今天，一篇醫學論文可以在幾個小時內傳遍世界。
一種食物被發現有益健康，一款藥物顯示出令人鼓舞的療效，一種新的檢測方法似乎能夠更早發現疾病。
但沒過多久，我們可能又看到另一項研究，得出了不一樣的結果。
咖啡究竟有益還是有害？某種營養補充劑到底有沒有效果？一款新藥在臨床試驗中取得成功，是否意味著它真的能夠讓患者活得更長、更好？
我們似乎生活在一個科學知識空前豐富的時代，卻也越來越難判斷什麼值得相信。
問題真的在於科學不斷推翻自己嗎？還是說，我們一直在用不完整的方式理解科學？
一、科學每天都在生產知識，但知識不等於答案
2026年10月，科學記者、《自然》雜誌高級編輯海倫·皮爾遜（Helen Pearson）在 Aeon 發表了一篇文章，題為《如何整合科學》（How to assemble science）。
文章提出了一個看似簡單，卻越來越重要的問題：當人類每天都在生產大量新的科學知識，我們究竟應該怎樣理解它們？
據文章引用的估計，2025年全球發表了大約700萬篇學術文章。
即使這一數字會隨統計口徑而變化，它仍然揭示了一個現實：今天，任何一個人都不可能獨自閱讀、理解並評價所有相關研究。
但信息數量，並不自動等於知識質量。
一項研究可能發現某種治療有效，另一項研究卻沒有發現顯著差異。這不一定意味著其中一項研究存在錯誤。
研究對象可能不同，樣本量可能不同，干預方式、觀察時間、結局指標也可能不同。
甚至同一種治療，對於不同患者的價值都可能有很大差別。例如，一項研究發現某種藥物能夠降低血液中的一個生物標誌物。
這是否說明藥物有效？從某種意義上說，它可能證明藥物改變了一個生物學過程。
但如果我們真正關心的是患者會不會減少住院、減輕殘疾或延長壽命，那麼這個結果就還不能回答全部問題。
一項研究能夠提供證據，卻很少能夠獨自構成完整答案。
科學的困難，並不只是如何發現新的事實。還有如何理解這些事實之間的關係。
二、1976年，一位統計學家提出了一個不同的問題
這個故事可以追溯到20世紀70年代。當時，心理治療的有效性在學術界存在爭議。有些研究報告了積極結果，另一些研究卻沒有發現明確效果。
美國統計學家吉恩·格拉斯（Gene Glass）開始思考：如果不同研究給出了不同答案，我們應該如何判斷心理治療究竟有沒有效果？
一種傳統做法，是統計有多少研究支持治療有效，有多少研究沒有發現效果。
但這裡存在一個問題: 研究不是投票，不能簡單地一篇算一票。
一項納入幾十人的小研究，與一項納入數千人的嚴格試驗，不一定具有相同的證據分量。
而且，研究是否達到統計學顯著性，與治療效果究竟有多大，也不是同一回事。
格拉斯嘗試改變整理研究的方法。
他不只是把論文分成支持和反對兩類，而是希望把不同研究中的治療效果轉化成可以相互比較的數值。
1976年，他在美國教育研究協會年會上介紹了這種證據綜合的方法。
1977年，他與心理學家瑪麗·李·史密斯（Mary Lee Smith）發表了一項具有里程碑意義的研究。
他們整合了375項心理治療和諮詢的對照評價，並通過統計方法綜合不同研究的效果。
這種方法後來被廣泛稱為薈萃分析（Meta-analysis）。
它的重要性不僅在於創造了一種統計技術。更在於它改變了研究者提出問題的方式。
過去，人們可能更習慣問：哪篇研究是正確的？
而現在，我們可以進一步問：當所有相關研究放在一起時，證據整體告訴了我們什麼？
當然，薈萃分析並不能保證得出正確結論。
如果原始研究存在嚴重偏差，或者研究之間存在無法合理解釋的差異，即使經過統計合併，也不一定能夠得到可靠答案。
但它至少提供了一種更加系統的方法，使科學研究不再只是彼此孤立的結果。
三、一條嬰兒睡眠建議，揭示了忽略整體證據的代價
科學證據的整合，並不只是研究方法上的進步。
有時候，它關係到真實的生命。
20世紀中期，一些育兒指南曾經建議讓嬰兒俯臥睡眠，也就是腹部朝下。
今天，我們知道，對於健康嬰兒，仰臥睡眠是重要的安全睡眠建議，有助於降低嬰兒猝死綜合徵的風險。
但這一認識並不是突然出現的。
2005年，研究者在《國際流行病學雜誌》發表了一項系統綜述，重新整理過去幾十年有關嬰兒睡姿的研究及相關建議。
他們發現，如果把截至1970年已經積累的研究綜合起來，俯臥睡眠與嬰兒猝死綜合徵之間更高風險的關聯，其實已經能夠被識別。
但在此後的多年裡，一些育兒指南仍然推薦俯臥睡眠。
直到20世紀90年代，避免俯臥、鼓勵仰臥睡眠的建議才在多個國家逐步得到廣泛推廣。
這段歷史令人不安的地方，並不只是醫學曾經提出過不恰當的建議。
而是：有些能夠改變決策的證據，可能早已存在，只是沒有被及時整理、識別，並轉化成行動。
我們今天回看這段歷史，可能只覺得那是幾十年前的一次醫學認識變化。
可對於生活在那個年代的父母而言，他們和今天的父母一樣，希望照顧好自己的孩子，也願意相信當時得到的專業建議。
科學史上的十年、二十年，對後來者而言只是一段時間；對生活在其中的人而言，卻可能是一生。
當然，這並不意味著面對任何初步研究結果，醫學都應該立即改變建議。過早採納錯誤的證據，同樣可能傷害患者。
真正困難的，是判斷證據在什麼時候已經足夠可靠，足以改變實踐。
嬰兒睡姿只是其中一個例子。
醫學史上，還有一些治療曾經被廣泛接受，後來因為新的臨床試驗而重新受到審視；也有一些疾病，因為關鍵證據出現，整個治療方向都發生了改變。
我們在另一篇長閱讀《當醫學改變主意：那些被證據重新書寫的治療建議》中，詳細講述了嬰兒睡姿、心梗患者吸氧、乳腺癌手術、CAST心律失常試驗、幽門螺桿菌、阿司匹林及更年期激素治療的七個故事。
它們共同指向一個更加複雜的問題：當證據不斷累積，醫學應該在什麼時候改變主意？
四、為什麼我們更喜歡新發現，而不是證據總結？
這裡存在一個值得思考的矛盾:
一篇宣佈發現新治療靶點的論文，可能獲得大量關注。
但是，一個團隊花費數年，認真閱讀、篩選和評價過去幾十年的研究，最終發現某種常用治療其實缺乏可靠證據，卻未必能夠得到同樣的關注。
前者具有新穎性。後者可能更直接地影響實踐。
現代學術體系重視創新，也鼓勵研究者不斷髮表成果。媒體喜歡突破性發現，因為它們更容易成為新聞。企業也更容易宣傳積極結果，因為它們能夠吸引資金和市場關注。
但科學知識的可靠性，需要另一種相對緩慢、並不耀眼的工作：尋找研究、比較方法、識別偏差、理解差異，然後判斷結果是否可以推廣到真實世界。
這正是系統綜述和循證醫學的重要基礎。
1993年成立的考科藍協作組織（Cochrane Collaboration），就是這一傳統的重要代表。它致力於系統整理醫學研究，幫助醫生、患者和政策制定者更好地瞭解某種治療的整體證據。
這裡需要區分兩個經常被一起提到的概念：系統綜述，是一套系統尋找、篩選、評價和綜合研究證據的方法。薈萃分析，則是在適當條件下，用統計方法合併不同研究結果的技術。
一篇系統綜述並不一定需要進行薈萃分析。同樣，進行了統計合併，也不意味著整個證據評價過程一定足夠嚴格。
如果納入的研究本身質量很差，把它們合在一起，並不會自動產生高質量的證據。如果不同研究考察的患者和治療方式差異過大，一個平均效果也可能掩蓋重要信息。而且，一份系統綜述只能代表某個時間點上能夠獲得的證據。新的高質量研究出現後，結論也可能需要更新。
因此，真正成熟的循證思維，並不是找到一篇薈萃分析，就停止思考。
而是繼續追問：這份綜述納入了什麼研究？排除了什麼研究？研究結果是否一致？證據有多可靠？這些結論又適用於哪些人？
五、更多數據，不一定帶來更好的判斷
今天，我們面臨一個新的變化：人工智能可以幫助研究者搜索文獻、提取數據、歸納主題，甚至輔助證據綜合。曾經需要研究團隊花費數月才能完成的部分工作，現在可能顯著加速。
這看起來意味著科學判斷將越來越容易。
但這裡有一個容易被忽略的問題：整理信息的速度，與理解信息的能力，並不是同一回事。
如果一個系統能夠迅速總結上千篇論文，卻不能準確判斷研究質量，或沒有充分識別研究設計之間的重要差異，那麼它可能只是更加高效地製造一種看似確定的結論。
反過來說，如果技術能夠幫助研究者發現遺漏的證據、識別矛盾並提高審核效率，它就可能成為真正有價值的工具。
關鍵不在於自動化程度有多高。而在於證據來源是否完整、判斷過程是否可追溯，以及研究者是否能夠審核結果。
這種變化也可能重新定義未來的科學素養。
我們不僅要學會理解一項研究說了什麼。還要學會判斷，一項研究在整個證據體系中佔據什麼位置。
六、科學的進步，也許需要一種不同的耐心
我們生活在一個重視最新消息的時代。
最新發表的論文、最新獲批的藥物、最新突破的技術，總能迅速吸引我們的注意。
但有時候，最值得問的問題並不是：今天又發現了什麼？
而是：在過去幾十年積累的大量研究中，我們究竟已經知道了什麼？哪些結論經過了反覆驗證？哪些結論依然存在分歧？哪些發現已經足夠可靠，可以改變實踐？哪些看起來令人振奮的結果，還需要更多證據才能真正幫助患者？
回到文章開頭的問題：為什麼科學研究越來越多，我們反而越來越困惑？
或許，不是因為科學本身變得不可靠。而是因為我們太習慣把每一項新研究看作答案，卻忘記了科學知識真正建立起來的過程。
它不是一條接一條新聞的堆積。而是不斷比較、質疑、修正與整合。
真正值得信任的科學，不一定是最早給出答案的科學，而是能夠不斷檢驗自己答案的科學。
當新研究每天都在湧現，我們也許更需要學會一種能力：不急著相信最新的結論。先看看，全部證據究竟告訴了我們什麼。
主要參考資料
Helen Pearson.How to assemble science. Aeon, 2026年10月。
https://aeon.co/essays/the-life-saving-scientific-knowledge-hiding-in-plain-sight
Smith ML, Glass GV.Meta-analysis of psychotherapy outcome studies. American Psychologist. 1977;32(9):752–760。
https://doi.org/10.1037/0003-066X.32.9.752
Gilbert R, Salanti G, Harden M, See S.Infant sleeping position and the sudden infant death syndrome: systematic review of observational studies and historical review of recommendations from 1940 to 2002. International Journal of Epidemiology. 2005;34(4):874–887。
https://doi.org/10.1093/ije/dyi088
本文以 Aeon 的科學思想文章為閱讀起點，結合原始研究與醫學史資料，由《結論之外》獨立撰寫，並非對原文的翻譯。
結論之外，還有值得繼續追問的問題。
醫學 · 科學 · 思想與閱讀
歡迎關注《結論之外》，一起保持好奇，獨立思考。
文字與圖片使用聲明
本文文字內容由《結論之外》原創撰寫，研究資料及相關來源已在文末註明。本文配圖由《結論之外》策劃並藉助AI工具製作，屬於概念示意，相關說明見圖下注記。歡迎分享本文網頁鏈接。未經另行許可，請勿複製、搬運、截圖另發或單獨使用圖片，不得商用。