الگوریتم ها کمک میکند به جواب سوال “آیا قهوه برای ما مفید است؟” برسیم

به نظر می رسد توصیه های تحقیقات در مورد قهوه و به طور کلی در مورد تغذیه ، همیشه در حال تغییرند .بررسی گسترده ای از الگوریتم ها و داده های تحقیقاتی می تواند به ما کمک کند تا به نتایج دقیقی برسیم.

برای استفاده بهتر از امکانات سایت لطفا اپلیکیشن قهوه آنلاین را از کافه بازار دانلود نمایید.

آیا باید قهوه بنوشید؟ اگر چنین است. چقدر؟

این سوال پیش می آید جامعه ای که ظرف یک سال می تواند واکسن برای ویروس جدید تنفسی بسازد. نباید هیچ مشکلی در پاسخ دادن به این سوالات داشته باشد . به گفته بسیاری از محققان ، خوانندگان نوشته های علمی مربوط به قهوه. مطالعات تغذیه ای ندارند: نتیجه گیری های مطالعات همیشه در حال تغییرن. و اغلب این نتایج با یکدیگردر تناقض اند.

اگر صحبت ما در مورد غذاها یا نوشیدنی هایی که زیاد مصرف نمی شوند باشد. این تناقض ها ممکن است چندان مهم نباشد

در سال 1991. هنگامی که سازمان بهداشت جهانی ، قهوه را به عنوان ماده احتمالی سرطان زا طبقه بندی کرد. پیامدهای بسیار زیادی به همراه داشت. بیش از نیمی از جمعیت آمریکا روزانه قهوه می نوشند. ودر نتایج مطالعات ارتباط احتمالی بین نوشیدنی و سرطان مثانه و پانکراس کشف شد.

در این مطالعات محققان از تعداد زیادی از مردم خواستند اطلاعات مربوط به مواردی مانند رژیم غذایی و عادت های روزانه خود را گزارش دهند. و سپس به دنبال ارتباط با نتایج خاص سلامتی باشند.

تشخیص دادند کسانی که سیگار می کشند نسبت به کسانی که قهوه می نوشند بیشتر احتمال ابتلا به سرطان دارند. این سیگار کشیدن است که خطر سرطان آنها را افزایش می دهد. به محض فهمیدن این ارتباط ، قهوه در سال 2016 از لیست مواد سرطان زا حذف شد.

سال بعد ، با بررسی شواهد موجود ، منتشر شده بر اساس الگوریتم های مشخص در مجله پزشکی انگلیس ، ارتباط بین قهوه و خطر کمترآن برای برخی از سرطان ها. و همچنین برای بیماری های قلبی عروقی و مرگ به هر علتی مشخص شد.

اکنون یک تحلیل جدید از داده های موجود منتشر شده در مجله انجمن قلب آمریکا (Circulation). در مورد نارسایی قلبی ، نشان می دهد که دو تا سه (یا بیشتر) فنجان قهوه در روز ممکن است خطر نارسایی قلبی را کاهش دهد. البته ، هشدارهای معمول اعمال می شود: این ارتباط است ، نه علت.

ممکن است افراد مبتلا به بیماری قلبی از نوشیدن قهوه دوری کنند. احتمالاً تصور آنها این است که قهوه برای آنها مضر است.

آیا قهوه برای شما مفید است یا برای شما مفید نیست؟ ما هرگز نمی توانیم بگوییم که این مطالعات چه فایده ای دارد؟

به استدلال منتقدان تحقیقات تغذیه باید تمرکز خود را از مطالعات مشاهده ای به آزمایش های کنترل تصادفی تغییر دهد. نگهداری نفرات درمحل تحقیقات و دادن قهوه به گروهی تصادفی و در کنار گروه دیگر، می توانند علت و نتیجه را از بین ببرند.

با این حال ، وقتی صحبت از درک تأثیر هر جنبه از رژیم غذایی بر سلامتی ما می شود. هر دو روش محدودیت های قابل توجهی دارند. رژیم های غذایی در طول زندگی بر روی ما تاثیر میگذارند. نگه داشتن افراد درمحل تحقیقات ، نظارت بر میزان مصرف قهوه ، تا زمانی که دچار نارسایی قلبی شوند ، عملی نیست. و اینکه افراد آنچه را که در خانه می خورند و می نوشند را به درستی گزارش دهند کاری دشوار است.

در حالت ایده آل ، برای رسیدن به جواب سوال قهوه ، شما باید بدانید که نوع دانه قهوه استفاده شده ،نحوه بو دادن آن ، آسیاب و دم قهوه ،همه اینها روی بیوشیمی آن تأثیر می گذارد. به علاوه مقدار دقیق مصرف شده ، دما و مقدار آن نوع شیرین کننده یا لبنیات اضافه شده هم موثر خواهند بود.

سپس تمام متغیرهای دیگری را که بر متابولیسم و سلامت کلی تأثیر می گذارد مانند ژنوم ، میکروبیوم ، سبک زندگی (به عنوان مثال عادت های خواب) و وضعیت اقتصادی و اجتماعی ( آیا استرس خانگی وجود دارد؟، کیفیت هوای محل زندگی چگونه است؟)،را در نظر می گیرید:

آزمایش های کنترل تصادفی هنوز هم می توانند بینش مفیدی در مورد تأثیر قهوه بر فرآیندهای بیولوژیکی در دوره های کوتاه مدت ارائه دهند

 همچنین ممکن است به توضیح و در نتیجه اعتباربخشی برخی از ارتباطات بلند مدت کمک کنند.

اما قبل از انجام آزمایش روی یک ماده مغذی مشخص. دانشمندان باید دلیلی داشته باشند که فکر کنند این ماده ممکن است تأثیر قابل توجهی روی بسیاری از افراد بگذارد. همچنین باید قبلاً شواهد قابل قبولی داشته باشند. که نشان دهد این آزمایش و ترکیب بر روی انسانها ضرری پایدار برای آنها نخواهد داشت.

درمطالعه گردش خون از داده های مشاهده ای استفاده شد. که هدف اولیه آن ارزیابی رابطه بین قهوه و نارسایی قلبی نبود. نویسنده اصلی ، دیوید كائو ، متخصص قلب و عروق در دانشكده پزشكی دانشگاه كلورادو اینگونه برای ما توصیف كرد: سوال کلی این بود که ، عواملی که در زندگی روزمره بر سلامت قلب تأثیر می گذارند چه عواملی هستند؟”

از آنجا که از هر پنج آمریکایی یک نفر به نارسایی قلبی مبتلا می شود. حتی تغییرات اندک در رفتارهای آنها می تواند تأثیر تجمعی زیادی داشته باشد.

استفاده از الگوریتم ها و یادگیری ماشینی یا روش سنتی در آغاز؟

به طور سنتی و بدون استفاده از الگوریتم ها، محققان کار خود را با یک فرضیه آغاز می کنند. به عنوان مثال قهوه خطر بیماری قلبی را کاهش می دهد. سپس آنها مصرف قهوه افراد را با سابقه قلبی عروقی آنها مقایسه می کنند.

یک اشکال در این فرآیند این است که فرضیه های مختلفی وجود دارد که تصورات پیش فرض محققان را شکل میدهد ومی تواند با تأثیرگذاری بر متغیرها ، آنها را به یافتن روابط نادرست سوق دهد. نتایج تحقیقات با حذف متغیر هایی در تجزیه و تحلیل یا به ترغیب محققان بی پروا با دستکاری داده ها متناسب با تئوری آنها تغییر میکند .

به گفته استیون هیمفیلد ، استاد متابولیسم و ترکیب بدن در مرکز تحقیقات پزشکی پنینگتون در دانشگاه ایالتی لوئیزیانا شما می توانید با استفاده از سوگیری های خود ، هر یافته ای را که می خواهید در علم به لجن بکشید ، و یک مقاله منتشر کنید.

برای نشان دادن این نکته، مروری که در سال 2013 در مجله آمریکایی تغذیه بالینی به طور گسترده ذکر شده است. از 50 ماده اصلی کتاب آشپزی که در ادبیات علمی وجود داشت. 36 مورد از جمله کرفس و نخود به طور جداگانه با افزایش یا کاهش خطر سرطان ، ارتباط داشتند.

کائو ، با یک فرضیه شروع نکرد

وی از یک روش قدرتمند وبا محبوبیت روزافزون برای تجزیه و تحلیل داده ها که به عنوان یادگیری ماشین یاد می شود ، استفاده کرد. تا به دنبال پیوند بین هزاران ویژگی جمع آوری شده بیماران در مطالعه معروف Framingham Heart و احتمال بروز نارسایی قلبی در آن بیماران باشد.

به گفته دیانا توماس ، استاد ریاضیات در وست پوینت ، الگوریتم شروع به ترتیب دادن متغیرها یی که بیشترین واریانس را در داده ها یا دامنه نتایج قلبی دارند ، می کند. “و این هدف اصلی است.”

آماندا وست ، مدیر پزشکی برنامه پیوند قلب در مرکز پزشکی تافتز می گوید توانایی یادگیری ماشین بر اساس الگوریتم ها برای پردازش مقدار زیادی از داده ها می تواند توانایی محققان تغذیه را برای مطالعه دقیق تر و در زمان واقعی رفتار افراد تغییر دهد. یادگیری ماشینی فقط به خوبی داده های رابدون کنترل دقیق مورد تجزیه و تحلیل است.

مایکل کوسوروک ، استاد آمار زیستی در دانشگاه کارولینای شمالی در چپل هیل ، می گوید:” یادگیری ماشینی امکان اشتباهات بیشتر و بیشتر را می دهد.”

به عنوان مثال ،برای مجموعه داده هایی که متنوع نیستند. یا به اندازه کافی تصادفی اعمال می شود. وقتی الگوریتم از آنها برای پیش بینی در دنیای واقعی استفاده می کند الگوهایی که می بیند بالا نخواهند ماند .

این یک مشکل جدی در مورد نرم افزار تشخیص چهره بوده است: این الگوریتم ها که در درجه اول روی افراد سفیدپوست برنامه ریزی شده بود. که در شناسایی زنان و افراد با پوست رنگی بسیار کم دقت تر بودند .

الگوریتم ها همچنین باید برای کنترل عدم قطعیت در داده ها برنامه ریزی میشدند. مثل وقتی که فنجان قهوه یک نفر شش اونس است. و فنجان قهوه دیگری 8 اونس.

تحلیلی مانند کائو ، که با هیچ تصور پیش فرض در مورد داده ها شروع می شود. می تواند ارتباطاتی را که هیچ کس فکرش را نکرده نشان دهد. اما این یافته ها باید دقیقاً آزمایش شوند. تا مشخص شود آیا در سایر زمینه ها نیز می توانند تکرار شوند.

پس از اعلام نتیجه ارتباط بین مصرف قهوه و کاهش خطر نارسایی قلبی در داده های فرامینگهام. تحلیل کائونیز با استفاده از الگوریتم پیش بینی صحیح رابطه بین مصرف قهوه و نارسایی قلبی ، نتیجه را تأیید کرد.

داریوش مظفریان ، رئیس دانشکده علوم و سیاست های تغذیه فریدمن در دانشگاه تافتس می گوید: “ممکن است قهوه برای شما خوب باشد. ما می توانیم با اطمینان بگوییم که قهوه برای شما بد نیست البته مواد افزودنی به آن داستان دیگری است. کسب اطلاعات بیشتر نیاز به تحقیقات بیشتری دارد.
سال گذشته ، مظفریان وگروه تحقیقاتی آن ازموسسات ملی بهداشت خواستار ایجاد موسسه ای برای علوم تغذیه شدند تا
بتوانند این تلاش ها را هماهنگ کند. و مهم تر ار همه به مردم در تفسیر نتایج کمک می کند.

منبع:nytimes.com