［從有氧無氧話題，談解讀論文的常見錯誤結論］
延續昨天說的，網路時代的可怕，在於沒有經過實證的東西可以被大家大量轉發跟效仿，一般人也沒有思考是否來自專業醫療人士的建議，更不懂得查證（話說沒幾個人懂得查證）。
但是更可怕的是。
其實 #連專家對某些文獻的解讀也有很多的問題，但民眾更不可能把文獻調出來看內容，也沒有能力判斷真偽，只要是專家的解讀就照單全收，這真的是很令人無奈的事。
以下列出許多專家在分析文章會犯的錯誤（這也是我每週去實驗室會議大家常拿出來討論的項目）：
1️⃣只會看結論（conclusion)，不去一一看研究的設計跟結果，尤其是附加的supplement詳細的內容。
就像我在「有氧運動掉肌肉？飲食背景才是重點！」
https://www.facebook.com/175089479960691/posts/942088663260765/?d=n這篇提到的，或是之前我討論「168斷食」相關研究的態度。
其實很多減重研究的結論只寫「體重下降幾%」，請問有去看「組成」嗎？我從來都不會只看結論就告訴民眾「這個減肥法可以減掉體重幾趴所以是好的減肥方式」，我一定會確認組成當中「肌肉是不是流失太多」「是不是脫水的假象」，才會給予建議。
2️⃣看結論就算了，還斷章取義，一言以蔽之的毛病
例如我常提到的，「正常人」跟「衰弱或肥胖」族群的本身的胰島素抗性跟身體條件不同，很多在正常人身上的結果，不一定適用異常的身體組成。連「男」「女」性在研究中都會出現諸多不同的結果，就是因為先天基因、荷爾蒙跟後天腸道微菌的組成都不一樣（例如：男性普遍微菌基因數量比較多，肌肉較多，沒有女性荷爾蒙週期的干擾，所以在減重效果上比女生快）
例如：延長空腹時間讓生長激素上升的現象， #只出現在正常人而肥胖者沒有，所以肥胖者168會比正常人容易掉肌肉，但現實中幾乎168的都是肥胖者。
例如：有些研究發現「老年人」做有氧短時間可以提高肌肉量，但在「年輕人」身上沒有這個現象。但是想從專家這裡獲取「增肌」建議的都是年輕人，他照著做有氧可能沒有半點肌肉肥大的效果。
例如：有氧在正常飲食的人身上不會掉肌肉，但在「低熱量飲食」的人身上掉慘了，但很多刻意去做有氧的人，她的目的可能是減肥所以搭配了低熱量，結果聽你說有氧不會掉肌肉還會增肌，她就跟著做。
3️⃣研究的族群母數（sample size)太小、時間太短
也就是所謂一個研究「質」與「量」的問題。
誠如我之前寫的有氧跟無氧的文章，裡面對於有氧運動對增肌的幫助有「特定的條件跟環境」，而且我舉例的都是「227人」這樣的數字，或是追蹤長達「三年」這樣的研究。
https://www.facebook.com/175089479960691/posts/942593756543589/?d=n
但是有些專家提出來的研究，都是只有10-20幾個人（連腸道菌這種高成本研究都最少要30人才有統計意義了），而且時間只有1-3個月，這樣短的時間跟小的人數，相較於夠長的觀察時間跟夠多的人數，統計上的結果其實較不客觀，現在的期刊太多，研究也是一堆，但如果 #每個質量差的研究結果都納入考量， #那只會被偏誤拉著走。
4️⃣研究中的各項偏誤（bias in research)
我以前在「實證醫學的陷阱—-研究結果的停看聽」
https://www.facebook.com/175089479960691/posts/384507029018934/?d=n
評論過「喝酒比運動還長壽」的研究，存在著各種偏誤，除了我文中討論的選擇性偏差（Selection bias）外，還有幾種包括：
✔️ #確認偏誤（Confirmation bias）
當人們 #本來就持有某種觀點時， #對這種觀點的感知和注意度會被放大，會 「選擇性」地回憶或收集關於它的事例。人們對於自己原本就相信的觀點會更容易接受，而把 #反面觀點擱置在一旁。
舉例來說，是附圖的研究是2015年的《Cell Metabolism》跟 2018年的 《Cell》，兩個研究者做出了完全相反的結論。
2015年的作者發現不健康的飲食會破壞腸道菌、讓腸道免疫相關的Th17細胞數量下降，導致腸道失去正常防禦能力，連帶造成系統性的肥胖跟發炎。
但2018年的作者發現吃「高脂肪生酮飲食」會讓雙歧桿菌的數量下降，讓Th17數量下降（以上都跟2015年的觀察一致），但他的結論卻是「這樣可以讓發炎下降，是好事」，整篇論文他引用了大量Th17下降有助於哪些疾病改善的文獻，卻在reference中完全沒有引用2015年這篇（太詭異！！根本刻意忽略），也沒有提到Th17對於腸道的保護重要性，可想而知，研究者一開始就認定「高脂肪生酮對身體有益」，選擇忽略好菌下降這些矛盾的發現。
即使是這麼大的期刊，也存在著這樣的確認偏誤，甚至是所謂的✔️ #觀察者期望效應（Observer-Expectancy Effect）——研究者有時可能會期望出現某種結果，他們無意識地操縱了試驗過程，或者 #錯誤地解釋實驗結果，導致 #研究結果嚴重歪曲。
這也就是為何，對於研究的結論照單全收直接告訴民眾， #是非常危險的事，你可能自己也犯了確認偏誤，或是 ✔️ #虛假一致性偏差（False consensus effect）——人們很容易認為其他人跟自己有相同的想法，從而高估這些觀點的普遍適用性。
以上，在知識越來越普及的時代，用功的人人都可能變成專家，但是身為受過 #實證醫學訓練 的專業人員，麻煩在解讀論文跟傳遞訊息時，要在更謹慎小心一點。
#實證醫學的陷阱
selection bias統計 在 [討論] 什麼是選擇性偏差(selection bias)? - 看板NCKU-PH98 的美食出口停車場
在這篇裡面要跟大家說明什麼是選擇性偏差(selection bias)?
在上一篇裡面有跟大家提到，我們是從來源將偏差分類的
其中選擇性偏差是因為研究對象的選取不當所造成
像是１．研究組與對照組的可比較性差
２．研究各案的抽樣架構選擇錯誤
３．研究對象追蹤漏失或沒有回應(loss to follow up)
也就是說 當目標族群中不同疾病與暴露狀況下的個案 與被選為研究族群的比例不盡相同
這時候就有可能產生選擇篇差
我們來看看郭浩然老師上課時所給我們的定義(A Dictionary of Epidemiology)
Error due to systematic differences in characteristics between those who
are selected for study and those who are not.
一個因為系統性所導致的錯誤(Error)造成了被選進來做研究的人與沒有被選進來是不同的
也就是研究對象的選取不當 重點就在不同
￣￣
==============================================================================
那選擇性偏差會造成什麼後果呢？
我們一樣看看郭浩然老師給的定義(A Dictionary of Epidemiology)
“Selection bias invalidates conclusions and generalization that might
otherwise be drawn from such studies.”
選擇性偏差所造成最嚴重的後果就是會使研究是無效的，也就是說你花費這麼多的時間
浪費了這麼多的金錢，結果做出來的研究是沒效的
==============================================================================
那選擇性偏差可以補救嗎？
我們繼續看看郭浩然老師給的定義
selection bias is an error in study design or execution
-may be prevented by study design
-cannot be solved by analysis of the data collected in the study once it
occurred
選擇性偏差只能從實驗的設計來解決
並且選擇性偏差是無法事後補救的就算妳統計很強也一樣(學姊我沒針對妳XD)
希望這篇對大家有所幫助 接下來會跟大家討論什麼訊息性偏差(imformation bias)?
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 218.164.227.189
※ 編輯: danail 來自: 218.164.227.189 (01/16 16:56)
... <看更多>