【分享】“数字陷阱”催生科学谣言

主因：科学无奇迹


《新科学家》的文章解释，导致这类问题的出现，主要原因在于一般而言，一个医学治疗的效果都不会一下子很明显。根据剑桥大学生物统计学家斯皮格豪特（David Spiegelha lter）的说法，一个疗法能够奇迹般得治愈疾病的情况是少之又少的，大部分的临床治疗都建立在严谨、小心的科学基础上。他表示，任何与人类健康相关的敏感研究都必须做出可复制的大型临床实验，对不同的人群做出观察，这意味着会用一些统计方法来从数据中提取一些可用的结论来。

如果运用得当，统计数据会是很强大的工具，但是正确地阅读统计数据又是至关重要的，样本的大小、实验的设计、甚至哪怕是某些措辞的使用或者某个数字采用的方式，都可以影响媒体和人们的解读。此外，斯皮格豪特说，对于个人和家人的健康，人们往往都带有强烈的感情压力，常常在文化、情感和价值观的左右下对健康话题做出判断，在出现了一些具有争议性的统计数字时，人们更会出现判断偏差和不客观。同样的，研究者、医生或某项新疗法推崇者也会因为过于相信某个疗法而产生偏见。

数字越大，风险“越大”

《新科学家》文章问道：如果有人告诉你，100个人里面，有25个人会因为癌症而死亡，又有人告诉你，1000个人里，有250个人会因癌症死亡，这两者哪个让你更担心？

清楚的读者一看就明了，这两组数字表示的是同一个比例：四分之一的人因癌症死亡。但是，两组说法的确会给读者带来理解上的不同。希望夸大或者缩小风险的人，往往会用上“比例偏差”这个法则。乍一看，数字越大，风险看上去也越大。

《应用认知心理学》上有一篇研究对这个问题做了实验，给出了两组说法：“癌症导致1万人中1286人死亡”，“癌症导致100人中24.14个人死亡”，事实上，后一组说法的癌症风险几乎是前一组的两倍，但是，读到前一组说法的人却比后一组读者认为癌症风险更大。《判断和决策》也有同样研究。面对两组实质一样的说法———“每天有100人死于某种癌症”，以及“每年有36500人死于这种癌症”，读者会认为前者读出的癌症风险更小。

相对风险并不“绝对”癌症的起因是什么？尽管到现在人类还是没有答案，但是在过去的几年中，人们还是读到了这样一些研究结果：喝茶太烫导致食管癌几率增加8倍，每天吃四分之一的柚子令更年期后的女性乳腺癌几率增加30%，甚至每天一个培根三明治令肠癌几率增长20%这样的说法。

在这些说法中，数据是用来衡量健康风险的，其使用背后的意思是，如果你吃了这些听上去危险的食物，和没吃这些食物的人相比，有多少可能性更会得病。但这些数据没有提供的信息是，增加的绝对风险到底是多少。

斯皮格豪特解释说，对于普通人来说，在一生中得肠癌的可能性只在5%左右，所以如果将这个20%的增加率计算到5%的绝对风险中的话，那也仅仅只是增加了1%，最后得出的绝对风险是6%而已。这个数据相对来说会让人平静得多。

用一个相对风险而不是绝对风险来形容某种危险或某种疗法的效果，这是最常见的误导方式。根据德国普朗克人类发展研究所的心理学家吉根瑞森（Gerd Gigerenzer）一书《认识风险》所说，这类技巧称为“误导定义”。他举例说，在一份有关荷尔蒙替代疗法的信息传单中，称这一疗法减少 50%得肠癌的几率（相对风险），但经过这种疗法的每1000名妇女中，会有6人得乳腺癌（绝对风险），乍一看，似乎这个疗法的积极效果大大高于消极作用，疗法导致的乳腺癌几率只有0.6%。不过普通公众得肠癌的几率只有5%，算入相对的风险就变成2.5%,这时候0.6%就不是一个可以忽略的几率了。

是“关联”不是“导致”

去年，一个有关“看电视时间和死亡率”研究成为媒体热门的标题，研究者在六年里跟踪了8800人，观察他们的健康、生活习惯和看电视行为，其中，有284人死亡，根据研究，每天看电视超过4小时的人，在这段时间内死亡的风险几率要比每天看两个小时以下的人高出46%。

这份研究被很多人概括为“科学家说，电视致人死”。这是最常见的把“有关联”解释成“因为所以”关系的例子，A和B两个变量有着关联并不代表着A导致了 B。在这项研究中，研究者并不主要是研究看电视，他们测试的是人们久坐的时间和健康的关系，而看电视只是其中一个便利常见的方式。研究结论是，人的久坐，比如经常一动不动坐着看电视，与心脏病等疾病导致的死亡风险增加，两者有着关联，而不是看电视会让人更容易死亡这样简单的结论。

在很多广告中，都会出现“超过80%的女性消费者都会说这种洗发水让她们的头发更健康，更亮丽”，但是，广告并不会附上另外一句话，即，只有5个人做了洗发水测试，而在四个称赞的人中，可能有一人或两人纯粹因巧合头发变好了，或者只是自己在猜测效果而已。

在医学研究中，大小问题同样存在。10个人中6个人的病治好了，与500个人中300人的病治好了，治愈率一样，但后者要更有说服力。在对某种药品或疗法的临床实验中，抽样多少的确至关重要，大的抽样可以排除出偶然几率。

在国际上，有一个既定形成的权威临床实验规范，即“临床对照实验”（RCTs）标准，对于药品和疗法的认证，这个标准是相当权威的，它可以看成是直接衡量药品或疗法有效与否的测试工具，要通过这个标准的药品或疗法，必须要有对过去研究的分析，动物实验的结果，而且，预期的效果越小，要测试的人群就要越大。

有些比较毫无意义

在一些场合，医学数据往往被人利用，来证实某一论点或做他用。比如，纽约前市长朱利安那曾经在共和党主席竞选演讲中说，美国前列腺癌患者的幸存率高达82%，而在有着纳税人资助的国家卫生服务局的英国，幸存率则只有44%。

这一说法被很多科学家批评，朱利安那是用两个完全不同的国家来比较一种疾病的风险，这两个数据都是正确的，但是这种比较却是误导人的，美国和英国诊断前列腺癌的方式完全不同，朱利安那引用的是5年幸存率，即某一疾病的患者在五年中幸存的几率，但是，在美国，一般通过筛查诊断出前列腺癌，而在英国，医生是在病人出现症状后才诊断为前列腺癌，前者诊断出的患病时间通常比后者早，患者会更早采取措施治疗，而且，筛查准确率有限，常出现假阳性误诊，也可能将良性肿瘤也包括入内，使得得病的人的基数更大，这种情况下，两个国家的幸存率计算的基础完全不同，如果要进行比较就产生了误导。

因为误诊、过度诊断等原因，幸存率并非科学的比较工具，而且，幸存率高并不代表死亡率低，如果要比较两个国家哪个情况更好，应该比较死亡率。根据美国癌症研究中心2003 年到2007年的数据，每10万人中，24.7人死于前列腺癌，而根据2008年《英国癌症研究》报告，该国每10万人中，有23.9人死于前列腺癌，这个比较相对就科学多了。

把数字夸大一些，医生就能多赚一些了

夸大的结果往往是灭亡啊。

还有一本书《统计数据的真相》，也研究这个数字的问题

让人类更加恐惧疾病。