我的女儿，考了93分。

今天这篇有点长。希望你有空读完。

不会很费脑子，只要看下去就好。

我有一个女儿，今年8岁。

某天放学后，她说：

“爸爸，今天我们语文考试了！”

我问：“考了多少分呀？”

她说：“考了93分！”

那么，她这次考试考得好不好呢？

如果你是我，你是怎么觉得的？

一、对照 

仅凭一个“93分”，能说明她考得“好”还是“不好”吗？

能说明她学习是好还是不好吗？

不能。无法判断。

要评判一件事，或者得到一个结论，我们心里首先要有一个标准——要有一根“线”。

如果你觉得，满分为100分的考试里 ，超过90分就算“好”，那么93分当然算“好”。

但有人觉得，小学嘛，学得那么简单，考95分甚至98分以上才算“好”，那么93分就不算好。

其次，她要和以前的自己比。

如果她以前每次考试都是70分或者80分，这次能考93分，简直是进步巨大。

但如果以前她每次考试都接近100分，那么这次考了93分，可能需要好好“敲打敲打”。

最后，任何考试，尤其选拔性的考试，还要和别人比——看看公开的、外部的那根“分数线”。

如果其他孩子都考了98分、99分，甚至班级里、年级里有一大堆100分，那么她考的93分可能根本排不上号。

但如果试卷很难，其他孩子多数是80多分、70多分，上90分的都没几个，不及格的一大堆，那么93分可谓出类拔萃。

所有一切考试，包括高考，都是这样。

不论是自己心里的那根“线”，还是客观存在的“分数线”，本质上都是一个参照，一个用来比较、对比的参照线。

对比，也可以说是“对照”，十分重要。

没有对照，仅有一个孤零零的数字，不能说明任何问题。

再说一遍，没有对照，就不能说明任何问题，不能得出任何结论。

所以——

你生病了，你吃了某种药（暂且称之为A药）。吃了几天后，病好了。

可以说明吃A药能治这个病吗？不能。

因为，没有对照。

你无法确定，如果不吃这个A药，几天后（甚至更短时间）后，病会不会好。

你无法确定，如果每天吃的是1/2或者1/3的量，你的病会不会好。

你无法确定，如果你吃的是B药而不是A药，你的病会不会好。

你无法确认，别人，更多的人，生病了，吃了A药，会不会好。

那怎么办？

要有对照。

二、随机

好，要对照，那我们就来设置对照。

我们找来了1000个病人，分成两组：

一组吃A药（“吃药组”），一组不吃A药（“不吃药组”，即“对照组”）。

一段时间以后，看看这两组人里，病好了的人有多少。

过了一段时间，我们惊喜地发现：

“吃药组”：有300人病好了！

“不吃药组”：有100人病好了！

这总归可以说明吃A药“很有效”了吧？

真的吗？不一定哦。

很简单：刚才我们在分组的时候，有可能没有平均分。

而是——“吃药组”有800人，“不吃药组”有200人。

所以，“吃药组”的治愈率，是37.5%（300/800）；“不吃药组”的，是50%（100/200），反而更高。

这样的话，你还认为A药有用吗？当然不能！

所以，即便有了对照，在分组的时候，也要尽可能均衡、平均。

这个“均衡”，不仅仅体现在数量上，更重要的，还要看这两组的具体情况。

如果“吃药组”都是年富力强、偶尔生病的青壮年人，平均年龄25岁，生个病，三五天就好，甚至——不吃药都会好；

而“不吃药组”都是本身体弱多病、免疫力差的中老年人，平均年龄65岁，吃了药，两三个星期也没好。

这样算出来的“治愈率”，即便“吃药组”更高（或者相反），也不能说明“A药有效，或者无效”。

所以，要证明一个药的“疗效”，不光要有对照，还要让这两组（或多组）人的性别、年龄、基础疾病、学历、经济收入……等因素，根据研究目的不同，尽可能确保一致，尽可能均衡、匹配。

毕竟，你不能为了证明一件衣服“好看”，就让“穿衣服组”都是窈窕淑女，而“不穿衣服组”都是抠脚大汉。

你不能为了证明一道菜“好吃”，就让“吃菜组”都是饿了三天的壮汉，而“不吃菜组”都是刚刚吃完自助餐、扶着墙出来的小姐姐。

这需要实现近乎完美的“随机”分组。

也就是——要确保每个人进入每个组的概率，是相同的，没有主观或者客观上的选择和偏倚。

这样得出的最终结论，才可信。

至于如何实现“随机”（而不是随便）、如何最大化地减少误差，这是一门高深的学问和庞大的领域。无数人都在研究。这里我就不班门弄斧了。

三、盲法

在实现了“对照”和“随机”以后，是不是就完美了呢？

已经很接近了，但，还隐隐约约总觉得哪里不对。

是哪里不对呢？

对，是心里（理）。

你或你的家人，或许有过这样的经历：

生病了，浑身难受，但又讲不清哪里难受。

去医院，医生给你检查了一遍说，哎，你的所有指标都很正常呀！

这样吧，先开个XX药，回家吃几天看看。

回家路上，你一身轻松，药还没吃，“病”就似乎已经好了大半。

是不是？

再回到刚才的分组。

如果一开始你就知道自己在“吃药组”，吃的是“真药”，可能还没吃，心情就大为舒畅。

每天喜笑颜开，规律作息，正常饮食，病或许好得更快。

而如果一开始你就发现，咦，我在“不吃药组”（对照组），给我吃的是安慰剂！？

于是心情糟透了，愤愤不平，郁郁寡欢，反而不利于治疗和康复。

所以，在很多研究中，

故意让病人并不知道自己被分在哪一组（单盲）；

研究者也不知道某个病人被分在哪一组（双盲）；

甚至资料的收集和分析者，也不知道每一组人的身份（三盲）；

只有当数据分析完毕，得出了“有没有用”的最终结论，才根据一些“密码”，来揭晓答案（“开盲盒”）。

这时可能会发现，“呀，这个药真的有用！”

或者“呀！怎么安慰剂的效果更好（说明这个药没用）！”

这样，才可以尽量避免精神心理、情绪、行为等各种主观因素的影响，尽量保证结论的客观和公正。

四、大样本

如果一个研究，遵循了上面三个原则，那么基本可以说，得出的结论是真实可信的。

但还有点不够。

一家饭店A，好评率高达98%；

另一家饭店B，好评率为95%。

你会选择去吃哪个？

可能很多人会选A。

等一下！不要忘了看看分别有多少人评论。

A饭店，只有50个人发表评论。B饭店，有1万个人发表评论。

我可能会觉得，B饭店的这个“95%”更可信，更靠谱。

而A饭店的“98%”，虽然确实更高，但似乎并不是那么可靠和稳定。

说不定再多50个人、100个人评价，就达不到98%了。

虽然不能直接说“样本量越大，结论就一定越准确”，

但如果一个治病救人的药，只在几十个人甚至十几个人身上被证明“有效”，那么似乎还是不太可靠。

而在药品三期临床试验中，样本量一般要达到数千人，甚至数万人，才能得出最终的、可信的结论。

至于到底需要多大的样本量，以及如何计算——不同目的和类型的研究都有不同的公式。有兴趣的，可以翻翻统计学教材。

五、多中心（可重复）

有了随机，对照，盲法，大样本……堪称完美。

但如果一种疗法，只有A医生的团队可以证明其“有效”，是不是有点问题？

如果一个药，只能在B省C市D县的某些人群中才“有效”，是不是有点奇怪？

如果一个结论，去年的研究可以发现，到了今年就怎么也发现不了，是不是有点不靠谱？

确实，不同地区和人群，存在差异。

但一个“结论”如果无法复制，无法在不同时间、空间和人群中重复得到，无法形成“共识”，似乎也就不能被称为是一个“结论”。

对于一个娃来说，如果要确认其“学习好”，不能只是某个科目，某个章节、某个单元能考高分，不能用铅笔答题才能（用圆珠笔就不能）考高分，不能大晴天才能（雨天就不能）考高分，更不能坐在自己教室的第三排第二列才能考高分——而是要全天候、全方位、随时随地都能考高分。

所以，“多中心”、可重复，很重要。

如果你已经看到了这里，而且前面的内容都看懂了，那么应该已经明白：

一个假设，一个想法，一个猜想，只有通过“随机、对照、盲法、大样本、多中心”的验证，才可以成为一个真实可信的“结论”。

无法通过，就说明不了问题——那个假设，就是假的；那个想法，就是错的；那个“结论”，就是忽悠人的。

这无关地位高低，无关学问高深，也不是谁说了算。

这只需要最简单、最原始的逻辑。

这才是“科学”。

当然，我想说的，远不止这些。以后再慢慢聊。

希望你能让更多人，看到这篇文章。

希望你能从今天开始，打开一扇崭新的大门。

END

包包，复旦大学硕士，副主任医师

中国科普作家协会医学科普委员会会员

长期从事疫苗接种管理和科普工作

本号所有原创文章只代表个人观点

更多：1.时隔多年再次更新！狂犬病疫苗怎么打？刚发布的规范这样说！
2.早死才是最天然