L’indice di massa corporea più sano non è così semplice come pensi

L’indice di massa corporea (BMI) è una misura grezza ma utile di quanto una persona sia pesante per il suo peso. Consiste nel tuo peso in chilogrammi, diviso per il quadrato della tua altezza in metri. Le linee guida suggeriscono che un BMI tra 18,5 e 25 è sano per la maggior parte delle persone. Sei classificato come sovrappeso se è 25-30 e obeso se è più di 30. Si potrebbe pensare che stabilire l’IMC più sano sia semplice. Si prende un grande campione rappresentativo di persone e le si mette in gruppi in base al loro BMI. In ogni gruppo si misura poi qualche aspetto della salute media, come la durata media della vita. Se si adotta questo approccio, che chiamerò l’associazione osservata, si scopre che l’apparente BMI ideale è un po’ più di 25. Le persone classificate come sovrappeso vivono in realtà un po’ più a lungo, in media, di quelle con un BMI nella gamma raccomandata. Questo ha spinto numerosi articoli di stampa a consigliare alle persone di non preoccuparsi di essere in sovrappeso, e alcuni hanno accusato gli scienziati di ingannare deliberatamente il pubblico. Ma è un po’ più complicato di così.

Quando consigliamo alle persone quale sia un BMI sano, ciò che conta è l’effetto causale del BMI sulla salute. L’effetto causale ci dice se i cambiamenti nel BMI porteranno a cambiamenti nella salute. L’effetto causale del BMI non è necessariamente la stessa cosa dell’associazione osservata tra BMI e salute. In altre parole, la correlazione non è (necessariamente) la causalità. La ragione di questo è un processo che gli statistici chiamano “confondimento”. Per esempio, l’associazione tra BMI e mortalità può essere confusa dal fumo. Il fumo causa una riduzione del BMI (attraverso la soppressione dell’appetito). Causa anche la morte prematura di molti fumatori. Il risultato è che molte persone più magre muoiono giovani; non perché sono più magre, ma perché sono fumatori. Un’altra importante fonte di confondimento sono le fasi iniziali della malattia; questa è talvolta chiamata causalità inversa. Molte malattie possono causare la perdita di peso, anche nelle loro fasi iniziali, non diagnosticate. Queste stesse malattie, col tempo, possono contribuire alla morte di una persona. Queste persone non muoiono perché sono magre; sono magre perché hanno una malattia che alla fine le ucciderà. Se interpretiamo un’associazione osservata confusa tra BMI e mortalità come se fosse un effetto causale, otterremo una falsa impressione del BMI più sano. Distinguere l’effetto causale dall’associazione osservata non è un compito semplice.

“Quando consigliamo alle persone quale sia un BMI sano, ciò che conta è l’effetto causale del BMI sulla salute. L’effetto causale ci dice se i cambiamenti nel BMI porteranno a cambiamenti nella salute”.

Non esiste un singolo metodo statistico che possa eliminare completamente il confondimento, lasciandoci con una stima imparziale e precisa dell’effetto causale del BMI sulla sopravvivenza. L’approccio più comune è quello di misurare i potenziali fattori di confondimento e tenerne conto in un processo noto come aggiustamento statistico. Tuttavia, questo metodo è buono solo quanto la misura del confondente. Molti fattori confondenti saranno misurati male, o non saranno nemmeno presi in considerazione. Possiamo restringere le persone che analizziamo in modo che siano tutte simili in termini di sospetti confondenti – analizzando solo i non fumatori apparentemente sani, per esempio. Ma allora il nostro campione di studio non rappresenta più correttamente la popolazione, e chissà quali confondenti possono rimanere? Per ridurre il problema della causalità inversa, possiamo escludere i decessi che avvengono poco dopo la misurazione del BMI. Ma una persona potrebbe perdere peso a causa di una malattia anni prima della sua eventuale morte; quanto indietro si può andare? Un altro metodo statistico è quello di utilizzare qualcosa legato all’IMC di una persona, ma non influenzato dai fattori di confondimento, al posto dell’IMC nell’analisi. Gli esempi includono il BMI della loro prole (che è ancora in qualche modo legato ai fattori di confondimento) o un gene che influenza il BMI (che fornisce solo prove molto imprecise).

Ognuna di queste alternative alla semplice associazione osservata ha i suoi limiti e pregiudizi unici. Tuttavia, quando le confrontiamo con l’associazione osservata, la cosa interessante è che tutte puntano verso la stessa conclusione. L’effetto causale del sovrappeso è più dannoso di quanto suggerito dall’associazione osservata, e l’effetto causale del basso BMI è meno dannoso. L’evidenza combinata di questo approccio di “triangolazione” suggerisce che l’intervallo di BMI raccomandato di 18,5-25 è circa giusto, e che essere in sovrappeso non fa bene. Dovremmo stare attenti a riporre troppa fiducia in semplici associazioni osservate, per quanto possiamo voler credere ad esse.

Featured image credit: Weight by TeroVesalainen. CC0 pubblico dominio via .

.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.