回复@医药邦: 这有啥好说的？ 双盲实验是唯一能辨别一个东西是否真的有效的方法。测试一个药物的效果是否有统计显著性。对于没有科学思维的人最喜欢的就是举个例来证明自己的论点。
另外上市以后追加副作用更是说明西药的严谨性。 有些严重副作用几率极低比如只有万分之一的概率，那么就算一个大型1000人的实验非常有可能没发现这个副作用。上市以后大规模使用才发现，这时候就需要把这个新发现的罕见副作用写进标签或说明书。
中药的问题是不告诉你有什么副作用，让你感觉中药好像没有副作用一样。去年我邻居吃中药然后转氨酶飙升到2000，去华西抢救，最后运气好救活了。这个中药并没有标明吃了以后会有严重的肝毒。。。。每年因为类似的事件让肝脏，肾脏衰竭的人有多少？

最后任何不具备统计显著性的“规律”都是伪规律，通常只是凑巧而已。统计就是用来辨别一些现象是真实存在还是纯粹的运气凑巧。 比如你得病了，吃了一种药A，然后病好了。这时到底是药物A有治疗效果还是纯粹的运气好：你不吃这个药，病可能也会好。
以前写过的科普文，贴出来
“现代统计证明有效性，差异性的方法： 这个就是统计学里面的最核心的东西之一。要证明一个东西的效果或者差异性是真实存在的而不是因为运气。 假设一个外星人来到地球的一个大学教室，他惊奇的发现坐在左边的人的平均身高明显比坐在右边的人高。于是他得出了来到地球的第一个理论：教室里面左边的人会比右边的人身高更高！ 当然我们知道这个理论明显是错的。他只是碰巧遇见了一个这种教室。如果这个外星人多去几个教室看看就会发现有些教室左边的人个子高，有些教室右边的人个子高，有些教室左右的人身高都差不多。结论就是身高和你坐在左边或者右边其实没有任何关系。 
统计是如何解决这个问题的呢？
现代统计的经典模式：
做一个假设
H0：比如男的和女的平均身高一样。
那么H1就是 男的和女的平均身高不一样。
然后用数据最后得出一个证据的分量（p-value）。也就是H0成立的概率。（在“平行世界”做无数次实验。。） 比如p-value=0.01 也是就是男的和女的平均身高一样的概率为1%。 那么这个就是证据就说明了H1的正确性：男的和女的平均身高不一样。 然后还能得出一个系数说明男的比女的高多少。。
同理医药试验中的H0：药X没有效果， H1为药X有效果。所以你常常看见文章里面写药X  p-value=0.005 说明药有效果。 通常我们把小于5%的概率称为H1成立。

作者：Stevevai1983
链接：网页链接
来源：雪球
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。”//@医药邦:回复@黄祖斌:能写出这类文章的人，基本的思辨能力没有。，，，， @Stevevai1983 专家说几句