好几次都看到这样一篇文章，内容是著名演说家和网红罗振宇先生的一场演讲（见【罗辑思维】第四季 No.25），其中有关于医学研究的评论，为了说明其观点的客观性，是引用了前物理学家、现科学作家万维钢的观点。

大概的内容如下：

罗振宇请教了前物理学家、现科学作家万维钢。作为科学家，最重要的就是什么可信、什么不可信？面对这个问题，万维钢的回答也是让人目瞪口呆。他说作为科学家，他只能这么回答：

第一，可信的权威科学家，当然最主要的是诺贝尔奖的得主和那些权威的核心杂志，比如说《Natural》，就是《自然》杂志发表的权威论文。

第二，相信主流科学家的主流意见；

第三，在所有这些意见中，相信那些最新的意见；

第四，但凡是牵涉到医学，尤其是营养学，你最好啥都别信，甭管什么媒体报道的消息，比如说英国某个团队最近发现某个东西或者药物，对儿童的智力发育有好处，他说你就当个娱乐新闻看就好了。

万维钢还说了一句更狠的，如果牵扯到医学和营养学，不仅报刊杂志上的你不要信，即使他是权威科学家，甚至是权威期刊发表的论文，你也最好忽略它。咱们不说信还是不信，就是忽略它。这是美国斯坦福大学预防医学研究中心主任埃尼迪斯说的。2005年的时候，埃尼迪斯发表了两篇论文，对现代医学研究提出了系统的质疑。论文非常严谨，是符合学术规范的、一般人看不懂的论文。

他把人类从1990年到2003年这十几年间，发表在国际顶级的临床医学杂志上的论文，挑其中最好最好的组成这么一个小池子，一共49篇。什么叫做最好最好呢，就是被医学界引用达一千次以上的论文，这就叫最好的论文，不多，只有49篇。但是你仔细分析这49篇，发现其中有45篇宣称发现了某一种药物或者疗法对某种病有用，这是医学杂志基本的责任。但是他发现，只有34篇被验证过，其他的没有人去验证，对不对不知道。

再看这被验证过的34篇，其中有7篇后来证明是错的，或者说无法在实验室重复。还有7篇被证明是夸大的。这说明，整个医学界忙了十几年，最顶级的，大家公认的医疗成果，49篇里面只有20篇经历了时间的考验，其它的要吗没有经过考验，要吗就是被考验淘汰了。那埃尼迪斯说，最顶级的东西都这样，那些普通的医学研究，车载斗量、叠床架屋的医学论文，更加不可信。

后来他又换了一个研究角度，找了特定的医学领域，在这个领域找出近些年发表的主流论文77篇，得出来的结论是432个。研究发现被重复验证两次有效的，只有一个，1/432。其它的结果，要吗没有被验证，要吗只验证过一次，就是没有被重复验证。

所以埃尼迪斯就说医学是科学吗？所谓的医学结论到底可不可信呢？现在出了大问题了。连埃尼迪斯都这么看，我们老百姓怎么办？

这样的文章有非常明显的误导，容易让人对医学研究的价值产生怀疑。

其实Ioannidis JP先生的研究可不是为了这个目的，研究内容也没有证明医学研究不可靠，而是对什么类型的研究可靠做出的判断。

埃尼迪斯的研究内容和客观性：Ioannidis JP的文章题目是“在高引用的临床研究中产生的矛盾和最初更强的效果。”

这篇文章的摘要结果：在49项被高度引用的原始临床研究中，有45项声称干预措施是有效的。其中，7项（16%）与后续研究相矛盾，另外7项（16%）发现效果比后续研究更强，20项（44%）被重复，11项（24%）基本没有受到挑战。在6项高引用的非随机研究中，有5项与39项随机对照试验中的9项相矛盾或发现效果更强（P = 0.008）。在随机试验中，具有矛盾或更强效果的研究比重复或未受到质疑的研究要小（P = 0.009），尽管它们的早期或总体引用影响没有统计学上的显着差异。与高引用研究相比，匹配对照研究的反驳结果比例没有显著差异，但它们纳入了更多具有“阴性”结果的研究。

结论： 矛盾和最初更强的效果在临床干预及其结果的高引用研究中并不罕见。高引用可能在多大程度上引发矛盾，反之亦然，需要更多的研究。争议在高引用的非随机研究中最为常见，但即使是引用最多的随机试验也可能随着时间的推移而受到挑战和驳斥，尤其是小规模的试验。

Ioannidis JP. Contradicted and initially stronger effects in highly cited clinical research. JAMA. 2005 Jul 13;294(2):218-28. doi: 10.1001/jama.294.2.218. PMID: 16014596.

这一论文并不是说明医学研究不靠谱的这样的结论。只需要从摘要中就可以看到Ioannidis要研究的内容，他是说，医学研究对照试验是非常重要的，非随机对照试验被证伪的可能性远远高于对照试验，即使是对照试验，如果规模比较小，也容易被证伪。其实其结论并没有问题，就是医学研究结论的可靠性一是要靠严格的双盲对照RCT，另外一个要有一定规模。

疗法和药物效应研究一般需要在细节和机制方面有所深入才能在高水平杂志上发表，但是由于生物和人体过于复杂，所谓治疗效果可靠性往往比较低，所以需要排除实验误差，其中比较重要的就是设置对照。这一研究的目的恰好证明严格对照的价值。

药物研发由于存在商业竞争，其实并不太注重论文发表，甚至为了掩盖某些不良反应，故意不公开不发表。新药物研发的费用极其昂贵，成功率低是其最重要因素。注意这里的成功率低。早期的学术论文上发表的新型热门治疗概念，往往是后期药物研发的热点。但成功率仍然非常低。这一直都是药物研究的真实情况。所以靠某些热门论文来评估医药研究的可靠性，这本身就是有故意的嫌疑。其实生物医学研究更重要的目的是通过大量可能存在错误，甚至必然存在错误的研究和观点，一步步深入了解和认识人类和生命现象的本质，并不全部在于疾病治疗。许多学术论文，甚至医学研究，其目的也在于探索方法，不在于确定某种疗法。

罗先生所谓的另外一项研究，大概是篇“关于性别差异的主张：对遗传关联的实证评估。”

Patsopoulos NA, Tatsioni A, Ioannidis JP. Claims of sex differences: an empirical assessment in genetic associations. JAMA. 2007 Aug 22;298(8):880-93. doi: 10.1001/jama.298.8.880. PMID: 17712072.

摘要翻译如下

背景： 许多研究试图探究男性和女性之间风险的差异，这是不断扩大的遗传变异与常见疾病或性状之间关联的文献中的一个主要挑战。

目的： 评估遗传效应的显著性别差异是否具有足够的内部和外部有效性。

数据来源： 截至2007年7月6日，我们在PubMed上检索了声称文章标题中与性别相关的差异的遗传关联研究。对标题和摘要以及文章的全文（如有必要）进行资格评估。

研究选择： 检索共检索到215篇文章。我们认为所有检索到的关联研究都是合格的，这些研究声称对任何人类疾病或表型的1个或多个基因变异在性别之间具有不同的遗传效应。我们考虑了双等位基因和多等位基因标记（包括单倍型）以及二元和连续表型和性状。我们排除了非英语研究;仅评估 1 种性别的研究;在研究中，性别仅被视为疾病的独立预测因子;未涉及所调查的遗传变异与疾病或性状的任何关联的研究;不涉及人类的研究;以及作者没有声称任何性别差异的研究。

数据提取： 两名评估员独立提取数据，第三名评估员对他们的差异进行仲裁。数据评估包括分析是否被声明为先验指定;是否在整个研究或其亚组中评估了性别影响;以及索赔是否适当记录、记录不充分或虚假。对于适当和记录不充分的声明，只要有原始数据，我们就会进行基因-性别相互作用的计算。最后，我们将具有最佳内部效度的性别差异声明与处理相同相互作用的其他研究的结果进行了比较。

结果： 我们在 77 篇符合条件的文章中评估了 432 项性别差异声明。作者指出，286项声称（66.2%）的性别比较是先验决定的，而210项（48.6%）声称使用了整个样本量。在55项权利要求（12.7%）中记录了基因-性别相互作用的适当记录;303项声称的文件不足，其他74项声称的文件是虚假的。有188项比较可用于重新分析声称的数据。其中，83 例 （44.1%） 在 P = 0.05 阈值下名义上具有统计学意义，其中一半以上 （n = 44） 的 P 值在 0.01 和 0.05 之间。在60项看似内部效度最好的声明中，只有1项在至少2项其他研究中得到了一致的重复。

结论： 在这个非常突出的遗传关联性别相关差异声明样本中，大多数声明没有充分记录或虚假，并且具有良好的内部和外部有效性的声明并不常见。

虽然机器翻译可能存在错误，但大概意思还是能了解。这是性别和疾病风险的研究，这一领域的研究和药物效应的研究，是相差非常巨大的领域。罗先生把这种研究放在一起进行评论，让人会对药物效应的研究产生更大的怀疑，对医学研究的价值产生更多的疑问，导致人们对医学本身的信心产生动摇。这是一篇非常成功的制造焦虑的文章，且对有一定阅读能力，有一定判断能力的人，产生非常显著的影响。且问，这样的文章最终产生的效应是什么？

把这种学术研究确定性和医学临床的可靠性放一起故意含糊其辞，这是非常不专业的行为，即使从新闻行业的角度看都不应该如此。