医学研究与健康信息的辨读
医学研究与健康信息的辨读，是把一条健康建议追溯到实际依据，弄清研究回答了什么、结果有多可靠，以及它是否适用于眼前的问题。对于激素替代治疗、手术和药物风险，论文、指南、广告、新闻与个人经验提供的信息不同，不能只凭标题、机构名气或一张图表决定治疗。
可靠信息也需要结合个人情况使用。美国国家医学图书馆的健康信息资料建议，先核对来源、作者、更新及利益关系，再与医务人员讨论它对自己的意义。[1]
先把建议写清楚，再找原文
“某药更好”不是一个足够明确的问题。可以先追问：与什么比较，对哪些人，使用何种制剂和方式，希望改善什么结果，需要观察多久？例如，“更容易提高某项血液指标”和“能减少长期并发症”需要不同的证据。
看到引用时，可以依次核对论文标题、作者、年份、研究对象与结论。DOI或网址能够打开，只说明找到了一个页面，还要确认它确实对应被引用的研究；原文支持的句子也应与转述相符。只有截图时，可先要求完整题名或链接，避免依据无法追溯的片段作判断。NIH的科研传播清单强调提供原始研究、研究设计、样本和局限。[2]
阅读时不必从第一页逐字读到最后。先看摘要了解问题，再到方法查参与者、比较方式和测量项目，到结果看实际数据，最后对照讨论中的限制。摘要和讨论中的判断，应能在方法与结果中找到依据。
不同研究能回答哪些问题
| 资料或研究方式 | 主要能提供什么 | 阅读时要继续追问什么 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 个人经历、病例报告 | 具体经历和可能需要关注的问题 | 有无完整病史、其他同时发生的变化？不能据一个病例估计群体发生率。 | 细胞或动物实验 | 机制、药物作用线索 | 研究对象是否为人？剂量、组织和观察结果能否对应临床问题？ | 观察研究 | 没有由研究者分配干预的人群资料与关联 | 两组是否本来就有差异？哪些因素被记录和调整，哪些没有？ | 随机对照试验 | 通过随机分组比较干预结果，有助于检验因果关系 | 分组和随访是否可靠？退出研究的人怎样处理？研究是否足够长？ | 系统综述及荟萃分析 | 按明确方法寻找、评价并可能合并多项研究 | 检索、纳入标准和原研究质量怎样？合并后的平均结果是否适用？ |
研究名称不能代替方法质量。随机试验仍可能有随访流失或选择性报告；综述也需要说明纳入了哪些研究、证据有哪些限制。NIH清单与Cochrane方法手册均要求结合设计、偏倚和实际结果解释结论。[2][3]
观察研究发现两个因素一起变化时，不能只把其中一个认作原因。例如，接受某种治疗的人与未接受者，可能在年龄、健康、经济和获得照护的机会方面已有差异。统计调整可以处理已测量的因素，却仍需检查遗漏因素与研究限制。大样本可以提高估计精度，但不能自动修复不合适的分组或测量。[2][3]
研究究竟测量了什么
研究的“终点”是用来判断结果的指标。它可能是症状、生活功能、住院或某种不良事件，也可能是一项化验值。FDA将替代终点解释为代替直接临床获益测量的指标；是否能预测特定获益，需要相应证据，不能只因为变化容易测量就作此认定。[4]
阅读激素研究时，因此要区分血药浓度、身体变化、本人满意度和长期健康结果。浓度更高、某项指标变化更多，本身不能证明整体疗效更好或长期更安全。若研究只跟踪短期检验，也不足以直接回答多年并发症问题。判断重点是研究实际测量的项目与自己的问题是否一致。[4][3]
怎样读风险数字
“增加一倍”描述的是相对变化，还需要知道原来的风险、观察时间和比较对象。Cochrane手册建议结合相对与绝对效果解释结果。[5]
以下只是计算示例，不是任何药物或跨性别人群的数据。假设两组各有1,000人，观察时间相同，一组发生2例事件，另一组发生4例：
- 两组风险分别为0.2%与0.4%。
- 相对风险为0.4%÷0.2%＝2，即增加100%。
- 绝对风险差为0.4%－0.2%＝0.2个百分点，即每1,000人多2例。
这些数字是对同一差异的不同表达；它们都没有说明该事件对生活的严重程度，也没有证明差异一定由干预造成。更换观察年限、研究人群或比较方案后，需要重新判断，不能直接把一个百分比移到另一种情形。
还应保留统计量的名称。风险比（RR）、比值比（OR）和风险差不是同一种量；遇到OR时，不宜直接写成“患病概率是几倍”。报告事件数、分母、时间和区间，比只转述“显著升高”更方便理解。[6]
P值、置信区间与实际意义
P值不是“结论正确的概率”，也不直接说明效果有多大。美国统计学会2016年声明明确反对只凭某个阈值作科学结论，并指出统计显著性不等于效果大小或重要程度。P＝0.03不能翻译为“有97%的概率有效”，P大于0.05也不能自动翻译为“确定没有作用”。[7]
置信区间帮助呈现估计的不精确程度。同样条件下，区间很宽，说明与数据相容的效果范围较大；若范围同时包含重要获益与重要伤害，单一估计值就不足以给出确定判断。区间也不能消除研究本身的偏倚。Cochrane特别提醒，应区分“没有足够证据确定效果”与“已有证据表明没有效果”。[5]
实际意义还要看测量内容。一个量表平均变化很小，即使P值很小，也需要说明这是否达到患者能感受到的改善，以及换来哪些负担或不良反应。[7]
“证据确定性”不是给治疗贴总标签
Cochrane采用的GRADE框架把某个结局的证据确定性分为高、中、低和极低，并考虑偏倚风险、研究结果不一致、与实际问题的间接性、估计不精确及发表偏倚。评级针对具体比较和结局，并不意味着同一种治疗的所有结果都只有一个等级。[3]
例如，一份综述可能对某项短期变化比较有把握，对罕见长期不良事件仍缺少精确资料。不能把前者概括为“所有方面都已证实”，也不能把后者概括为“已经证实无效”。阅读综述时，应查看具体结果及评级理由，再讨论它怎样影响选择。
研究结果还要放进实际决策：预期获益和伤害、个人目标与可接受的负担，都可能影响方案。NICE共同决策指南建议结合本人重视的事情讨论选择，并约定何时复评。存在不确定性时，也可以具体讨论下一步怎样监测、哪些信息可能改变决定。[8]
不良事件报告与发生率
药物使用后发生某件事，值得报告和调查，但先后顺序本身不证明因果。FDA的AEMS公开数据库说明，报告可能重复、不完整或未经医学核实，报告的存在不等于药物造成事件，也不能用报告数量估计发生率。AEMS原称FAERS；引用旧截图时，还需核对资料日期与系统说明。[9]
因此，两种药物在报告库中分别出现多少病例，不能直接作为哪种药更安全的排名。这类资料有助于发现需要调查的信号；个人出现不适时，应说明实际用药和症状经过，由接诊人员评估。报告方法见药品不良反应的识别与报告。
把资料带回具体问题
就诊时可带论文链接和一段简短问题，例如：“研究对象与我不同，这个结果还有多少参考价值？”“这里测的是检验值，是否有我关心的身体变化或长期风险资料？”“如果证据还不确定，我们怎样随访？”不需要先掌握所有统计方法，才有资格提问。
转发资料时，可以保留原题名、日期、链接和关键限制。自述经验应标明是个人经历；讨论研究时，保留研究对象、制剂、给药方式与随访时间。网站的销售目的、资助和专家审阅机制，也都应与正文依据一起看，不能靠“有参考文献”四个字跳过核对。[1]
若需要上传病历或检验结果，先确认接收者、用途、保存及分享方式。公开讨论通常不需要完整姓名、身份证号码、住址或未经处理的报告；健康信息资料本身也提醒，在交出个人信息前应了解网站的隐私安排。[1]参见账号安全与隐私保护。
参考资料
- ↑ 1.0 1.1 1.2 美国国家医学图书馆，MedlinePlus. Transcript for Evaluating Internet Health Information: A Tutorial；来源、资助、内容质量、更新与隐私部分（查阅于2026-10-21）。
- ↑ 2.0 2.1 2.2 NIH. A Checklist for Communicating Science and Health Research to the Public，2025-06-25审阅；研究设计、关联与因果、样本及局限（查阅于2026-10-21）。
- ↑ 3.0 3.1 3.2 3.3 Schünemann HJ等. Cochrane Handbook，第14章：Completing ‘Summary of findings’ tables and grading the certainty of the evidence，第14.1、14.2节；手册6.5版，2024，章节2023年8月更新（查阅于2026-10-21）。
- ↑ 4.0 4.1 FDA. Surrogate Endpoint Resources for Drug and Biologic Development；临床终点、替代终点及验证说明（查阅于2026-10-21）。
- ↑ 5.0 5.1 Schünemann HJ等. Cochrane Handbook，第15章：Interpreting results and drawing conclusions，第15.3、15.4、15.6节；手册6.5版，2024，章节2023年8月更新（查阅于2026-10-21）。
- ↑ Cochrane. Cochrane Handbook，第6章：Choosing effect measures and computing estimates of effect，第6.4.1节，风险、比值及相应比较指标（查阅于2026-10-21）。
- ↑ 7.0 7.1 American Statistical Association. American Statistical Association Releases Statement on Statistical Significance and P-Values，2016-03-07，第1—2页，六项原则（查阅于2026-10-21）。
- ↑ NICE. Shared decision making，NG197，建议1.2.9—1.2.14及1.4.1—1.4.10，个人目标、风险表达与复评（查阅于2026-10-21）。
- ↑ FDA. FDA Adverse Event Monitoring System (AEMS) Public Dashboard，原FAERS，2026-03-11更新；数据局限说明（查阅于2026-10-21）。