Grafik di bawah ini menunjukkan hasil analisis WarpPLS linear multivariat termasuk variabel-variabel berikut: Gandum (konsumsi tepung terigu di g / d), baca juga cara Belajar Ilmu Pelet)* Aprot (konsumsi protein hewani dalam g / d), Mor35_69 (jumlah kematian per 1.000 orang di 35 -69 rentang usia), dan Mor70_79 (jumlah kematian per 1.000 orang dalam kisaran 70-79 usia).
Hanya komentar teknis di sini, mengenai kemungkinan kekeliruan ekologis. Saya tidak akan masuk ke dalam ini secara mendalam setiap saat, tetapi saya katakan bahwa pola dalam data menunjukkan bahwa, dengan kemungkinan pengecualian dari beberapa variabel (misalnya, glukosa darah, jenis kelamin, yang terakhir akan membawa kita masuk berikutnya beberapa posting), kekeliruan ekologis akibat county agregasi bukan masalah besar. Ancaman kekeliruan ekologis ada, di sini dan di banyak dataset lain, tetapi umumnya berlebihan (sering oleh orang-orang yang sebelumnya temuan yang bertentangan dengan hasil agregat).
Saya tidak termasuk konsumsi protein nabati dalam analisis karena konsumsi protein nabati sangat kuat dan positif dengan konsumsi tepung terigu. Alasannya sederhana. Hampir semua protein nabati yang dikonsumsi oleh peserta dalam penelitian ini mungkin gluten, dari produk gandum. Buah-buahan dan sayuran memiliki jumlah yang sangat kecil dari protein. Menjaga bahwa dalam pikiran, apa grafik di atas memberitahu kita bahwa:
- Konsumsi Tepung terigu secara signifikan dan negatif terkait dengan konsumsi protein hewani. Hal ini mungkin karena mereka makan produk gandum lebih cenderung untuk mengkonsumsi protein hewani kurang.
- Konsumsi Tepung terigu secara positif terkait dengan kematian di kisaran 35-69 usia. Nilai P (P = 0,06) hanya malu dari 5 persen (yaitu, P = 0,05) bahwa kebanyakan peneliti akan mempertimbangkan untuk menjadi ambang batas untuk signifikansi statistik. Lebih banyak konsumsi gandum di daerah yang, lebih banyak kematian pada rentang usia ini.
- Konsumsi Tepung terigu secara signifikan dan positif terkait dengan kematian di kisaran 70-79 usia. Lebih banyak konsumsi gandum di daerah yang, lebih banyak kematian pada rentang usia ini.
- Konsumsi Protein hewani tidak signifikan berhubungan dengan kematian pada kisaran 35-69 usia.
- Konsumsi Protein hewani secara signifikan dan negatif terkait dengan kematian di kisaran 70-79 usia. Konsumsi lebih dari protein hewani di county, kematian lebih sedikit pada rentang usia ini.
Biarkan saya memberitahu Anda, dari pengalaman masa lalu saya menganalisis data kesehatan (serta jenis data, dari berbagai bidang), bahwa koefisien ini asosiasi tidak menyarankan asosiasi super-kuat. Sebenarnya ini juga ditunjukkan oleh koefisien R-squared, yang bervariasi dari 3 sampai 7 persen. Ini adalah varians dijelaskan oleh model pada variabel di atas koefisien R-squared. Mereka rendah, yang berarti bahwa model memiliki daya penjelas yang lemah.
Koefisien 20 persen R-squared dan di atas akan lebih menjanjikan. Aku benci mengecewakan karnivora hardcore dan penggemar gandum adalah teori pembunuhan, tetapi koefisien ini berserikat dan perbedaan dijelaskan mungkin cara kurang dari apa yang kita harapkan untuk melihat apakah protein hewani adalah keselamatan manusia dan gandum kehancurannya.
Selain itu, kurangnya hubungan antara konsumsi dan kematian protein hewani dalam rentang usia 35-69 agak aneh, mengingat bahwa ada hubungan sugestif efek perlindungan pada kisaran 70-79 usia.
Tentu saja kematian terjadi untuk semua jenis alasan, tidak hanya apa yang kita makan. Namun, mari kita lihat beberapa grafik lain yang melibatkan bahan makanan ini untuk melihat apakah kita bisa membentuk gambaran yang lebih baik tentang apa yang terjadi di sini. Di bawah ini adalah grafik yang menunjukkan kematian pada dua rentang usia untuk berbagai tingkat konsumsi protein hewani. Hasil diatur dalam kuintil.
Seperti yang Anda lihat, para peserta dalam penelitian ini mengkonsumsi protein hewani yang relatif sedikit. Mortalitas terendah di kisaran 70-79 usia, bisa dibilang kisaran kerentanan yang lebih tinggi, adalah untuk 28-35 g / d kuintil konsumsi. Itu adalah konsumsi kuintil tertinggi. Sekitar seperempat hingga sepertiga dari £ 1 / d daging sapi, dan kurang makanan laut (secara umum), akan memberikan Anda bahwa protein hewani banyak.
Perlu diingat bahwa unit analisis di sini adalah county, dan bahwa hasil ini didasarkan pada rata-rata kabupaten. Saya berharap saya memiliki akses ke data pada masing-masing peserta! Masih aku berdiri dengan komentar saya sebelumnya pada kesalahan ekologi. Jangan terlalu khawatir tentang hal itu dulu.
Jelas hasil di atas dan grafik membantah klaim bahwa konsumsi protein hewani membuat orang meninggal sebelumnya, dan pergi mencela gagasan bahwa konsumsi protein hewani menyebabkan hal-hal yang membuat orang meninggal sebelumnya, seperti kanker. Tapi mereka melakukannya dengan cara yang berantakan - yang lonjakan angka kematian di kisaran 70-79 usia untuk 21-28 g / d protein hewani agak aneh.
Di bawah ini adalah grafik yang menunjukkan kematian pada dua rentang (yaitu, 35-69 dan 70-79) usia untuk berbagai tingkat konsumsi tepung terigu. Sekali lagi, hasilnya akan ditampilkan dalam kuintil.
Tanpa ragu peserta dalam penelitian ini dikonsumsi banyak tepung terigu. Mortalitas terendah di kisaran 70-79 usia, yang merupakan kisaran kerentanan yang lebih tinggi, adalah untuk 300-450 g / d kuintil konsumsi tepung terigu. High end dari kisaran ini adalah sekitar £ 1 / d tepung terigu! Berapa banyak irisan roti ini akan setara dengan? Aku tidak tahu, tapi saya duga adalah bahwa hal itu akan menjadi banyak.
Nah, ini bukan senjata merokok menghubungkan gandum dengan kematian dini, koneksi yang telah mencapai proporsi dekat mitos di Internetz akhir-akhir ini. Secara keseluruhan, tren linear tampaknya menjadi salah satu dari penurunan umur panjang yang terkait dengan konsumsi tepung terigu, seperti yang disarankan oleh hasil WarpPLS, namun hubungan antara kedua variabel berantakan dan agak lemah. Bahkan tidak jelas nonlinear, setidaknya dalam hal di mana-mana hubungan J-curve.
Terus terang, ada sesuatu yang aneh tentang hasil ini.
Keanehan ini menyebabkan saya untuk mengeksplorasi, menggunakan HealthCorrelator untuk Excel, semua memerintahkan hubungan antara kematian di 35-69 dan 70-79 rentang usia dan semua variabel lainnya dalam dataset. Yang pada gilirannya mendorong saya untuk analisis WarpPLS yang lebih kompleks, yang Ill bicarakan di posting berikutnya saya, yang masih sedang ditulis.
Saya dapat memberitahu Anda sekarang bahwa akan ada lebih banyak keanehan di sana, yang pada akhirnya akan membawa kita ke apa yang saya sebut sebagai faktor misterius X. Ah, omong-omong, bahwa faktor X tidak jender - tapi jenis kelamin membawa kita untuk itu.
Dapatkan Sample GRATIS Produk sponsor di bawah ini, KLIK dan lihat caranya