如何读懂健康研究：概率、风险与不确定性

先问人数、事件和时间

“有十个人患病”不是完整的风险描述。十人来自一百人还是一万人？观察的是一年、十年，还是整个一生？统计的是新发疾病、一次症状、住院，还是死亡？这些条件不同，数字就回答不同的问题。比较两项研究前，要先统一分母、事件定义和观察时间，不能把年度风险与终生风险放在一起比大小。

这里先使用最直观的形式：一群起初没有目标疾病的人，在固定时间内有多少人新发生该病。实际研究中，有人较早退出，有人追踪多年，研究者可能使用人年计算发生率。发生率与固定时间内的患病概率有关，却不是同一个数。阅读新闻时，若它只给出“增加三倍”而没有这些背景，应暂缓判断，先核实这些背景信息。

同一组结果，怎样分别表达绝对变化和相对变化

下面所有数字均为虚构教学示例，不代表任何药物或疾病的真实效果。设两组起点可比的人各有100人，完整观察一年：对照组10人发生目标事件，干预组5人发生。两组绝对风险分别为10%和5%，绝对风险下降5个百分点，也可以说每100人少5人发生目标事件。

相对风险是5%除以10%，等于0.5；相对风险下降50%。所以“风险减半”和“每100人少5人发生事件”描述的是同一组结果。若另一人群原来每1000人只有2人发生，即使相对降幅同样为50%，差别也只是每1000人少1人。不能只凭相对比例选择方案。还须知道这个效果是否可信、持续多久，以及是否同时增加其他不良结果。不同人群的实际相对效果也未必相同，这里只是帮助理解算术关系。

我们还可以把这个例子画成两排各100个小格，对照组涂10格，干预组涂5格，保留相同尺度。两排之间少掉的5格，就是绝对差。若把一张图的纵轴从0开始，另一张从接近结果的位置开始，视觉印象会很不一样。因此，看风险图时也要检查坐标与刻度，不能只凭柱子的高低感受效果。

研究中的风险估计能否用于每个人

即使研究执行得很好，换一批参与者，发生目标事件的人数也可能不同。一个样本中的5%是对相应人群风险的估计，并不是适用于所有人的固定数值，更不能指出哪五个人一定会患病。样本量较小、目标事件较少时，估计通常更不稳定；人数较多虽有帮助，但还要看实际发生了多少事件。

置信区间用一个范围表达估计的统计不确定性。在规定的模型假设下，若反复以同样方法抽样并构造95%置信区间，长期约95%的这类区间会覆盖真实参数。它不是说区间里包含95%的个人，也不是预测某人的症状会落在哪里。区间很窄，说明统计估计较精确；但若招募方式或测量存在系统偏差，仍可能精确地偏离目标。精确与可信，需要分别评价。

统计方法资料：英国国家统计局

统计显著不等于值得采用

论文常报告P值。理解它之前，需要知道研究者要检验的“零假设”，例如两种方案之间没有效果差异。P值描述的是：假定这一零假设及相应统计模型成立，观察到当前这样或更极端数据的概率。它不是“结论错误的概率”，也不是“干预有效的概率”。把0.05当作一道绝对分界，容易让接近分界线的两项研究被误说成相互推翻。

真正需要一起看的，是效果大小、区间范围、研究质量和结果的重要性。极大的样本可能使很小、日常感受不到的差异达到统计显著；很小的研究也可能尚不能排除一个有意义的效果。若研究同时检查几十种结局，再只宣传最漂亮的一项，还要警惕多重比较和选择性报告。把“不显著”翻译为“已经证明完全没用”，与把“显著”翻译为“对每个人都很有用”，都越过了数据。

检测阳性，为什么还需要进一步判断

检测会有漏检和误报。敏感度是实际有目标疾病的人中，检测结果为阳性的比例；特异度是实际没有该病的人中，检测结果为阴性的比例。读者最常问的却是另一个问题：“我已经阳性，真的有病的可能性多大？”这还取决于受检人群原来有多少人患病，以及为什么接受检查。

再用虚构整数演示：1000人中10人患某病，检测找出其中9人；其余990人中，有约50人误报阳性。此时约59个阳性结果中，真正患病的只有9个。这个例子不代表真实检测性能，而是说明：疾病较少见时，即使误报比例较低，假阳性数量也可能超过真阳性数量。后续评估会结合症状、暴露史、体检和必要的确认检查；不能把“阳性”直接写成确诊，也不能因为一次阴性就忽视明显症状。

检测解释资料：美国国家癌症研究所

如何完整说明一项研究中的风险变化

要向家人解释一项研究，可以按同一个顺序写：哪些人、比较什么、观察多久、两组各发生多少、差多少、还有多大不确定性。尽量保留共同分母，例如都用每100人或每1000人，避免一边报百分比、一边报人数。还要把益处与伤害分开列清楚，不用一个“有效率”替代所有结果。

如果资料没有提供某个数字，就明确写“未报告”，不要自行补齐。评估是否适用于自己时，要比较年龄、已有疾病、同时用药、基础风险以及重视的结果。某人更重视症状减轻，另一人更在意副作用或治疗负担；同一组证据可能支持不同选择。我们的目标是用数字把可知与未知说清楚，使讨论更具体，而不是把复杂判断简化成一个看似精确的分数。

比较两份材料时，可先遮住“突破”“大幅”等评价词，只留下研究对象、人数、时间和结果，再用自己的话复述。如果这些基本信息不足，最准确的做法是说明还缺什么。能够暂时保留判断，是处理不确定性所需要的能力。

中英术语

绝对风险 · Absolute risk

在明确人群和时间范围内，发生某事件的概率。

绝对风险差 · Absolute risk difference

两个可比较风险的差值，百分比相减时以百分点表达。

阳性预测值 · Positive predictive value

检测阳性者中真正有目标疾病者的比例，受受检人群患病情况影响。

资料来源与延伸阅读

• NCI：绝对风险的定义
• NCI：癌症统计与个人解释的边界
• Cochrane：效果量与估计
• Cochrane：解释结果与结论
• 英国国家统计局：调查的不确定性
• MedlinePlus：怎样理解化验结果
• CDC：资料分析与解释
• NCI：筛查检测的敏感度、特异度与预测值
• 美国统计学会：P值的使用与解释声明

课程原有资料核对记录：2026年9月9日。本轮中英文逐句语言审读：2026年9月14日。AI编辑与语言复核不等同于真人医学审核；来源机构未参与或认可本课程。