相关性与因果性

如前所述，人们普遍认为，随机对照试验是医学研究的最佳方法。具有明确结论的随机对照试验应该表现出因果性，而观察性研究只能表现出相关性。“相关性”这个术语，听上去完全是数学概念，但也并非如此。简单而言，它指的是：如果一个结果随同第二个结果出现，那两者之间就存在某种关系。比如，一个结果是花园里的花儿长得很好，绚烂开放，另一个结果是花儿附近的蔬菜长势喜人，日渐成熟。如果这两个结果同时出现，那它们就具有相关性。如果有人问及原因，我们可能会天真地说，是因为蔬菜附近有花儿的存在，才使得蔬菜长得更大、更加美味。这个例子是一个假说：结果相关，因而具有因果性。然而，园丁会告诉我们，这些相关性的结果，很可能是因为土壤肥沃、水分充足和精细的管理。借用科学术语，这是一个相关性原因的假说——结果相关，是因为具有某种共同的机制而产生的。在介入性随机对照试验中，治疗与效果之间的相关性，往往被视为因果性。但因果关系可能具有很长的逻辑链条，存在着诸多难以确认的相关影响。

我们生活中大部分时间都在追随相关性，即使它不能让我们找到因果性，也会带来诸多益处。打个比方，寻找美味的食物。如果我们在某个餐馆吃过一次饭，发现它的食物非常棒，那我们就可能再去吃。我们会认为，这与该餐馆食物的质量是相关的。通过这种方法，寻找食物就变成了寻找相关性的问题。还有一个有趣的例子：细菌（肉眼无法看见的微小的单细胞生物）没有任何视觉和方向感，也不知道自己身在何处，那它是如何找到掉入水桶里的葡萄干的？细菌对液体环境中的糖或其他营养素的数量（浓度）具有敏锐的感知力，而且可以沿着同一方向游泳数秒钟。那这是如何让它找到葡萄干的呢？不可思议的是，只需记住刚才感知到的食物浓度，细菌就可以准确定位糖的位置。如果糖的浓度没有增加，细菌每隔几秒钟就会随机地滚动，以便移向新的方向。如果糖的浓度增加，细菌就会减少滚动，朝着浓度更高的方向游去，最终就可以找到葡萄干，饱餐一顿。这就是一个相关性的例子。细菌利用的是：由于水中扩散，糖的来源与空间位置相关；细菌感知到的糖浓度在时间上是相关的。感知到的糖浓度越高，就越接近葡萄干。然而，细菌并不“知道”食物在何处。它只能盲目地游向随机的方向，它没有任何“理论”去推测食物在哪里、应该朝什么方向游去。这个故事告诉我们：在这个复杂的世界里，在健康研究中，我们观察到的相关性具有很大的益处，但这些相关性并不总会告知我们因果性。

在某些健康研究中，营养补充剂使得疾病风险稍微升高，或者使疾病风险降低。有些研究表明补充剂根本没有任何效果，即使是大型随机双盲试验也是如此。很多人就会认为，这些研究的结果是确凿的，因为它们采用的是最佳的科学方法。然而，科学知识（尤其是健康科学）来自于因果性。某个新的假说经过验证，发现可以解释某项研究的结果，就会被暂且接受；但是，如果进一步试验发现它是错误的，就必须找到更符合数据的替代假说。如果随机对照试验确认治疗和效果之间存在着很强的相关性，那就表明两者可能存有因果性，就有助于提出有关疾病发生机制、治疗作用机制以及如何提升治疗效果的假说。但这个结论只适用于具体的实验问题，很难推而广之。如果随机对照试验确认治疗和效果之间的相关性较弱，就有助于提出新的假说，不过，结果总会存在某种不确定性。(https://www.daowen.com)

相关性较弱的原因，可能有着多种因素，包括研究人群的随机变化、患者生活方式与其疾病的关联度。如果两种疾病具有相似的病因——例如，青光眼和心脏病均与高血压相关——就会对研究结果产生正面或负面的影响。原因在于在许多重大疾病的研究中，患者发生急性症状或入院治疗，出于伦理考虑，就会被终止试验。如果某个研究对象因为心脏病发作而退出试验，就会影响心脏病急性发作可能性较低的剩余参与者的统计风险，从统计上讲，就会造成他们发生青光眼的可能性升高或降低。如果高血压是这两种疾病的首要病因，那些具有急性心脏问题的参与者患上青光眼的风险最高，因此，在统计上，剩余参与者发生青光眼的风险就会降低。如果某些患者的青光眼受其他因素的影响很大，那么，能够降低心脏病急性发作的治疗方法就可能让更多的参与者留下来继续参与研究，从而使青光眼的统计风险升高。相关症状与疾病之间存在着很多复杂的相互作用，即便是精心设计的随机对照试验，也不容易理清楚。

缺乏相关性甚至更难加以确定，因为阴性结果的解释能力与阳性结果是不一样的。阴性结果的产生，一个明显的原因是随机变化，因为如果治疗的效果非常弱（例如，剂量太低），那它完全可能被随机效应所掩盖。但阴性结果还有其他原因，包括科学问题错误、假说错误或者意想不到的相关性。打个简单的比方，你去堪萨斯州寻找袋鼠，或者去佐治亚州寻找人参，就会一无所获，因为你去的是错误的地方甚至是错误的国家！但出现阴性结果，并不一定是说你寻找的东西是不存在的。因此，研究健康疗法的随机对照试验出现阴性结果，就必须结合研究群组的疾病与生活方式、各种可能的相关因素以及可能影响结果的随机变化进行解释。虽然某些相关因素很明显，可以纳入研究结果的分析，但这种可能性并非总是存在。