Hoe lees je een slaaponderzoek? Zeven vragen om slaapclaims te beoordelen

Kaas laat je beter slapen? Twee kiwi's voor het slapen ook? En magnesium helpt? Achter zulke koppen zit vaak een echt onderzoek. En dat is precies waar het mis kan gaan: "er is onderzoek naar gedaan" klinkt als bewijs, terwijl het meestal het begin van een vraag is.

Met zeven vragen zie je al veel beter hoeveel gewicht een bevinding verdient. Wie direct de conclusies per middel wil weten, vindt ze op de pagina snel beter slapen. Hier gaat het om de methode: hoe lees je een onderzoek en wat mag je eruit concluderen?

Eerst het overzicht, dan de losse studie

Het eerste wat ik doe bij een claim, is niet de studie opzoeken die in de krant staat, maar kijken of er een goed overzicht is. Een systematische review brengt het beschikbare onderzoek over één vraag volgens een vastgelegde methode samen. Een meta-analyse kan de resultaten vervolgens statistisch combineren.

Zo'n overzicht is niet automatisch goed omdat er "review" boven staat. Zijn de onderliggende onderzoeken zwak, dan blijft ook de conclusie onzeker. En als studies te veel van elkaar verschillen, is één gezamenlijk cijfer niet altijd zinvol.

Maar een goede review laat wel beter zien hoeveel onderzoek er werkelijk is, of studies elkaar tegenspreken, hoe groot de effecten zijn en hoe zeker we daarvan kunnen zijn. Ook kijken sommige reviews naar aanwijzingen dat vooral positieve resultaten zijn gepubliceerd.

Wat je op sociale media vaak ziet, is iets anders: iemand pakt één onderzoek met twaalf deelnemers zonder controlegroep en zegt: kijk, een significant verschil. Dan wordt mijn lijstje extra relevant.

Zeven vragen die je aan elk onderzoek moet stellen

1. Wat kan dit onderzoek aantonen?

Een gerandomiseerd experiment zegt iets anders dan een observationele studie, een onderzoek bij muizen of een enquête. Het onderzoeksontwerp bepaalt welke conclusies je kunt trekken.

Zien onderzoekers dat mensen die een bepaald product gebruiken beter slapen? Dan betekent dat nog niet dat het product daarvoor verantwoordelijk is. Misschien verschillen die mensen ook in gezondheid, beweging, werktijden of medicatiegebruik.

De eerste vraag is dus: kan dit onderzoek de conclusie eigenlijk dragen?

2. Wie deden mee, en wie haakten af?

Hoeveel mensen deden mee en wie waren dat? Twaalf deelnemers kunnen een interessant signaal opleveren, maar meestal geen nauwkeurige schatting van het effect. Tegelijkertijd is een groot deelnemersaantal geen garantie voor goed onderzoek: ook een grote studie kan systematisch vertekend zijn.

Kijk daarnaast naar de deelnemers. Een onderzoek onder twintig gezonde studenten zegt niet automatisch iets over zestigjarigen met chronische slapeloosheid.

En hoeveel deelnemers maakten het onderzoek af? Als juist de mensen bij wie een behandeling niet werkt of bijwerkingen geeft uitvallen, kan een analyse van alleen de overgebleven deelnemers een te gunstig beeld geven. Daarom wil je weten waarom mensen stopten en hoe de onderzoekers daarmee omgingen.

3. Hoe eerlijk was de vergelijking?

Was er een goede controlegroep? Werden deelnemers door loting over de groepen verdeeld? En wisten deelnemers of onderzoekers wie welke behandeling kreeg?

Loting verkleint de kans dat bestaande verschillen tussen deelnemers de vergelijking vertekenen. Blindering helpt voorkomen dat verwachtingen en kennis over de behandeling de uitkomsten beïnvloeden.

Ook bij slaap is dat relevant. Als je verwacht dat lavendel je helpt, word je misschien al rustiger bij de gedachte en beoordeel je je slaap anders. Die ervaren verbetering kan echt zijn, maar bewijst nog niet dat lavendel een specifieke slaapbevorderende werking heeft.

Bij voeding, apparaten en gedragsinterventies is volledige blindering vaak onmogelijk. Dan worden een goede vergelijkingsgroep en zorgvuldige uitvoering des te belangrijker. Verschillen de groepen alleen in de onderzochte behandeling, of veranderden er meer dingen tegelijk?

4. Wat is er gemeten, en hoe?

Met hersengolven in een slaaplab, een bewegingssensor, een slaapdagboek of een gevalideerde vragenlijst? En ging het om slaapduur, inslaaptijd, ervaren slaapkwaliteit of functioneren overdag?

Dat zijn verschillende uitkomsten. Een vragenlijst is niet automatisch minder waardevol dan een meting met apparatuur. Bij slapeloosheid zijn de ervaren klachten en gevolgen overdag juist belangrijk. Maar de meting moet wel passen bij de vraag die de onderzoekers willen beantwoorden.

"Beter slapen" is te vaag. Ik wil weten wat er precies verbeterde en hoe dat is vastgesteld.

5. Hoe groot en overtuigend is het verschil?

Statistisch significant is niet hetzelfde als merkbaar; daarover zo meer.

Kijk vooral naar het verschil tussen de groepen. Dat deelnemers tijdens een behandeling vooruitgaan, betekent nog niet dat dit door de behandeling komt. Misschien verbeterde de controlegroep ongeveer evenveel.

Let daarnaast op het betrouwbaarheidsinterval: hoe nauwkeurig is het effect geschat? Een gunstige gemiddelde uitkomst kan samengaan met veel onzekerheid over hoe groot het werkelijke effect is.

En uiteindelijk: is het verschil groot genoeg om er in je nacht of overdag iets aan te hebben?

6. Was vooraf vastgelegd wat de onderzoekers wilden weten?

Als onderzoekers twintig dingen meten, neemt de kans toe dat er ergens toevallig een significant resultaat verschijnt. Daarom wil je weten of vooraf was vastgelegd welke uitkomst het belangrijkst was en hoe die zou worden geanalyseerd.

Dat maakt analyses die later zijn bedacht niet waardeloos. Ze kunnen nieuwe ideeën opleveren. Maar een onverwachte vondst die verder onderzocht moet worden, verdient een andere conclusie dan een overtuigende bevestiging van een vooraf vastgelegde verwachting.

Let ook op wat ontbreekt: worden alle vooraf aangekondigde uitkomsten besproken, of krijgen vooral de positieve resultaten aandacht?

7. Vinden andere onderzoekers hetzelfde?

Eén positieve studie kan een aanwijzing zijn. Het bewijs wordt overtuigender als andere onderzoeksgroepen met goede methoden iets vergelijkbaars vinden.

Daarbij gaat het niet alleen om het tellen van positieve en negatieve studies. Een groot, zorgvuldig uitgevoerd onderzoek kan meer zeggen dan meerdere kleine, zwakke studies samen.

Past de nieuwe bevinding bij het bestaande bewijs? En als ze daarvan afwijkt, is daar een aannemelijke verklaring voor?

Daarnaast stel ik altijd een contextvraag: wie betaalde het onderzoek, en welke rol had de financier? Daar kom ik verderop op terug.

Je hoeft niet voor iedere krantenkop een hele middag uit te trekken. Met de samenvatting, methodesectie en belangrijkste resultatentabel kom je vaak al een heel eind. Maar soms is het eerlijke antwoord dat je meer tijd of specialistische kennis nodig hebt om een studie goed te beoordelen.

Een significant verschil: merk je daar ook iets van?

De vraag of een effect ook merkbaar is, wordt gemakkelijk overgeslagen. Statistische significantie vertelt op zichzelf niet hoe groot of belangrijk een verschil is.

Een klein verschil kan in een groot onderzoek statistisch significant worden. Andersom kan een mogelijk relevant verschil in een kleine studie onzeker blijven. Daarom wil je meer weten dan alleen of de p-waarde onder een bepaalde grens ligt.

Neem glycine: kleine studies laten gunstige resultaten zien. Maar hoe groot is het effect, hoe betrouwbaar is het geschat en wordt het door andere onderzoekers teruggevonden? De bestaande onderzoeken geven daar nog onvoldoende zekerheid over.

Ook bij magnesium en melatonine moet je verder kijken dan het woord "significant". Voor wie is het onderzocht, wat verbeterde er en hoeveel? Een aantoonbare verkorting van de inslaaptijd kan in absolute zin klein zijn.

De vraag die telt, is of het verschil relevant is: merk je het in je nacht en in je dag?

Walnoten: hoe groot was de slaapwinst?

Mijn favoriete voorbeeld zijn walnoten. Een onderzoek kan in de samenvatting aantrekkelijk klinken: aanwijzingen voor veranderingen in melatonine, sneller inslapen, betere slaapkwaliteit. Maar dan begint het lezen pas.

Hoe groot waren de verschillen tussen de groepen? Welke uitkomst was vooraf het belangrijkst? Wisten deelnemers dat ze de onderzochte voeding kregen? En hoe verhouden de resultaten zich tot ander onderzoek?

Als deelnemers weten dat ze walnoten eten, kunnen verwachtingen meespelen, vooral bij zelfgerapporteerde uitkomsten. En steun van een brancheorganisatie hoort bij de context die je meeweegt.

Dat betekent niet dat de uitkomsten ongeldig zijn. Wel dat "walnoten verbeteren de slaap" een grotere conclusie kan zijn dan één onderzoek rechtvaardigt. Walnoten zijn prima voeding, maar daarmee nog geen bewezen behandeling voor slapeloosheid. Hetzelfde onderscheid geldt voor kiwi's, kersensap en bananen. Daarover meer in eten voor het slapen.

Wie betaalt het onderzoek, en waarom doet dat ertoe?

Bij onderzoek naar onder andere kaas, kiwi's, walnoten en magnesium is commerciële financiering of ondersteuning betrokken geweest.

Dat is geen reden om een studie automatisch af te schrijven. Onderzoek kost geld en ook commercieel gefinancierd onderzoek kan zorgvuldig worden uitgevoerd. Andersom is onafhankelijk gefinancierd onderzoek niet automatisch goed.

Ik kijk daarom niet alleen naar wie betaalde, maar ook naar de rol van die financier. Was die betrokken bij de onderzoeksopzet, de analyse of het schrijven? Konden onderzoekers de resultaten vrij publiceren, ook als die tegenvielen?

Het kaasverhaal laat bovendien zien hoe belangrijk het is om onderscheid te maken tussen onderzoek en publiciteit. De bekende proef van de British Cheese Board werd vooral via een persbericht verspreid. Zonder goede controlegroep en een volledig wetenschappelijk verslag kun je daar weinig stevige conclusies aan verbinden. Toch bleef het verhaal over kaas, dromen en slaap rondzingen.

Ook bij kiwi's en magnesium geldt: kijk naar de kwaliteit van de studies en naar onafhankelijke bevestiging. Commerciële steun is relevante context, maar de doorslag geeft wat er daadwerkelijk is onderzocht en hoe overtuigend het totale bewijs is.

Wat er over magnesium overeind blijft, lees je in helpt magnesium bij slapen.

Het onderzoek dat je nooit te zien krijgt

Een studie die niets overtuigends vindt, heeft historisch gezien minder kans om gepubliceerd te worden dan een studie met een positief resultaat. Dat heet publicatiebias. Daardoor kan de wetenschappelijke literatuur een te gunstig beeld geven van een behandeling.

Zie je vijf kleine positieve studies, dan weet je dus niet automatisch hoeveel onderzoeken met neutrale of ongunstige resultaten nooit zijn gepubliceerd.

Ook binnen een gepubliceerd artikel kunnen vooral de gunstige uitkomsten worden uitgelicht. Dat heet selectieve rapportage.

Het is een van de redenen dat ik bij reviews begin. Goede reviews onderzoeken waar mogelijk of zulke vertekeningen een rol kunnen spelen. Maar ook zij kunnen ontbrekend onderzoek niet zomaar terughalen. Zeker bij weinig studies is publicatiebias moeilijk betrouwbaar te beoordelen.

Een stofje is nog geen oplossing

Dan de redenering die veel supplementen verkoopt: stof X speelt een rol bij slaap, product Y bevat stof X, dus product Y helpt je slapen.

Tryptofaan is betrokken bij de aanmaak van serotonine en melatonine. Bananen bevatten tryptofaan. Dus: eet bananen en je slaapt beter.

Alleen volgt die laatste stap niet uit de eerste twee.

Hoeveel van een stof krijg je binnen? Hoe wordt die opgenomen en verwerkt? Bereikt die de juiste plek in een werkzame hoeveelheid? En levert dat uiteindelijk een merkbare verbetering op?

Zelfs als je uitrekent hoeveel bananen een bepaalde hoeveelheid tryptofaan bevatten, weet je nog niet of die bananen hetzelfde effect hebben als een supplement. Voeding bestaat uit meer dan één stof en opname en verwerking hangen van allerlei factoren af.

Ik noem dit weleens de stofjessprong: van een biologisch proces rechtstreeks naar een behandeladvies. Als het zo simpel was, konden we voor ieder probleem een passend stofje slikken. Lichaam en geest zijn complexer dan dat.

Hetzelfde geldt voor dieronderzoek. Een interessante bevinding bij muizen kan een goede reden zijn voor vervolgonderzoek. Het is nog geen bewijs dat een product mensen beter laat slapen.

Samenhang betekent nog geen oorzaak

Een verwant misverstand is het verschil tussen samenhang en oorzaak.

In grote bevolkingsonderzoeken hangt een bepaalde slaapduur vaak samen met gunstigere gezondheidsuitkomsten. Maar daaruit volgt niet dat iedereen precies die hoeveelheid moet slapen om gezond te blijven.

Ziekte, medicatie, psychische klachten, werk en leefstijl kunnen zowel samenhangen met hoeveel iemand slaapt als met diens gezondheid. Bovendien verschillen de gevonden verbanden per populatie en gezondheidsuitkomst.

Wie daaruit één verplicht aantal slaapuren voor iedereen afleidt, vraagt meer van het onderzoek dan het kan geven. Meer daarover in hoeveel uur slaap heb je echt nodig.

Lag het aan de kebab of aan het restaurant?

Soms verschillen onderzoeksgroepen op meer punten dan alleen de behandeling die wordt onderzocht.

Neem een voedingsstudie waarin een late vet- en eiwitrijke maaltijd wordt vergeleken met een koolhydraatrijke maaltijd. Dan wil je weten: waren de omstandigheden verder hetzelfde?

Als de ene groep voor het eten naar een restaurant wordt gebracht en de andere groep thuis eet, vergelijk je mogelijk meer dan de samenstelling van de maaltijd. Denk aan vervoer, licht, activiteit, sociale prikkels en het tijdstip waarop iemand weer tot rust komt.

Dat maakt de uitkomst niet automatisch waardeloos. Maar je weet minder zeker welk onderdeel het verschil veroorzaakte. De maaltijd en de omstandigheden zijn dan met elkaar verweven.

Een titel kan over kebab gaan, terwijl de onderzoeksopzet je niet goed laat onderscheiden of het eten, de omgeving of een combinatie daarvan verantwoordelijk was. Juist daarom lees ik de methode.

De samenvatting vertelt niet het hele verhaal

De samenvatting, ook wel het abstract, is vaak het enige deel van een artikel dat wordt gelezen. Op sociale media zie ik geregeld stellige conclusies waarbij ik me afvraag: heeft deze persoon ook de methode en resultaten bekeken?

Abstracts zijn handig, maar ze zijn ook de etalage van een wetenschappelijk artikel. Ze geven weinig ruimte voor details en beperkingen. Daarom kijk ik altijd verder.

Stel dat onderzoekers twintig slaapmaten onderzoeken en na acht weken op één daarvan een significant verschil tussen de groepen vinden. Dat kan aantrekkelijk klinken in een samenvatting. Maar als die uitkomst niet vooraf de belangrijkste was en de andere maten geen overtuigend verschil laten zien, vraagt dat om een voorzichtiger conclusie.

Hoe meer statistische toetsen je uitvoert, hoe groter de kans dat er ergens toevallig een significant resultaat verschijnt. Vooraf vastleggen wat je gaat onderzoeken en hoe je gaat analyseren, verkleint de ruimte om achteraf vooral het mooiste resultaat eruit te pikken.

Ook de conclusie van de auteurs neem ik niet zomaar over. Ik wil kunnen zien of hun woorden aansluiten bij hun resultaten.

Nachtelijk licht en je hart: wat bewijst een polssensor?

Ook bij grote onderzoeken blijven de zeven vragen belangrijk. Neem onderzoek waarin nachtelijke lichtblootstelling wordt gekoppeld aan kenmerken van het hart.

Dan begin ik bij de meting: hoe is dat licht geregistreerd? Een sensor aan de pols meet de hoeveelheid licht op die plek, maar niet rechtstreeks hoeveel licht het netvlies bereikt. En een meting gedurende één week geeft niet vanzelf een volledig beeld van iemands blootstelling over vele jaren.

Daarna volgt de vraag die bij observationeel onderzoek hoort: wat kan deze samenhang verklaren? Mensen met meer nachtelijk licht kunnen ook verschillen in werktijden, woonomgeving, geluid, slaapritme en gezondheid.

Onderzoekers proberen zulke verschillen statistisch mee te nemen. Dat helpt, maar neemt niet automatisch alle vertekening weg. Ook als een analyse suggereert dat kortere slaap een deel van het verband verklaart, is daarmee de hele oorzaak-gevolgketen nog niet vastgesteld.

Donker slapen kan een verstandig advies zijn. Maar de kop "een beetje licht beschadigt je hart" vraagt om sterker bewijs dan alleen een gevonden samenhang.

Waarom een wetenschappelijk klinkend verhaal overtuigt

Kokosolie op je voeten, een klysma voor een betere nachtrust, je tryptofaan laten meten, twee kiwi's. Waarom kunnen zulke adviezen overtuigend klinken?

Omdat er vaak een hormoon, neurotransmitter, tekort of mechanisme bij wordt genoemd. Een aannemelijk verhaal voelt al snel als bewijs. Zeker als iemand het met veel zelfvertrouwen vertelt en er een wetenschappelijke verwijzing onder zet.

Dat maakt je niet dom of naïef. Wie slecht slaapt en daar last van heeft, zoekt begrijpelijkerwijs naar iets dat helpt. Een eenvoudige oplossing kan dan aantrekkelijk zijn, vooral als eerst uitgebreid wordt verteld hoe schadelijk slechte slaap zou zijn.

Op sociale media zie je geregeld hetzelfde patroon: het probleem wordt groot gemaakt, daarna volgt de simpele oplossing. Soms staat er meteen een kortingscode bij.

Wat is hier nu echt aangetoond?

Die eenvoudige vraag helpt om het verhaal te beoordelen. Gaat het om een aannemelijk mechanisme? Een verband? Of een merkbare verbetering in een zorgvuldig opgezet onderzoek bij mensen met vergelijkbare klachten?

Dat betekent niet dat iedere ongewone slaapclaim onzin is. Maar tussen "er is een theorie voor" en "dit helpt mensen aantoonbaar beter slapen" zit een groot verschil.

Een PubMed-link maakt een slaapclaim nog niet waar

Niet iedereen hoeft wetenschappelijke artikelen te kunnen beoordelen. Maar wie gezondheidsadviezen aan een groot publiek geeft, heeft wel de verantwoordelijkheid om zorgvuldig met dat onderzoek om te gaan.

Een PubMed-link onder een post maakt de interpretatie erboven nog niet juist. Je kunt een echte studie citeren en toch een conclusie trekken die de onderzoekers helemaal niet hebben aangetoond.

Wat mij stoort, is de stelligheid waarmee dat soms gebeurt. En hoe weinig ruimte er vervolgens is voor correctie. Zeker als een podcast of account wordt gesponsord door supplementenverkopers, hoort die financiële prikkel bij het verhaal.

Eén keer het woord L-theanine laten vallen voor een groot publiek en andere accounts nemen het over. Voor je het weet, lijkt een voorlopige bevinding een vaststaand feit.

Ik heb zelf een aanbod gehad om mijn naam aan een supplementenmerk te verbinden. Daar valt geld mee te verdienen, maar het risico is dat je boodschap steeds naar dat potje toe gaat buigen.

En ik denk dan aan de mensen die met hun laatste geld naar de winkel lopen, in de hoop eindelijk beter te slapen. Als het middel vervolgens niet helpt, blijft naast de slapeloosheid ook de teleurstelling over. Daarom vind ik dat we terughoudend moeten zijn met beloften.

Van onderzoek naar een eerlijk advies

Eerst kijk ik naar het totaal aan bewijs. Daarna stel ik de zeven vragen: past de opzet bij de conclusie, wie deden mee en wie vielen uit, hoe eerlijk was de vergelijking, wat is er gemeten, hoe groot en onzeker is het effect, waren de belangrijkste uitkomsten vooraf vastgelegd en past het resultaat bij ander onderzoek?

Daarnaast kijk ik naar financiering en belangen. Dan pas trek ik een conclusie.

En soms is die conclusie eenvoudig: interessant, maar we weten het nog niet. Dat is een passend antwoord als het bewijs nog onzeker is.

Iets kan logisch klinken zonder dat het aantoonbaar werkt. Je weet pas of de pudding lekker is als je hem proeft, hoe goed het recept ook klinkt.

Wie op deze manier naar het schap van de drogist kijkt, houdt weinig middelen over waarvoor overtuigend bewijs bestaat bij slapeloosheid. Wat er over verschillende producten bekend is, lees je in welke slaapsupplementen werken echt. In mythe of feit vind je meer slaapclaims langs de wetenschappelijke meetlat.

Dit artikel geeft algemene informatie en vervangt geen persoonlijk medisch advies.