時 ， 這 個 因素 就 顯得 非常 重要 。 」 __UNDEF__ 「 好 吧 ， 如果 您 真的 想 知道 ， 」 馬提 解釋 時 露出 讚許 的 眼光 ： 「 一 名 證人 未 誤判 的 機率 為 百分之六十三 （ 0.959 = 0.63 ） ， 另外 百分之三十七 的 情況 是 ， 證人 不能 認出 混 在 十 名 被 逮捕 者 當中 的 肇事者 ， 反而 誤認 另 九 名 被 逮捕 者 中 的 一 人 。 若 我們 假設 ， 誤判 的 原因 並非 被 逮捕 者 的 外觀 與 肇事者 十分 相似 ， 那麼 兩 名 證人 指認 同 一 名 無辜 者 的 機率 是 百分之十一 （ 1/9 = 0.11 ） 。 將 誤判 歸因於 無辜 者 的 特定 特徵 時 ， 機率 會 提昇 許多 ， 甚至 高達 百分之九十 。 以 此 推算出 這 種 錯誤 肯定 的 證詞 比例 介於 百分之零點零零一 （ 0.10 x 0.0025 x 0.37 x 0.11 = 0.00001 ） 和 零點零零八 （ 0.10 x 0.0025 x 0.37 x 0.90 = 0.00008 ） 之間 。 」 __UNDEF__ 德國 薩蘭邦 （ Saarland ） 於 一九七○ 到 一九九二年 間 針對 七十五 至 七十九 歲 的 男性 調查 癌症 病例 的 紀錄 中 顯示 ， 每 年 每 十萬 人 中 約 有 兩百 人 罹患 癌症 ， 這 相當於 每 年 0.2％ 。 __UNDEF__ 這 項 數據 仍 來自 薩蘭邦 的 癌症 紀錄 ， 正確 的 患病 人數 比例值 為 每 10萬 人 中 有 1.72 人 。 __UNDEF__ 此 為 及早 診斷出 的 最 大 病例數 。 在 同樣 不 完美 的 後續 檢驗 中 ， 最初 是 正確 陽性 的 病例 也 可能 變成 錯誤 陰性 。 __UNDEF__ 馬提 心想 ： 「 我 在 這裡 跟 貝蒂娜 介紹 的 是 一 種 稱為 單向 的 測試 。 只有 當 人們 想 知道 是否 使用 Bringtnixtin 治療 的 結果 會 比 不 使用 佳 時 ， 才 能 進行 這 種 測試 ， 但 需 徹底 排除 使用 Bringtnixtin 治療 亦 可 產生 不良 結果 的 可能性 。 如果 我 現在 又 解釋 這 種 細微 的 差異 ， 只 會 使 可憐 的 貝蒂娜 更 暈頭轉向 ， 而且 雙向 測試 的 表格 對 本 書 來 說 恐怕 又 會 太 長 。 我 畢竟 只 在乎 原則 問題 。 」 __UNDEF__ 「 無益 」 是 指 明知 被 測試 的 物件 不及 標準 ， 仍 進行 研究 。 __UNDEF__ 「 真實 」 是 指 被 測試 的 物件 在 研究 中 的 效果 較 佳 ， 事實 上 亦 優於 標準 。 __UNDEF__ 擁有 還 算 有用 的 構想 或 甚至 是 餿主意 的 研究 人員 不計其數 。 只要 問 他們 大概 是 或 不 是 ， 就 可 省略 辛苦 的 研究 。 到頭來 研究 人員 變成 了 童話 或 神話 故事 的 主角 ， 例如 希臘 神話 中 獅身人面 女怪 ， 或者 是 一些 所謂 專業 權威 學者 假想 的 人物 。 馬 提想 ： 「 我們 還 忽略 了 統計學 百分之百 的 效力 ， 這 在 臨床 研究 中 並 不 存在 。 至於 效力 的 情形 我 最好 待會兒 再 向 她 解釋 。 」 __UNDEF__ 阿特曼 （ D .G. Altman ） ： 可悲 的 醫學 研究 醜聞 （ The scandal of poor medical research ） ， 英國 醫學 報導 （ British Medical Journal ） ， 三百零八 期 ， 第兩百八十三 頁 ， 一九九四年 。 __UNDEF__ 漢比 一九九四年 在 科恩 （ Cohen ） 第一 次 閱讀 某 篇 有關 此 問題 的 文章 時 ， 竟然 睡著 了 ， 後來 這 篇 文章 就 從 他 書桌 的 抽屜 內 消失 無蹤 ， 九 個 多 月 後 他 在 整理 東西 時 才 又 出現 。 漢比 還 記得 文章 中 有 非常 重要 的 資訊 ， 於是 他 重新 閱讀 ， 但是 又 立刻 昏睡 過去 （ 兩 次 都 不 是 在 他 的 工作室 ， 而是 在 自己 的 家 裡 ！ ） 。 不久 後 這 文章 又 消失 ， 又 再度 出現 ， 又 重新 被 閱讀 ， 又 同樣 讓 人 昏昏欲睡 。 唯一 的 差異 是 ， 漢比 終於 察覺 這些 程序 ， 隔天 立刻 登記 準備 發表 有關 這 議題 的 演講 ， 以便 能 省去 後續 的 壓抑 。 漢赫 也 同樣 影印 了 這 篇 文章 帶回 家 ， 同樣地 閱讀 它 ， 也 同樣 地 睡著 了 。 結果 文章 居然 也 不見了 ， 隔 了 兩 年 後 才 在 五斗櫃 後 發現 它 。 事 後 ， 我們 只好 嘗試 掩蓋 此 問題 。 有關 因為 壓抑 而 造成 拖延 所 可能 發生 的 錯誤 ， 請 參考 我們 的 另 一 著作 《 會 生 蛋 的 狗 》 。 __UNDEF__ 又 可 做 威力 解 ， 原文 的 統計學 文獻 經常 直接 以 power 標示 。 __UNDEF__ 請 比較 本 書 作者 的 另 一 著作 《 會 生 蛋 的 狗 》 之 ＜ 霧 中 迷盲 ＞ （ Im Nebel nach Uberseh ） 章節 。 __UNDEF__ 基於 簡化 的 原因 ， 此 表格 稍 有 格式 上 的 缺陷 ， 但 並 不 嚴重 ， 我們 將 於 後續 的 表格 五十三 中 加以 改善 。 __UNDEF__ 原文 直譯 為 ： 沒有 任何 一 個 根據 機率 理論 執行 的 檢驗 ， 可以 從 本身 有效 的 證據 決定 假設 的 正確 與否 。 __UNDEF__ 終點 為 一 種 可 測量 的 數值 ， 可 藉 此 量化 某 治療法 的 療效 ， 例如 病患 的 存活 時間 、 治癒率 、 引發 副作用 的 頻率 、 免於 痛苦 的 時效 等 。 __UNDEF__ 請 比較 本 書 作者 的 另 一 著作 《 會 生 蛋 的 狗 》 之 ＜ 如 海 邊 細沙 般 的 結果 ＞ （ Ergebnisse wie Sand am Meer ） 章節 。 __UNDEF__ 陽性 預測值 （ positiver pradiktiver Wert ） ： 所有 結果 為 陽性 的 研究 中 ， 其 新 治療法 證實 為 較 佳 的 比例 。 __UNDEF__ 三 次 重大 檢驗 中 都 未 犯 第一型 錯誤 的 機率 是 百分之八十六 （ 0.95 x 0.95 x 0.95 = 0.86 ） ， 至少 犯下 一 次 該 型 錯誤 的 機率 則 為 百分之十四 （ 100 - 86 = 14 ） 。 __UNDEF__ 真的 沒 人 嗎 ？ 我們 很 高興 自己 錯 了 。 不久 前 有 人 在 英國 醫學 報導 中 針對 此 議題 發表 了 一 篇 文章 （ Sterne und Smith ， 二○○一年 ） ， 作者 建議 脫離 慘境 的 方法 是 ， 以 約 百分之九十 的 較 高 效力 和 百分之零點一 的 指標 水準 進行 臨床 研究 。 當 有用 想法 的 機率 非常 低 時 ， 這 種 結果 為 肯定 的 研究會 顯示 陽性 預測值 。 但 此 狀況 仍 有 個 陷阱 ， 傳統 研究 中 很 難 在 短 時間 內 召集 足夠 的 病患 ， 但 此時 它 甚至 遠遠 需要 更多 的 病患 。 如此一來 ， 研究 成本 將 大幅 提昇 ， 而 肯定 結果 的 數量 卻 同時 減少 。 也許 ， 這 項 建議 只 能 應用 在 少數 特殊 的 案例 中 。 當今 立基 於 百分之五 水準 的 實際 經驗 肯定 最為 有利 ， 畢竟 根據 錯誤 肯定 的 研究 結果 所 研發出 的 藥劑 ， 絕對 不可能 成為 市場 毒藥 。 __UNDEF__ 請 參考 《 會生 蛋 的