0:00:06.912,0:00:11.272
一種簡單的維他命就可以[br]減少你得到心臟病的風險。

0:00:11.542,0:00:14.862
學生吃巧克力可以減少壓力。

0:00:15.522,0:00:20.032
新藥品延長罕見疾病病人的壽命。

0:00:20.222,0:00:23.187
每天都可以看到[br]像這類的健康標題被刊出，

0:00:23.187,0:00:26.307
有時，這些標題的主張還彼此相反。

0:00:26.307,0:00:28.777
這些廣泛、吸引注意力的標題

0:00:28.777,0:00:31.737
和它們所報導的那些通常很明確、

0:00:31.737,0:00:34.977
漸進式的醫療研究結果[br]之間會有斷層。

0:00:34.977,0:00:39.147
所以，我們要如何避免[br]被聳動的標題誤導？

0:00:39.357,0:00:42.587
評估標題可信性的最佳辦法

0:00:42.587,0:00:45.807
就是去看它報導的原始研究。

0:00:45.807,0:00:48.217
我們針對前述這三則標題分別

0:00:48.217,0:00:50.507
提出了一個假設性的研究情境。

0:00:50.507,0:00:53.357
繼續看第一個例子的說明；

0:00:53.357,0:00:56.447
接著在標題出現後[br]按暫停，回答問題。

0:00:56.447,0:00:58.517
這些都是簡化的情境。

0:00:58.517,0:01:02.827
真實的研究會詳細說明更多因子[br]以及它們與研究的關係，

0:01:02.827,0:01:04.837
但為了做這項練習，

0:01:04.837,0:01:08.697
就假設所需的資訊已全被納入。

0:01:11.048,0:01:14.848
咱們先來思考一下[br]一種維他命 Healthium

0:01:14.848,0:01:16.918
對心血管的影響。

0:01:17.068,0:01:19.678
該研究發現吃 Healthium 的受試者的

0:01:19.678,0:01:21.998
高密度脂蛋白膽固醇（HDL 好膽固醇）

0:01:21.998,0:01:24.078
比吃安慰劑的要來的高。

0:01:24.078,0:01:26.366
前者的膽固醇值很接近那些

0:01:26.366,0:01:29.406
天生就具有高水平好膽固醇的人。

0:01:29.936,0:01:31.501
先前的研究顯示

0:01:31.501,0:01:34.666
天生就具有高水平好膽固醇的人

0:01:34.666,0:01:37.166
比較不會罹患心臟疾病。

0:01:37.486,0:01:39.991
那麼，這標題是怎麼誤導的：

0:01:39.991,0:01:43.801
「Healthium 降低心臟疾病的風險」？

0:01:44.311,0:01:48.791
這個標題的問題是，[br]研究並沒有真正去調查

0:01:48.791,0:01:51.561
Healthium 是否會減少心臟疾病。

0:01:51.561,0:01:53.651
它只是測量了 Healthium

0:01:53.651,0:01:56.791
對於特定種類膽固醇水平的影響。

0:01:56.791,0:01:59.931
那種膽固醇天生就很高的人

0:01:59.931,0:02:01.951
比較少有心臟病，

0:02:01.951,0:02:03.621
這並不一定表示

0:02:03.621,0:02:07.731
用 Healthium 來提高[br]膽固醇水平的人亦會如此。

0:02:07.731,0:02:10.141
現在，你破解了[br]Healthium 的案例，

0:02:10.141,0:02:13.581
試試看這個特別誘人的謎：

0:02:13.581,0:02:17.321
吃巧克力和壓力之間的關係。

0:02:17.321,0:02:20.281
這項假設性研究招募了十名學生。

0:02:20.281,0:02:23.531
其中一半學生開始[br]每天吃一定劑量的巧克力，

0:02:23.531,0:02:25.271
另一半則避吃巧克力。

0:02:25.271,0:02:28.691
他們都是同學，所以課表一樣。

0:02:28.691,0:02:31.061
在研究尾聲，吃巧克力的人

0:02:31.061,0:02:35.031
比不吃巧克力的人壓力小。

0:02:35.451,0:02:37.301
這個標題有什麼問題：

0:02:37.301,0:02:41.371
「吃巧克力會減少學生壓力」

0:02:43.408,0:02:48.638
樣本只有十個人，卻把結果套用到[br]所有學生，這就是過度擴大。

0:02:48.638,0:02:52.024
原因是，在隨機樣本中的[br]受試者人數越少，

0:02:52.024,0:02:54.554
該樣本就越無法代表

0:02:54.554,0:02:57.554
整個目標整體。

0:02:57.934,0:03:02.734
比如，如果廣大的學生母體中[br]有一半是男性，一半是女性，

0:03:02.734,0:03:04.784
抽出十個人做為樣本，

0:03:04.784,0:03:09.964
此樣本有 12% 的可能性[br]會偏向七成男性、三成女性。

0:03:10.144,0:03:12.098
若是一百人的樣本，

0:03:12.098,0:03:15.693
此機率則不到 0.0025%，

0:03:15.693,0:03:17.525
若樣本中有一千人，

0:03:17.525,0:03:22.555
此機率不到 6 x 10^-36。

0:03:22.795,0:03:25.137
同樣的，當受試的人數很少時，

0:03:25.137,0:03:29.340
個別受試者的結果[br]對整體結果的影響會比較大，

0:03:29.340,0:03:32.550
因此可以造成整體趨勢的偏差。

0:03:32.550,0:03:37.490
不過，科學家還是有很多[br]好理由去進行小型研究。

0:03:37.490,0:03:39.269
從小樣本開始，

0:03:39.269,0:03:42.039
他們可以評估結果是否夠理想，

0:03:42.039,0:03:45.139
再來進行更全面、廣泛的研究。

0:03:45.139,0:03:48.609
有些研究會需要非常特定的受試者，

0:03:48.609,0:03:51.999
可能無法讓很多人參與。

0:03:51.999,0:03:54.329
關鍵在於可重複性：

0:03:54.329,0:03:57.629
如果文章從一項小型研究得出結論，

0:03:57.629,0:03:59.649
那結論可能不可信；

0:03:59.649,0:04:03.099
但如果文章的根據是[br]很多項發現類似結果的研究，

0:04:03.099,0:04:04.699
就會比較可信。

0:04:04.699,0:04:06.919
我們還有一個謎要解。

0:04:06.919,0:04:11.899
這個情境中的研究，是在測試[br]治療致命罕見疾病的新藥。

0:04:11.899,0:04:14.156
樣本是兩千名病人，

0:04:14.156,0:04:17.636
被診斷出此疾病後[br]就開始吃這種藥的人，

0:04:17.636,0:04:20.802
比吃安慰劑的人活得更久。

0:04:21.052,0:04:23.642
這次，問題有點不同。

0:04:23.642,0:04:28.012
你還需要知道哪一項資訊，[br]才能判斷這個標題是否合理：

0:04:28.012,0:04:33.229
「新藥延長了罕見疾病患者的生命」？

0:04:34.902,0:04:36.472
在做決定之前，

0:04:36.472,0:04:40.792
你需要先知道，這種藥[br]能延伸病人多長的壽命。

0:04:40.792,0:04:44.933
有時研究的結果可能在科學上有效，

0:04:44.933,0:04:48.243
但對現實世界的結果影響不大。

0:04:48.243,0:04:52.941
比如，胰藏癌藥物的實際臨床試驗

0:04:52.941,0:04:56.967
發現可以延長壽命「十天」。

0:04:57.457,0:05:00.277
下次看到驚人的醫療相關標題時，

0:05:00.277,0:05:03.137
先看一下它所報導的科學。

0:05:04.027,0:05:06.957
即使需要付費才能[br]看到完整研究論文，

0:05:06.957,0:05:10.367
你通常仍然能在免費取得的摘要中

0:05:10.367,0:05:13.177
找到實驗設計的概要以及結果，

0:05:13.177,0:05:16.361
或甚至在新聞文章的內文中找到。

0:05:16.361,0:05:19.671
見到新聞報導科學研究讓人振奮，

0:05:19.671,0:05:23.401
而重要的是要了解研究的發現。