相關不等於因果：健康新聞最常見的另一個陷阱

先講結論：兩件事一起出現、一起變動，不代表其中一件造成另一件。 健康新聞最常見的陷阱，就是把「相關」（correlation）偷偷講成「因果」（causation）。看到「常喝某飲料的人比較長壽」「補某營養素的人比較少生病」這類標題，先別急著改變生活——這些絕大多數來自只能看到相關的觀察性研究。

相關與因果，差在哪

相關是統計上的同行：A 高的時候 B 也高（或反過來）。因果則更強：是 A 「造成」了 B 的改變。問題在於，相關有很多種來源，因果只是其中一種。冰淇淋銷量和溺水人數高度相關，但不是冰淇淋讓人溺水——背後是「夏天」這個共同原因。健康領域的相關，往往就藏著類似的第三者。

為什麼觀察性研究只能看到相關

觀察性研究（最常見的是世代研究 cohort）的做法是：找一大群人，記錄他們本來的生活，追蹤幾年到幾十年，看誰生病。研究者只「觀察」、不「介入」——不指定誰吃藥、誰運動。哈佛大學 The Nutrition Source 對研究類型的說明寫得直白：世代研究「只能提示相關，不能說明因果」（associations, not cause-and-effect）。[已知] 這不是研究做得好不好的問題，是設計上的天花板。

三大殺手：相關偽裝成因果

混雜因子（confounding）。 Cochrane Handbook 把混雜定義為「同時是『選擇某介入』與『結果』的共同原因」。白話講：愛吃魚的人可能整體比較顧健康、收入較高、也比較常運動——到底是魚的功勞，還是這些背景的功勞？分不開。

反向因果（reverse causation）。 你以為 A 造成 B，其實是 B 造成 A。例如「體重較輕的人死亡率較高」，未必是瘦不好，而可能是早期、未診斷的疾病先讓人變瘦。

健康使用者偏誤（healthy-user bias）。 會主動補充保健品、配合醫囑的人，本來就傾向有更多健康習慣。他們後來比較健康，可能跟那顆藥丸無關，而跟「他們是哪種人」有關。

RCT 為什麼能推因果

隨機對照試驗（RCT）用一招破解上述問題：把受試者「隨機」分到介入組與對照組。Cochrane Handbook 指出，隨機化的目的是讓已知與未知的預後因子都不再影響分組——於是兩組在統計上除了「有沒有接受介入」之外大致相同，混雜被打散。哈佛 The Nutrition Source 也將 RCT 列為判斷介入是否有效的「黃金標準」。

真實的翻盤案例

荷爾蒙療法。 早年觀察研究一度認為停經後補充荷爾蒙能保護心臟。但 NIH 旗下 NHLBI 主導的 Women’s Health Initiative（WHI）這項大型隨機試驗，結果相反：雌激素加黃體素組的心血管疾病等風險不減反增，試驗因風險超過效益而於 2002 年提前喊停，結論是荷爾蒙療法不該用來預防心臟病。觀察到的「保護」，部分來自健康使用者偏誤與用藥年齡差異。

β-胡蘿蔔素。 觀察研究顯示多吃蔬果（富含 β-胡蘿蔔素）的人較少得肺癌，於是有人推論補充劑也有益。兩項大型 RCT 打臉：NIH 膳食補充劑辦公室（ODS）的資料指出，ATBC 試驗（每日 20 毫克）與 CARET 試驗（每日 30 毫克）都顯示，β-胡蘿蔔素補充劑反而提高吸菸者的肺癌與死亡風險；美國國家癌症研究院（NCI）的 CARET 數據為肺癌相對風險約 1.28（即約增加 28%）。要注意這兩項試驗的對象都是吸菸者或石綿暴露工人；NIH ODS 另外指出，在非吸菸者身上，β-胡蘿蔔素與維生素 A 補充劑則未顯示影響癌症風險。總之，蔬果的相關，無法直接搬到藥丸上。

我的觀點

[已知] 觀察性研究不是垃圾，它常是唯一能做的研究，也是重要的假設來源。[推測] 但媒體的誘因是寫出「吃 X 能防 Y」這種乾脆的因果標題，而最誠實的寫法往往是「觀察到相關、尚待驗證」——後者不夠聳動，於是常被磨掉。[已知] 給讀者的最實用一招：看到健康宣稱，先問兩個問題——這是觀察還是隨機試驗？有沒有可能的混雜或反向因果？光是這兩問，就能擋掉大半的健康新聞陷阱。

本文為健康資訊整理，不構成醫療建議。是否使用任何補充劑、荷爾蒙療法或調整用藥，請與你的醫師或藥師討論，依個人病史與整體證據判斷，切勿僅憑單一新聞或單一研究自行決定。