近4成經過同行評審的營養健康研究是錯的，到底出了什麼問題？

圖片來源：Times Higher Education

作者 Patrick Clinton

翻譯 王可

審校 阿金

編輯 魏瀟

咖啡會不會致癌？黃油到底健不健康？對於這類問題，我們總是拿不準該如何回答。其實，食品營養科學研究存在一些很大的問題：可疑的數據、不可靠的結果、還有無處不在的偏見（不只是針對「餐飲業巨無霸」，比如麥X勞和百X集團）。因此我們真誠地希望：科學家們和學術期刊能夠規範他們的行為，記者們能夠優化一下他們不靠譜的「探測器」，別老一臉震驚地報道一些所謂營養學的「沒營養新發現」。然而，在這天到來之前，我們最好先學學如何靠自己做好過濾工作。

最近在統計學界發表的兩篇文章正好為我們找到了一種絕佳工具，儘管它無法一勞永逸地解決問題，但目前來說，已經能提供一些我們急需的保護措施。在這裡，為了能夠了解具體內容，我們需要在數學領域暢遊一下，不過別擔心，跟緊我，你絕對不會覺得太難的。

讓我們找出三篇最近發表的飲食營養研究：

?每天食用 50 克西梅能幫助患有骨質疏鬆的老年女性預防骨密度的降低

（https://link.springer.com/article/10.1007%2Fs00198-016-3524-8）

?48 克黑巧克力可以改善你的腦電波

（https://www.fasebj.org/doi/10.1096/fasebj.2018.32.1_supplement.878.10）

?食用豬肉泥的嬰兒比食用奶製品的嬰兒長得更高

（https://www.ncbi.nlm.nih.gov/pubmed/29722841）

這些研究都經過了同行評審，都聲稱自己的結果具有統計學顯著性，而且他們都指出常見食物和健康結果之間明確的因果關係。然而，這三項研究中很可能會有一個（也有可能全部）最終被證明是錯的。那麼，我們到底應該相信哪個 ？

雙重錯誤製造正確結果

在營養學研究中，有個問題很常見，你很可能在新聞報道中讀到過：像大多數研究一樣，他們會用一種非常反直覺的方法，稱之為「零假設檢驗」。

這種方法大致如下：首先，你需要提出你想要驗證的任何問題，比如「藥物 X 可以治癒癌症」。但接下來你不要去試圖直接驗證它本身，因為這在現實世界中是不可能的，你去驗證它的對立面。也就是說，「我要試著去證明：藥物X和治癒癌症這兩件事之間的任何聯繫都只是出於偶然。」這種看起來有些含糊其辭的否命題陳述就是你的零假設（null hypothesis）。

然後你就做實驗、分析數據。如果幸運的話，你會發現沒有足夠證據證明藥物 X 和治癒癌症之間沒有關係（是不是已經暈了？）。換言之，藥物 X 和治癒癌症之間的聯繫並不是出於偶然。那麼，你就會順理成章地認為藥物 X 能治癒癌症。

但事實並非如此。有很多變數因素會影響你的結果：年齡、體重、性別、吸煙與否……不勝枚舉。一個好的實驗設計會控制儘可能多的變數，但總會有一些你不知道的其他影響因素。沒有人可以篩選掉所有可能的變數，所以科學研究不可能完美。

對於非專業讀者來說，他們很難理解並消化零假設檢驗。但統計學家會告訴你，它幾乎是唯一的，或者說是最佳實驗設計方法。近一百年以來，自羅納德·愛爾默·費雪（Ronald Aylmer Fisher）出版了他那本影響深遠的《研究者的統計學方法》（Statistical Methods for Research Workers）之後，每位未來的科學家都學過這一內容。

而這也是如今我們陷入如此困境的部分原因。

什麼是發生概率？

讓這套奇異證明體系奏效的重點，在於了解需要多少證據來證實或者證偽一個零假設，換句話說，就是你怎麼能確定你的結果具有統計學顯著性？實際上有很多種方法，其中不少方法深奧複雜，但絕大多數研究都使用同一種叫做「P值」的方法（P代表「probability」，即概率）。

計算P值需要用到實驗數據和用來構建實驗的假定條件，P值應在 0 到 1 的範圍內。低P值就是好結果，它說明你的結果不太可能是偶然得之；相反，高P值則代表你得到的結果（關聯性）很可能是偶然產生的。

幾十年以來，這已經漸漸成為一個人們都遵從的傳統：P值等於或低於 0.05 代表結果具有統計學顯著性，說明它「可信」。P值等於 0.05 可以解釋為：實驗結果只有 5%（1/20）的可能性是偶然產生的——這個可能性是可以接受的。

但問題是，實際上P=0.05 原本的意義並非如此，統計學家定義的P值和我們對它的應用之間，存在巨大的鴻溝。當你讀到一個非技術性設定的P值時，你還會看到不少條理清晰合理的解釋，但很明顯它們是錯的。

原因如下：

很多人認為，P值等於 0.05 說明，你的假設理論（那個你真正想要驗證的假設理論，而非零假設）有 95% 的可能性是真的，但事實並非如此。這P值只代表了你實現最終結果的概率，但它需要一個大前提，即你的零假設以及所有其他的假定命題都得是成立的。

「P值不僅不能告訴我們要證明的某個假設理論是否為真，除非我們能百分之百確保每一個用作計算的假定條件都是正確的，否則它甚至和假設理論沒有任何特定聯繫，而這正是太多研究所缺乏的。」在《美國統計學人》（The American Statistician）雜誌中，一些科學家因為擔心P值被過度濫用而如此寫道。

所以，歸根到底，儘管P值是非常有用的工具，但人們很容易錯誤地使用它。因為它並沒有那麼理想，也不能夠直接回答「一個實驗結果或臨床試驗是否有統計學顯著性」這樣的問題，可是非專業人士就喜歡這麼想。正因為如此，如果你開始研究造成「假陽性」結果和其他錯誤的因素時，我可以告訴你，一般來說，一個常規的健康相關試驗，如果在準確性的正常範圍內操作、併產生「陽性」結果的情況下，P值為 0.05 或 1/20 其實是不正常的，正確的P值更接近 1/3。

這聽起來可能很瘋狂，但是別忘了，統計學家 John Ioannidis 曾研究過在主流期刊上發表的高引用率科學文獻，他得到的結果更糟：接近 40% 的研究結果被證明是錯誤的。所以，拿這些東西指導我們的生活？算了吧。

更好的 P 值，還是取代它的工具？

實話實說，統計學領域幾十年前就意識到這個問題了。我在前文中引用的《美國統計學人》聲明就已經強調，用P值衡量假設理論的正確性是一種非常普遍的錯誤。那篇文章提供了一些替代性的選擇，因為過於技術性，在這裡就不詳述了。但無論是什麼辦法，都會需要成百上千的研究人員和各學術期刊齊心協力，更認真地對待科研中的統計學部分。即使是這樣，也要花上幾十年才可能實現。

那我們該怎麼辦呢？

今年 1 月，72 位統計學界的著名學者向《自然-人類行為》雜誌提交了一份提議。提議認為，既然我們不能很快地（也可能永遠不能）消滅基於P值的零假設檢驗，那麼我們至少要設定一個更合理的P值——用 0.005 來代替 0.05，P值處於這兩個值之間的研究結果只能被稱為「有啟發性的」（這個建議主要針對最新發現。跟蹤性研究要求知識更加複雜，應該區別對待）。作者們說，應該要把「假陽性」概率降低到 5%——這個數值就是我們之前用P=0.05 時認為我們會得到的假陽性概率。今年 4 月，John Ioannidis 在《美國醫學會雜誌》（Journal of the American Medical Association）上發表上述觀點。這個解決方法雖然只是暫時性的，但是也是必要的。

這是個好辦法，但要花上幾十年來實施。那麼我們之後該怎麼做？

科學家們和各期刊會在他們接下來的醫學健康（及營養學）研究中採取這個簡單直接的方法嗎？讓我們拭目以待。有幾家已經這樣做了，一些專科醫生甚至已經開始使用更加嚴苛的標準。比如群體基因組學開始用 0.00000005 作為分界值。

跟著我說：我不在乎

我很確定，這 72 名統計學家提出的建議是針對科學家和學術期刊的。但在他們做到這一點之前，我們也許也可以親自採用一下這個建議。

這個時候，讓我們回頭看看最開始找到的三篇論文：

?食用西梅能幫助患有骨質疏鬆的老年女性預防骨密度的降低。P

?巧克力改善腦電波？他們關注了多種腦電波，最強的統計關聯值為 0.01，但他們只有四個被試對象。不感興趣。

?給嬰兒餵食豬肉泥會使嬰兒長更高？這個比較棘手。P值等於 0.001，所以看起來真的是可能會有點什麼。但是嬰兒長得更高有什麼意義嗎？科學家們如果想要繼續這個研究，就請說明一下它的結果既具有統計學顯著性，而且也有現實意義。

要澄清的一點是，並不是任何P值大於 0.005 的研究結果都是錯的，這種觀點也是不對的。隨著時間的推進，科學研究將會使用更加複雜的統計學分析，這會使P

與此同時，你當然是想吃什麼就吃什麼，這篇文章的重點不是要勸你不要吃西梅和巧克力，然後給你的寶寶多吃豬肉泥。想吃就吃，享受食物帶給你的慰藉效果，沒準你會吃得很開心。但是，一定不要把這些研究當成終極真理。他們可能只是去往真理的一步，但在多數情況下，整段行程仍將是漫長而難以預料的。

而你要做的，就是接受這樣的現實，忽略掉大部分你讀到的營養學研究。記者需要找到更有趣更嚴謹的題材才能套路你，大學出版社需要發掘更吸引人的新聞主題，而你再也不會被那些美食博主和電視醫生的花言巧語所愚弄。除非你看到了那個 0.005，在這之前，請你保持冷靜，堅定如磐石。

這個標準聽起來有點嚴格，但是這是為了科學。你同意嗎？

https://newfoodeconomy.org/nutrition-research-statistics-problem/

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！