正确数据分析时的注意事项
到这里，本书围绕正确进行数据测定，对测定结果进行分析，到获取信息，以消除不确定性为目的应用所获取的信息展开了阐述。那么，我们应该怎样看待信息与知识之间的关系呢？信息本身可以单独存在，但是，如果单独存在的信息在需要的时候不能获得，那么，就可能因为遗漏这部分关键信息导致整体判断失误并引发错误的行动。
举个例子，假设现在有观点称“喝黑醋能减轻体重”。一般来说，人们知道很多类似的信息，比如有效疗法及各种民间疗法、营养辅助食品、名医及知名医院推荐、患者分享自己的治愈经历和心得……随着网络的广泛普及，网上随处可见这类断章取义式的信息片段。但是，这些信息中，到底哪些是真哪些是假？这就需要人们擦亮眼睛分辨是非对错。研究人员，特别是从事人类健康与疾病研究的人通常采用以下一些系统性的方法——比如对照组对比、偏倚（Bias）排除、分子分母意识、考虑混淆因素、因果联系逆转的可能性等等。这就是流行病学中以人为对象接近科学研究的途径。
医疗实践活动中积累的重要临床信息包括病例报告和病例收集（大量病历报告）。但是，仅仅根据病例报告和病例收集还不足以得出一般论的信息，因为临床上报告的病例本身从患病个体与整体病例对比出发，其产生的选择偏倚很大。而且，因为单纯的病例报告和收集缺乏对照组（control），所以，治疗的有效性和风险因素探讨之间存在很大的局限性。病例报告对学习临床基础知识而言的重要性不言而喻。但是，其目的不是为了获得一般性的结论，而是帮助临床医生从较少的（珍贵的）病例中加深个人临床能力。作为与治疗和风险因素相关的一般论，当我们接受某种信息时，必须持有对照组意识，这一点非常重要。
解读信息，在此基础上，下一个关键点是尽量排除偏倚，代表性的偏倚分为选择偏倚、测量偏倚、混杂偏倚三类。关于选择偏倚。有这样一则逸事：
1936年，美国进行总统选举期间，《文学摘要》（%e literary Digest）在选举开始前以237万人为对象进行了民意测验，预测共和党候选人将胜出。另一方面，盖洛普公司（Gallup，盖洛普公司由美国著名的社会科学家乔治·盖洛普博士于1935年创立，是全球知名的民意测验和商业调查、咨询公司）仅利用一个大约2万人的样本，预测民主党候选人将胜出。抽样调查对象数分别是237万人和2万人，二者相差约100倍。
结果怎样呢？盖洛普公司正确地预测了民主党候选人的胜利。这就是大数据时代在信息真伪之辨的基础上，一个很有说服性的例子。The literary Digest公司从本社杂志的读者、电话簿、汽车注册会员名录中选取了1000万人作为问卷调查对象，其中240万人寄回答案。
另一方面，盖洛普公司结合与样本居住地、年龄、性别、人种等与选举权人整体分布情况类似的立场出发，重点筛选了一个大约2万人的调查样本。结果，尽管调查对象只有2万人，与The literary Digest公司发生偏倚的237万人的信息相比，准确地反映出“美国民众的代表性意见”。
这个案例告诉我们：偏倚少的样本的重要性。人们通常容易陷入的思维误区之一是只要对大样本进行调查取样并进行统计分析，就能得出正确的结果。但是，这种方式可能使数据产生偏倚，引导错误的信息，直至发生致命性的错误。这就是Theliterary Digest公司为我们揭示的道理。这里需要注意的问题是“随机采样”（random sampling）——即对采样对象整体进行编号，再以相同的概率随机采取子样，代替对整体进行调查的方法。以采样对象整体的缩小型（miniature）为对象进行抽样调查，通过这种方式对整体状况进行预测。可以说，随机采样是一种科学的、划时代的方法。(https://www.daowen.com)
那么，大数据时代会发生什么呢？用极端的话说：大数据的目标是整体调查。暂且把成本面的可行性放在一边不谈，预测候选人时，以选民整体为对象实施的调查是大数据时代的常规做法。暂且撇开预测候选人不说，如果我们能够获得足够数量的电子病例和诊疗信息。那么，通过实施整体医疗调查，就不一一看，也包括以下内容。
测量偏倚、要因预知偏倚、记忆偏倚、思维偏倚、家族信息偏倚、不认可偏倚、迎合偏倚、期待偏倚、谦逊偏倚、举止偏倚、面试者偏倚……以上每一种偏倚都可能在人无意识的状态下呈现。也就是说，人们不可能彻底脱离偏倚状态。即使是以整体调查为对象的大数据，也解决不了这个问题。
其次，所谓分子分母意识，指与传统相比接近流行病学过程中重视的一点——即母本意识。例如：假设某种治疗方法对某种疾病有效。那么，即使这种治疗方法对接受治疗的1万名患者显示效果，仅仅根据这一结果，也不能断言这种治疗方法一定有效。为什么？因为在1万名治疗有效的患者背后，可能还有9万名患者接受同样的治疗后无效。这被称为“脱落例”，这是解读信息时人们最容易陷入的陷阱。为了防止落入此类陷阱，研究人员必须对受试者整体进行调查。因此，如果分子分母问题能够实现与全数调查接近的大数据调查，消除偏倚的可能性无疑将大大提高。
在因果关系验证阶段，还需要结合混淆因子进行思考。这里列举一个容易把人绕进去的例子——“运动可以缓解（不患）感冒”。据美国某大学发起的问卷调查结果证实：与每天只运动1小时的人相比，每天进行3小时中等强度运动的男性患感冒的概率降低35%。根据这项结果，就能断定“运动可以不患感冒”吗？
即使运动与不患感冒之间存在关联，那么，运动以外的其他因素也可能让人不患感冒。例如：我们可以认为经常运动的人有充足的时间用来锻炼身体，这时，不仅运动能够帮助人体远离感冒，优越的经济保障、良好的生活环境、均衡的营养状态、接受的教育程度高等因素都有可能帮助人体预防感冒。其中，特别是作为混淆因子的社会经济层面的因素是无法忽视的存在。
这个案例为我们揭示了“因果逆转”的现象。例如：假设这项调查基于以下两个问题展开，一是“最近三个月的运动程度怎样？”，二是“最近三个月是否感冒，感冒了几次？”那么，原因与结果之间的关系就可能发生逆转。也就是说，因为没有感冒，所以锻炼身体。这种“因果逆转”现象在同一时间段采取原因因素和结果因素的“横断研究”过程中尤其需要注意。
当然，病例报告和少量病例收集对医学进步发挥着巨大的作用。特别是在进行新病种发现和罕见病治疗方法研究时，这类研究不可或缺。今后，在临床一线重视病例报告这一传统的同时，临床流行病学信息的应用及普及，推动大数据运用等状况无疑将发挥巨大作用。