不是所有研究都平等——学会评估健康信息的可信度，
在信息噪音中找到真正的信号。
这不是医疗建议，而是帮你判断医疗建议靠不靠谱的工具。
循证医学(EBM)的核心框架：越往上，研究设计越能排除偏倚和混淆因素，因果推断越强。数据来源：Duke University Medical Center EBM指南、UC Davis图书馆系统综述指南、Greenhalgh T. How to Read a Paper (Wiley, 2010)。
👆 悬停每层查看详细说明
| 级别 | 类型 | 优势 | 局限 | 经典案例 | 证据等级 |
|---|---|---|---|---|---|
| Level I | 系统综述/Meta分析 | 综合所有证据，统计效力最强，预先注册方案 | 依赖原始研究质量（垃圾进垃圾出）；发表偏倚 | Cochrane 2020：减少饱和脂肪→心血管事件↓17%（15项RCT，59,000人） | 高 |
| Level II | 大型RCT | 随机化消除混杂，双盲减少测量偏倚 | 成本极高；可能不反映真实世界（严格入排标准） | PREDIMED 2018：地中海饮食→心血管事件↓30%（7,447人，5年） | 高 |
| Level III | 队列研究 | 大样本、长时间、真实世界暴露 | 观察性，不能确证因果；残余混杂 | Nurses' Health Study：久坐2h→全因死亡↑8%（120,000+人，数十年） | 中 |
| Level IV | 病例对照 | 罕见病研究高效；低成本 | 回忆偏倚；不能计算发病率；选择偏倚 | Doll & Hill 1950：吸烟→肺癌风险↑数倍 | 低 |
| Level V | 横断面调查 | 快速、低成本、描述性 | 无法确定时序关系（鸡生蛋还是蛋生鸡？） | NHANES：维生素D水平与骨密度正相关 | 低 |
| Level VI | 病例报告 | 发现新现象；假说生成 | 个案无统计意义；不能建立因果 | 1981年MMWR：5名年轻男同性恋者罕见肺炎→发现HIV | 极低 |
| Level VII | 专家意见 | 经验总结；紧急情况参考 | 主观；可能过时；受个人偏见影响 | COVID早期羟氯喹建议→RCT证明无效 | 极低 |
过去50年，数百种化合物在小鼠中延长了寿命，但没有任何一种在人体中被证实有同等效果。关键数据：
传统金字塔只看研究设计，但GRADE（Grading of Recommendations Assessment, Development and Evaluation）系统告诉我们：证据质量不仅取决于设计类型，还取决于研究的执行质量。GRADE是Cochrane协作网和WHO采用的标准证据评估框架（Guyatt et al., BMJ 2008）。
我们非常确信效应量接近真实值。通常来自设计良好的RCT，且无降级因素。进一步研究不太可能改变结论。
例：吸烟→肺癌（大量RCT+队列+机制一致支持）
我们对效应量有一定信心，但真实值可能不同。通常RCT中有1项降级因素，或高质量观察性研究。进一步研究可能改变结论。
例：地中海饮食→心血管保护（RCT有一些方法学问题）
我们对效应量的信心有限，真实值可能与估计值大不相同。RCT中有2项降级因素，或观察性研究+1项降级。
例：维生素D补充→骨折预防（RCT结果不一致）
效应量非常不确定。病例报告、专家意见，或RCT中有3项以上降级因素。任何结论都不可靠。
例：大多数补充剂对健康人的益处
| ⬇️ 降低证据质量的因素 | |
|---|---|
| -1 或 -2 | 偏倚风险 (Risk of Bias)：随机化不充分、未盲法、失访率高(>20%)、选择性报告结果 |
| -1 或 -2 | 不一致性 (Inconsistency)：不同研究的效应量方向不同或置信区间不重叠；I²统计量高(>50%) |
| -1 或 -2 | 间接性 (Indirectness)：研究人群/干预/结局与你的问题不匹配（如研究对象全是健康青年男性，但你想知道对老年女性的效果） |
| -1 或 -2 | 不精确性 (Imprecision)：样本量小、置信区间宽、包含临床重要和不重要的效果 |
| -1 或 -2 | 发表偏倚 (Publication Bias)：漏斗图不对称、小样本研究全部显示阳性结果、灰色文献缺失 |
| ⬆️ 提高证据质量的因素（仅观察性研究可升级） | |
| +1 | 大效应量：RR > 2 或 RR < 0.5（相对风险降低或增加50%以上） |
| +1 | 剂量-反应关系：暴露量增加→效应量系统性地增加 |
| +1 | 控制了所有可能混杂：效应量反而增大（混杂偏向无效时） |
John Ioannidis 在 PLoS Medicine 2005年发表的里程碑论文《Why Most Published Research Findings Are False》指出：在营养流行病学领域，大多数发表的研究发现可能是假的。这不是阴谋论——是数学和系统偏倚的必然结果。
一项典型营养问卷包含130+种食物，每种食物可按摄入量分3-5组，还可计算各种营养素。这意味着你实际上在同时测试数千个假设。如果用p<0.05作为阈值，纯粹靠概率就有50+个"显著"发现。这就是多重比较问题。
食物频率问卷(FFQ)依赖受试者回忆过去一年的饮食——这极其不可靠。一项验证研究发现，FFQ与真实摄入的相关系数仅0.4-0.6（Schatzkin et al., Am J Epidemiol 2003）。用充满噪音的数据去找微小效应，结果注定不可靠。
由食品行业资助的研究得到有利结论的概率是非行业资助的4-8倍（Lesser et al., PLoS Medicine 2007）。这不是说研究者造假——而是行业更可能资助"期望"得到正面结果的课题，或者在分析中做出倾向性的选择。
先收集数据，再找显著结果——这就是p-hacking。研究者可能在130种食物中试了50种组合，只报告"蓝莓与记忆力改善显著相关"的那一个。你看到的是1个p<0.05，没看到的是49个p>0.05被丢弃了。
这是营养学最让人困惑的现象：同一个研究数据，可以被解读成截然相反的建议。以下是真实案例：
| 研究/数据集 | 标题 A "XX 有害！" | 标题 B "XX 无害！" | 真相是什么？ |
|---|---|---|---|
| 饱和脂肪与心血管病 | "减少饱和脂肪降低心血管风险17%"（Cochrane 2020 Meta分析） | "饱和脂肪与全因死亡率无关"（某些观察性研究的HR≈1.0） | 取决于替代物：用碳水替代→无益；用多不饱和脂肪替代→有益。单一"饱和脂肪好/坏"是错误的问题框架。 |
| 鸡蛋与胆固醇 | "每天一个鸡蛋增加心血管风险"（JAMA 2019, Zhong et al.） | "鸡蛋摄入与心血管风险无关"（大部分调整了饮食质量的队列研究） | 观察性研究无法控制所有混杂；RCT显示膳食胆固醇对大多数人血胆固醇影响有限。2025美国膳食指南不再限制膳食胆固醇。 |
| 红肉与癌症 | "红肉是2A类致癌物"（IARC 2015） | "红肉致癌的证据质量极低"（NutriRECS 2019, Ann Intern Med） | WHO IARC分类只评"证据强度"不评"风险大小"。红肉增加结直肠癌的绝对风险约1.3→1.5%（每50g/天），效应量极小。关键是剂量和加工方式。 |
下面的模拟器展示了：如果你测试足够多的变量，纯靠随机就能"发现"显著关联。
你不需要医学学位也能读懂论文——你只需要知道看什么。以下是基于Greenhalgh T. How to Read a Paper（Wiley，第6版 2024）和Paul Glasziou的循证实践框架的简化版。
研究针对谁？健康人？糖尿病患者？老年男性？
关键：这和你的情况匹配吗？
测试了什么？药物？饮食？运动方案？
关键：剂量、持续时间、依从性如何？
和什么比较？安慰剂？标准治疗？另一种干预？
关键：对照选择是否公平？
测量了什么？硬终点（死亡/心梗）还是替代终点（血压/血脂）？
关键：替代终点改善≠临床获益
| # | 字段 | 看什么 | 常见陷阱 |
|---|---|---|---|
| 1 | 研究设计 | RCT？队列？横断面？ | 观察性研究用RCT的语言包装（"效应""因果"） |
| 2 | 样本量 | 多少人？多少事件？ | <30几乎无统计效力；<200事件的队列难以精确估计 |
| 3 | 效应量 | HR/RR/OR + 95%CI | 只报告p值不报告效应量 = 无用；不报告CI = 隐藏不精确性 |
| 4 | 绝对风险差 | 从X%降到Y%？NNT=？ | 只报告相对风险（"降低30%！"）可能从2%→1.4%——微不足道 |
| 5 | 调整变量 | 控制了哪些混杂？ | 过度调整（调整了中介变量→抹杀真实效应）或不足调整 |
| 6 | 利益冲突 | 谁资助？作者有无行业关系？ | 经常藏在文章末尾的小字里 |
| 7 | 局限性 | 作者承认了什么问题？ | "需要更多研究"≠承认研究有根本缺陷 |
看到以下任何一项，应该提高警惕（不一定错误，但需要额外审查）：
阳性结果发表率远高于阴性结果。Ioannidis估计营养流行病学中阳性结果发表率高达85%——你看到的大多数"XX有益"的研究可能只是冰山一角。漏斗图不对称是检测手段。
行业资助研究得出有利结论的概率是非行业的4-8倍（Lesser et al., PLoS Med 2007）。糖业资助→"糖无害"；补剂行业→"补剂有效"。
吃维生素的人本身就更健康（运动多、饮食好、不吸烟）。只比较"吃vs不吃"可能把生活方式的效应误归为维生素效应。这是营养观察性研究最大的系统性偏倚。
只看到"活下来的"忽略"没活下来的"。经典案例：二战Abraham Wald的飞机弹孔分析——返回飞机的弹孔不在引擎上，恰恰说明引擎中弹的飞机回不来。
病例对照研究中，患者回忆过去饮食/行为的准确性远低于健康对照。癌症患者倾向于"过度回忆"过去的不良暴露，导致虚假关联。
喝咖啡的人更可能吸烟——不控制吸烟，可能错误得出"咖啡致癌"。好的研究通过多变量分析和随机化控制混杂。
输入一条健康声明的信息，获得可信度评估。
10道情景题——测试你判断健康信息可信度的能力。
不一定。当RCT不可行（如吸烟的随机化是不道德的）或随访需要数十年时，高质量队列研究是最佳选择。此外，小型低质量RCT可能不如大型高质量队列研究。HERO研究表明约30%的RCT存在高偏倚风险。
垃圾进，垃圾出（GIGO）。如果所有纳入的RCT都有严重偏倚，Meta分析只是"精确地估计了错误答案"。2018年一项调查发现，超过20%的Meta分析存在选择性纳入或排除研究的问题。
一个10万人的RCT可能发现某药"统计显著"降低血压1mmHg——但1mmHg在临床上毫无意义。效应量(Effect Size)比P值更重要。永远看绝对风险差和NNT（需治疗人数）。
这是对p值最危险的误解。p<0.05只是说"如果无效，看到这样数据的概率<5%"——它不说"结论为真的概率>95%"。在低先验概率的研究中（如大多数营养学发现），p<0.05的阳性结果为真的概率可能<50%。