Как не стать жертвой когнитивных ловушек в фитнесе

Как это выглядит на практике?

Представим тренера, убеждённого в том, что интервальное голодание ускоряет жиросжигание. Он ищет подтверждающие исследования и игнорирует те, где выводы противоположны. Вполне вероятно, он делится результатами только тех клиентов, кто добился успеха, и не упоминает тех, кто столкнулся с упадком сил или срывами. А если, например, другой тренер показывает данные, которые не подтверждают эффект, он находит способ дискредитировать их. Причем процесс этот зачастую неосознанный — именно здесь и кроется опасность.

Но разве критика научных исследований — это плохо?

Нет. Критика — это не признак когнитивной ловушки, а неотъемлемая часть научного мышления. Проблема возникает, когда критика применяется избирательно – только к тем данным, которые противоречат нашему мнению. Тогда она становится проявлением предвзятости подтверждения.

Пример: если вы отвергаете РКИ (рандомизированное контролируемое исследование) с неудобными вам результатами, указывая на малый размер выборки, но одновременно ссылаетесь на неслепое исследование без контрольной группы, где результат совпадает с вашей позицией — это уже не критика, а селективное мышление.

В психологии и научной журналистике это поведение известно под термином «cherry-picking» — избирательный сбор информации. Мы «собираем вишенки», выхватывая только те данные, которые хорошо вписываются в уже сложившуюся картину мира. При этом даже слабые, нерепрезентативные или устаревшие аргументы легко воспринимаются как «доказательства».

Авторы этой статьи отмечают, что спортивные тренеры и исследователи нередко интерпретируют данные в пользу заранее выбранной методики, не проверяя альтернативные объяснения результатов и не учитывая реальные границы применимости исследований (например, особенности выборки, пола, возраста, тренировочного статуса участников). В результате в практику внедряются методики, эффективность которых для конкретной аудитории не подтверждена.

Том Чатфилд в своей книге «Критическое мышление» приводит яркий пример: в город пришел путник, похваляющийся, что он меткий стрелок. «Докажи», – сказали ему. Он направил ружье на глухую кирпичную стену отдаленного здания и сделал несколько десятков выстрелов. Затем подошел к стене, тщательно нарисовал на ней мишень вокруг того места, где отметины от пуль легли особенно кучно, и ухмыльнулся: «Я же говорил, что я великий стрелок! Видите, сколько раз я поразил мишень с такого расстояния!»

Когда тренер ищет только те научные исследования, которые подтверждают его точку зрения, он и становится тем самым стрелком.

Почему это часто встречается в фитнесе?

1. Фитнес-индустрия перенасыщена мифами. Если что-то «работает» для одного, это не гарантирует универсальности. Эффекты зависят от пола, возраста, тренировочного стажа, гормонального фона, сна, генетики и сотен других факторов.

2. Научные исследования в спорте сложны, дорогостоящи и часто малочисленны. Это создаёт благодатную почву для интерпретационных ошибок и слишком широких обобщений.

3. Популярные блогеры и тренеры чаще ориентированы на вовлечённость аудитории, а не на научную добросовестность. Они склонны к избыточным обобщениям, делают акцент на ярких кейсах, а не на тщательной оценке и корректной интерпретации данных.

Почему вы должны быть внимательны?

Предвзятость подтверждения — это не просто когнитивная ошибка. Это причина, по которой человек, стремящийся к здоровью, может оказаться жертвой неэффективных, а порой и вредных стратегий. Вы можете тратить месяцы на методику, которая «доказана» в соцсетях, но не работает именно для вас. Или, наоборот, отвергнуть подход, который в вашем случае мог бы дать результат, он противоречит вашему текущему мнению.

Чтобы избежать этой ловушки, нужно изменить сам подход к информации.

Следующие разделы статьи помогут понять:

• как читать научные исследования критическим взглядом;

• как формулировать точные вопросы, чтобы избежать искажений;

• как проверять качество источников;

• и главное — как научиться видеть не только то, что подтверждает вашу позицию, но и то, что её ставит под сомнение.

Как читать исследования, чтобы снизить вероятность ошибки

Мнение «исследование есть — значит, всё доказано» — одна из главных ошибок, связанных с поверхностным восприятием научных данных. Не любые исследования одинаково надёжны. Чтобы сделать обоснованный вывод, важно не только найти публикацию, но и оценить её качество и применимость. В этом помогает пирамида доказательной медицины — наглядная модель, которая показывает, какие типы данных заслуживают наибольшего доверия.

Чем выше уровень в пирамиде, тем выше качество и обобщаемость данных.

1. Клинические рекомендации и гайдлайны
   Итоговый продукт систематической оценки всех имеющихся доказательств с учётом их клинической значимости, безопасности, контекста применения. Используются в медицине, но аналогично создаются и гайдлайны в спортивной науке (например, ACSM, NSCA).
   

2. Систематические обзоры и метаанализы
   Сводный анализ десятков (иногда сотен) исследований по одной теме с применением строгой методологии (PRISMA, GRADE). Это надёжный способ понять общее направление научных данных, а не цепляться за одно «удобное» РКИ.
   

3. Рандомизированные контролируемые исследования (РКИ)
   «Золотой стандарт» оценки эффективности. В таких исследованиях участники случайным образом распределяются в группы, одна из которых получает вмешательство, а другая служит контролем (получает плацебо, стандартную терапию и т. п.). Позволяют выявлять причинно-следственные связи.
   

4. Когортные и наблюдательные исследования
   Могут показать связи, но не доказывают причинность. Часто используются, когда РКИ неэтичны или невозможны. Пример: наблюдение за группой людей, которые уже выбрали определённую диету, и анализ их показателей здоровья в течение нескольких лет.
   

5. Исследования «случай–контроль», отчёты о случаях, экспертные мнения
   Самый низкий уровень надёжности. Полезны для генерации гипотез, но не для финальных выводов.

Как использовать пирамиду доказательности на практике

Чтобы избежать типичных искажений, связанных с некритическим восприятием научных данных, используйте пирамиду как фильтр при поиске информации:

1. Начинайте с верхних уровней. Если по теме есть метаанализы или систематические обзоры — они приоритетны. Единичные исследования без контекста часто вводят в заблуждение.
   

2. Не делайте выводов на основе одного источника. Даже РКИ может дать ложное направление, если выборка участников специфическая или методология уязвима. Смотрите, повторяются ли эффекты в других работах.
   

3. Формулируйте вопрос заранее. Чёткая постановка задачи (например, по алгоритму PICO, который мы разберем ниже) помогает не выискивать подтверждения своего мнения, а объективно искать ответы.
   

4. Оценивайте не только «где опубликовано», но и «что показано». Даже в самых авторитетных журналах первого квартиля, Q1 (см. ниже), может быть слабая или нерелевантная, т. е. не соответствующая вашему запросу, статья.
   

5. Сохраняйте дистанцию. Если результат «слишком хорош, чтобы быть правдой» — скорее всего, он и не является правдой.

Что важно учитывать при чтении и интерпретации исследования

1. Кто участники?

• Каков пол, возраст, уровень подготовки участников?

• Соответствуют ли они вашей целевой аудитории (например, любители, женщины старше 50, подростки, тренированные мужчины и т. д.)?

Обычно эти данные представлены в таблице. Ниже — пример описания демографических характеристик групп сравнения в исследовании, посвящённом влиянию высокобелковой диеты и/или силовых тренировок на сохранение безжировой массы тела у пожилых людей с избыточным весом во время снижения веса. Таблица содержит ключевые параметры: возраст, пол, индекс массы тела, окружность талии, процент жира, безжировая масса и физическая работоспособность. Эти данные позволяют оценить, были ли группы сопоставимы на старте и какова общая характеристика включённой популяции.

Частая ошибка — экстраполяция результатов с узкой или специфической выборки на более широкую аудиторию. Например, данные, полученные у здоровых молодых мужчин-спортсменов нередко распространяются на женщин, пожилых, мало тренированных людей или пациентов с хроническими заболеваниями. Это некорректно: их обмен веществ, гормональный профиль, реакция на питание и тренировочные стимулы могут существенно различаться. Поэтому при чтении статьи важно всегда задавать вопрос: «Насколько эта выборка соответствует моей целевой аудитории или клиенту?»  Если не соответствует — результат может быть неприменим и вводить в заблуждение.

2. Есть ли контрольная группа?

Без неё нельзя делать выводов об эффективности. Даже улучшение показателей у участников может быть связано с эффектом плацебо, временем, мотивацией или любыми внешними факторами. В идеале должна быть рандомизация, слепое распределение и равные условия для обеих групп, кроме самого вмешательства. Это позволяет выявить, действительно ли вмешательство оказывает эффект.

3. Какова длительность исследования?

Краткосрочные исследования (1–3 недели) часто фиксируют начальные, но неустойчивые и скорее адаптационные эффекты. Например, резкое снижение веса может быть связано с потерей воды, а не жира; прогресс в тренировках — с эффектом новизны, а не реальным приростом силы или выносливости. Такие данные не позволяют судить о долговременной эффективности или безопасности метода.

В фитнесе важно, чтобы исследование отслеживало:

• устойчивость результата во времени (через 3, 6, 12 месяцев); 

• реальное влияние на здоровье и телосложение;

• и самое главное — комплаентность, то есть насколько участники способны соблюдать методику в реальных условиях, а не только в рамках эксперимента.

4. Кто финансировал исследование? Есть ли аффилиации?

Обратите внимание на раздел Conflict of interest или Disclosure — он идет в конце статьи. Эта информация не всегда означает конфликт интересов, но важно понимать: если исследование спонсирует компания, производящая конкретную добавку или продукт, оно требует особенно критической оценки.

5. Объём выборки и статистическая значимость

Объём выборки напрямую влияет на достоверность результатов. Чем меньше участников, тем выше вероятность, что результат — просто случайность. Например, если в исследовании всего 10 человек, даже заметный эффект может быть результатом индивидуальных отклонений. А вот в крупном исследовании (100+ человек) даже небольшое различие становится статистически более надёжным.

Но важна не только статистическая значимость, но и практическая (клиническая).
Иногда можно увидеть: «различие между группами статистически значимо (p ≤ 0.05)», но при этом эффект минимален — например, потеря всего 0.2 кг за год. Это формально «значимо», но по сути — бесполезно.

Подробнее тему корректного чтения научных статей, типичных уловок при интерпретации данных и распространённых ошибок мы раскрываем в этой статье.

Как формулировать запрос при поиске?

Для точного и эффективного поиска исследователи часто используют алгоритм PICO — инструмент, позволяющий сформулировать чёткий вопрос.

Рассмотрим пример.

Вопрос: влияет ли высокобелковая гипокалорийная диета на снижение процента жира и сохранение мышечной массы у людей с избыточным весом, регулярно занимающихся фитнесом?

Кто мои пациенты?
→ Взрослые с избыточным весом, регулярно занимающиеся фитнесом (2+ тренировки в неделю).

Какой вид вмешательства интересует?
→ Высокобелковая гипокалорийная диета (например, 1,6–2,2 г белка на килограмм массы тела).

С чем сравниваем?
→ Стандартная гипокалорийная диета с умеренным содержанием белка (0,8–1,2 г/кг).

Какой результат нас интересует?
→ Снижение массы тела и доли жира при сохранении мышечной массы.

Итоговая формулировка вопроса по PICO:

У взрослых с избыточным весом, регулярно занимающихся фитнесом, приводит ли высокобелковая гипокалорийная диета к более выраженному снижению жировой массы и лучшему сохранению мышечной массы по сравнению с гипокалорийной диетой с умеренным содержанием белка?

Как это перевести в запрос?

PubMed, например, не поддерживает прямой ввод вопросов в формате PICO, поэтому нужно использовать логическую комбинацию ключевых слов (терминов), включая синонимы. Тут будет полезен MeSH, Medical Subject Headings – словарь естественнонаучных терминов, которые используются для индексации информации в базах данных. Звучать запрос может так: (overweight OR obese) AND adults AND (exercise OR fitness) AND («high protein hypocaloric diet» OR «standard hypocaloric diet») AND («fat mass») AND («muscle mass»)

Оценка качества источников информации

Зачастую мы ищем информацию именно на PubMed, но важно понимать, что PubMed — это не конечный источник, а лишь агрегатор научных публикаций, размещённых в различных научных журналах. Он показывает, где опубликована статья, но не даёт прямой оценки её качества. Поэтому важный шаг — оценить, насколько надёжен сам журнал, в котором размещено исследование.

Как оценить качество источника?

Существуют специальные шкалы для ранжирования научных журналов. Одна из наиболее распространённых — квартильная система. Её суть в том, что журналы сравниваются между собой по ряду показателей в рамках одной предметной области, а затем делятся на четыре группы:

• Q1 — журналы с наивысшими показателями (топ-25%);

• Q2 — выше среднего;

• Q3 — ниже среднего;

• Q4 — журналы с наименьшими показателями.

Квартиль показывает, какое место занимает журнал относительно других в своей области. Это удобно: можно быстро понять, каков ориентировочный уровень издания, даже если вы ранее о нём не слышали.

Важные оговорки

Если журнал не входит в квартильную систему, это не означает, что он автоматически «плохой». Но это сигнал, что нужно быть внимательнее: проверить редакционную политику, состав редакторов, наличие слепого рецензирования и прозрачность публикационного процесса.

С другой стороны, и в журнале Q1 может быть слабая или нерелевантная статья. Например, исследование с отличным дизайном (стратегией), но на выборке, которая не соответствует вашей целевой аудитории. И наоборот — в журнале с низким квартилем может быть опубликована качественная, добросовестно сделанная работа. Поэтому квартиль — это лишь один из инструментов оценки качества информации. Он помогает быстро сориентироваться в многообразии научных изданий, но не заменяет критического анализа самой статьи: её дизайна, выборки, статистики, применимости к вашей задаче.

Где смотреть квартиль журнала?

• SCImago Journal Rank (SJR): открытая база данных с разбивкой по квартилям в рамках каждой дисциплины.
  

• Journal Citation Reports (JCR): система от Clarivate Analytics, используемая в Web of Science. Чаще доступна через университетские библиотеки.

1. Открываем сайт SCImago Journal Rank: https://www.scimagojr.com.

2. Вводим название журнала в строку поиска (лучше скопировать, так как поисковик чувствителен к ошибкам).

3. Ищем табличку с данными по квартилю (надо пролистать вниз). Смотрим квартиль в нужной нам области.

В данном примере мы видим, что начиная с 2001 года, квартиль журнала не опускался ниже Q2 (желтый) во всех областях, а в основном он Q1 (зеленый). Это говорит о стабильно высоком уровне издания и его хорошей научной репутации.

Как избегать предвзятости подтверждения на практике

Заключение

Confirmation bias — это не редкая ошибка, а встроенный механизм человеческого мышления. Он помогает нам быстро принимать решения, но мешает видеть полную картину, особенно в таких сферах, как фитнес, питание и здоровье, где доказательства часто противоречивы или неполны.

Чтобы не стать заложником собственных убеждений:

• оценивайте данные, а не заголовки;

• ищите не только подтверждения, но и аргументы против;

• задавайте критические вопросы к исследованиям;

• фокусируйтесь на систематических обзорах и метаанализах; 

• используйте достоверные проверенные источники.

Если вы сознательно начнёте включать в анализ и удобные, и неудобные факты, ваши решения — как профессиональные, так и личные — станут точнее, реалистичнее и устойчивее к модным мифам. Ведь настоящая наука — это не поиск подтверждений, а проверка всех возможных вариантов.