1702631997
1702631998
例2 强有效的安慰剂
1702631999
1702632000
想帮正在脱发的男性保住他们的头发吗？给他们使用安慰剂。有一项研究发现，一些有脱发烦恼的男性在服用安慰剂之后，有42%的人停止脱发甚至头发开始增加。另一项研究告诉13个对有毒青藤敏感的人，涂在他们一只手臂上的是有毒青藤，而实际上是安慰剂，但那13个人的胳膊上全部起了疹子。其实涂在他们另一只手臂上的才是有毒青藤，但实验对象被告知那是无毒的，结果13个人之中只有两个人胳膊上起了疹子。
1702632001
1702632002
对于不太明确的和心理方面的病症，比如抑郁症，一些专家认为，有3/4的常用药物只具有安慰剂作用。有些人不同意这个观点（见练习6.26）。医疗领域中的安慰剂效应有多大是很难测量的，因为这取决于具体的环境。医生是否积极热情，对患者的病情也有很大的影响。不过，在你考虑进行一项医学实验时，首先想到“安慰剂是有作用的”，这是一个好的开端。
1702632003
1702632004
安慰剂效应的强度是随机比较实验的有力论据。在脱发实验中，安慰剂组有42%的人停止脱发甚至头发有所增加，但是在使用一种新的防脱发药的那一组，有86%的人停止脱发甚至头发有所增加。防脱发药打败了安慰剂，证明其不只是安慰剂。当然，安慰剂效应仍然是这种药以及其他疗法有效的部分原因。但是，如果告诉医学实验的实验对象他使用的是新药或是安慰剂，就会弄巧成拙。如果他们知道自己使用的“只是安慰剂”，就会降低安慰剂效应，导致实验结果有偏差，对新疗法更有利。如果告诉医生或其他医护人员，每个实验对象所用的处理方式是什么，那同样不妥。如果他们知道某个受试对象使用的“只是安慰剂”，他们的期望值就会比“知道实验对象使用的是新疗法”时要低。医生的期望值会影响他们和病人的互动，以及他们对病人病情的诊断。因此，只要有可能，任何以人作为实验对象的实验，都应该做到双盲。
1702632005
1702632006
1702632007
1702632008
1702632009
“伯恩斯医师，你确定统计学家所说的双盲实验是这个意思吗？”
1702632010
1702632011
双盲实验
1702632012
1702632013
在双盲实验中，不论是实验对象，还是会和实验对象产生互动的人，都不知道哪位实验对象采用了哪种处理方式。
1702632014
1702632015
在实验结果出来之前，只有实验人员知道全部情况。我们以一项对鼻喷剂形式的流感疫苗所做的研究为例，其研究报告是这样开头的：“这是一项随机、双盲而且有安慰剂控制组的实验。实验对象是在1997年9月中旬到11月中旬在遍布美国大陆的13个地点申请参与实验的。”医生都应该知道这些话是什么意思，现在你也知道了。
1702632016
1702632017
拒绝参加者、不合作者和退出者
1702632018
1702632019
抽样调查存在“无回应”的问题，原因是联络不到样本中的某些人或有些人拒绝回答问题。以人作为实验对象的实验，也有类似的困扰。
1702632020
1702632021
例3 临床试验中的少数群体
1702632022
1702632023
实验对象拒绝参与癌症等重病治疗的临床试验，这已经成为一个严重的问题。和抽样调查的情况一样，如果拒绝参加的人和愿意参加的人之间存在系统性差异，就会导致实验结果产生偏差。
1702632024
1702632025
临床试验是包括人类实验对象的医疗实验。少数族裔、女性、低收入人群和老年人在临床试验中的代表性一向不足，很多时候都不会被邀请参与实验。法律现在已要求临床试验的实验对象中必须包括女性和少数族裔，从数据中可以看出，现在大部分的临床试验，已经具有足够的代表性。拒绝参加仍然是一个问题，其中少数族裔，特别是黑人，拒绝参与的概率更大。美国政府的少数族裔卫生办公室说：“尽管最近一些研究显示，非洲裔美国人对于癌症研究的态度渐趋肯定，还是有研究结果表明他们对临床试验仍心存疑虑。造成其不愿参与的主要原因是对医疗机构缺乏信任。”相关的补救措施包括：提供临床试验的完整清晰的信息，为疗法购买保险，有黑人实验人员参与，以及与黑人社区的医生和医疗机构合作。
1702632026
1702632027
参加实验却不遵守实验规则的实验对象叫作“不合作者”（nonadherer），不合作者也会造成结果的偏差。举例来说，参加新药临床试验的艾滋病人有时还会自行采用其他的治疗方式。还有些艾滋病人会把分配给他们的药拿去化验，如果发觉自己不是被分配到新药组，就会退出临床试验或自行采用其他治疗方式。这会造成对新药不利的偏差。
1702632028
1702632029
持续时间较长的实验常会碰到“退出者”（dropout），也就是参加实验后又中途退出实验的人。如果实验对象退出的原因与实验的处理方式无关，则关系不大，只是实验对象人数减少。如果退出的原因与某个处理方式有关，就可能造成结果的偏差。
1702632030
1702632031
例4 医学临床试验的退出者
1702632032
1702632033
奥利司他（Orlistat）是一种新药，可以阻止我们从食物中吸收脂肪而有助减肥。和往常一样，这种药通过双盲随机实验和安慰剂做了比较。
1702632034
1702632035
实验对象是1187位肥胖人士。实验人员先给他们服用了4个星期的安慰剂，并将不愿按时服药的人剔除。这样就解决了不合作者的问题，共剩下892名实验对象。实验人员把这些人随机分配到奥利司他组或安慰剂组，安排他们食用减肥餐。这项减肥计划进行一年后，还剩下576位实验对象愿意继续参与。平均来说，奥利司他组的每个实验对象比安慰剂组多减了3.15公斤的体重。该计划又进行了一年，这一年的重点是保持住体重不反弹。第二年的实验结束后，还剩下403位实验对象，是实验开始时的892人的45%。奥利司他组再一次打败了安慰剂组，每个人的体重平均减少了2.25公斤。
1702632036
1702632037
有那么多实验对象退出，结果还会可靠吗？两组的整体退出率很接近：奥利司他组是54%，安慰剂组是57%。实验对象退出实验的原因和处理方式有关吗？安慰剂组的实验对象通常因体重没有减少而退出，这对奥利司他组不利，因为到研究结束时仍留在安慰剂组的人，可能是那些只要肯吃减肥餐就能减肥的人。研究者仔细检视了所有退出者的资料，发现两组退出者减轻的体重都比留下的人少，但经过细致的统计后却发现差别很小。这样的实验结果不具有统计学显著性。
1702632038
1702632039
1702632040
1702632041
1702632042
“长江一号，你负责挠兔子的头；长江二号，你设法混入临床试验小组，然后半颗药也不要吃；长江三号，你想办法去参加一个实验，然后中途逃跑。”
1702632043
1702632044
实验的结论可以推广到现实生活中吗？
1702632045
1702632046
设计完善的实验可以告诉我们，解释变量的改变将会引起反应变量的改变。说得更明确一点儿，它告诉我们的是，在这个实验的特定环境下，发生在特定实验对象身上的事。但我们想要的不仅是这些。我们希望能够证明，我们教数学的新方法能使一般中学生都学得更好，或者我们的新药对于大多数病人来说都比安慰剂有效。究竟我们能不能把实验结论，从一群实验对象推广到更大的群体中呢？