本文整理自JAMA于2024年1月4日发表的文章“Why Stating Hypotheses in Grant Applications Is Unnecessary”

“本研究假设是，他汀不会增加癌症风险”，这种表述经常出现在基金申请书中，这也是同行、学术机构和资助机构对如何撰写基金申请的常见建议。因此，许多研究者意识到，以假设为导向的研究会受到资助者和评审者的高度重视，因此在申请资助时都会声明研究假设。然而，这种以假设为中心的方法是有问题的。

假设“使用他汀超过10年会致癌”的观点正在社交网络上传播，并引起了极大恐慌，因为很多人会使用他汀来预防心血管疾病。因此，研究者决定调查他汀对癌症的影响，研究者申请经费，以对包含数百万人的临床数据库进行分析。

研究者认为他汀不会致癌，所以在申请基金资助时写下了本文的开头语（"本研究假设是，他汀类药物不会增加癌症风险"）。然后，研究者开始介绍研究设计和分析。本研究获得了资助，研究者对数据进行分析，并得出以下估计结果：与不服用他汀相比，长期服用他汀10年的癌症风险比为1.01，95%CI为0.99-1.03。

现在想象存在一个平行宇宙，只有一件事有差别：研究者认为他汀会致癌。在平行宇宙中，研究者也申请经费，在经费申请中写道："本研究假设是他汀会增加癌症风险"。然后，和另一个宇宙一样，研究者描述了同样的研究设计和数据分析，获得资助，并得到同样的结果：与不使用他汀相比，使用他汀的10年癌症风险比为1.01（95%CI 0.99-1.03）。

问题来了：两份申请中描述的两项研究得出了两组相同的结果，不同之处仅在于研究人员对研究假设的表述。在一份申请中，研究者提出的假设是他汀不会致癌，而在另一份申请中，研究者提出的假设是他汀会致癌。假设研究者遵循了既定的研究方案，那么他们最初的假设或猜测其实对结果和结论没有影响。

但是，有人可能会问，如果一开始就没有明确提出假设，我们又如何评价研究是否恰当地检验了假设呢？答案是，一个没有争议的分析目标不是统计假设检验，而是尽可能准确、无偏倚地利用数据估计效应值或关联。假设我们有一个无懈可击的程序，可以仅根据数据就能确定任一因果假设的真假。对于"长期服用他汀不会影响癌症风险"这一假设时，该程序宣布该假设为假。我们是否可以认为工作已经完成，并撰写一篇文章，得出"长期使用他汀会影响癌症风险"的结论？不能。读者会马上问："使用他汀对癌症风险的影响到底有多大呢？”

与"本研究假设他汀不会增加癌症风险"这种多余的猜测相比，基金申请应该描述研究者提出的问题、为什么要提出这个问题、以及打算如何回答这个问题。有人可能会进一步说，围绕一个假设去设定目标，可能会使研究偏向于支持假设。因此，资助者应要求研究者描述定量的问题，并详细解释为什么回答这个问题很重要，无论定量的答案是什么。

举例来说，我们可以在申请资助时说明，“长期服用他汀会导致癌症”的说法引起了人们的恐慌，需要针对他汀的癌症影响程度进行精准量化，特别是需要将可能的危害与他汀已知益处进行权衡。因此，申请书应具体说明他汀药物的模拟目标试验的方案，该方案可利用现有的观察性数据合理模拟随机试验，并说明模拟流程，统计方法可以用精确度计算取代仅检验1个假设的效能计算。

上述转换改变了将零假设的统计检验作为决策的唯一依据。决策需要考虑很多因素（系统偏倚、危害和益处、成本、可用的行动方案等）以及结果的精确性，由于区间估计显示了与数据高度相容的数值范围，因此结果描述应侧重于区间范围，而不是区间内是否包含零值。在上述例子中，研究者不仅要给出无效假设的P值，还要给出一系列具有临床意义的其他值，包括虽小但具有重要效应的风险比。

总之，资助申请需要根据其相关性和研究方法质量进行评估，而不是在开展研究之前就对现实情况进行定性推断。告诉资助者你的定量问题，为什么该问题很重要，以及计划如何回答问题。如果问题足够重要，研究方法合理，而且遵守了研究方案，那么就不应该关心研究假设的定性答案是什么（即是或否增加癌症风险）。

参考文献：JAMA. 2024;331(4):285-286. doi:10.1001/jama.2023.27163