精神病學大樣本研究、大數據方法可能是錯誤的

發表《美國國家科學院院刊》（Proceedings of the National Academy ofSciences）上的一項新研究發現，要了解人類的健康和行為，最好是研究個人，而不是群體。

長期以來，醫學界一直認為，人類受試者樣本越大越好。但由加州大學伯克利分校(UC Berkeley)領導的這項新研究表明，這種大數據方法可能會大打折扣。

這很大程度上是因為情緒，行為和生理因人而異，並且每個人都有明顯的不同。因此，研究人員說，在給定的時間內把大量人類受試者收集的數據平均化，只能提供一個「快照」，而且是一張模糊的「快照」。

研究主要作者，加州大學伯克利分校心理學教授Aaron Fisher說：「如果你想知道個體感受到什麼，或者他們患病的過程，你必須對個體進行研究，而不是對群體進行研究。隨著時間的推移，疾病、精神障礙、情緒和行為會在個人內部表現出來，許多人在某個時刻的「快照」無法捕捉到這些現象。」

此外，在醫學、社會和行為科學中，繼續依賴群體數據的後果包括誤診、開出錯誤的治療處方，並且通常會使科學理論和實驗不能正確校準以適應個體之間的差異。

Fisher和同事們使用統計模型對數百人的數據進行了比較，這些人包括健康人體和那些患有抑鬱症和焦慮症，以及創傷後應激障礙和恐慌症等疾病的人。

在六項獨立研究中，他們通過在線和智能手機自我報告調查分析數據，使用心電圖測試測量心率。結果一致表明，對於群體來說是正確的數據，對個人來說不一定是正確的。

例如，對抑鬱症患者進行的群體分析發現，他們非常擔心。但是，當同一分析應用於該組中的每個人身上時，研究人員發現了各種各樣的差異，從零擔憂到極度痛苦，遠高於這一群組的平均水平。

此外，在研究恐懼與迴避之間的相關性時——群體研究中的一種常見關聯，他們發現，對於許多人來說，恐懼並不會導致他們逃避某些活動，反之亦然。

話雖如此，人們也不必對醫學或社會科學失去信心，解決之道近在咫尺。我們應該將開展科學研究的潛力視為日常護理的一部分，這也是真正實現個性化醫療的方式。另外，現代技術使我們能夠相對容易地收集每個人的許多觀察結果，現代計算使得這些數據的分析成為可能，而這在過去是遙不可及的。

總之，Fisher等人的研究結果清楚地表明，當一個人的疾病隨著時間的推移而波動時，捕捉個體的這一過程可能會讓我們更接近個性化治療。該研究結果，對挖掘社交媒體數據，定製健康療法等所有方面都有影響，並可能改變研究人員和臨床醫生分析、診斷和治療精神和身體疾病的方式。

參考文獻

Aaron J. Fisher et al. Lack of group-to-individual generalizability is a threat to human subjects research, Proceedings of the National Academy of Sciences (2018). DOI:10.1073/pnas.1711978115

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！