Читать книгу Das LDL-Orakel und die ketogene Ernährung - Geta C. Fabian - Страница 11

Korrelationen und Assoziationen – Schwächlinge mit Autorität

Korrelation bedeutet Zusammenhang oder Wechselwirkung. Statistische Analysen bestätigen Korrelationen oder widerlegen sie. Fällt der Test auf Korrelation positiv aus, interagieren die getesteten Faktoren miteinander. Der Test sagt nichts aus über die Ursachen (Kausalität) der Interaktion zwischen den beiden Faktoren. Diese Interaktion ist wahr oder unwahr. Es ist unwahr, dass der Weihnachtsmann Geschenke bringt. Dass der HI-Virus AIDS verursacht, ist wahr. Beide Beobachtungen fußen auf statistischen Korrelationen, nur Letztere ruht auf Kausalität.

Beim LDL glauben wir an den Weihnachtsmann!

Eine Korrelation ist die Grundlage von Arbeitshypothesen. Niemals ist eine Korrelation der Beweis für Kausalität. Eine positive Korrelation weist auf Kausalität hin, oder nicht. Kausalität wird durch weitere Versuche getestet und fortführende Studien bestätigen oder widerlegen die vorige Korrelation. Tritt das Letztere auf, wird die Arbeitshypothese neu formuliert.

Ein Beispiel: Die Korrelation zwischen Schuhgröße und Jahresgehalt ist positiv und statistisch signifikant. Das heißt, ein Mensch, der große Schuhe trägt, verdient im Durchschnitt mehr als ein Mensch mit kleinen Schuhen. Die Korrelation ist wahr, weil Männer, die größere Schuhe tragen, mehr verdienen als Frauen. Frauen tragen kleinere Schuhe. Daraus zu schließen, dass die Fußgröße die Ursache für den Pay-Gap ist, wäre falsch. Die Korrelation weist auf die sozioökonomische Position der Frau hin. Die Größe ihrer Füße ist irrelevant. Wer hier auf Kausalität setzt, zieht für die nächste Gehaltsrunde große Schuhe an. Die Schuhe täuschen aber nicht über das Geschlecht hinweg.

Ähnlich ist es mit dem Cholesterin, dem LDL und dem Risiko für Atherosklerose. Die anfänglich publizierten Studien setzten Korrelation mit Kausalität gleich. Die Hypothese lautete, dass die Senkung des Cholesterins zu einer Abnahme der HKE führt. Das hatte zur Folge, dass Forscher und Ärzte Cholesterin und LDL unter allen Umständen zu senken versuchten. Der Gedanke vom „bösen“ LDL ist ein Dogma. Andere Studien widerlegten die positive Korrelation zwischen LDL und HKE. Manche zeigen, dass wenig Cholesterin mit einer erhöhen Todesrate einhergeht. Damit wäre die ursprüngliche Hypothese zu überdenken. Die Diskussionen um diese Kontroverse sind lebhaft, amüsant und häufig vulgär.

Korrelationen sind essenziell, weil sie Hypothesen gebären. Diese Hypothesen führen zu Experimenten und Studien und diese zu Fakten und Therapien. Der Sprung von der Korrelation zur Therapie ist bequem und falsch. Korrelationen verdeutlichen keine mechanistischen Zusammenhänge, weil Beobachtung und Ursache zwei Paar Schuhe sind.

Studien, die die Lipid-Hypothese unterstützen, setzen auf Korrelationen, um ihre Argumente zu unterstreichen. Das Gleiche gilt für die Studien, die behaupten, die Lipid-Hypothese sei inkorrekt. Es ist eine Schlacht mit Seifenblasen. Keine Partei kann Kausalität nachweisen.

Die Rationale für die Gabe von Statinen sind Assoziationen und Statistiken, nicht Kausalitäten. Der Profit aus diesen Assoziationen überschreitet bald die Billionen-Grenze. (1) Statistik wird in der Zukunft eine enorme Rolle spielen. Kardiovaskuläre Krankheiten, Krebs und Demenz sind keine 1 + 1 = 2 Beschwerden, sondern komplexe Leiden gespickt mit komplexen Formeln. Statistik ist die Lösung, weil sie bequemer und billiger ist als die Grundlagenforschung und Festanstellungen für Wissenschaftler. Viele echauffieren sich, dass unser Gesundheitsminister an Datentollwut leidet. Doch sein Plan ist bloß die Kontinuation assoziativer Studien voriger Jahrzehnte.

Korrelation ist gut, Kausalität ist besser!

Quellenangabe

1. Ioannidis JP More than a billion people taking statins?: Potential implications of the new cardiovascular guidelines. JAMA. 2014 Feb 5;311(5):463-4