Why Most Published Research Findings Are False

Research question

为什么大多数已发表的研究发现是假的？本研究通过数学模型探讨了多项研究（multiple studies）和统计功效（power）对研究结果阳性预测值（PPV）的影响。

Core answer

作者通过数学推导和模拟，展示了在常见研究条件下（如α=0.05），研究发现的阳性预测值（PPV）可能较低，从而支持了“大多数已发表的研究发现是假的”这一论点。表3和表4分别呈现了多项研究和单一研究情形下的PPV模型。

Key claims

• 当存在多项研究（multiple studies）时，已发表的研究发现与真实关系（true relationships）之间的对应关系会发生变化，表3展示了二者在不同研究数量下的关联。
• 对于单一研究，在显著性水平α=0.05下，研究发现的阳性预测值（PPV）取决于统计功效（1−β）和真实关系与无关联研究的比率（ratio）的组合。

Evidence generation

证据来自数学推导和模拟计算。作者设定α=0.05，构建PPV模型，计算不同统计功效（1−β）和比率（ratio）组合下的阳性预测值。对于多项研究，表3给出了研究结果与真实关系的对应关系。具体的数据生成过程和模拟参数未在所提供的章节切片中报告。

Boundaries and limitations

Author acknowledged

Result shown

0: 表4仅覆盖α=0.05的假设，未提供其他显著性水平下的PPV情况。 · 1: 切片中未列出具体的PPV数值，无法直观评估低功效或高比率的影响程度。

Unconfirmed

0: 具体的研究设计、数据来源或模拟样本量未在切片中说明。 · 1: 多项研究（表3）的模型细节和适用条件未提供。

Reusable inspiration

• Type: 方法启发 · Content: 使用数学模型和模拟来量化研究发现的可靠性，以阳性预测值（PPV）作为核心指标。
• Type: 变量概念定义 · Content: 将PPV定义为研究发现的真实性度量，其计算依赖于统计功效和真实关系的先验比率。
• Type: 理论论点 · Content: “大多数已发表的研究发现是假的”可以通过PPV模型进行数学论证，而非仅凭经验观察。

Methodology

这是一篇理论性/观点性论文，通过数学模型和推导论证大多数已发表的研究发现是假的。研究方法为理论建模与推导，构建2x2列联表框架计算阳性预测值（PPV），并纳入偏倚（bias）因素分析其对研究结论真实性的影响，同时结合模拟研究说明不同条件下研究主张为真的概率。

Workflow

• 构建2×2列联表，将研究结论与真实关系进行对比，定义研究发现的阳性预测值（PPV）为研究结论为真的后验概率。
• 引入偏倚因子u，即由于设计、数据、分析、报告等因素导致不应成为研究结论却被报告的比例，推导存在偏倚情况下的PPV。
• 通过模拟研究探讨不同研究设计、功效水平和先验概率组合下研究主张为真的概率，证明在多数情况下研究发现更可能是假的。

Data sources

Sample size

原文未报告

Study area

原文未报告

Time span

原文未报告

Data source

原文未报告

Models and algorithms

• 将研究结论与真实关系对比的列联表模型，用于推导阳性预测值。
• 研究结论为真的后验概率，衡量研究发现的真实可能性。
• 通过模拟不同参数组合（功效、先验比值、偏倚）评估研究主张为真的概率。

Evaluation metrics

not_applicable