翻开一篇临床研究，摘要里常能看到两句话：“总有效率95%”“与对照组比较，P＜0.05”。
看起来疗效已经非常明确。
但临床医生还需要追问：比对照组究竟多改善了多少？患者能少发热几小时？每治疗多少人，才能多让一名患者获益？
这些问题，P值回答不了。
01｜P值只判断“像不像偶然”
患者服药后好转，不等于患者因为服药而好。两组之间的差异，还可能来自随机波动。
P值的作用，是判断在假设两种治疗没有真实差异的前提下，出现当前这么大或更大差异的可能性。
P＜0.05说明结果不太容易只用随机波动解释，为“可能存在治疗作用”跨过了第一道门。
但它没有告诉我们这项作用究竟有多大。
02｜效应量回答“到底差多少”
示例一：退热时间
假设一项流感治疗研究纳入1000名患者。研究组平均34小时退热，对照组平均36小时，P＜0.001。
统计学差异很明确，但真正的疗效大小是“平均提前2小时退热”。
这2小时是否值得增加一次用药，还要结合患者感受、不良反应、费用和临床场景判断。仅看到P＜0.001，很容易把“证据较明确”误读成“疗效非常大”。
连续数值结局，如退热时间、血压和住院天数，最直观的效应量通常是两组均值相差多少。
03｜“总有效率95%”还缺什么
示例二：总有效率
假设一项大型研究中，研究组1000人有950人“有效”，对照组1000人有900人“有效”，P＜0.001。
“总有效率95%”非常醒目，但两组的绝对差异只有5个百分点。
换成临床更容易理解的说法：平均治疗20人，才会比对照组多增加1名“有效”患者。这就是治疗获益人数的另一种表达。
同时还必须问：“有效”如何定义？是体温下降、症状评分改善，还是避免住院？如果结局定义含糊，再漂亮的百分比也难以转化为临床决策。
二分类结局，如治愈、复发或住院，至少应同时报告两组人数、绝对风险差和相对危险度；适合时还可以报告需要治疗多少人才能多获益1人。
04｜置信区间告诉我们“估得稳不稳”
同样是提前2小时退热，一个研究给出的可能范围是提前1.5至2.5小时，另一个却是提前0.1至10小时。
两者的点估计相同，可信程度完全不同。
95%置信区间提供了疗效大小的合理范围。区间越宽，说明估计越不稳定；如果范围跨过“无差异”，现有证据通常还不足以确认疗效。
因此，完整结果不应只写P值，而应写成：
■ 研究组与对照组分别是多少；
■ 两组相差多少，也就是效应量；
■ 95%置信区间是多少；
■ P值是多少；
■ 这个差异对患者是否真正重要。
05｜中医药需要把“有效”说得更具体
效应量并不是专门针对中医药设置的额外门槛，所有治疗研究都应遵守同一套原则。
但如果一项中药研究只报告“症状积分下降”“总有效率更高”和P＜0.05，读者可能知道两组存在差异，却仍不知道疗效有多大、估计有多稳、是否值得临床使用。
把效应量和置信区间补充完整，不是在削弱中医药证据，而是在把“有效”翻译成医生和患者能够理解、比较和使用的语言。
结尾｜从“有没有”走向“有多少”
统计学意义回答：差异是否容易由随机波动解释？
效应量回答：治疗究竟带来了多大改变？
置信区间回答：这个疗效估计有多确定？
没有统计学意义，我们难以确认差异是否真实；没有效应量，即使差异真实，也不知道它对患者到底有多大价值。
注：文中数字均为模拟数据，不对应任何具体药物研究。
