今天，一篇医学论文可以在几个小时内传遍世界。
一种食物被发现有益健康，一款药物显示出令人鼓舞的疗效，一种新的检测方法似乎能够更早发现疾病。
但没过多久，我们可能又看到另一项研究，得出了不一样的结果。
咖啡究竟有益还是有害？某种营养补充剂到底有没有效果？一款新药在临床试验中取得成功，是否意味着它真的能够让患者活得更长、更好？
我们似乎生活在一个科学知识空前丰富的时代，却也越来越难判断什么值得相信。
问题真的在于科学不断推翻自己吗？还是说，我们一直在用不完整的方式理解科学？
一、科学每天都在生产知识，但知识不等于答案
2026年10月，科学记者、《自然》杂志高级编辑海伦·皮尔逊（Helen Pearson）在 Aeon 发表了一篇文章，题为《如何整合科学》（How to assemble science）。
文章提出了一个看似简单，却越来越重要的问题：当人类每天都在生产大量新的科学知识，我们究竟应该怎样理解它们？
据文章引用的估计，2025年全球发表了大约700万篇学术文章。
即使这一数字会随统计口径而变化，它仍然揭示了一个现实：今天，任何一个人都不可能独自阅读、理解并评价所有相关研究。
但信息数量，并不自动等于知识质量。
一项研究可能发现某种治疗有效，另一项研究却没有发现显著差异。这不一定意味着其中一项研究存在错误。
研究对象可能不同，样本量可能不同，干预方式、观察时间、结局指标也可能不同。
甚至同一种治疗，对于不同患者的价值都可能有很大差别。例如，一项研究发现某种药物能够降低血液中的一个生物标志物。
这是否说明药物有效？从某种意义上说，它可能证明药物改变了一个生物学过程。
但如果我们真正关心的是患者会不会减少住院、减轻残疾或延长寿命，那么这个结果就还不能回答全部问题。
一项研究能够提供证据，却很少能够独自构成完整答案。
科学的困难，并不只是如何发现新的事实。还有如何理解这些事实之间的关系。
二、1976年，一位统计学家提出了一个不同的问题
这个故事可以追溯到20世纪70年代。当时，心理治疗的有效性在学术界存在争议。有些研究报告了积极结果，另一些研究却没有发现明确效果。
美国统计学家吉恩·格拉斯（Gene Glass）开始思考：如果不同研究给出了不同答案，我们应该如何判断心理治疗究竟有没有效果？
一种传统做法，是统计有多少研究支持治疗有效，有多少研究没有发现效果。
但这里存在一个问题: 研究不是投票，不能简单地一篇算一票。
一项纳入几十人的小研究，与一项纳入数千人的严格试验，不一定具有相同的证据分量。
而且，研究是否达到统计学显著性，与治疗效果究竟有多大，也不是同一回事。
格拉斯尝试改变整理研究的方法。
他不只是把论文分成支持和反对两类，而是希望把不同研究中的治疗效果转化成可以相互比较的数值。
1976年，他在美国教育研究协会年会上介绍了这种证据综合的方法。
1977年，他与心理学家玛丽·李·史密斯（Mary Lee Smith）发表了一项具有里程碑意义的研究。
他们整合了375项心理治疗和咨询的对照评价，并通过统计方法综合不同研究的效果。
这种方法后来被广泛称为荟萃分析（Meta-analysis）。
它的重要性不仅在于创造了一种统计技术。更在于它改变了研究者提出问题的方式。
过去，人们可能更习惯问：哪篇研究是正确的？
而现在，我们可以进一步问：当所有相关研究放在一起时，证据整体告诉了我们什么？
当然，荟萃分析并不能保证得出正确结论。
如果原始研究存在严重偏差，或者研究之间存在无法合理解释的差异，即使经过统计合并，也不一定能够得到可靠答案。
但它至少提供了一种更加系统的方法，使科学研究不再只是彼此孤立的结果。
三、一条婴儿睡眠建议，揭示了忽略整体证据的代价
科学证据的整合，并不只是研究方法上的进步。
有时候，它关系到真实的生命。
20世纪中期，一些育儿指南曾经建议让婴儿俯卧睡眠，也就是腹部朝下。
今天，我们知道，对于健康婴儿，仰卧睡眠是重要的安全睡眠建议，有助于降低婴儿猝死综合征的风险。
但这一认识并不是突然出现的。
2005年，研究者在《国际流行病学杂志》发表了一项系统综述，重新整理过去几十年有关婴儿睡姿的研究及相关建议。
他们发现，如果把截至1970年已经积累的研究综合起来，俯卧睡眠与婴儿猝死综合征之间更高风险的关联，其实已经能够被识别。
但在此后的多年里，一些育儿指南仍然推荐俯卧睡眠。
直到20世纪90年代，避免俯卧、鼓励仰卧睡眠的建议才在多个国家逐步得到广泛推广。
这段历史令人不安的地方，并不只是医学曾经提出过不恰当的建议。
而是：有些能够改变决策的证据，可能早已存在，只是没有被及时整理、识别，并转化成行动。
我们今天回看这段历史，可能只觉得那是几十年前的一次医学认识变化。
可对于生活在那个年代的父母而言，他们和今天的父母一样，希望照顾好自己的孩子，也愿意相信当时得到的专业建议。
科学史上的十年、二十年，对后来者而言只是一段时间；对生活在其中的人而言，却可能是一生。
当然，这并不意味着面对任何初步研究结果，医学都应该立即改变建议。过早采纳错误的证据，同样可能伤害患者。
真正困难的，是判断证据在什么时候已经足够可靠，足以改变实践。
婴儿睡姿只是其中一个例子。
医学史上，还有一些治疗曾经被广泛接受，后来因为新的临床试验而重新受到审视；也有一些疾病，因为关键证据出现，整个治疗方向都发生了改变。
我们在另一篇长阅读《当医学改变主意：那些被证据重新书写的治疗建议》中，详细讲述了婴儿睡姿、心梗患者吸氧、乳腺癌手术、CAST心律失常试验、幽门螺杆菌、阿司匹林及更年期激素治疗的七个故事。
它们共同指向一个更加复杂的问题：当证据不断累积，医学应该在什么时候改变主意？
四、为什么我们更喜欢新发现，而不是证据总结？
这里存在一个值得思考的矛盾:
一篇宣布发现新治疗靶点的论文，可能获得大量关注。
但是，一个团队花费数年，认真阅读、筛选和评价过去几十年的研究，最终发现某种常用治疗其实缺乏可靠证据，却未必能够得到同样的关注。
前者具有新颖性。后者可能更直接地影响实践。
现代学术体系重视创新，也鼓励研究者不断发表成果。媒体喜欢突破性发现，因为它们更容易成为新闻。企业也更容易宣传积极结果，因为它们能够吸引资金和市场关注。
但科学知识的可靠性，需要另一种相对缓慢、并不耀眼的工作：寻找研究、比较方法、识别偏差、理解差异，然后判断结果是否可以推广到真实世界。
这正是系统综述和循证医学的重要基础。
1993年成立的考科蓝协作组织（Cochrane Collaboration），就是这一传统的重要代表。它致力于系统整理医学研究，帮助医生、患者和政策制定者更好地了解某种治疗的整体证据。
这里需要区分两个经常被一起提到的概念：系统综述，是一套系统寻找、筛选、评价和综合研究证据的方法。荟萃分析，则是在适当条件下，用统计方法合并不同研究结果的技术。
一篇系统综述并不一定需要进行荟萃分析。同样，进行了统计合并，也不意味着整个证据评价过程一定足够严格。
如果纳入的研究本身质量很差，把它们合在一起，并不会自动产生高质量的证据。如果不同研究考察的患者和治疗方式差异过大，一个平均效果也可能掩盖重要信息。而且，一份系统综述只能代表某个时间点上能够获得的证据。新的高质量研究出现后，结论也可能需要更新。
因此，真正成熟的循证思维，并不是找到一篇荟萃分析，就停止思考。
而是继续追问：这份综述纳入了什么研究？排除了什么研究？研究结果是否一致？证据有多可靠？这些结论又适用于哪些人？
五、更多数据，不一定带来更好的判断
今天，我们面临一个新的变化：人工智能可以帮助研究者搜索文献、提取数据、归纳主题，甚至辅助证据综合。曾经需要研究团队花费数月才能完成的部分工作，现在可能显著加速。
这看起来意味着科学判断将越来越容易。
但这里有一个容易被忽略的问题：整理信息的速度，与理解信息的能力，并不是同一回事。
如果一个系统能够迅速总结上千篇论文，却不能准确判断研究质量，或没有充分识别研究设计之间的重要差异，那么它可能只是更加高效地制造一种看似确定的结论。
反过来说，如果技术能够帮助研究者发现遗漏的证据、识别矛盾并提高审核效率，它就可能成为真正有价值的工具。
关键不在于自动化程度有多高。而在于证据来源是否完整、判断过程是否可追溯，以及研究者是否能够审核结果。
这种变化也可能重新定义未来的科学素养。
我们不仅要学会理解一项研究说了什么。还要学会判断，一项研究在整个证据体系中占据什么位置。
六、科学的进步，也许需要一种不同的耐心
我们生活在一个重视最新消息的时代。
最新发表的论文、最新获批的药物、最新突破的技术，总能迅速吸引我们的注意。
但有时候，最值得问的问题并不是：今天又发现了什么？
而是：在过去几十年积累的大量研究中，我们究竟已经知道了什么？哪些结论经过了反复验证？哪些结论依然存在分歧？哪些发现已经足够可靠，可以改变实践？哪些看起来令人振奋的结果，还需要更多证据才能真正帮助患者？
回到文章开头的问题：为什么科学研究越来越多，我们反而越来越困惑？
或许，不是因为科学本身变得不可靠。而是因为我们太习惯把每一项新研究看作答案，却忘记了科学知识真正建立起来的过程。
它不是一条接一条新闻的堆积。而是不断比较、质疑、修正与整合。
真正值得信任的科学，不一定是最早给出答案的科学，而是能够不断检验自己答案的科学。
当新研究每天都在涌现，我们也许更需要学会一种能力：不急着相信最新的结论。先看看，全部证据究竟告诉了我们什么。
主要参考资料
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 的科学思想文章为阅读起点，结合原始研究与医学史资料，由《结论之外》独立撰写，并非对原文的翻译。
结论之外，还有值得继续追问的问题。
医学 · 科学 · 思想与阅读
欢迎关注《结论之外》，一起保持好奇，独立思考。
文字与图片使用声明
本文文字内容由《结论之外》原创撰写，研究资料及相关来源已在文末注明。本文配图由《结论之外》策划并借助AI工具制作，属于概念示意，相关说明见图下注记。欢迎分享本文网页链接。未经另行许可，请勿复制、搬运、截图另发或单独使用图片，不得商用。