Der Body-Mass-Index (BMI) ist ein grobes, aber nützliches Maß dafür, wie schwer jemand für sein Gewicht ist. Er setzt sich zusammen aus dem Gewicht in Kilogramm, geteilt durch das Quadrat der Körpergröße in Metern. Laut Richtlinien ist ein BMI zwischen 18,5 und 25 für die meisten Menschen gesund. Bei einem BMI von 25-30 gelten Sie als übergewichtig, bei einem BMI von über 30 als fettleibig. Man könnte meinen, dass die Bestimmung des gesündesten BMI einfach ist. Man nimmt eine große, repräsentative Stichprobe von Menschen und teilt sie nach ihrem BMI in Gruppen ein. In jeder Gruppe misst man dann einen Aspekt der durchschnittlichen Gesundheit, z. B. die durchschnittliche Lebenserwartung. Bei diesem Ansatz, den ich die beobachtete Assoziation nenne, stellt man fest, dass der scheinbar ideale BMI etwas über 25 liegt. Menschen, die als übergewichtig eingestuft werden, leben im Durchschnitt sogar etwas länger als Menschen mit einem BMI im empfohlenen Bereich. Dies hat zu zahlreichen Presseartikeln geführt, in denen den Menschen geraten wurde, sich keine Sorgen um ihr Übergewicht zu machen, und einige haben die Wissenschaftler beschuldigt, die Öffentlichkeit absichtlich in die Irre zu führen. Aber es ist ein bisschen komplizierter als das.

Wenn wir den Menschen raten, was ein gesunder BMI ist, geht es um die kausale Wirkung des BMI auf die Gesundheit. Der kausale Effekt sagt uns, ob eine Veränderung des BMI zu einer Veränderung der Gesundheit führt. Die kausale Wirkung des BMI ist nicht unbedingt dasselbe wie der beobachtete Zusammenhang zwischen BMI und Gesundheit. Mit anderen Worten: Korrelation ist nicht (unbedingt) Kausalität. Der Grund dafür ist ein Prozess, den Statistiker „Confounding“ nennen. So kann beispielsweise der Zusammenhang zwischen BMI und Sterblichkeit durch das Rauchen gestört werden. Rauchen führt zu einer Verringerung des BMI (durch Unterdrückung des Appetits). Außerdem führt es bei vielen Rauchern zu einem vorzeitigen Tod. Das Ergebnis ist, dass viele dünnere Menschen jung sterben, nicht weil sie dünner sind, sondern weil sie Raucher sind. Eine weitere wichtige Quelle für Störfaktoren sind die frühen Stadien von Krankheiten; dies wird manchmal als umgekehrte Verursachung bezeichnet. Viele Krankheiten können zu Gewichtsverlust führen, selbst in ihren frühen, nicht diagnostizierten Stadien. Dieselben Krankheiten können mit der Zeit zum Tod einer Person beitragen. Diese Menschen sterben nicht, weil sie dünn sind; sie sind dünn, weil sie eine Krankheit haben, die sie schließlich töten wird. Wenn wir einen beobachteten Zusammenhang zwischen BMI und Sterblichkeit so interpretieren, als ob es sich um einen kausalen Effekt handelte, erhalten wir einen falschen Eindruck vom gesündesten BMI. Den kausalen Effekt von der beobachteten Assoziation zu trennen, ist keine einfache Aufgabe.

Es gibt kein einziges statistisches Verfahren, mit dem Störfaktoren vollständig eliminiert werden können, so dass wir eine unverzerrte, präzise Schätzung des kausalen Effekts des BMI auf das Überleben erhalten. Der gängigste Ansatz besteht darin, potenzielle Störfaktoren zu messen und sie in einem Prozess zu berücksichtigen, der als statistische Anpassung bekannt ist. Diese Methode ist jedoch nur so gut wie die Messung der Störfaktoren. Viele Störfaktoren werden nur unzureichend gemessen oder es wird nicht einmal an sie gedacht. Wir können die von uns untersuchten Personen so einschränken, dass sie alle hinsichtlich der vermuteten Störfaktoren ähnlich sind, und zum Beispiel nur scheinbar gesunde Nichtraucher analysieren. Aber dann ist unsere Stichprobe nicht mehr repräsentativ für die Bevölkerung, und wer weiß, welche Störfaktoren übrig bleiben? Um das Problem der umgekehrten Kausalität zu verringern, können wir Todesfälle ausschließen, die kurz nach der BMI-Messung eintreten. Aber eine Person könnte schon Jahre vor ihrem Tod durch Krankheit an Gewicht verlieren; wie weit kann man zurückgehen? Eine andere statistische Methode besteht darin, in der Analyse anstelle des BMI etwas zu verwenden, das mit dem BMI einer Person zusammenhängt, aber nicht von den Störfaktoren beeinflusst wird. Beispiele hierfür sind der BMI der Nachkommen (der immer noch etwas mit den Störfaktoren zu tun hat) oder ein Gen, das den BMI beeinflusst (was nur sehr ungenaue Beweise liefert).

Jede dieser Alternativen zur einfachen beobachteten Assoziation hat ihre eigenen Einschränkungen und Verzerrungen. Wenn wir sie jedoch mit der beobachteten Assoziation vergleichen, ist das Interessante, dass sie alle auf die gleiche Schlussfolgerung hindeuten. Die kausale Wirkung von Übergewicht ist schädlicher als der beobachtete Zusammenhang vermuten lässt, und die kausale Wirkung eines niedrigen BMI ist weniger schädlich. Die kombinierte Evidenz dieses „Triangulations“-Ansatzes legt nahe, dass der empfohlene BMI-Bereich von 18,5 bis 25 ungefähr richtig ist und dass Übergewicht nicht gut für Sie ist. Wir sollten uns davor hüten, zu viel Vertrauen in einfach beobachtete Zusammenhänge zu setzen, auch wenn wir ihnen noch so sehr glauben wollen.

Featured image credit: Weight by TeroVesalainen. CC0 public domain via .