Feilkilder i ernæringsepidemiologi – kommentar til Lysne og Olsen

Artikkelen Feilkilder i ernæringsepidemiologi i nr. 2/2018 av Norsk Tidsskrift for Ernæring er et viktig bidrag for å få fokus på målefeil i ernæringsepidemiologi. Feltet er komplekst og diskusjonen vedrørende bruk av selvrapporterte data går høyt, spesielt vedrørende energiinntak (1 – 5).

Som Lysne og Olsen påpeker, står vi i mange tilfeller uten alternativer til selvrapporterte data. Objektive metoder som biomarkører og direkte observasjon fungerer godt i enkelte situasjoner, men også disse metodene har svakheter og er heftet med målefeil. Alle som bruker kostholdsdata bør ha kjennskap til målefeil og de utfordringer vi står overfor. I sin artikkel viser Lysne og Olsen godt at målefeil i selvrapporterte kostdata er en utfordring gjennom sin simulering. Kompleksiteten i reelle data fra den virkelige verden er imidlertid ikke like enkelt å simulere, da målefeil typisk opptrer samtidig og kan gå i alle retninger. Lysne og Olsens teoretiske innføring i feltet er dessverre tidvis noe misvisende. Hensikten vår med dette tilsvaret er å nyansere enkelte utsagn.

Kommentarer til utvalgte utsagn

Forfatterne skriver om hukommelse, og respondentenes utfordringer med å huske hva de har spist: «De retrospektive metodene avhenger i stor grad av deltagernes hukommelse, og derfor regnes kostdagbok for å være det mest presise verktøyet.» Det skrives videre avslutningsvis: «Hovedkritikken mot selvrapporterte kostholdsdata, at de er upresise er riktig, men dette betyr likevel ikke at dataene er verdiløse.»

KOMMENTAR: I de to utsagnene uttaler forfatterne seg sannsynligvis om nøyaktighet og ikke presisjon. Presisjon henspiller på reproduserbarhet – hvor god metoden er til å gi det samme resultatet ved repeterte målinger under samme forhold (6). Nøyaktighet viser derimot til validitet – i hvilken grad metoden fanger opp det sanne ukjente vi forsøker å beskrive (6). Eksempelvis er et matfrekvensspørreskjema (FFQ) fra den norske mor og barn-undersøkelsen (MoBa) både validert og test-retestet av Øverby med flere; de konkluderte med at reproduserbarheten (presisjonen) var god, men at validiteten (nøyaktigheten) var dårlig (7).

Forfatterne bruker begrepet «systematisk bias» gjennomgående i sin tekst. F.eks.: «På grunn av dette er 24HR i mindre grad rammet av systematisk bias.»

KOMMENTAR: Systematiske feil er et annet begrep for bias. Bias er betegnelsen på en type feil som konsistent avviker fra den sanne verdien i samme retning (8).

Forfatterne skriver om konsekvenser av over- og underrapportering: «Alt i alt er ikke over- og underrapportering et stort problem når målet er å estimere sammenhenger mellom kosthold og helse, mens det kan være svært problematisk når vi ønsker å beskrive inntaket i en populasjon og omsette resultatene til kvantitative kostråd.»

KOMMENTAR: I sine simuleringer har Lysne og Olsen naturligvis måttet forenkle noe, for å kunne forklare hva ulike målefeil er. Dette er uproblematisk. Det som derimot er problematisk, er at en lett tolker det de skriver slik at under- og overrapportering kun er knyttet til én type målefeil (inntaksrelaterte målefeil) – derav konklusjonen over. Dette blir misvisende. Virkeligheten er at over- og underrapportering også inngår i andre typer målefeil. Når under- eller overrapporteringen er personspesifikk, vil konsekvensen være uforutsigbar (9), som de selv korrekt påpeker under avsnittet om personspesifikke målefeil. Et av mange eksempler på personspesifikk underrapportering ble observert i valideringsstudien av den web-baserte matdagboken som ble brukt i siste Ungkost-undersøkelse, hvor deltagere med overvekt eller fedme underrapporterte energiinntaket i større grad enn normalvektige (10). Konsekvensen blir feilklassifisering av kosteksponeringen og gale konklusjoner kan trekkes i tolkningen av assosiasjoner mellom kostinntak (her energiinntak) og helseutfall dersom man ikke tar hensyn til dette.

Olsen og Lysne beskriver hvilke kostholdsmetoder som egner seg til hva: «Både 24HR og kostdagbøker er godt egnet til å beregne gjennomsnittsinntaket i en gruppe, ettersom disse først og fremst er rammet av tilfeldige feil»; men i Tabell 4 svarer forfatterne «TJA» på spørsmålet om kostdagbok kan brukes til å beregne gjennomsnittsinntak. Forfatterne skriver videre at: «FFQ er ikke egnet til å estimere det faktiske inntaket i en gruppe, men kan brukes til å rangere deltagere fra lavt til høyt inntak, og dermed være egnet til å estimere sammenhenger mellom kosthold og helse.»

KOMMENTAR: Det er vist at FFQ er belastet med mer systematiske feil enn korttidsinstrumenter som 24-timers kostintervju (24HR), selv om disse heller ikke går fri (11). Det stemmer imidlertid ikke at det på generelt grunnlag advares mot å bruke FFQ til å estimere gjennomsnittsinntak i en gruppe (8). Empirien viser at kostholdsmetoder fungerer ulikt for henholdsvis energi, ulike næringsstoffer, matvaregrupper og kostmønstre, i ulike grupper, og i ulike situasjoner. Subar og medarbeidere beskriver at for energi vil hverken FFQ, kostdagbok eller 24HR kunne brukes til å estimere et valid gjennomsnittsinntak i en gruppe (5). Vi validerte nylig en web-FFQ ved hjelp av repeterte 24HR og dobbeltmerket vann (12); samsvaret for energi var godt på gruppenivå estimert med FFQ-en, men var underestimert i større grad med repeterte 24HR. Videre var feilklassifiseringen av individer stor, og viste tydelig at man ikke kan bruke FFQ-en til å rangere individer korrekt ut fra deres rapporterte energiinntak i gruppen som ble undersøkt. Et annet eksempel fra en nylig gjennomført valideringsstudie fra Norge, viste at inntaket av fettsyrer målt ved både kostdagbok og FFQ fungerte tilfredsstillende i en gruppe brystkreftpasienter, henholdsvis 6 og 12 måneder etter operasjon, målt opp mot biomarkør (13). Bildet så imidlertid annerledes ut rett etter operasjon for kostdagboken (13). Dette er kun noen få utvalgte eksempler, men de viser tydelig at vi er avhengige av å validere de verktøy vi ønsker å bruke i den gruppen og settingen verktøyet skal brukes.

Det har i de siste årene kommet flere pålitelige nettressurser som er nyttige for alle som jobber praktisk og teoretisk med selvrapporterte kostholdsdata (14). De er spesielt egnet i prosessen for å velge riktig kostholdsmetode.

Nettressurser:

  1. Dietary assessment primer, National cancer institute (USA): https://dietassessmentprimer.cancer.gov/

  2. Diet, Anthropometry and Physical Activity (DAPA) Measurement Toolkit, University of Cambridge (Storbritannia): https://www.dapa-toolkit.mrc.ac.uk/

  3. Nutritools (Storbritannia): https://www.nutritools.org/

  4. DanoneDAT (Frankrike): https://www.nutriomique.org/tools/

Referanser

  1. Dhurandhar NV, Schoeller D, Brown AW et al. Energy balance measurement: when something is not better than nothing. Int J Obes. 2015;39(7):1109 – 13.

  2. Archer E, Pavela G, Lavie CJ. The Inadmissibility of What We Eat in America and NHANES Dietary Data in Nutrition and Obesity Research and the Scientific Formulation of National Dietary Guidelines. Mayo Clin Proc. 2015;90(7):911 – 26.

  3. Archer E, Blair SN. Implausible data, false memories, and the status quo in dietary assessment. Advances in nutrition. 2015;6(2):229 – 30.

  4. Freedman LS, Carroll RJ, Neuhouser ML et al. Reply to E Archer and SN Blair. Advances in nutrition. 2015;6(4):489.

  5. Subar AF, Freedman LS, Tooze JA et al. Addressing Current Criticism Regarding the Value of Self-Report Dietary Data. J Nutr. 2015;145(12):2639 – 45.

  6. Hjartåker A, Pedersen JI, Muller H, Anderssen SA. Grunnleggende ernæringslære 2017.

  7. Øverby NC, Johannesen E, Jensen G et al. Test-retest reliability and validity of a web-based food-frequency questionnaire for adolescents aged 13 – 14 to be used in the Norwegian Mother and Child Cohort Study (MoBa). Food & nutrition research. 2014;58.

  8. Dietary Assessment Primer, Glossary. National Institutes of Health, National Cancer Institute (https://dietassessmentprimer.cancer.gov/) [Hentet 22. januar, 2019].

  9. Slimani NF, H. Illner, A-K. Huybrechts, I. Methods to Determine Dietary Intake. In: Lovegrove JAH, L. Sharma, S. Lanham-New, S.A., editor. Nutrition Research Methodologies. West Sussex, UK: John Wiley & Sons, Ltd.; 2015.

  10. Medin AC, Hansen BH, Astrup H et al. Validation of energy intake from a web-based food recall for children and adolescents. PLoS One. 2017;12(6):e0178921.

  11. Freedman LS, Commins JM, Moler JE et al. Pooled results from 5 validation studies of dietary self-report instruments using recovery biomarkers for energy and protein intake. Am J Epidemiol. 2014;180(2):172 – 88.

  12. Medin AC, Carlsen MH, Hambly C et al. The validity of a web-based FFQ assessed by doubly labelled water and multiple 24-h recalls. Br J Nutr. 2017;118(12):1106 – 17.

  13. Brunvoll SH, Thune I, Frydenberg H et al. Validation of repeated self-reported n-3 PUFA intake using serum phospholipid fatty acids as a biomarker in breast cancer patients during treatment. Nutr J. 2018;17(1):94.

  14. Dao MC, Subar AF, Warthon-Medina M et al. Dietary assessment toolkits: an overview. Public Health Nutr. 2018:1 – 15.