De body mass index (BMI) is een grove maar nuttige maat om aan te geven hoe zwaar iemand is voor zijn gewicht. Hij bestaat uit uw gewicht in kilo’s, gedeeld door het kwadraat van uw lengte in meters. Volgens de richtlijnen is een BMI tussen 18,5 en 25 voor de meeste mensen gezond. Bij een BMI tussen 25 en 30 is er sprake van overgewicht en bij een BMI van meer dan 30 van obesitas. Je zou kunnen denken dat het vaststellen van de gezondste BMI eenvoudig is. Je neemt een grote, representatieve steekproef van mensen en deelt ze in groepen in op basis van hun BMI. In elke groep meet je dan een aspect van de gemiddelde gezondheid, zoals de gemiddelde levensduur. Als je deze benadering volgt, die ik de waargenomen associatie zal noemen, kom je tot de conclusie dat de schijnbaar ideale BMI iets boven de 25 ligt. Mensen met overgewicht leven gemiddeld iets langer dan mensen met een BMI binnen de aanbevolen marge. Dit heeft geleid tot talrijke artikelen in de pers waarin mensen wordt geadviseerd zich geen zorgen te maken over overgewicht, en sommigen hebben wetenschappers ervan beschuldigd het publiek opzettelijk te misleiden. Maar het ligt iets gecompliceerder dan dat.

Wanneer we mensen adviseren wat een gezonde BMI is, gaat het om het causale effect van de BMI op de gezondheid. Het causale effect vertelt ons of veranderingen in de BMI veranderingen in de gezondheid teweeg zullen brengen. Het causale effect van de BMI is niet noodzakelijkerwijs hetzelfde als het waargenomen verband tussen BMI en gezondheid. Met andere woorden, correlatie is niet (noodzakelijkerwijs) causatie. De reden hiervoor is een proces dat statistici “confounding” noemen. Bijvoorbeeld, het verband tussen BMI en sterfte kan worden beïnvloed door roken. Roken veroorzaakt een verlaging van de BMI (door de onderdrukking van de eetlust). Het veroorzaakt ook de vroegtijdige dood van veel rokers. Het resultaat is dat veel dunnere mensen jong sterven; niet omdat ze dunner zijn, maar omdat ze rokers zijn. Een andere belangrijke bron van verwarring is het beginstadium van de ziekte; dit wordt ook wel omgekeerde oorzakelijkheid genoemd. Veel ziekten kunnen gewichtsverlies veroorzaken, zelfs in hun vroege, niet gediagnosticeerde stadia. Deze zelfde ziekten kunnen na verloop van tijd bijdragen tot de dood van een persoon. Deze mensen sterven niet omdat ze mager zijn; ze zijn mager omdat ze een ziekte hebben die hen uiteindelijk zal doden. Als we een verward waargenomen verband tussen BMI en sterfte interpreteren alsof het een causaal effect is, krijgen we een verkeerd beeld van de gezondste BMI. Het is niet eenvoudig om het causale effect los te koppelen van de waargenomen associatie.

Er is geen enkele statistische methode die verstoringen volledig kan elimineren, zodat we een onbevooroordeelde, nauwkeurige schatting krijgen van het causale effect van de BMI op overleving. De meest gebruikelijke benadering is om potentiële verstorende factoren te meten en daar rekening mee te houden in een proces dat bekend staat als statistische correctie. Deze methode is echter slechts zo goed als de meting van de verwarrende factor. Veel confounders zullen slecht gemeten zijn, of er wordt zelfs niet aan gedacht. We kunnen de mensen die we analyseren zodanig beperken dat ze allemaal vergelijkbaar zijn wat betreft de vermoedelijke verwarrende factoren, bijvoorbeeld door alleen schijnbaar gezonde niet-rokers te analyseren. Maar dan vertegenwoordigt onze onderzoekssteekproef niet langer de bevolking, en wie weet welke verstorende factoren er nog kunnen overblijven? Om het probleem van omgekeerde oorzakelijkheid te verminderen, kunnen we sterfgevallen die kort na de BMI-meting plaatsvinden, uitsluiten. Maar iemand kan jaren voor zijn uiteindelijke dood door ziekte gewicht verliezen; hoe ver ga je terug? Een andere statistische methode is om in plaats van de BMI in de analyse iets te gebruiken dat gerelateerd is aan iemands BMI, maar niet wordt beïnvloed door de verstorende factoren. Voorbeelden zijn de BMI van hun nakomelingen (die nog steeds enigszins gerelateerd is aan de verstorende factoren) of een gen dat van invloed is op de BMI (wat slechts zeer onnauwkeurig bewijs oplevert).

Elk van deze alternatieven voor de simpele waargenomen associatie heeft zijn eigen unieke beperkingen en vooringenomenheid. Maar als we ze vergelijken met de waargenomen associatie, is het interessant dat ze allemaal in de richting van dezelfde conclusie wijzen. Het oorzakelijke effect van overgewicht is schadelijker dan de waargenomen associatie suggereert, en het oorzakelijke effect van een lage BMI is minder schadelijk. Het gecombineerde bewijs van deze “triangulatie” benadering suggereert dat de aanbevolen BMI range van 18.5-25 ongeveer juist is, en dat overgewicht niet goed voor je is. We moeten oppassen dat we niet te veel vertrouwen stellen in simpele waargenomen associaties, hoe graag we die ook willen geloven.

Featured image credit: Weight by TeroVesalainen. CC0 publiek domein via .