读懂科学
一个营养说法是否正确，很少能凭一项研究来回答。本页解释我们在所有事实核查中使用的术语和思考方式。
研究是如何进行的
营养研究使用的研究类型差别很大。它们回答不同的问题，容易出现的错误也各不相同。
- 随机对照试验（RCT）：受试者被随机分配到不同组，例如“多吃鸡蛋”组和“不吃鸡蛋”组。由于随机分组，各组之间平均而言只在所检验的因素上有差别。因此，RCT 最适合证明因果关系。但在营养领域，这类试验往往时间短、规模小，而且通常测量的是血液指标而不是疾病。
- 队列研究：对大量人群进行多年随访。询问他们吃什么，之后统计患病情况。这类研究规模大、时间长，但人们是自己选择饮食的。大量食用某种食物的人，往往在许多其他方面也与别人不同。
- 病例对照研究：将患有某种疾病的人与健康人进行比较，并询问他们过去的饮食。这容易出现回忆误差。
- 横断面研究：相当于一张快照。它能显示关联，但不能显示孰先孰后。
- 检测或残留研究：对食品样本中的物质进行分析。它显示在特定时间、特定地点的特定样本中发现了什么，但并不自动说明人们是否会因此患病。
- 系统综述和Meta分析：按照固定规则检索和评估关于某一问题的所有合适研究，并在可能的情况下进行统计合并。
- 动物研究和细胞研究：它们能解释可能的机制，但不能直接推断对人类健康的影响。
为什么相关不等于因果
两件事同时出现，并不意味着其中一件导致了另一件。一个著名的例子：冰淇淋销量大的日子里，溺水的人也更多。冰淇淋并不会导致溺水。两者都取决于炎热的天气。
在营养研究中，这类背景因素被称为混杂因素。例如，大量饮用软饮料的人，可能也更常吸烟或运动更少。好的研究会对这些因素进行校正，但永远无法完全校正。剩下的部分称为残余混杂。
第二个问题是反向因果：已经患病的人常常会改变饮食。这时看起来就好像是新的饮食导致了疾病。
如果一种关联很强、在许多独立研究中出现、随摄入量增加而增强（剂量-反应关系）、时间顺序相符、在生物学上合理并在实验中得到证实，那么它就更可信。单凭其中任何一点都不能构成证明。
Meta分析能做什么、不能做什么
Meta分析将许多研究的结果进行统计合并。这使结果更加精确，并能显示各项研究是否指向同一方向。
然而，Meta分析的质量取决于其所纳入研究的质量。如果它合并了许多存在偏倚的观察性研究，总体结果也会有偏倚，只是不确定性更小而已。异质性也很重要：如果各项研究之间差异很大，一个单一的平均值就没有多大意义。
关于同一主题的多项Meta分析往往包含相同的研究。因此，三项Meta分析并不自动等于三次独立的证实。我们会检查这种重叠，不会重复计算。
置信区间的含义
研究常以这样的方式报告结果：“风险比 1.06（95% 置信区间 1.03–1.10）”。第一个数值是最佳估计值：相对风险高 6%。括号中的区间表示真实值很可能所处的范围，前提是该研究没有系统误差。
- 如果数值 1.0（“无差异”）位于区间内，则该发现在统计学上不成立。
- 区间窄意味着估计精确；区间宽意味着估计不确定。
- 具有统计学意义并不自动意味着重要。在一项规模庞大的研究中，一个非常小的效应也可能“具有统计学意义”，但在日常生活中却几乎无关紧要。
- 置信区间只反映偶然性，不反映混杂或测量误差。
为什么单项研究可能产生误导
任何单项研究都可能得出后来无法被证实的结果，原因可能是偶然、样本小、同时检验了许多问题，或者人群特殊。此外还有发表偏倚：引人注目的结果比平淡无奇的结果更容易发表。
因此，我们不评估是否有某项研究支持某个说法。通过有选择地挑选研究，几乎任何说法都可以用研究来“证明”。关键在于良好证据的总体。
绝对风险与相对风险
相对风险表示与另一组相比，风险升高或降低了百分之多少。绝对风险表示实际上有多少人受到影响。
计算示例（为说明而虚构的数字）：1,000 人中有 2 人在十年内患上某种疾病。在另一组中是 1,000 人中有 3 人。相对风险高 50%。但绝对风险仅增加了每 1,000 人中 1 人，即 0.1 个百分点。
两种说法都正确，但给人的感受截然不同。因此，在有数据的情况下，我们会同时给出两者。如果某项研究没有报告绝对数字，我们会加以说明。
检出不等于危险
现代实验室能够检出极微量的物质，常常在十亿分之一克的范围内。检出某种物质本身，还不能说明它在该剂量下是否有害。关键在于：
- 实际摄入的量（暴露）。
- 基于健康的指导值，例如每周可耐受摄入量（TWI）或每日允许摄入量（ADI）。欧洲食品安全局（EFSA）等机构在制定这些数值时留有安全余量。
- 最大残留限量（MRL）：法定上限。超出限量属于违法，但并不自动意味着危害健康。反之，低于限量的数值也并非对每个人和每种物质组合都毫无意义。
- 背景：来自污染事件、矿区或其他国家的检测结果，并不自动代表德国或埃及的正常食品供应情况。
反过来也是如此：对于某些物质，例如某些全氟和多氟烷基物质（PFAS），EFSA 设定了非常低的指导值（2020 年：四种 PFAS 总和为每周每千克体重 4.4 纳克）。在这种情况下，正常饮食就可能使一些人的摄入量达到指导值的范围。因此我们会逐案审查。
动物研究和细胞研究
细胞或动物实验能显示某种机制是否可能存在。然而，实验中的剂量往往远高于饮食中的剂量，而且动物对物质的代谢方式与人类不同。我们始终会明确标注这类研究。生物学上的合理性并不等于临床证据。
我们的评估是如何得出的
每条说法都会获得两项独立的评级：
- 评定结论：采用从“正确”到“错误”的七级量表，其中包括“不明确 / 证据不足”。缺乏证据并不意味着某个说法是错误的。
- 证据确定性（高、中、低、极低），基于国际通用的 GRADE 系统。它表示我们对总体证据有多大把握。观察性研究的起始等级低于随机试验，并会因缺陷而进一步降级。
我们将笼统的说法拆分为子说法。“鸡蛋对所有人都有害”可以被否定，而“某些人应限制鸡蛋摄入”则可能是正确的。我们还从多个维度对单项研究进行评级，例如方法学质量、偏倚风险、精确度和地区可推广性，并检查它们是否被正确转述。
我们使用 RoB 2、ROBINS-E、AMSTAR 2 和 GRADE 等工具作为参考。使用这些工具进行完整的正式评估需要全文、研究方案，且通常需要多名独立审查者。这在本项目中无法实现。因此，我们的判断被明确标注为简化的方法学评估。
证据状态、证据档案与核查深度
自系统证据审查（第 4 阶段）以来，每条说法还有一个证据状态。它用文字说明科学给出的是哪一类答案：
- 已被科学证据否定：高质量证据显示情况恰恰相反，或该说法与已确立的生理学知识相矛盾。
- 缺乏高质量证据支持：没有良好证据支持该说法。但仅凭这一点并不能证明它是错误的。
- 过度解读：确有真实的发现，但该说法从中引申出的结论超出了数据所能支持的范围——例如把关联说成原因、把动物数据套用到人身上，或把小效应说成大效应。
- 仅在特定条件下成立：该说法仅在特定摄入量、特定人群、特定制备方式或特定情况下成立。
- 研究不足：研究太少，无法判断该说法是对是错。
- 有充分科学证据支持：该说法与一致的高质量证据相符。
当高质量证据明确否定一个笼统的医学说法时，我们会直截了当地指出：“这一说法是错误的。”在数据相互矛盾或不足的地方，我们不会声称拥有超出证据所允许的确定性。正确的说法会被评定为正确，即使同一体系的其他说法是错误的。
每条说法都有一份证据档案：一个具体的研究问题（干预类问题按 PICO 构建，暴露类问题按 PECO 构建：人群、干预或暴露、对照、结局指标）；在 PubMed、Europe PMC、Cochrane 图书馆及其他来源中有记录的检索——支持性证据和反对性证据分别检索——；双方最有力的研究；对表面矛盾的解释；关于地区差异是否重要的说明；以及维持或更改评定结论的理由。在研究公布了足够数据的情况下，我们会重新计算关键结果（例如根据事件数计算绝对风险）；否则我们会说明无法重新计算。缺失的数据绝不会被填补。
我们不以发表数量论证据。包含相同原始研究的多项Meta分析并不是相互独立的证实。PRISMA 2020 是系统综述透明报告的标准，而不是评价研究质量的工具。GRADE 评价的是针对某一结局的整体证据的确定性，并不能替代对单项研究的评估（随机试验用 RoB 2，非随机研究用 ROBINS-I 和 ROBINS-E，系统综述用 AMSTAR 2 和 ROBIS）。
对于每项研究，我们都会说明核查的深度：已核实文献信息（研究存在；标题、作者、年份和标识符相符）、已核查摘要、已核查全文，或全文并含结构化偏倚风险评估。目前尚无任何研究经过两名独立审查者的正式评估，也尚未进行独立的人类专家审核。我们绝不会把未曾进行的核查描述为正式核查或人工核查。