DAY 61

健康长寿：循证素养与如何读懂健康研究
Evidence Literacy — How to Read Health Research Without Being Fooled

2026-07-17 · BigCat's Vitality Protocol

本期是"元技能"：不给新协议，给一套读懂所有协议的工具。以循证医学方法学共识 + 经典案例为主。

SUB · 研究设计 / 因果推断

证据金字塔：不是所有"研究显示"都平等

The Evidence Pyramid — Not All "Studies Show" Are Equal

一句话结论

看到"研究显示"，先问三件事：什么设计、多少人、有没有对照。观察性研究只能建立相关，RCT 才能逼近因果——两者的证据分量差一个数量级。

证据等级

专家共识：OCEBM 牛津循证医学中心证据分级（2011）与 GRADE 系统，是全球循证医学教学的通用框架。

科学背景 + 机制

系统综述 / Meta 分析

随机对照试验 RCT

前瞻队列研究

病例对照研究

横断面 / 相关研究

动物 / 机制研究

专家意见 / 个案

▲ 越往上，控制混杂的能力越强、离因果越近

相关不等于因果，有三条常见"逃逸路径"：混杂（第三变量同时影响因果两端——"喝红酒的人更长寿"，真凶常是社会经济地位）、反向因果（不是 X 致 Y 而是 Y 致 X——"低胆固醇伴随癌症"，其实是早期癌症拉低了胆固醇）、选择偏倚。RCT 靠随机分组把已知与未知混杂一并平均掉，这是它凌驾观察研究的唯一理由。Bradford Hill（1965）的九条准则（强度、剂量反应、时序、一致性、生物学合理性等）则帮助从相关审慎地推向因果。

可执行协议

设计	能回答什么	典型陷阱
Meta / 系统综述	综合多项研究	垃圾进垃圾出、异质性
RCT	因果	样本小、人群窄、随访短
前瞻队列	强相关 + 时序	残余混杂
病例对照	罕见病、快速	回忆偏倚
横断面	生成假设	无时序，不能推因果
动物 / 机制	通路、可行性	剂量与物种外推

女性特别提示

大量"经典结论"来自以男性为主的样本。动物实验的雌性纳入率长期偏低——Beery & Zucker（2011）统计多个领域雄性:雌性可达 5:1。把雄鼠或男性受试者的结果外推到女性有真实风险。读一项研究，先看受试者的性别构成，以及是否做了性别分层。

常见误区

误区一："RCT 一定最可信" — 小样本、短随访、用替代终点的 RCT 同样会误导；一项设计精良的大队列常胜过一项劣质 RCT。
误区二："机制说得通就有效" — 无数机制合理的疗法在 RCT 里翻车（下一张卡的 CAST 是经典）。

关键参考

• OCEBM Levels of Evidence Working Group. 2011.
• Hill AB. The environment and disease: association or causation? Proc R Soc Med. 1965;58:295-300.

本周一试 + 思考题

THIS WEEK

挑一条你最近相信的健康说法（如"XX 抗炎/护脑"），顺藤查到它的原始出处：是人体 RCT，还是观察性、动物或试管研究？

思考题：如果一条建议只有机制和动物证据，你会为它改变行为吗？门槛该定在哪？

SUB · 风险沟通 / 统计素养

相对风险 vs 绝对风险：新闻标题最爱的骗术

Relative vs Absolute Risk & NNT

一句话结论

"降低 50% 风险"几乎没有信息量，除非你知道基线——从 2% 降到 1% 也叫"降 50%"。永远追问绝对数字与 NNT（需治疗人数）。

证据等级

方法学共识：Cook & Sackett（1995, BMJ）确立 NNT 概念；Gigerenzer 一系列风险素养研究证明相对风险表述系统性地误导医生与患者。

科学背景 + 机制

相对风险降低（RRR）放大观感，绝对风险降低（ARR）才是你实际拿到的东西。NNT = 1/ARR，意为"防住一个事件需要治疗多少人"。举例：某他汀用于一级预防，把 5 年心梗风险从 2.0% 降到 1.5%——RRR = 25%（标题党最爱），ARR = 0.5%，NNT = 200。即治疗 200 人 5 年才防住 1 次心梗，其余 199 人无获益却承担成本与副作用。同理用 NNH（需伤害人数）权衡代价。

可执行协议

同一数据的三种说法	表述	诚实度
RRR 25%	"风险降四分之一"	夸大
ARR 0.5%	"每百人少半个事件"	诚实
NNT 200	"治 200 人防 1 次"	最有用

口袋公式：ARR = 对照组事件率 − 干预组事件率；NNT = 1 / ARR。看到只报相对风险、不给绝对数字的报道——一律警惕。

女性特别提示

风险沟通里女性是重灾区：乳腺癌筛查、HRT 的获益/风险常以相对风险呈现，制造恐慌。WHI（2002）报道 HRT 使"乳腺癌风险 ↑约 26%"（相对），换成绝对增量约为每年每万名使用者多 8 例——同一事实，绝对表述让个体决策理性得多。

常见误区

误区一："5 年生存率提高 = 活得更久" — 提前诊断（领先时间偏倚）能抬高生存率却不延长寿命。
误区二：把 RRR 当 ARR 直接套到自己身上，高估了个人获益。

关键参考

• Cook RJ, Sackett DL. The number needed to treat. BMJ. 1995;310:452-454.
• Rossouw JE, et al. (Women's Health Initiative). JAMA. 2002;288:321-333.

本周一试 + 思考题

THIS WEEK

下次看到"降低 XX% 风险"的健康新闻，动手查原文里的绝对风险和 NNT——很多时候你会发现"惊人效果"缩水成小数点后一位。

思考题：一个 NNT = 200 的药和一个 NNT = 8 的药，你的用药意愿会一样吗？

SUB · 统计陷阱 / 可重复性

p<0.05 不等于"真"：统计显著的三重陷阱

p-Values, Power & Publication Bias

一句话结论

p<0.05 只说"若干预无效，得到这批数据的概率小于 5%"——它不说效应有多大，更不说结论为真。小样本 + 多重比较 + 只发阳性 = 一大堆假阳性。

证据等级

方法学共识：美国统计学会 2016 年 p 值声明（Wasserstein & Lazar）；Ioannidis（2005, PLoS Med）论证"多数已发表研究结论是假的"。

科学背景 + 机制

三个彼此独立的陷阱：
① 统计显著 ≠ 临床显著——样本足够大时，微不足道的差异（如减重 0.3 kg）也能 p<0.05。
② 检验力不足（样本太小）——真效应测不出（假阴性）；而侥幸达标的阳性往往夸大效应（"赢家诅咒"）。
③ p 值操纵与发表偏倚——反复尝试多个终点/分组直到某个 p<0.05（p-hacking）；阴性结果被压进抽屉不发表，使整片文献偏向阳性。这正是许多"突破"无法重复的根源。

可执行协议

读一项研究时的核对清单：
• 样本量 n 多大？效应量（绝对差、Cohen's d）报了吗？
• 主要终点是否预注册，还是事后从一堆结果里挑出来的？
• 置信区间宽不宽？跨没跨过"无效线"？
• 若是 Meta，看漏斗图是否对称来判断发表偏倚（Egger 1997）。
• 单项"惊艳"研究先存疑，等重复。

女性特别提示

女性样本不足会直接压低女性亚组的检验力——即便研究总体阳性，"对女性也有效"很可能只是没测出差异，而非真的没差异。要看它是否做了"性别 × 干预"的交互检验，而不是只在脚注补一句。

常见误区

误区一："p=0.049 和 p=0.051 天壤之别" — 0.05 是人为阈值，两者证据强度几乎相同。
误区二："n 越大越好，不看效应量" — 大样本会把琐碎差异也变得"显著"。

关键参考

• Wasserstein RL, Lazar NA. The ASA statement on p-values. Am Stat. 2016;70:129-133.
• Ioannidis JPA. Why most published research findings are false. PLoS Med. 2005;2:e124.
• Egger M, et al. BMJ. 1997;315:629-634.

本周一试 + 思考题

THIS WEEK

找一篇你在意的研究，先只看它的样本量和置信区间（暂时别看摘要结论），自己判断结论稳不稳，再对照它的结论。

思考题：如果一个效应需要 n = 10000 才勉强显著，它对你个人意味着什么？

SUB · 伪科学识别 / 批判思维

伪科学的五个指纹

Five Fingerprints of Pseudoscience

一句话结论

替代终点冒充硬终点、动物/试管结果直接外推人体、健康光环、只举有利案例、拒绝可证伪——命中越多，越可疑。

证据等级

专家共识 + 经典案例（下引 CAST 试验为硬终点/替代终点冲突的教科书级反例）。

科学背景 + 机制

逐个拆解五指纹：
① 替代终点冒充硬终点——用中间指标代替你真正在乎的结局。反例 CAST 试验（Echt 1991, NEJM）：抗心律失常药成功压住了室性早搏（替代终点），却让死亡率翻倍（硬终点）；机制再合理也照样致命。
② 外推过度——试管/小鼠有效 ≠ 人有效，且实验剂量常是人类的几十倍。
③ 健康光环——"天然""排毒""增强免疫"等无操作定义的模糊词。
④ 樱桃采摘——只引对自己有利的研究。
⑤ 不可证伪——"没效是你没坚持/毒素太多"，无论结果都能自圆其说。

可执行协议

买单前跑一遍"排雷清单"：
• 谈的是硬终点（死亡、心梗、骨折）还是某个替代指标？
• 证据来自人体 RCT，还是小鼠、试管、个人体验？
• 有没有具体剂量和可被证伪的预测？
• 卖家是否就是研究者？利益冲突披露了吗？
• 是否堆砌"量子""排毒""提升能量"等无定义术语？

女性特别提示

女性健康是伪科学重灾区："平衡激素""子宫排毒""经期净化"等多数缺乏 RCT，常拿模糊症状（疲劳、腹胀）当疗效凭据。对孕产、围绝经期的商业方案尤其要追问硬终点与监管状态。

常见误区

误区一："祖传/天然 = 安全有效" — 天然不等于安全（见 Day 45），历史悠久不等于有效。
误区二："我个人有效就是证据" — 安慰剂、自愈、回归均值都能造出"我试了真有用"的错觉。

关键参考

• Echt DS, et al. (CAST). Mortality and morbidity in patients receiving encainide, flecainide, or placebo. N Engl J Med. 1991;324:781-788.
• Ioannidis JPA. PLoS Med. 2005;2:e124.

本周一试 + 思考题

THIS WEEK

拿一个你正在用或想买的保健方案，照五指纹逐条打勾——中了几条？

思考题：如果一个方案"无论结果如何都能说自己有效"，这件事本身说明了什么？

深入思考

① 既然 RCT 最强，为什么营养学几乎没有终身随访的饮食 RCT？

伦理与依从性都不允许：让一群人几十年严格吃某种指定饮食既不现实也不人道。所以营养学天然更依赖队列 + 机制，证据等级本就矮一档——这也是营养结论反复"翻烧饼"的根源。用心血管药物级别的证据去要求营养学并不现实；成熟的做法是学会与"当前最佳可得证据"共处，而非等一个永不到来的完美 RCT。

② 绝对风险很小（NNT 很大）的干预，一定不值得做吗？

不一定。若干预便宜、无害、可全人群推广（如食盐加碘、疫苗），即使个体 NNT 很大，人群层面的绝对获益依然巨大——这就是 Geoffrey Rose 的"预防悖论"。个人视角（我做这件事划算吗）与公共卫生视角（在千万人尺度上划算吗）的最优解常常不同，两者都对，只是问题不同。

③ 预注册和公开数据能根治发表偏倚吗？

能大幅缓解，但难以根治。预注册锁死主要终点、压缩 p-hacking 空间；ClinicalTrials.gov 等强制注册让"消失的阴性试验"更难藏。但阴性结果仍可能不被投稿或不被引用。期刊接受"注册报告"（先审方法、后看结果决定是否刊登）是更彻底的方向。制度在往对的方向走，但读者的怀疑仍不可省。

④ 面对相互矛盾的研究，个体到底该如何行动？

三条启发：其一，看证据层级与一致性——多个高质量研究同向，胜过单个惊艳结果。其二，区分决策类型："停掉一个有害习惯"对证据的要求可以低，"采纳一个新干预"则要求高。其三，按成本与风险排序：低成本、无害的先试，高成本、高风险的等重复验证。行动不必等到确定，但要与不确定性的大小相称。

← 返回首页