“Tutkimus sanoo” – vai sanooko? Näin ravitsemustutkimuksella johdetaan somessa harhaan

“Tutkimus osoittaa.” “Tiede todistaa.” “Uusi tutkimus mullistaa kaiken, mitä ravinnosta tiedämme.”

Nämä ovat lauseita, joilla sosiaalinen media myy varmuutta maailmassa, jossa tiede toimii lähes päinvastoin: se rakentuu epävarmuuksien, toistettavuuden, vertailujen ja kokonaisnäytön päälle.

Yksi tutkimus voi olla kiinnostava. Se ei vielä tee väitteestä totta. Ja jos joku joutuu jatkuvasti kaivamaan yhden tutkimuksen perustellakseen väitteen, joka on ristiriidassa muun tutkimusnäytön kanssa, ongelma ei välttämättä ole tieteessä. Ongelma voi olla siinä, miten tiedettä käytetään.

Ravitsemustiede ei ole mielipidekilpailu

Ravitsemuksesta keskustellaan usein kuin kyse olisi kahdesta joukkueesta. Keto vastaan hiilihydraatit. Voi vastaan kasviöljyt. Paasto vastaan säännöllinen syöminen. Eläinperäinen vastaan kasvipainotteinen.

Tiede ei kuitenkaan kysy, kumpi joukkue voittaa. Se kysyy: mitä tapahtui, kenelle, kuinka paljon, kuinka pitkään ja mihin verrattuna?

Juuri sana verrattuna ratkaisee yllättävän paljon. Jos tyydyttynyttä rasvaa vähennetään, mitä tulee tilalle? Jos hiilihydraatteja vähennetään, korvataanko ne proteiinilla, pehmeällä rasvalla vai energiapitoisilla lihatuotteilla? Jos ultraprosessoitua ruokaa vähennetään, mitä ihminen alkaa syödä sen sijaan?

Yksi tutkimus ei ole sama asia kuin tutkimusnäyttö

Tutkimusten vahvuus ei ole sama. Solututkimus voi paljastaa mekanismin. Eläintutkimus voi synnyttää hypoteesin. Havainnointitutkimus voi löytää yhteyden. Satunnaistettu kontrolloitu tutkimus voi tietyissä kysymyksissä auttaa arvioimaan syy-seurausta. Systemaattinen katsaus ja meta-analyysi voivat yhdistää useiden tutkimusten tietoa.

Mutta edes meta-analyysi ei ole automaattisesti laadukas. Jos mukaan yhdistetyt tutkimukset ovat heikkoja, lopputulos ei muutu kullaksi sillä, että ne niputetaan yhteen.

Tieteellinen ajattelu ei tarkoita tutkimuspaperin heiluttamista. Se tarkoittaa tutkimuksen laadun arviointia.

Näin somessa voidaan johtaa tutkimuksella harhaan

1. Poimitaan vain omaa väitettä tukevat tutkimukset

Jos tutkimuksia on sata ja viisi tukee vahvasti omaa väitettä, on helppo rakentaa sisältö vain niistä viidestä. Tätä kutsutaan käytännössä cherry pickingiksi.

2. Mekanismi esitellään kliinisenä totuutena

“Tämä nostaa insuliinia, joten tämä lihottaa.” Mekanismi kuulostaa loogiselta, mutta ihmiskeho on säätelyjärjestelmä. Yhden hormonin hetkellinen nousu ei sellaisenaan kerro pitkäaikaisesta painonkehityksestä.

3. Suhteellinen riski esitetään absoluuttisena katastrofina

“Riski kasvoi 50 prosenttia” kuulostaa dramaattiselta. Jos riski muuttui esimerkiksi kahdesta tapauksesta kolmeen tuhannesta, absoluuttinen muutos on aivan eri asia kuin otsikko antaa ymmärtää.

4. Yhteys muutetaan syyksi

Jos jokin ruoka liittyy väestötutkimuksessa sairauteen, se ei vielä osoita, että juuri ruoka aiheutti sairauden. Elintavat kulkevat nipuissa, ja tutkimuksessa pyritään korjaamaan sekoittavia tekijöitä – täydellisesti siinä ei onnistuta.

5. Tutkimuksen väestö unohdetaan

Tutkimus vaikeasti lihavilla, diabetesta sairastavilla tai huippu-urheilijoilla ei automaattisesti kerro täsmälleen samaa terveestä keski-ikäisestä kuntosaliharjoittelijasta.

Miksi ravitsemushuuhaa leviää niin tehokkaasti?

Koska epävarmuus ei myy yhtä hyvin kuin varmuus. “Näyttö viittaa siihen, että vaikutus riippuu kokonaisuudesta” on tieteellisesti usein parempi lause kuin “tämä ruoka tuhoaa hormonisi”, mutta algoritmi rakastaa jälkimmäistä.

Vuonna 2025 julkaistu systemaattinen katsaus ravitsemuksen väärästä tiedosta sosiaalisessa mediassa löysi toistuvasti juuri ihmedieetteihin ja nopeisiin terveyslupauksiin liittyvää harhaanjohtavaa sisältöä. Ongelma ei siis ole vain ärsyttävä someilmiö. Se on todellinen terveysviestinnän ongelma.

Seitsemän kysymystä ennen kuin uskot väitteen

1. Onko kyse yhdestä tutkimuksesta vai kokonaisnäytöstä?
2. Oliko tutkimus ihmisillä?
3. Oliko tutkimus havainnoiva vai kokeellinen?
4. Mihin asiaa verrattiin?
5. Kuinka suuri vaikutus oikeasti oli?
6. Onko tulos toistunut muissa tutkimuksissa?
7. Onko väitteen esittäjällä taloudellinen tai ideologinen syy korostaa yhtä tulkintaa?

Katso väitteet käytännössä

Samaa tutkimusnäytön arviointia tarvitaan esimerkiksi silloin, kun keskustellaan siitä voiko lääkärin ravitsemusväitteisiin luottaa, mitä LDL-kolesterolista oikeasti tiedetään tai lihottaako insuliini todella ihmistä. Sama periaate koskee myös ultraprosessoitua ruokaa: mekanismi, havaittu yhteys ja todistettu syy-seuraus eivät ole sama asia.

Minun linjani on yksinkertainen

Älä usko minua siksi, että olen valmentaja. Älä usko lääkäriä vain siksi, että hän on lääkäri. Älä usko professoria vain tittelin vuoksi. Ja älä ainakaan usko somevaikuttajaa siksi, että videolla on miljoona katselua.

Katso perustelut. Katso tutkimusnäyttö. Katso kokonaisuus.

Tieteellinen asiantuntijuus ei ole sitä, että tietää kaikki vastaukset. Se on sitä, että pystyy muuttamaan kantaansa, kun parempi näyttö sitä vaatii.

UKK

Voiko yksittäinen tutkimus todistaa ravitsemusväitteen?

Harvoin. Yksittäinen tutkimus on osa kokonaisuutta, ja sen merkitys riippuu asetelmasta, laadusta, otoksesta, vertailusta ja siitä, toistuvatko havainnot muissa tutkimuksissa.

Onko meta-analyysi aina luotettavin?

Ei automaattisesti. Sen laatu riippuu mukana olevista tutkimuksista, menetelmistä ja siitä, kuinka samanlaisia tutkimukset ovat keskenään.

Miksi ravitsemustutkimuksissa tulokset joskus muuttuvat?

Koska tiede tarkentuu uuden näytön myötä. Tämä ei ole tieteen heikkous vaan sen keskeinen vahvuus.

Lähteitä ja tutkimusnäyttöä

Gómez-Martínez ym. 2025: systemaattinen katsaus ravitsemuksen väärästä tiedosta sosiaalisissa verkostoissa. Lisäksi ravitsemustutkimuksen tulkinnassa on hyvä käyttää tutkimusasetelmien, absoluuttisen riskin, sekoittavien tekijöiden ja toistettavuuden periaatteita.