醫學研究與健康信息的辨讀
醫學研究與健康信息的辨讀，是把一條健康建議追溯到實際依據，弄清研究回答了什麼、結果有多可靠，以及它是否適用於眼前的問題。對於激素替代治療、手術和藥物風險，論文、指南、廣告、新聞與個人經驗提供的信息不同，不能只憑標題、機構名氣或一張圖表決定治療。
可靠信息也需要結合個人情況使用。美國國家醫學圖書館的健康信息資料建議，先核對來源、作者、更新及利益關係，再與醫務人員討論它對自己的意義。[1]
先把建議寫清楚，再找原文
「某藥更好」不是一個足夠明確的問題。可以先追問：與什麼比較，對哪些人，使用何種製劑和方式，希望改善什麼結果，需要觀察多久？例如，「更容易提高某項血液指標」和「能減少長期併發症」需要不同的證據。
看到引用時，可以依次核對論文標題、作者、年份、研究對象與結論。DOI或網址能夠打開，只說明找到了一個頁面，還要確認它確實對應被引用的研究；原文支持的句子也應與轉述相符。只有截圖時，可先要求完整題名或連結，避免依據無法追溯的片段作判斷。NIH的科研傳播清單強調提供原始研究、研究設計、樣本和局限。[2]
閱讀時不必從第一頁逐字讀到最後。先看摘要了解問題，再到方法查參與者、比較方式和測量項目，到結果看實際數據，最後對照討論中的限制。摘要和討論中的判斷，應能在方法與結果中找到依據。
不同研究能回答哪些問題
| 資料或研究方式 | 主要能提供什麼 | 閱讀時要繼續追問什麼 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 個人經歷、病例報告 | 具體經歷和可能需要關注的問題 | 有無完整病史、其他同時發生的變化？不能據一個病例估計群體發生率。 | 細胞或動物實驗 | 機制、藥物作用線索 | 研究對象是否為人？劑量、組織和觀察結果能否對應臨床問題？ | 觀察研究 | 沒有由研究者分配干預的人群資料與關聯 | 兩組是否本來就有差異？哪些因素被記錄和調整，哪些沒有？ | 隨機對照試驗 | 通過隨機分組比較干預結果，有助於檢驗因果關係 | 分組和隨訪是否可靠？退出研究的人怎樣處理？研究是否足夠長？ | 系統綜述及薈萃分析 | 按明確方法尋找、評價並可能合併多項研究 | 檢索、納入標準和原研究質量怎樣？合併後的平均結果是否適用？ |
研究名稱不能代替方法質量。隨機試驗仍可能有隨訪流失或選擇性報告；綜述也需要說明納入了哪些研究、證據有哪些限制。NIH清單與Cochrane方法手冊均要求結合設計、偏倚和實際結果解釋結論。[2][3]
觀察研究發現兩個因素一起變化時，不能只把其中一個認作原因。例如，接受某種治療的人與未接受者，可能在年齡、健康、經濟和獲得照護的機會方面已有差異。統計調整可以處理已測量的因素，卻仍需檢查遺漏因素與研究限制。大樣本可以提高估計精度，但不能自動修復不合適的分組或測量。[2][3]
研究究竟測量了什麼
研究的「終點」是用來判斷結果的指標。它可能是症狀、生活功能、住院或某種不良事件，也可能是一項化驗值。FDA將替代終點解釋為代替直接臨床獲益測量的指標；是否能預測特定獲益，需要相應證據，不能只因為變化容易測量就作此認定。[4]
閱讀激素研究時，因此要區分血藥濃度、身體變化、本人滿意度和長期健康結果。濃度更高、某項指標變化更多，本身不能證明整體療效更好或長期更安全。若研究只跟蹤短期檢驗，也不足以直接回答多年併發症問題。判斷重點是研究實際測量的項目與自己的問題是否一致。[4][3]
怎樣讀風險數字
「增加一倍」描述的是相對變化，還需要知道原來的風險、觀察時間和比較對象。Cochrane手冊建議結合相對與絕對效果解釋結果。[5]
以下只是計算示例，不是任何藥物或跨性別人群的數據。假設兩組各有1,000人，觀察時間相同，一組發生2例事件，另一組發生4例：
- 兩組風險分別為0.2%與0.4%。
- 相對風險為0.4%÷0.2%＝2，即增加100%。
- 絕對風險差為0.4%－0.2%＝0.2個百分點，即每1,000人多2例。
這些數字是對同一差異的不同表達；它們都沒有說明該事件對生活的嚴重程度，也沒有證明差異一定由干預造成。更換觀察年限、研究人群或比較方案後，需要重新判斷，不能直接把一個百分比移到另一種情形。
還應保留統計量的名稱。風險比（RR）、比值比（OR）和風險差不是同一種量；遇到OR時，不宜直接寫成「患病概率是幾倍」。報告事件數、分母、時間和區間，比只轉述「顯著升高」更方便理解。[6]
P值、置信區間與實際意義
P值不是「結論正確的概率」，也不直接說明效果有多大。美國統計學會2016年聲明明確反對只憑某個閾值作科學結論，並指出統計顯著性不等於效果大小或重要程度。P＝0.03不能翻譯為「有97%的概率有效」，P大於0.05也不能自動翻譯為「確定沒有作用」。[7]
置信區間幫助呈現估計的不精確程度。同樣條件下，區間很寬，說明與數據相容的效果範圍較大；若範圍同時包含重要獲益與重要傷害，單一估計值就不足以給出確定判斷。區間也不能消除研究本身的偏倚。Cochrane特別提醒，應區分「沒有足夠證據確定效果」與「已有證據表明沒有效果」。[5]
實際意義還要看測量內容。一個量表平均變化很小，即使P值很小，也需要說明這是否達到患者能感受到的改善，以及換來哪些負擔或不良反應。[7]
「證據確定性」不是給治療貼總標籤
Cochrane採用的GRADE框架把某個結局的證據確定性分為高、中、低和極低，並考慮偏倚風險、研究結果不一致、與實際問題的間接性、估計不精確及發表偏倚。評級針對具體比較和結局，並不意味著同一種治療的所有結果都只有一個等級。[3]
例如，一份綜述可能對某項短期變化比較有把握，對罕見長期不良事件仍缺少精確資料。不能把前者概括為「所有方面都已證實」，也不能把後者概括為「已經證實無效」。閱讀綜述時，應查看具體結果及評級理由，再討論它怎樣影響選擇。
研究結果還要放進實際決策：預期獲益和傷害、個人目標與可接受的負擔，都可能影響方案。NICE共同決策指南建議結合本人重視的事情討論選擇，並約定何時複評。存在不確定性時，也可以具體討論下一步怎樣監測、哪些信息可能改變決定。[8]
不良事件報告與發生率
藥物使用後發生某件事，值得報告和調查，但先後順序本身不證明因果。FDA的AEMS公開資料庫說明，報告可能重複、不完整或未經醫學核實，報告的存在不等於藥物造成事件，也不能用報告數量估計發生率。AEMS原稱FAERS；引用舊截圖時，還需核對資料日期與系統說明。[9]
因此，兩種藥物在報告庫中分別出現多少病例，不能直接作為哪種藥更安全的排名。這類資料有助於發現需要調查的信號；個人出現不適時，應說明實際用藥和症狀經過，由接診人員評估。報告方法見藥品不良反應的識別與報告。
把資料帶回具體問題
就診時可帶論文連結和一段簡短問題，例如：「研究對象與我不同，這個結果還有多少參考價值？」「這裡測的是檢驗值，是否有我關心的身體變化或長期風險資料？」「如果證據還不確定，我們怎樣隨訪？」不需要先掌握所有統計方法，才有資格提問。
轉發資料時，可以保留原題名、日期、連結和關鍵限制。自述經驗應標明是個人經歷；討論研究時，保留研究對象、製劑、給藥方式與隨訪時間。網站的銷售目的、資助和專家審閱機制，也都應與正文依據一起看，不能靠「有參考文獻」四個字跳過核對。[1]
若需要上傳病歷或檢驗結果，先確認接收者、用途、保存及分享方式。公開討論通常不需要完整姓名、身份證號碼、住址或未經處理的報告；健康信息資料本身也提醒，在交出個人信息前應了解網站的隱私安排。[1]參見帳號安全與隱私保護。
參考資料
- ↑ 1.0 1.1 1.2 美國國家醫學圖書館，MedlinePlus. Transcript for Evaluating Internet Health Information: A Tutorial；來源、資助、內容質量、更新與隱私部分（查閱於2026-10-21）。
- ↑ 2.0 2.1 2.2 NIH. A Checklist for Communicating Science and Health Research to the Public，2025-06-25審閱；研究設計、關聯與因果、樣本及局限（查閱於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節；手冊6.5版，2024，章節2023年8月更新（查閱於2026-10-21）。
- ↑ 4.0 4.1 FDA. Surrogate Endpoint Resources for Drug and Biologic Development；臨床終點、替代終點及驗證說明（查閱於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節；手冊6.5版，2024，章節2023年8月更新（查閱於2026-10-21）。
- ↑ Cochrane. Cochrane Handbook，第6章：Choosing effect measures and computing estimates of effect，第6.4.1節，風險、比值及相應比較指標（查閱於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頁，六項原則（查閱於2026-10-21）。
- ↑ NICE. Shared decision making，NG197，建議1.2.9—1.2.14及1.4.1—1.4.10，個人目標、風險表達與複評（查閱於2026-10-21）。
- ↑ FDA. FDA Adverse Event Monitoring System (AEMS) Public Dashboard，原FAERS，2026-03-11更新；數據局限說明（查閱於2026-10-21）。