看一份研究，先看它测了几份样品

同一个话题，不同研究给的结论经常相反。

在追究「谁对谁错」之前，先看一个更基础的东西：它测了几份样品。

站里引过的几份，样本量差得很远

这张表本身就说明问题：从 3 到 203，跨了将近两个数量级。

样本量小意味着什么

不是「不能信」，是「只能提示方向」。

具体三条：

其一，个体差异被放大。 虫草本来就是野生的、批次之间差别很大。3 份样品里混进一份异常的，结论就偏了。

其二，无法排除偶然。 差异到底是真实存在的，还是抽样运气，样本量小的时候分不开。

其三，极端数值更容易出现。 比如那份三方对照里，SOD 活性野生品是 838.88、人工培育是 28.32——差了近三十倍。 差距越离谱，越该先怀疑样本量，而不是先激动。

样本量大也不等于万事大吉

还要看另外三样：

一、有没有对照组。

这是比样本量更硬的一条。 一份没有对照的研究，样本再多也只能描述现象。

我们自己审 80℃ 那条线的时候，第一条写的就是「没有对照实验」——见《80℃ 这条线的证据到什么程度：我们自己审一次》。

二、样品怎么取的。

每个产区 6 份，是随机取的还是挑好的？ 采样方法决定了这 6 份能不能代表那个产区。

三、年份是不是单一的。

虫草有大年小年，采挖时机也影响成分。单一年份的数据，推不到别的年份。

一个实用的读法

看到一个结论，问四句：

1. 测了几份？ 2. 有没有对照组？ 3. 哪一年、哪些产区的样品？ 4. 作者自己下没下这个结论？

第四句最容易被忽略，也最有用。

很多被广泛传播的「结论」，原研究里根本没有那么说——作者写的是「提供了进一步研究的基础」，传出来就成了定论。

我们自己怎么做

三条：

其一，引研究的时候把样本量写出来。 站里凡是引文献的地方，基本都带着「几批」「几份」「几户」。

其二，对自己不利的照写。 甾醇这一项上，人工繁育品和野生品基本一样——这条对我们不利，站里照写了。

其三，错了就改，公开列出来。 见《我们改过的说法：一份公开的更正记录》。

一份研究能说明方向，说明不了结论。 而一个来源愿不愿意告诉你它的样本量，本身就是可信度信号。