栄養指導で根拠のない食や健康の情報に出会ったら
－牛乳有害説を事例に疑似科学を見抜く－

本レポートは、2024年10月9日～12月8日まで（公社）日本栄養士会が開催した2024年度全国栄養士大会・オンラインにて、Jミルクが協賛したセミナーの内容をまとめたものとなります。

栄養指導におけるコミュニケーションの中で、「〇〇は体に悪いらしい」など、根拠のない食や健康情報に出会ったことはありませんか？ 最近ではSNSや動画サイトなどを通じ生活者を混乱させる情報が流布されており、適切に対応するには「科学リテラシー」の向上が重要です。科学を装いつつ実は科学的根拠に乏しい主張や言説を「疑似科学」といいます。これら科学的に問題のある主張や情報について、「牛乳有害説」を事例にしながら、見抜き方のヒントを解説します。 

最近では、「実際に研究論文がある」「専門家（医師・大学教授・薬剤師・看護師・管理栄養士など）が指摘している」など、信用度を高める手法も顕著に見られるようになりました。中には専門家を名乗る方が動画サイトやSNSなどで不適切な情報を発信している事例も散見されます。判断に迷う場面も多いこれらの情報に適切に対応するには、科学リテラシーの向上が不可欠です。

科学のように見えて実は科学的根拠に乏しい主張や商品、情報などを総称して「疑似科学」といいます。私たちの研究グループでは、科学と疑似科学を判定するための4観点を考案し、活用しています。まずはその一つ「データの観点」から、ポイントを2つ紹介します。

研究デザインとエビデンスピラミッド

食情報に限らず科学に関する情報に対して、よく「科学的根拠（エビデンス）がある／ない」などと使われます。しかし、科学的根拠で重要なのは、「有無」ではなく実は「強弱」です。特に現代的な疑似科学においては、エビデンスが全くないような事例はほとんどありません。したがって、そうした事例に遭遇したとき、エビデンスがあるという言葉に惑わされることなく、主張の根拠とされているデータについて「このエビデンスは強いので信用できる」「このエビデンスは弱いので信憑性に乏しい」というように確かな情報を選択できることは非常に重要です。

科学的根拠の強弱は、「エビデンスピラミッド（エビデンスレベル）」という考え方が参考になります (図2)。これは、ヒトを対象とした科学的データの信用度を、研究デザインに基づいて段階的に表したものです。上にいくほど試験の条件の管理が重要になり、バイアス（人間の心の偏りや認知のひずみ）を排除した客観的なデータが得られる研究デザインとして、「信用度が高い」と評価されます。データをどういう研究で得たか、つまり、研究デザインが科学的根拠の強弱のポイントです。信用度の低い順に説明しましょう。

因果関係を突き止めるのは簡単ではない

科学の重要なミッションの一つは因果関係の究明ですが、さまざまな要因がある中で、〇〇が原因で△△の結果になるという因果関係を突き止めることは簡単ではありません。
例えば、2つの要素がお互い関係し合う相関関係にあっても、因果関係にはない場合もあります。隠れた要因によって相関関係を因果関係と錯覚してしまうことを疑似相関といい、「何かをやった→効果があった」というデータだけでは、真の因果関係はわからないのです。

疑似相関の例として、かつてカルシウム・パラドックスと呼ばれ非常に有名になったグラフがあります (図3)。グラフからは、カルシウム摂取量、具体的には乳製品摂取量が多い国ほど骨折発生率が高いように読み取れることから、「牛乳を飲むとむしろ骨折が増える」という主張の根拠とされました。しかし、実際には隠れた他の要因、つまり各国の肥満率や平均寿命、日照率による骨密度などによる影響が考慮されておらず、このグラフだけで乳製品摂取量と骨折率の間に因果関係があるとはいえません。

信用度の高い研究デザインとは

では、どうすれば因果関係がわかるのでしょうか。重要なのが、「条件を揃えて」「比較する」ことです。条件を揃えた比較対象を設けて、それぞれで効果のあり／なしを比べます。どういう対象が、どの程度摂取すれば、どのくらい効果や害があるかを明らかにすることが大切なのです。その意味でこれから説明するコホート研究とランダム化比較試験は、因果関係を突き止めるための重要な研究デザインとされています。

●コホート研究
コホート研究はランダム化比較試験などの介入実験ができない場合に有効な方法で、ある要因の有無が条件になるよう被験者を集め、将来に向かって追跡する観察研究です。条件を揃えて長期間追跡することで、因果関係の推定が可能になります。

●ランダム化比較試験（RCT）
介入を行う「実験群」と行わない「対照群」に被験者をランダム（無作為）に配置し比較することで、介入と結果の因果関係を立証しようとする実験の方法です (図4) 。人間は十人十色ですから、両群を全く均一に揃えることは実質的に不可能です。そこでランダムに振り分けることによって、バイアスを最小限に抑え、見えない要因を統計的に相殺します。また、プラセボ効果（思い込みによる体調への影響）を取り除くために、被験者が自分がどちらの群に入ったかわからないようにする盲検化も行われます。こうした緻密な研究デザインを用いて得られたデータは因果関係を強く推定できることから、高い信用度があります。

牛乳有害説の一つに「牛乳を飲むと太る」という言説があります。図5は、過体重または肥満の被験者に対して摂取エネルギー制限を行い、さらに乳製品・カルシウム摂取量が多い群と少ない群に分けて、体重および体脂肪の減少に差があるか調べたランダム化比較試験の結果です^2）。結果は両群とも同程度に減少し、乳製品・カルシウム摂取量による有意差は見られませんでした。言説のとおりであれば両群に差が見られるはずで、「牛乳を飲むと太る」は支持されないということになります。

●メタ分析
エビデンスピラミッドの頂点に立つメタ分析は、これまで実施された研究データを多数集めて統計的に分析する、いわばまとめ研究です。個々の研究の枠を超え、より普遍的な、一般性の高い結論を提供します。
先述の2つの牛乳有害説「牛乳を飲むと乳がんになる」「牛乳を飲むと骨折しやすくなる」に答えを提示するメタ分析があります。牛乳摂取と乳がんの関連については、統計的に有意なリスク増加は見られない、すなわち「牛乳で乳がんになる」は支持されないという結果になりました^3）。牛乳摂取と骨折の関連も同様で、牛乳と骨折の間にリスク増加は認められませんでした (図6)^4）。

なお、最近の傾向として注意しておきたいのが、データを部分的に切り取って誇張し、主張の根拠とする手法です。
例えば、図6の赤いアンダーラインで示した部分がまさにそうで、全体の結果は「牛乳摂取で骨折リスクの増加なし」であっても、この研究のみ「増加あり」という結果になっています。こうした例外的なデータを都合よく取り上げて「牛乳を飲むと骨折しやすくなるという研究がある」などと主張を展開します。こうした言説に出会ったときは、全体の結果はどうだったかを確認することが大切です。

現代社会においては、意思決定に影響を与えるような、直感や感情に訴えかける情報が非常に増えています。立ち止まって理性的に考えるためにも、人間の心のしくみについて知っておく必要があります。食や健康情報に関連して起こりやすい認知バイアスや心理的な傾向をご紹介します。

●フレーミング効果
同じ内容の質問でも聞き方によって回答の傾向が全く変わったり、同じ対象に関することでも表現の違い（例えば「化学調味料」と「うま味調味料」）で受け取られ方が全く変わったりすることをいいます。特にネガティブな表現に対して人はリスクや損失を回避する心が働くため、いったんネガティブな印象を抱くと、なかなかくつがえしにくくなります。栄養指導においても、相手にネガティブなイメージを抱かせない表現を心がけるとよいでしょう。

●アンカリング効果
最初に提示された数値や情報が、その後の意思決定に強い影響を与える現象のことをいいます。

●真実バイアス
そもそも人は、実際の真偽にかかわらず、他者の発言を真実だと受け止めやすい傾向を持っています。ホントとウソを識別する研究でも、ほとんど偶然レベルでしかウソを見抜けないことが明らかになっています^5）。

●バンドワゴン効果
行列店を見て自分も並びたくなった経験はないでしょうか。多くの人が支持している物事は「正しい」「優れている」ようなイメージを生み出し、さらに支持が集まる現象をいいます。

また、人は物事に何かしら意味を見出したり、原因を過剰に探し出そうとしたりなど、読み解き・読み取りすぎる心の働きを持っています。そのため社会の一般的な評価や通説と異なる情報があると、それが陰謀論的な情報であっても受け入れやすい性質があります。牛乳有害説は最たる例で、カルシウムや栄養が豊富で健康に資する食品というのが通説である中で、「実はそうではない。牛乳を飲むと体に悪いのだ」という情報があると飛びつきやすくなるのです。直感で結びつけやすい対象や、これまでの常識をくつがえす情報には特に注意が必要です。

疑似科学を判定するための4観点

科学とは、仮説と検証のサイクルです。ある理論に基づいて仮説を設定し、データを収集し、データによって仮説が検証されることで理論が正しいと認められ、一般化していく。この繰り返しによって人間社会は発展してきました。
私たちの研究グループでは、科学と疑似科学に明確な線引きができなくても有意義な議論は可能であるという考えのもと、より実用性を重視したアプローチを考案しました。それが、ある対象が科学的かどうかを段階的に判定するための4観点です (図9) 。

4観点は、科学の方法論に基づいています。簡単に説明すると、「理論の観点」＝どのような理論（仮説）か、「データの観点」＝どのように理論に対応するデータを収集したか、「理論とデータの観点」＝理論とデータが相互に対応した関係になっているか、そして「社会的観点」＝学会など議論できるオープンなしくみがあり批判を含めた議論が行われているか、また社会に適切に応用されているか、をそれぞれ評価することで科学性を判定します。

●「理論の観点」「理論とデータの観点」のポイント
科学においては「立証責任」といって、何らかの主張を展開したい場合、それを立証する責任は提唱する側に生じます。仮説とデータが合致しない場合やデータに沿って理論が後付けされている場合は、科学的とはいえません。疑似科学を見抜くうえでは、これらの点もわかりやすいポイントになります。

●「社会的観点」のポイント
「〇〇学会お墨付き」など学会を過度に権威づける主張には注意が必要です。「査読付きの論文がある」という主張も、査読を経たからといって、そのデータが示す内容が正しい（真である）ことを保証しているわけではないことに留意します。
なお、科学の成果が社会制度に生かされた例として、特定保健用食品（トクホ）や機能性表示食品がありますが、こちらも制度内容の理解が大切です。トクホは最終製品を用いた試験（ランダム化比較試験）や国の審査が必要です。一方、機能性表示食品は、関与成分についての論文の研究レビューを届け出れば、企業の自己責任で、国の審査なしで機能性を表示できます。同じように見える商品でも、科学的な信用度に差があるということを知っておきましょう。