How to Read a Paper: The Basics of Evidence-Based Healthcare（如何读论文：循证医疗基础）

引用

Greenhalgh, T. M., & Dijkstra, P. (2024). How to Read a Paper: The Basics of Evidence-Based Healthcare (7th ed.). Wiley-Blackwell.

章节概要

第7版共352页，20章，后附两个附录：一套用于查找、评价和应用证据的核查清单，以及一个关于评估干预效果的简短附录。每章都以练习和参考文献结束。开篇一章说明了全书的安排：第1、2和16章讨论循证医疗更广泛的步骤（提出问题、检索、与患者一起应用证据），第3–15章则讨论批判性评价，也就是"当论文真正摆在你面前时"该做什么。据Wiley介绍，本版新增了关于共识方法、机制性证据以及大数据与人工智能的章节。许多评价章节都围绕一份针对某类论文、编号排列的问题清单展开。

第1章：究竟为什么要读论文？

样章把循证医学放在更广泛的循证医疗之中加以界定，列出Sackett的五个步骤（提问、查找、评价、实施、评估），并提到Greenhalgh将其扩展为纳入患者视角的八个阶段。接着，本章结合第一作者自己的临床经历，考察临床实践实际上在多大程度上以证据为基础，以及种种并非循证的做法，例如凭轶事或凭剪报做决策。最后讨论如何把问题表述为可回答的问题。

第2章：检索文献

证据的层级以及去哪里找：综合性来源、经过预评价的摘要、专门资源、原始研究和联合检索引擎，另有关于利用人工智能检索和寻求帮助的小节。

第3章：辨明方向：这篇论文讲的是什么？

先给出帮助读者辨明方向的三个初步问题，然后介绍主要研究设计：随机对照试验、队列研究、病例对照研究、横断面调查和病例报告，以及传统的证据等级。

第4章：评估方法学质量

追问研究是否具有原创性、研究对象是谁、设计是否合理、是否避免或尽量减少了偏倚、评估是否采用盲法，以及是否处理了初步的统计问题，并附有关于伦理的说明。

第5章：写给非统计学者的统计学

没有统计学训练的读者如何判断是否使用了恰当的检验：背景设定是否正确、配对数据、单双侧与离群值、相关与因果、概率与置信度，以及量化获益与危害的"底线"。

第6–8章：报告简单干预临床试验的论文；复杂干预试验；诊断或筛查试验

第6章讨论药物试验与营销、替代终点、CONSORT声明、如何应对医药代表以及疫苗试验。第7章为复杂干预的论文提供十个问题。第8章讨论以金标准验证、诊断与筛查研究的十个问题、似然比以及临床预测模型。

第9–11章：总结其他论文的论文；建议你怎么做的论文；估算费用的论文

系统综述与荟萃分析（五个问题、异质性、新方法）；临床指南（关于指南的争论、十个问题）；以及卫生经济学评价（成本、质量调整生命年、"明智选择"、十二个问题）。

第12–15章：定性研究；问卷研究；质量改进案例研究；遗传关联研究

第12章解释定性研究及其综合方法，并给出九个评价问题。第13章和第14章分别为问卷研究和质量改进报告各提供十个问题。第15章讨论全基因组关联研究、直接面向消费者的基因检测、孟德尔随机化和表观遗传学。

第16章：与患者一起应用证据

患者视角、患者报告结局测量、共同决策、选项表（option grids）和n-of-1试验。

第17–19章：关于医疗中人工智能的论文；EBM+：机制性证据的重要性；报告共识活动的论文

这是本版新增的三章。第17章界定人工智能、大数据、机器学习和生成式模型，讨论伦理原则和众多评价清单，并为人工智能研究给出十个问题。第18章主张把机制性证据与临床证据结合起来（"两者兼顾"，而非"二者择一"），并以COVID-19大流行为例。第19章说明专家如何达成共识，并为共识声明给出十个问题。

第20章：对循证医疗的批评

循证医疗做得不好时会出什么问题，即使做得好时批评者反对什么，以及为什么循证决策在政策层面难以实现。

核心概念

第1–5章：基础

• 循证医疗：在医疗决策中明确使用当前最佳证据，读论文只是其中一步。
• 可回答的问题：把临床问题转化为可以通过检索解决的聚焦问题。
• 证据等级：按研究设计易受偏倚影响的程度所作的传统排序。
• 偏倚：扭曲研究结果的系统误差。
• 需治疗人数：表达某项干预使患者获益或受害之可能性的一种方式。

第6–15章：评价特定类型的论文

• 替代终点：用来代替对患者真正重要之结局的可测指标。
• 似然比：检测结果在多大程度上改变某一诊断的概率。
• 异质性：荟萃分析所合并研究之间的差异。
• 质量调整生命年：经济学评价中把生存时间与生活质量结合起来的指标。
• 孟德尔随机化：利用遗传变异检验因果关系。

第16–20章：患者、新型证据与批评

• 共同决策：医生与患者根据证据和偏好共同作出选择。
• EBM+：把机制性证据作为临床研究的补充。
• 共识方法：专家达成一致声明的结构化方法。

评析

优点

• 每类研究都有一套问题。 大多数评价章节都提供编号的问题清单（系统综述五个，定性研究九个，诊断研究、复杂干预、指南、问卷、质量改进、遗传研究、人工智能和共识论文各十个，经济学评价十二个），附录1又把核查清单集中在一处。因此本书可以直接用于期刊俱乐部。
• 研究设计覆盖面广。 除试验和综述外，还涵盖定性、问卷、质量改进、遗传、经济学、共识和人工智能研究，这些正是临床医生越来越常遇到的论文类型。
• 通俗且富有个人色彩。 样章以平实、口语化的英语写成，举的例子来自第一作者自己的临床工作和孕期经历，并在为循证医疗辩护之前先解释批评者为何对它"叫苦"。第20章专门讨论对这一领域的批评。
• 紧跟最新发展。 第7版增加了人工智能、机制性证据和共识方法，检索一章也讨论了借助人工智能的检索。

局限

• 统计学只有一章。 第5章为非统计学者而写，目标是判断而非计算；需要深入计算或解读分析的学生需要一本统计学教材。
• 重在评价，而非实施或教学。 作者表示实施方面的挑战需要另写一本书，即 How to Implement Evidence-Based Healthcare，而目录中也没有讲授循证实践教学的章节。
• 资源以英国为主。 推荐的若干网站（NICE、BMJ工具包）和例子来自英国，其他地区的读者需要寻找本地的对应资源。
• 新设计类型的章节较短。 复杂干预或机制性证据等章节只有七到十页左右，更多是介绍问题而非全面论述。

在课程中的定位

本书是研究论文课程中进行批判性评价的主要手册。Testing Treatments 是一本面向大众、更温和且非技术性的入门书，讲述为什么需要对治疗进行公平检验，以及偏倚和机遇如何误导人；先读它可以为学习Greenhalgh和Dijkstra的方法提供动力。Straus等人的 Evidence-Based Medicine: How to Practice and Teach EBM 则更深入地讨论针对治疗、诊断、预后和危害的提问、检索、评价与应用证据的临床循环，并增加了教学部分；对于将主持期刊俱乐部或从事教学的学生，它是自然的下一步。

课程书单中还包括三篇研究论文：比较胆囊切除术中静脉与口服对乙酰氨基酚的观察性研究、关于心脏手术中正性肌力药使用差异的观察性研究，以及关于髋关节置换术中神经周围糖皮质激素全身效应的研究。它们适合作为练习材料。用第3–5章辨别每项研究的设计并评估偏倚和统计，用第11章的问题来分析对乙酰氨基酚论文中的费用分析。

如何使用本书

Wiley把本书面向医疗卫生专业的学生和从业者，尤其是准备本科和研究生考试以及面试的人。本书不要求读者具备研究或统计学训练。

实用的学习计划：

• 按顺序阅读第1–5章。 这几章阐述循证方法、检索、研究设计、方法学质量和统计学，后面的一切都以此为基础。
• 然后按论文类型阅读。 期刊俱乐部或作业涉及试验、诊断研究、系统综述或指南时，阅读相应章节，并把其中的问题应用到手头的论文上。
• 加读第16章， 在需要与患者讨论证据的临床实习之前阅读。
• 根据课程选读第12–15章和第17–19章， 这些章节各自独立。
• 最后读第20章， 它把这一方法放到更大的视野中审视。
• 完成练习。 每章都以练习结束；用一篇真实论文配合附录1的核查清单来完成。