo, tal vez desearían utilizar los datos para sus propios fines cuestionables. Sin embargo, decidimos ser generosos y, para aconsejar a los futuros usuarios de estos datos, añadimos nuestras palabras de cautela —escritas alrededor de 1988— como parte de nuestra monografía de 894 páginas.

Yo también he repetido esta advertencia en otras publicaciones mías. Parece que Denise no leyó este material en la monografía.

Mientras escribía esto, descubrí este comentario de una autodenominada epidemióloga profesional (con doctorado en epidemiología del cáncer) en uno de los blogs (A Cancer Epidemiologist refutes Denise Mingers China Study Claims due to incorrect data analysis – 30 Bananas a Day!, Una epidemióloga del cáncer refuta las afirmaciones sobre El Estudio de China de Denise Mingers debido a un análisis incorrecto de los datos – ¡30 bananos al Dia!, en español) —un comentario que es relevante para el punto que ahora abordo en esta respuesta—. No conozco a esta persona pero encontré su comentario interesante. Después de revisar la crítica de Denise, escribió lo siguiente en su blog (el de Denise), solo entonces para verlo desaparecer rápida y misteriosamente.

“Tu análisis está completamente SOBRESIMPLIFICADO. Todo buen epidemiólogo/estadístico te dirá que una correlación NO es igual a una asociación. Al ejecutar una serie de correlaciones, simplemente has señalado relaciones lineales, no direccionales y no ajustadas entre dos factores. Te sugiero que tomes un libro básico de bioestadística, descargues una copia gratuita de “R” (un programa de software estadístico de código abierto) y aprendas a analizar los datos correctamente. Realicé un doctorado en epidemiología del cáncer, y estaría encantada de ayudarte a hacer esto correctamente. Aunque estoy impresionada por tus crudos (y en el mejor de los casos) análisis preliminares, es absolutamente irresponsable de tu parte sacar conclusiones basadas solo en estos resultados. Por lo menos, necesitas modelar los datos mediante análisis de regresión para que puedas tener en cuenta múltiples factores al mismo tiempo”. Esta bloguera está haciendo la misma observación que yo, pero estoy perplejo: ¿por qué fue eliminada del blog de Denise?

Para que no se olvide, el principal valor del conjunto de datos de China es su naturaleza descriptiva, proporcionando así un punto de referencia contra el cual pueden compararse ampliamente otros conjuntos de datos, ya sea en el tiempo o en el espacio geográfico. Debo enfatizar: las correlaciones publicadas en nuestra monografía NO PUEDEN ser utilizadas ciegamente para inferir la causalidad, al menos para asociaciones de causa-efecto específicas que no tienen plausibilidad biológica. No obstante, ofrecen mina rica de oportunidades para generar hipótesis interesantes, relativamente pocas de las cuales se han explorado hasta la fecha. Por el contrario, utilizando modelos que representan la plausibilidad biológica (que se determinó a partir de una investigación previa), simplemente quería ver si eran coherentes con los datos del estudio de China.

Para entender el riesgo de usar correlaciones univariadas, usaré esta conversación imaginaria que involucra algunas correlaciones que Denise pensó eran relevantes para su alergia personal al trigo, aunque muchos otros ejemplos del tratado de Denise podrían servir al mismo propósito.
Denise hace un comentario sobre una correlación univariante altamente significativa (pero no ajustada) entre el consumo de harina de trigo y dos enfermedades cardiovasculares, más un par de otras enfermedades. Al hacerlo, infiere que la harina de trigo causa estas enfermedades cardiovasculares. Ella también señala que “ninguna de estas correlaciones parece estar tampoco enredada con ninguna de las variables que aumentan el riesgo”. Y además, implica que he ignorado esta correlación potencialmente importante, (tal vez de forma intencional), debido a mi supuesto sesgo contra la carne. Utilizo este ejemplo particular aquí porque a otros que no les gustan mis puntos de vista han señalado en internet que este ejemplo citado por Denise representa la evidencia de mi falta de integridad. La conversación va así, después de que Denise me recuerda estas correlaciones univariadas.

“Denise, esa correlación de la harina de trigo y la enfermedad cardiaca es interesante, pero no conozco ninguna evidencia previa y biológicamente plausible y convincente que respalde una hipótesis de que el trigo provoca estas enfermedades, como tú deduces”.

“Por casualidad, ¿buscaste pruebas de si podría haber otras variables que confundan la correlación de la harina de trigo, variables que cambian en paralelo con el consumo de harina de trigo? Supongo que lo hiciste porque dijiste que “ninguna de estas correlaciones parece estar enredada con ninguna de las variables que aumentan el riesgo””.

“Pero un momento: encontré algunas, y todas ellas son estadísticamente muy significativas (p <0,01 a p <0,001)”. “El mayor consumo de harina de trigo, por ejemplo, está correlacionado, como correlaciones univariadas, con:

• Menor consumo de vegetales verdes (muchas de estas personas viven en regiones norteñas y áridas, donde a menudo consumen dietas basadas en carne con poco consumo de verduras). [A propósito, los datos del condado de Tuoli, a los cuales te refieres como mi “pecado de omisión” fueron excluidos de manera intencional de prácticamente todos nuestros análisis de consumo de carne porque este condado clasificó muy alto cuando el consumo de carne fue documentado en el momento de la encuesta, pero mucho más bajo cuando respondió al cuestionario sobre la frecuencia de consumo de carne. Es decir, estos nómadas emigran durante parte del año a los valles, donde consumen más verduras y frutas].
• Niveles séricos más bajos de grasas monoinsaturadas (¿aumentando posiblemente el riesgo de enfermedad cardiaca?)
• Mayores niveles séricos de urea (un biomarcador del consumo de proteínas)
• Mayor peso corporal (¿mayor riesgo de enfermedad cardiaca?)

“Curiosamente, podrías estar interesada en saber que es conocido —a partir del conocimiento previo, es decir, plausibilidad biológica— que todas estas variables se asocian con mayor riesgo de enfermedad cardíaca”.

“Denise, este es un descuido que podría sugerir la conclusión opuesta a la que pretendías transmitir. ¿O este sesgo estaba reflejando tu preferencia personal por comer carne cruda y evitar la harina de trigo? ¿Alguna opinión al respecto?”.

“¿Por qué resaltaste esta relación como un ejemplo clave de mi “pecado de omisión”, siendo aún más “preocupante que los hechos distorsionados en El Estudio de China y los detalles que (yo) omito?””.

Por cierto, aparte de la afirmación de Denise de que no había factores de confusión, podría haberla tomado en serio cuando planteó un posible efecto de la harina de trigo en la enfermedad cardíaca, porque es posible reunir evidencia previa que podría ser considerada como respaldo al punto de vista opuesto. De hecho, esto sería un uso adecuado de correlaciones univariadas, simplemente buscando aquellas correlaciones que podrían sugerir evidencia de respaldo para tal hipótesis. Si es suficientemente convincente, podríamos diseñar un tipo de estudio más analítico. Este ejercicio se llama generación de hipótesis, que es una de las virtudes del conjunto de datos de China. Pero Denise está haciendo algo diferente, llegando muy cerca de la inferencia de causalidad casi aleatoriamente sin ajustar por factores de confusión, sin escanear las variables para la autenticidad analítica y sin —a mi conocimiento— tener evidencia previa de plausibilidad biológica para tal hipótesis. Entonces, ella usa este ejemplo como evidencia de un “pecado de omisión” y un “hecho distorsionado” de mi parte. Utilizar estas palabras bastante incendiarias infiere grave indiscreción personal de mi parte. ¿Realmente ella quiere decir esto?

Hay diferentes maneras de usar correlaciones univariadas en una base de datos como esta. No es que estas correlaciones sean inútiles y deban ser ignoradas. Más bien, se trata de utilizarlas inteligentemente. Con esto, me refiero primero a ajustar estas correlaciones según los factores de confusión (si y cuando sea posible) y luego examinar la autenticidad de las variables individuales de las correlaciones. Dependiendo de la fiabilidad de estas correlaciones, pueden utilizarse para orientar si un modelo hipotético de causa-efecto, tal vez con evidencia preliminar de plausibilidad biológica, va por el buen camino. La experiencia más crítica necesaria para su uso es el conocimiento de la biología subyacente, que con tanta frecuencia falta entre los estadísticos entrenados.

Los seis modelos a los que me referí en nuestro libro son los que se evalúan de esta manera. Sí, cuando era posible, también usé correlaciones univariadas (junto con significación estadística) en respaldo de estos modelos, pero solo después de que tuvimos datos preliminares de respaldo para el modelo (solo brevemente resumidos en el libro). Aquí hay algunas publicaciones representativas de esos datos de respaldo para los seis modelos que exploramos en nuestro libro:

Cáncer de seno (Marshall JR, Qu Y, Chen J, Parpia B, Campbell TC. Additional ecologic evidence: lipids and breast cancer mortality among women age 55 and over in China. Europ. J. Cancer 1991;28A:1720-1727; Key TJA, Chen J, Wang DY, Pike MC, Boreham J. Sex hormones in women in rural China and in Britain. Brit. J. Cancer 1990;62:631-636.)

Cáncer de hígado (Campbell TC, Chen J, Liu C, Li J, Parpia B. Non-association of aflatoxin with primary liver cancer in a cross-sectional ecologic survey in the People’s Republic of China. Cancer Res. 1990;50:6882-6893; .Youngman LD, Campbell TC. Inhibition of aflatoxin B1-induced gamma-glutamyl transpeptidase positive (GGT+) hepatic preneoplastic foci and tumors by low protein diets: evidence that altered GGT+ foci indicate neoplastic potential. Carcinogenesis 1992;13:1607-1613).

Utilización de energía (Horio F, Youngman LD, Bell RC, Campbell TC. Thermogenesis, low-protein diets, and decreased development of AFB1-induced preneoplastic foci in rat liver. Nutr. Cancer 1991;16:31- 41:Campbell TC. Energy balance: interpretation of data from rural China. Toxicological Sciences 1999;52:87-94).

Cáncer de colon (Campbell, T.C., Wang G., Chen J., Robertson, J., Chao, Z. and Parpia, B. Dietary fiber intake and colon cancer mortality in The People’s Republic of China. In: Dietary Fiber, Chemistry Physiology and Health Effects, (Ed. Kritchevsky, D., Bonfield, C., Anderson, W.), Plenum Press, New York, 473-480, 1990).

Enfermedades de riqueza-pobreza (Campbell TC, Chen J, Brun T, et al., China: from diseases of poverty to diseases of affluence. Policy implications of the epidemiological transition. Ecol. Food Nutr. 1992;27:133- 144).

La tasa de crecimiento-proteína (Campbell TC, Chen J. Diet and chronic degenerative diseases: a summary of results from an ecologic study in rural China. In: Temple NJ, Burkitt DP, eds. Western diseases: their dietary prevention and reversibility. Totowa, NJ: Humana Press, 1994:67-118; Campbell TC, Junshi C. Diet and chronic degenerative diseases’ perspectives from China. Am. J. Clin. Nutr. 1994;59:1153S- 1161S).

Como dije antes, uno de mis intereses en la base de datos de China era simplemente ver si había evidencia que respaldara los beneficios para la salud de una alimentación basada en plantas para estos varios modelos (y muchos más). El hecho de que observamos un montón de resultados estadísticamente significativos que respaldan esta propuesta (especialmente para una experiencia alimentaria que tiene tan pocas cantidades de grasa total y comidas de origen animal), fue bastante notable. ¿Cada una de nuestras 100 000 correlaciones mostró lo esperado? Este fue mi comentario, literal, ya publicado en nuestro libro (que Denise no reconoció en su crítica):

“¿Creo que los hallazgos de El Estudio de China constituyen una prueba científica absoluta? Por supuesto que no. ¿Proporciona información suficiente para informar la toma de algunas decisiones prácticas? Absolutamente. De este estudio surgió una impresionante e informativa red de información. Pero, ¿cada aspecto potencial (o asociación) en este gigantesco estudio encaja perfectamente en esta red de información? No. Aunque la mayoría de los aspectos estadísticamente significativos encajan fácilmente en la red, hubo algunas sorpresas. La mayoría, pero no todas, se han explicado desde entonces”.

En resumen, la crítica de Denise carece de un sentido de proporcionalidad. Ella da (con considerable hipérbole, a veces) a los análisis de los datos de China más peso de lo que merecen, ignorando las pruebas restantes discutidas en los otros 17 capítulos en el libro. El proyecto de investigación de China fue un estudio fundamental, sí, pero no fue el único determinante de mis puntos de vista (como lo he repetido, casi hasta el cansancio, en mis conferencias). Al hacerlo, y con excepción de algunos comentarios denigrantes sobre nuestra investigación experimental en animales, ella también hace caso omiso de los resultados restantes que presenté en nuestro libro. Parece no entender lo que nuestra investigación de laboratorio estaba mostrando. El uso de correlaciones univariadas —en su mayoría sin ajuste según factores de confusión, calificación de autenticidad de las variables o plausibilidad biológica— puede conducir a pruebas aleatorias, sujetas a los caprichos de sesgos personales. Además, las correlaciones univariadas de este tipo pueden conducir a un énfasis excesivo en nutrientes y alimentos individuales como posibles causas de los eventos.

También, como ya he mencionado, cuestiona nuestra omisión de los datos del condado de Tuoli, como si esto fuera una especie de técnica de prestidigitación de mi parte (además de mis comentarios anteriores, ya expliqué esta omisión en uno de mis artículos y en mi blog preliminar). Ella sobreinterpreta nuestros muy limitados datos sobre “productos lácteos” que solo incluyen tres condados (de 65) que utilizan un producto muy diferente de lo que consideramos como lácteo. Y continúa caracterizando mis puntos de vista con referencia al veganismo y al vegetarianismo (ni siquiera utilizo estas palabras) como si yo estuviera motivado por una ideología en lugar de por mi consideración de datos empíricos y plausibilidad biológica.

Denise no solo tergiversa y malinterpreta la lógica de la ciencia en El Estudio de China, sino que su elección de palabras no facilita lo que espera lograr. Su mensaje general —a menudo adornado con adjetivos y observaciones subjetivas— apela a algunos personajes cuestionables solidarios con o subordinados a la Fundación Weston A Price, un grupo de cabildeo de agricultores cuyos defensores y apologistas me han acusado de ser un “fraude”, un “mentiroso”, un “bufón” y (antes) un asociado de una organización “terrorista”. Dudo que esto fuera lo que ella quería lograr. Estos individuos, durante mucho tiempo, han estado usando a la ligera o incluso ignorando la ciencia para promover sus propios intereses, tales como abogar por el uso de una dieta muy alta en grasas, alta en proteínas en su mayoría consistente con la dieta que nos ha causado tanta dificultad.

Estos insultos no significan nada para mí personalmente, pero sí indican su desesperación con nuestro mensaje. Serían prudentes al no usar tales tácticas porque se refleja en ellos, no en mí. Si Denise pretendía esto, no está claro, pero los resultados de su crítica son claramente evidentes. Debo repetir con énfasis que ningún estudio (ni siquiera un grupo de estudios similares) es perfecto en su diseño, en su recopilación de datos o en su interpretación de los resultados. Desde la perspectiva de desarrollar una carrera de investigación, veo dos caminos posibles que un investigador puede seguir. Una opción procede de experimento en experimento al indagar cada vez más profundamente sobre los detalles con los que pueden toparse en uno de esos experimentos, cuando la precisión de medición importa profundamente y donde los hallazgos pueden llegar a ser útiles en algún momento futuro; estos investigadores pueden “toparse” con una observación que se convierte en el trabajo de sus vidas muy temprano en este proceso, tal vez incluso al principio.

Una segunda opción procede “exteriormente” para comprender mejor las implicaciones más amplias de una serie de hallazgos o experimentos. Hice algunas de la primera opción, pero finalmente preferí la segunda, tomando cada hallazgo no como algo para refinar a la “perfección”, sino para preguntar si era suficientemente convincente para sugerir el siguiente experimento obvio que eventualmente podría conducir a una importante red de hallazgos. Habiendo hecho ambas, prefiero fuertemente esta última opción porque el conjunto o el todo, indicado por una red de hallazgos, es a menudo mucho más útil que sus partes. También creía que esta segunda opción tenía más potencial para satisfacer los intereses del público que financió nuestra investigación. También estoy muy motivado por el hecho de que hay demasiadas personas pagando un alto precio personal en su salud sin necesidad por no tener acceso a información de este tipo que podría haber salvado sus vidas, una cuestión moral para mí. ¡Bajo ninguna circunstancia estaba controlado por lo que mis preferencias personales podrían haber sido!

En el caso de nuestro proyecto en China, creo que su diseño, su singularidad y su ejecución prácticamente no tienen paralelo en su calidad —muchas gracias a mis colegas—. Sin embargo, como saben las personas capacitadas, no es apropiado hacer inferencias específicas sobre la causalidad en un estudio de este tipo. Es bien conocido el concepto de “falacia ecológica”, en el que se utiliza incorrectamente una correlación univariada para diagnosticar o tratar a una persona concreta. Por el contrario, si uno inicialmente tiene una cantidad razonablemente convincente y biológicamente plausible de datos y si los datos están adecuadamente calificados, entonces si es apropiado utilizar un estudio como este para ver si hay consistencia. Esto es apropiado, en mi opinión, si la hipótesis que se está tratando representa un efecto causal completo donde muchos factores están actuando de manera concertada y donde puede haber múltiples maneras de examinar los datos (por ejemplo, múltiples factores que se consumen, múltiples biomarcadores clínicos del estado del tejido factor, múltiples métodos de medición y, quizás, incluso resultados múltiples). Esto es lo que hicimos. Comenzamos con una colección de modelos de causa-efecto previamente desarrollados (previamente publicados) de los que podríamos probar la consistencia con los datos de China. Encontramos en general considerable respaldo en la base de datos de China para estos modelos. Como he dicho muchas veces, no todas las pruebas en la base de datos de China respaldaron esta conclusión, aunque la gran mayoría lo hizo. Encontrar este grado de consistencia en una población que usaba principalmente alimentos basados en plantas sin procesar, bajos en grasa, altos en fibra, con poca o ninguna comida procesada —donde yo había pensado que veríamos poco o nada—, era impresionante. Uno no puede, como Denise lo ha hecho, confiar en las correlaciones univariadas para sacar conclusiones, especialmente cuando se centran en alimentos específicos para enfermedades específicas —es demasiado fácil encontrar lo que uno quiere encontrar—.

Sé que esta discusión entre Denise y yo es difícil de juzgar por los lectores de este intercambio sin tener acceso a la base de datos crudos y sin saber cómo usarla o interpretarla. Aceptando esto, por lo tanto, sugiero que, en el análisis final, la fiabilidad de cualquier conclusión sobre cuestiones de causa-efecto complejas debe ser juzgada por su capacidad de predecir los resultados de salud. En este caso, los resultados de las personas que utilizan una alimentación basada en plantas sin procesar, como lo demuestran colegas médicos (anteriormente mencionados: McDougall, Esselstyn, Ornish, Barnard, Fuhrman y otros), así como por muchos de los lectores de nuestro libro es nada menos que increíble. ¡No hay nada más en la medicina como esto!

C. El fracaso de Denise al notar las implicaciones más amplias de elegir el estilo de vida alimentario adecuado.

Sugiero que las personas que son tan hostiles a este mensaje den otra mirada a su razonamiento. Hay mucho más en esta historia que solo la interpretación de los datos científicos. Existen cuestiones importantes relacionadas con la atención de la salud y sus costos, hay graves problemas ambientales que no han sido comunicados adecuadamente al público y hay cuestiones políticas, sociales y éticas que deben considerarse. De mayor importancia, hay personas que merecen escuchar este mensaje, es decir, los contribuyentes que financiaron este trabajo. Para mí, hacer algo menos que informar sobre estos hallazgos es a la vez inmoral y poco ético. En las actuales discusiones sobre este tema, insto a que sea de vital importancia que todos tengamos en cuenta estas ideas, teniendo mucho cuidado de no promover ideas simplemente por el bien de defender nuestras preferencias personales. Creo firmemente que la discusión de estas cuestiones se centra externamente en beneficio de todos nosotros, no solo internamente para la satisfacción del ego personal.

Mi mayor error durante todo este proceso puede haber sido nuestro consentimiento a la elección de nuestro editor sobre el título de nuestro libro. Sugerimos 200 posibles títulos, ninguno de los cuales era El Estudio de China. Pero cuando nos opusimos, dijo que ya habíamos firmado el contrato y este era su derecho y responsabilidad. Nos sentíamos encerrados, sobre todo porque ya habíamos explorado la publicación con otros 10 editores, algunos de los cuales habían ofrecido anticipos (uno muy grande), si lo hacíamos a su manera. Debido a que nos habíamos negado a aceptar sus sugerencias (incluyendo por lo menos la mitad del libro como recetas, no pasarnos con las referencias y “bajando el nivel intelectual” del lenguaje), parecía claro que no teníamos otra opción que estar de acuerdo con nuestro nuevo editor, quien aceptó nuestra manera de contar esta historia.

Obviamente, el título de nuestro libro ha sido engañoso para algunos, debido al peso inadecuado sugerido por el propio proyecto de China. Cuando estos datos bastante innovadores son considerados, tanto en referencia a modelos de causalidad biológicamente plausibles como multifactoriales y en referencia a la gran cantidad de otros tipos de estudios discutidos en el libro, la base de datos de proyectos de China se vuelve muy importante. Sin embargo, basarse en los resultados de este estudio aisladamente, especialmente cuando no se ajustan las correlaciones univariadas, no es apropiado.

Debo concluir señalando la sugerencia de la epidemióloga profesional, citada anteriormente, que sugirió que en última instancia Denise podría publicar sus hallazgos en una revista revisada por expertos, pero que sentía firmemente que la versión actual no sería aceptada. Estoy de acuerdo.