中医：它是什么，
以及为什么很多时候人们觉得它有效

它不是一本书，而是两千年的层积

今天在诊室里被称为「中医」的东西，是一个持续叠加、内部并不自洽的传统。被列为「经典」的四部文本本身就跨越数百年。

此后的关键分歧点，恰恰不是「传承」而是互相否定。金元四大家：刘完素主「六气皆从火化」，用药寒凉；张从正主「邪去而正安」，重汗吐下攻邪；李杲主「内伤脾胃，百病由生」，重温补脾土；朱震亨主「阳常有余，阴常不足」，重滋阴。同一个病人交到四人手上，一个会泻火、一个会攻下、一个会温补、一个会滋阴——这不是四种流派的分工，而是四套彼此排斥的病因论。

明末吴有性《瘟疫论》（1642）提出疫病由「戾气」自口鼻而入，明确反对以《伤寒论》的辛温之法治温热病；清代叶桂立卫气营血辨证，吴瑭《温病条辨》（1813 年刊行）以三焦辨证系统化，与自称「经方派」的守《伤寒论》者在清末形成两大对峙阵营。传统内部也不认为「古人所说即定论」：清代王清任《医林改错》（1830）以刑场、乱葬岗所见遗体为据绘「亲见改正脏腑图」25 幅，公开指认前人脏腑记载有误。

理论框架：少数抽象范畴解释一切

• 阴阳：一对相对属性（上下、动静、热寒），用于给一切现象定位与配对，本身不指涉具体物质。
• 五行与生克：木火土金水，配五脏、五味、五色、五季，通过相生、相克、相乘相侮构成闭环推演网络。任何两个现象都能通过这张网被联系起来——这既是它的解释力，也是它不可被证伪的结构来源。
• 气：兼具动力、功能、物质倾向三重含义，是体系中最基础也最难界定的范畴。
• 经络与穴位：穴位数目在历史上是递增的——《内经》约 160 穴 → 《针灸甲乙经》（约 259 年）349 穴 → 《铜人腧穴针灸图经》（1026）354 穴 → 《针灸大成》（1601）359 穴 → 《针灸逢源》（1817）361 穴。
• 脏腑：这是最容易被误读的一层。中医的「脾」主运化，与解剖学的脾脏（免疫器官）不是同一个对象；「肾」涵盖生殖、生长、骨、髓、听力、水液；「三焦」在《难经·二十五难》中被明确表述为「有名而无形」。脏腑在这个体系里是功能范畴，不是解剖器官——古典文献自己就说清了这一点。
• 辨证论治：四诊（望闻问切）收集体征 → 八纲（阴阳表里寒热虚实）定位 → 归入证型 → 按证型选方加减。值得注意：「辨证论治」作为纲领性口号被确立是 1950 年代的事（任应秋 1955 年在《中医杂志》著文推动，其后写入统编教材）。

横向对比：前现代医学体系的共同结构

四条共同结构：用少数抽象范畴解释所有疾病；以「平衡／整体」为健康定义；缺乏解剖生理层面的实证基础；知识合法性来自师承与权威文本而非可重复检验。

四体液说死了，中医为什么活着

四体液说的退场有明确的技术性节点：1830 年代 Pierre Charles Alexandre Louis 用「数值法」统计肺炎放血病人的结局，发现放血组并不更好；此后细胞病理学（Virchow，1858）与细菌学（Pasteur、Koch，1860—1880 年代）提供了替代性的疾病机制。理论被替换，实践随之萎缩。

中医的路径不同，差别在于它被卷入了政治。

1. 1929 年「废止中医案」。2 月南京国民政府卫生部第一届中央卫生委员会会议，14 名与会代表全部为西医背景。余云岫提出《废止旧医以扫除医事卫生之障碍案》，四项提案合并为《规定旧医登记案原则》。1929 年 3 月 17 日，15 省 242 个医药团体的代表在上海召开全国医药团体代表大会抗争（该日后被定为「国医节」），卫生部最终否认通过了废止决议。中医由此第一次以有组织的政治力量形态出现。
2. 1950 年代的国家建构。这是 Kim Taylor 研究的核心：今天全球所称的 TCM，是 1950 年代在中国大陆被组织起来的一套现代标准化建制，「Traditional Chinese Medicine」这一英文名也是当时为对外表述而造。关键时间线：1951 年朱琏《新针灸学》出版，以巴甫洛夫高级神经活动学说解释针灸、淡化经络；1955 年 12 月中医研究院成立，同期开办第一届「西医离职学习中医研究班」（首批 76 人，1955—1966 年共培养 4700 余名「西学中」人员）；1956 年 8 月国务院批准在北京、上海、广州、成都设立四所六年制中医学院；1958 年 10 月毛泽东批示「中国医药学是一个伟大的宝库」；1958 年卫生部组织编写全国统一教材，1960 年出版第一版 17 门统编教材。
3. 标准化留下的痕迹。经络穴位图的现代版本是协商产物而非古籍照录。WHO 1989 年在日内瓦通过国际标准针灸穴名（361 经穴）；2008 年发布《WHO 西太平洋区针灸穴位定位标准》时，361 穴中有 92 个定位存在分歧，经七次非正式磋商和四次工作组会议，86 个达成一致，仍有 6 个未能统一。标准化的动因也很直接：不同医师实际取穴差异可达 25%。

一个反直觉的起点：无效疗法的命中率有多高

先做一道算术题。假设有一种完全没有药理作用的疗法——就当它是自来水。一个人在症状最重那天用了它，三天后或一周后自我评价「好转了」。这个事件的概率是多少？

答案不是接近 0，而是接近 0.70。核心事实是：门诊上最常见的病，绝大多数是自限性的。

急性腰痛「1 年内至少复发一次」的比例是 73%（Pengel 2003）——同一个人会反复进入「症状最重 → 求医 → 好转」的循环，为任何疗法提供近乎无限次的「成功案例」。

回归均值：一个纯数学的必然

自然史只解释了一部分。第二个机制更隐蔽，而且在任何有波动的指标上都无条件成立。

真实世界比这更糟，因为病人不是随机抽的，是自己筛出来的。人在症状超过某个阈值才去求医，所以样本满足条件 X₁ > c——这是极端值条件抽样。用截尾正态的逆米尔斯比率可以算出平均超出量：

取一个具体模型算一遍：症状 S(t) = 50 + 25·sin(2πt/60) + ε，噪声 SD = 5，设 S > 70 才求医。总方差 = 25²/2 + 25 = 337.5，σ = 18.37；7 天间隔（相位推进 42°）的相关系数 r = 312.5·cos42°/337.5 = 0.688。求医时刻的条件期望是 79.4，一周后期望为 50 + 0.688 × 29.4 = 70.2。期望下降 9.2 分，治疗效应严格为零。

把三样东西分开：真安慰剂效应到底有多大

「自然史 + 回归均值」和「真正的安慰剂效应」经常被混为一谈。要分开它们，需要三臂设计：真药组 = 自然史 + 回归均值 + 安慰剂 + 特异性效应；安慰剂组 = 前三项；不治疗组 = 前两项。于是真安慰剂效应 = 安慰剂组 − 不治疗组。

Hróbjartsson 与 Gøtzsche 把所有做过这两组对照的试验汇总（Cochrane 综述，158 项试验、10,525 名患者）：连续型结局总体 SMD −0.23（95% CI −0.28 至 −0.17），疼痛 SMD −0.28。关键的异质性拆分是：针刺试验 SMD −0.68，而非针刺的疼痛试验 SMD −0.13（95% CI −0.28 至 +0.03，置信区间跨过 0，不显著）。2001 年 NEJM 版把 27 项疼痛试验的安慰剂镇痛折算为 100 mm 视觉模拟量表上的 6.5 mm——而疼痛 VAS 的 MCID 一般在 10–13 mm。真安慰剂效应的平均量级，低于患者能察觉为「有意义」的阈值。

病人体验到的三十分好转，绝大部分与「用了什么」无关。

贝叶斯计算：一次成功经验值多少

抗生素治细菌性脑膜炎、胰岛素治 1 型糖尿病这类干预，几十例就足以让任何理性观察者确信——这也是为什么它们在没有 RCT 的年代就被迅速接受。反过来，一切主要用于自限性、波动性、主观症状类病症的疗法，无论真假都无法通过个人经验被区分：不是观察者不聪明，是这类问题的似然比在结构上就趋近于 1。

幸存者偏差的定量版：口碑渠道的失真倍数

即使真实成功率是已知的，你听到的成功率也不是它——因为故事的传播是有选择的。设真实成功率 π，成功案例被讲述的概率 p_s，失败案例被讲述的概率 p_f，偏倚倍数 k = p_s/p_f，则故事池中的成功比例

真实成功率 30%，听到的故事里 68.2% 是成功。而且失真有一个精确形式：真实赔率 0.4286，故事池赔率 2.1429，比值恰为 5.000 = k。

安慰剂不是「心理作用」，它有可测量的神经化学基础

先纠正一个流行的误解：安慰剂效应不等于「病人在自欺」。它是一套真实的、可用药理手段阻断的生理过程。

• 内源性阿片肽。1978 年 Levine、Gordon 与 Fields 在《Lancet》上做的实验至今是奠基性的：拔除阻生智齿的术后患者，随机双盲给予纳洛酮（阿片受体拮抗剂）或安慰剂。结果给纳洛酮者报告的疼痛显著更高。更关键的是分层分析——纳洛酮对安慰剂非应答者的疼痛没有额外影响，却显著加重了应答者的疼痛。这意味着安慰剂镇痛不是报告偏差，而是真的调动了内源性阿片系统，堵住那个受体效果就消失。
• 多巴胺通路。de la Fuente-Fernández 等（Science 2001）用 PET 直接测到帕金森病患者在接受安慰剂注射后纹状体内源性多巴胺大量释放，量级与治疗剂量的左旋多巴相当。后续工作（Lidstone 2010）显示，改变患者被告知的「拿到真药的概率」，多巴胺释放量随之变化——告知 75% 时释放最多。
• 条件反射。Ader 与 Cohen（1975）把糖精水与免疫抑制剂环磷酰胺配对给大鼠，此后只给糖精水，动物的抗体反应仍受到显著抑制。仪式性线索可以经巴甫洛夫式学习接入自主神经与内分泌—免疫轴。

关键边界：安慰剂改主观感受，不改客观病理

这是全章最要紧的一条线，而且有一个近乎完美的实验来划它。

这个实验的意义无法被替代：它在同一批人、同一时间窗内，把「感觉好转」与「生理好转」清清楚楚地劈成了两半。对哮喘而言这甚至是危险的——患者觉得没事了，气道其实还在闭合。

与之呼应的是 Hróbjartsson 与 Gøtzsche 的大规模系统评价：安慰剂对绝大多数疾病没有临床上重要的效应，例外是自报疼痛及其他连续型主观结局。他们同时指出，文献中大量所谓「安慰剂效应」其实是疾病自然史 + 回归均值 + 报告偏差的混合物——因为多数研究缺少「不治疗」这条基线臂。这一批评必须如实呈现：它并不否认安慰剂镇痛真实存在（纳洛酮与 PET 证据是硬的），但它对「安慰剂效应有多大」的通俗估计做了大幅缩水。

所以边界可以写得很干脆：安慰剂机制对疼痛、恶心、疲劳、瘙痒、呼吸困难、腹胀、失眠、情绪这类以主观体验为核心的症状有真实作用，对部分自主神经与内分泌指标也有；但它不缩小肿瘤、不降低病毒载量、不接骨、不改变生存期。

「安慰剂增强器」：把安慰剂效应做大的已知因子

Kaptchuk 等（BMJ 2008）把 262 名 IBS 患者随机分三组：等待名单组；假针灸 + 一次 5 分钟以内公事公办接触的「有限互动组」；同样假针灸 + 约 45 分钟温暖支持式医患关系的「增强互动组」。「获得充分缓解」比例：等待 28%，有限互动 44%，增强互动 62%（趋势检验 P < 0.001）。三组用的是同一根假针，唯一变化的是人怎么被对待。安慰剂的各个成分可以像剂量递增那样叠加，而医患关系是其中最稳健的那个成分。

假针灸研究：读懂针灸证据的钥匙

假针灸对照试验的典型格局是：真针 ≈ 假针 > 不治疗／常规护理。

• Linde et al., JAMA 2005（偏头痛）：302 名患者。应答者比例真针 51%、假针 53%、等待名单 15%。
• GERAC 慢性腰痛（Haake et al., Arch Intern Med 2007）：1162 名患者，病程平均 8 年。6 个月应答率真针 47.6%、假针 44.2%、常规治疗（药物 + 理疗 + 运动）27.4%。真针 vs 假针差 3.4%（P = 0.39，不显著）；两者 vs 常规治疗均 P < 0.001。针灸把常规治疗的有效率翻了近一倍，但这份收益无法归因于扎在哪儿、扎多深。
• Cherkin et al., Arch Intern Med 2009（慢性腰痛，n = 638）：四臂——个体化针灸、标准化针灸、模拟针灸（牙签在针管里戳皮肤，完全不刺入）、常规护理。8 周功能障碍量表改善 4.4 / 4.5 / 4.4 / 2.1 分。连「针没进皮肤」都不影响结果。

解释框架本身就是疗效

这是中医存续最真实的土壤之一，必须如实写。

现代医学在功能性、躯体化症状面前长期尴尬。Kroenke 与 Mangelsdorff（Am J Med 1989）回顾内科门诊 1000 名患者的 567 例新发常见症状（胸痛、乏力、头晕、头痛、腰背痛、气短、失眠、腹痛、麻木等），尽管三分之二以上做了诊断性检查，最终能证明器质性病因的只有 16%。Steinbrecher 等（2011）在德国基层医疗发现，医学无法解释的症状占全部所报症状的约三分之二（常被引用的「约三分之一」是就诊主诉层面的保守估计，两者尺度不同）。

更要紧的是：检查正常不能安慰人。Rolfe 与 Burton（JAMA Intern Med 2013）系统评价 14 项 RCT、3828 名受试者，针对严重疾病预测概率低的症状做诊断性检查，结果在焦虑、症状本身和疾病担忧上都没有显著降低。「你的检查一切正常」这句话，对一个每天真实地感到疲惫、腹胀、心慌的人来说，往往被听成「你没病，是你想太多」——它同时否认了症状与人格。

中医的解释框架恰好补上这个空缺。「肝气郁结」「湿气重」「脾虚」「上火」这套语言提供了三样东西：一个可理解的因果故事（你的难受有名字、有机制）、一套可操作的行动方案（喝这个、忌那个、按时辰、艾灸这里），以及最关键的——一个不羞辱人的位置（问题在「气」和「湿」，不在你是个懦弱或神经质的人）。而且它还有一个特殊优势：这类标签是可逆的、去道德化的——「湿气重」可以调回来，不是终身诊断，也不是精神科转诊。

只靠安慰剂起效，算「有效」吗

这里需要做真正的概念区分，不能一句「那也是有效」或「那就是骗人」打发。

第一，区分「疗法有效」与「就诊有效」。GERAC 腰痛的数字可以两读：从患者角度，假针组 44.2% 好转 vs 常规治疗 27.4%，去看那个针灸师这件事是有效的；从理论正确性角度，真假之差 3.4%、P = 0.39，经络学说没有被这个试验支持。两个结论同时为真，不矛盾。混淆之处在于日常语言里的「有效」打包了三层含义：症状改善了（结果层）、这个疗法比不治疗好（比较层）、它起效的机制如其自称（解释层）。中医在第一层常常成立，第二层部分成立，第三层基本不成立。把三层拆开，很多无谓的争论就消失了。

第二，伦理落点是知情同意。如果获益主要来自仪式与关系，而患者付的是「名贵药材」的钱、承担的是药物性肝损伤与延误诊断的风险，那么问题就不再是「有没有效」，而是这份获益的定价与风险披露是否诚实。

第三，开放标签安慰剂：欺骗不是必要条件。Kaptchuk 等（PLoS ONE 2010）在 IBS 上做了一件反直觉的事——明确告诉患者「这是惰性物质，像糖片一样，但临床研究显示它能通过身心自愈过程显著改善症状」。80 名患者随机分为开放标签安慰剂组与匹配医患互动的不服药对照组，3 周后充分缓解率 59% vs 35%。Carvalho 等（Pain 2016）在慢性腰痛上复制：常规治疗之上加 3 周开放标签安慰剂，复合疼痛评分下降 1.5 分 vs 常规治疗组 0.2 分。近年更有研究显示开放标签安慰剂的镇痛同样可被纳洛酮阻断（Pain 2022），说明它调动的是同一套内源性阿片机制。

这对伦理格局的改写是根本性的：既然明说「这是安慰剂」仍然有效，那么欺骗就不是安慰剂效应的必要条件。这堵死了「为了病人好只能骗他」这条辩护路径，也提供了一个诚实的出路——把仪式、关系、时间当作已知的、可公开承认的活性成分来使用，而不必依附于「经络运行气血」的实体主张。

后此谬误与确认偏误：这不是愚昧，是默认配置

后此谬误（post hoc ergo propter hoc）的逻辑结构是：A 先于 B 发生，故 A 导致 B。它在医疗场景里格外致命，因为求医这个行为本身发生在症状最重的时刻——而绝大多数常见病本身就是自限的、围绕均值波动的。喝药后好转，与不喝药也会好转，在单个个案中根本无法区分。样本量再大，也长不出对照组来。

确认偏误则负责让证据库变形：命中被反复讲述、被编码为故事（「我那个咳嗽三个月，喝了七副就好了」），落空被归因于其他原因（体质特殊、忌口没做到、吃得太晚），或者干脆被遗忘。每个人的经验记忆都是一个经过筛选的高疗效数据集。

但这里必须给人类认知一个公道的评价：这不是愚昧，而是在稀疏信号环境中被自然选择校准出来的适应性策略。Foster 与 Kokko（Proc R Soc B 2009）用一个简洁模型证明：只要偶然一次正确的因果判断带来足够大的适应度收益，自然选择就会青睐「频繁出错」的关联策略，迷信式行为是一切生物适应性行为的必然副产品。用贝叶斯语言说：当真因果的先验概率很低、观测次数很少、而漏掉真因果的代价（死）远高于误认因果的代价（白喝一碗汤）时，把先验拉向「宁可信其有」是最优的。

通过了筛子的：三个真案例，和它们真正验证了什么

青蒿素：一次对「水煎」的否定

屠呦呦团队 1969 年接手 523 任务，先做文献筛查，从两千余首方剂中整理出 640 首候选，对 100 余种植物提取物做鼠疟筛选。黄花蒿最初显示约 68% 抑制率，但复现极不稳定，波动在 12%–40% 之间。

转折点是《肘后备急方》里葛洪那句「青蒿一握，以水二升渍，绞取汁，尽服之」。这句话给出的信息不是「青蒿治疟」——那是当时已在筛的假设；它给出的是「不煎」。屠呦呦据此判断高温破坏了有效成分，把乙醇（沸点 78 ℃）换成乙醚（沸点 35 ℃）做低温萃取。

• 1971 年 10 月 4 日：第 191 号样品对鼠疟、猴疟抑制率 100%
• 1972 年 8 月：海南昌江 21 例临床，有效率 95%–100%
• 1972 年 11 月 8 日：分离出白色晶体，熔点 156–157 ℃，命名「青蒿素」
• 2015 年：诺贝尔生理学或医学奖

三氧化二砷：从「以毒攻毒」到分子机制

1970 年代，哈尔滨医科大学张亭栋团队从民间「癌灵注射液」（含砒霜、轻粉）出发，做了一件关键的还原工作：判定复方中真正起效的是单一成分三氧化二砷（As₂O₃），且靶病种是急性早幼粒细胞白血病（APL）。1990 年代上海血研所（王振义、陈竺、陈赛娟）接续，1997 与 1999 年在《Blood》发表临床与分子监测数据。

ATRA（全反式维甲酸）与 ATO 联用后，APL 五年总生存率从 < 35% 升至 > 90%。必须注明：这个跃升是两者共同贡献，不能单独归给砒霜；而 ATRA 本身来自维生素 A 代谢研究，与中医无关。

全球对照——这不是中医独有的模式：柳树皮 → 水杨苷 → 阿司匹林（1899）；金鸡纳树皮 → 奎宁（1820）；洋地黄 → 地高辛（Withering, 1785）；短叶红豆杉 → 紫杉醇（1971）。四条路径的方法论与青蒿素完全同构：民族植物学提供线索，化学与临床试验做裁决。

证据的中间地带：针灸的适应症分层

这是全文最难写的一节，因为它既不是零，也远不是宣传所称的那样。Vickers 等 2012 年的个体患者数据荟萃（29 项 RCT，n = 17,922）给出的效应量是：相对假针灸，腰颈痛 0.23 SD（95% CI 0.13–0.33）、骨关节炎 0.16、慢性头痛 0.15。三个数都统计显著、临床意义微弱。相对常规护理则大得多——而这个差值本身就是期望效应与仪式效应的量化。

这张表的读法：针灸在「慢性疼痛的主观评分」和「呕吐反射」上有可复现的小到中等效应；在这两个域之外（戒烟、减肥、不孕、中风康复、内科杂病），证据要么阴性要么质量太低。任何把针灸包装成「治百病」的宣传，都超出了上表的边界。

发表偏倚：一个国别数字

Vickers、Goyal、Harland、Rees（Control Clin Trials 1998）做了两轮独立筛查：针灸对照试验从 1,085 篇摘要中纳入 252 篇；其他干预从 1,100 篇中纳入 405 篇。按第一作者所在国统计「结论支持试验治疗有效」的比例：

• 针灸试验：来自中国大陆、日本、香港、台湾的试验 100% 为阳性；俄罗斯／前苏联 10/11
• 其他干预：中国 99%、俄罗斯／前苏联 97%、台湾 95%、日本 89%，而英国 75%
• 原文断言：「No trial published in China or Russia/USSR found a test treatment to be ineffective.」

两条旁证说明这个格局的成因。Tang、Zhan、Ernst（BMJ 1999）在 28 种中国期刊中检出 2,938 项 RCT：盲法仅用于 15%；随机化方法描述常不恰当；从未提及意向性分析；过半未报告基线特征或不良反应。他们对 49 项针灸治疗中风的试验做漏斗图，确认了阳性试验的选择性发表。

Wu、Li、Bian 等（Trials 2009）做得更狠：1994—2005 年、20 种常见病、CNKI 检出自称 RCT 共 3,137 项，由 21 名调查员电话访谈原作者，可访谈到 2,235 项，其中真正符合随机化方法者仅 207 项 = 6.8%（95% CI 5.9–7.7）。

没通过的，和有害的

延误治疗的机会成本

这是最容易被低估的一项伤害，因为它不产生毒理报告，只产生空缺的生存曲线。Johnson 等（JNCI 2018）从国家癌症数据库 190 万例中筛出 281 例以替代医学作为唯一抗癌治疗的非转移性癌患者：

为什么「几千篇研究支持」可能什么都不能证明

• 偏倚项的杀伤力大于功效。把功效从 0.4 提到 0.8 而保持 u = 0.3，PPV 只从 14.8% 抬到 20.4%；而把 u 降到 0 并保持功效 0.8，PPV = 61.5%。清除偏倚的收益远大于增大样本量。
• 「几千篇支持」在数学上不构成叠加。独立证据可以相乘，同源偏倚不可以。当某些国家的针灸试验阳性率是 100%、自称随机的试验只有 6.8% 真随机、盲法只有 15%，那么这几千篇不是几千个独立观测，而是一个被系统性截断的观测被复制了几千次。样本量的增长不减少偏倚——它只让偏倚的置信区间变窄。这就是为什么 Cochrane 会因「研究局限性」和「发表偏倚」两次下调等级，最终把成千上万人的数据评为 low certainty。

讨论之前必须先切分对象。中医不是一个命题，而是三层叠在一起的东西：解释理论层（阴阳、五行生克、气的运行、经络作为实体）、诊断分类层（证型，如肝郁脾虚）、操作技术层（针刺、手法、方药）。科学哲学的三种判据落在这三层上，结论并不相同。把三层当一个东西整体肯定或整体否定，是这场争论中双方共同的错误。

可证伪性：波普尔的标准，以及标准自身的边界

波普尔的划界标准常被误传成「科学要能被推翻」。他的原话更锋利。《猜想与反驳》第 1 章列出七条结论，其中三条直接相关：

• (3)「每一个『好』的科学理论都是一种禁止：它禁止某些事情发生。一个理论禁止得越多，它就越好。」
• (4)「一个不能被任何可想象的事件所反驳的理论是非科学的。不可反驳性不是一个理论的美德，而是它的缺陷。」
• (7) 有些真正可检验的理论被证伪后，仍被信徒以临时引入辅助假设的方式保住——这种做法「以摧毁或至少降低理论的科学地位为代价，把它从反驳中救出来」。波普尔称之为「约定主义的转向」。

关键在于：科学性不在于支持案例多（几乎任何理论都容易找到确证），而在于风险预测——如果不知道这个理论，我们本该预期一个不同的、反驳性的结果。

但波普尔本人不是终审法庭，这一点必须先说清楚。迪昂（1906）已论证：实验永远不能宣判一个孤立假设，只能宣判整个理论群；奎因《经验论的两个教条》（1951）把它推到极端——「具有经验意义的单位是整个科学」。因此任何理论遭遇反例时都可以调整外围假设，这本身是所有科学的常态，不是中医的原罪。拉卡托斯正是由此判定「朴素证伪主义」站不住脚。

把标准用到具体命题上，会发现中医理论内部的可检验性并不齐平，而是一个梯度：「子午流注」是最可证伪的一条——它作出明确的定量预测（特定经脉在特定双小时功能最盛，针刺同一穴位在不同时辰应产生系统性不同的效应），可以用交叉设计直接检验，禁止内容清楚。「肝主目」「心开窍于舌」可以被操作化，但一旦检验失败，「肝」的所指会从解剖器官退回「功能系统」，禁止内容随之归零——这正是波普尔结论 (7) 描述的那种退却。而「舌诊、脉诊对应脏腑」有一个前置问题：在谈对应关系之前，诊断本身得可复现。

这是本章唯一能上数字的地方，而数字很不利

按 Landis 与 Koch（1977）的常用标尺，0.21–0.40 为 fair，0.41–0.60 为 moderate。κ ≈ 0.34 意味着扣除偶然一致后只剩三成左右的真实一致度。

保护带的问题为什么是结构性的

当一个方剂无效时，标准回应是「辨证不准」「体质不同」「火候不到」。拉卡托斯把特设性辅助假设分了三档：ad hoc₁（不产生任何独立可检验的后果）、ad hoc₂（有可检验后果但未被证实）、ad hoc₃（虽可检验却违背纲领自身的启发法）。上述三种回应全部落在 ad hoc₁。

这里的要害不是「中医有保护带」——迪昂-奎因论题说明每个理论都有保护带；要害是这个保护带的每次调整都不增加任何新的禁止内容。理论的经验内容在一次次挽救中单调递减而从不递增。这不是瑕疵，这是纲领退化的定义性特征。

更精确的定位：前科学的现象分类加操作助记系统

比「中医理论是错的」更准确的说法是：它是一套前科学的现象分类与操作助记系统。

「证」作为症状聚类，可能真的编码了临床上的共现模式。这一点可以统计检验，并且已有人在做——潜类别分析、潜树模型、因子与聚类分析已被用于血管性轻度认知障碍、系统性红斑狼疮、抑郁、2 型糖尿病合并代谢综合征等人群。但要如实说明证据水平：这些研究能显示症状确有可聚类结构（这并不令人惊讶，症状本来相关），却很少完成两件更关键的事——数据驱动得到的聚类与教科书证型的强对应验证，以及外部效度验证（不同证型是否预示不同预后或不同治疗反应）。因此正确的表述是：证型有可能是一种有信息量的粗分类，其信息量待测，而非已证。

至于上层建筑——五行生克、气的运行——问题不在于「机制尚未发现」，而在于它的推理形式（类比推演加可替换的五行配属）不产生禁止。任何结果都能在事后被安置进去。

还有一层容易被忽略的区分。赖尔在《心的概念》（1949）中区分了 knowing that（命题性知识）与 knowing how（技艺性知识）；波兰尼在《默会的维度》（1966）给出那句断言——「我们能知道的比我们能说出的更多」。中医的大量内容属于技艺与默会层面：进针的手感、脉下的形态、方剂的加减取舍。这一个观察同时解释了两件事：

• 为什么中医难以标准化。默会知识靠师徒间的身体示范传递，无法无损地写成规则；要求它完全显化，等于要求它变成另一种知识。
• 为什么「老中医的手感」既可能包含真实信息，又无法与自我欺骗区分。专家知觉的模式识别是真实存在的（放射科医师、品酒师皆然），但它的辩护结构是内在的——「我做得对」——缺少外部校准。

而专家直觉恰恰是可以被外部校准的：盲法判读、结局记录、与独立指标比对。一旦拒绝校准，「默会性」就从一个描述性解释变成了一张豁免票。这是本节最重要的一句话。

库恩：范式、不可通约，以及它被滥用的边界

但库恩后期收缩了这个概念，而这比引用任何反库恩文献都有力。在《可通约性、可比较性、可交流性》（PSA 1982, vol. 2, 1983, pp. 669–688）中他明确表示：不可通约性是局部的、部分的，不等于不可比较；两个理论共有的大多数词项意义保留；不可翻译也不等于不可学习——人可以像习得第二语言那样习得另一个范式。

再加上《客观性、价值判断与理论选择》（1977）中库恩列出的五项跨范式共享的理论评价价值——准确性、一致性、广泛性、简单性、丰饶性——边界就画出来了：「病人有没有活下来」「血糖有没有降」属于跨范式可共享的结果层判据，它们是用双方都能理解的对象语言陈述的事件，不需要预先接受任何一方的理论词汇。

费耶阿本德在这里被引用得最多，也被误用得最多。《反对方法》（1975）主张方法论多元主义，那句「anything goes」按他自己的说明是反讽性的。更相关的是：他确实以 1950 年代中国政府强制医院与医学院教授《黄帝内经》为案例，论证国家干预打破了专家垄断，而结果是针灸、艾灸、脉诊「带来了新的洞见、新的治疗方法，以及对中西医双方的新问题」。

如实呈现之后必须指出其自我限制：费耶阿本德的论点关于科研政策与传统多元的保留，不关于「结果不必检验」。他这个案例的全部说服力来自一个经验断言——结果是好的。也就是说，他自己也在用结果说话。引费耶阿本德来拒绝疗效检验，是拿走了他的结论而抽掉了他的前提。

整体论 vs 还原论：正确的批评不等于正确的替代方案

这是全章最需要精细区分的地方。

中医整体论的批评击中了现代医学的真实弱点。疾病分科的碎片化（一个多病共存的老人要看六个科、拿十四种药）、对患者主观体验与生活语境的忽视、对功能性症状（肠易激、慢性疲劳、纤维肌痛）束手无策、检查与治疗的双重过度化。这些批评不是外部攻击，它们在医学界内部早已成建制：恩格尔 1977 年在《Science》上提出生物-心理-社会模型，直接批判生物医学模型的还原论教条；卡伦的叙事医学（JAMA 2001）；系统生物学与 P4 医学；老年医学的多病共存管理与减药；反过度医疗的 Choosing Wisely 运动。

这恰恰说明「整体论」不是中医的专利，也不构成中医独有的合法性来源。

至于网络药理学——这个方向试图为「多成分多靶点」提供现代框架（复方成分—靶点—通路网络、多组学整合、AI 辅助的跨尺度建模），进展是真实的，作为新药发现的筛选工具已有产出。但证据水平必须说清：目前绝大多数网络药理学论文是计算加体外／动物验证的假说生成研究，「机制上可能」与「临床上已证」之间隔着随机对照的临床终点。更要紧的一点：网络药理学验证的是「复方可能多靶点作用」，不是「因为肝木克脾土」。它为中医药材提供了一种可被检验的现代重述路径，却并不因此追认经典解释理论。

拉卡托斯：进步纲领还是退化纲领

拉卡托斯（1970）的判据是关于理论增长与经验增长的相对速度：一个纲领是进步的，只要它不断成功地预测新颖事实（progressive problemshift）；它是退化的，如果它只对偶然发现、或对手纲领已预言并发现的事实作事后解释。

最强的候选案例应当给足分量。沈自尹等自 1959 年起的工作发现，肾阳虚患者尿 17-羟皮质类固醇普遍低下，ACTH 二日静滴延迟反应等提示下丘脑—垂体—肾上腺皮质轴不同环节、不同程度的功能紊乱；据记载这一结果被国内多个省市及日本研究机构重复。在形式上这确实是「由传统理论范畴出发、随后被现代指标证实」的一次预测，应算给支持方。

但也要如实指出三点：其新颖性有限（「虚证伴内分泌功能低下」不是高风险预测，反驳性预期并不明显）；其特异性弱（HPA 轴钝化见于大量慢性病与抑郁症）；此后半世纪，该模型未再导出被证实的新颖临床预言。其他候选（活血化瘀导向血液流变学、治未病导向慢病风险管理）同样是对已知事实的重述而非风险预测。

对照现代药理学对同一批药材的产出——麻黄素、青蒿素、三氧化二砷、小檗碱、联苯双酯、雷公藤甲素——重点不在清单长度，而在结构：每一步都产生了新的、意外的、可被证伪的预测（分子结构、作用靶点、剂量-反应、新适应症、耐药机制），并在原本无关的领域被证实。这正是 progressive problemshift 的形态。必须澄清的是：这一栏的成功不是「中医理论的成功」，而是「以中医药材记录为线索的现代药理学纲领的成功」——文献线索的价值应记在本草的经验记录名下，不能记在五行生克名下。

另需公平补一句：拉卡托斯判据本身也有边界。「新颖事实」的定义至今有争议（Zahar 与 Worrall 关于「时间新颖」与「启发式新颖」之争），且该判据只能作事后评估——拉卡托斯明确反对对纲领施加「即时的理性」，退化纲领可能重新变得进步。

三种判据 × 两个层次的评估

前面几章讨论的是「中医有效吗」。这一章换一个问题：在具体某一次生病时，某个具体的人该怎么算这笔账。这两个问题的答案可以互不相干——一个疗法平均无效，个别情况下用它仍可能是理性的；一个疗法平均有效，某个情境下用它仍可能是灾难性的。差别不在疗法，在格子。

先分格子：疾病性质 × 干预性质

第四格之所以「宽容」，不是因为替代疗法在那里更灵，而是对照基准本身就低。功能性消化不良用 PPI 的 NNT 是 11（Cochrane 2017：症状缓解 31% vs 安慰剂 26%）；慢性非特异性腰痛用 NSAID 相比安慰剂只改善 6.97 分（0–100 疼痛量表，Cochrane 2016）；IBS 药物试验的合并安慰剂反应率高达 37.5%。当规范治疗自己的效应量就这么小时，「比它差一点」的门槛也就低得多。这是个诚实的、对双方都不讨好的事实。

期望值模板

算例 1：用中药治普通感冒（格子 ④／③）

算例 2：用中药替代早期乳腺癌的规范治疗（格子 ①）

算例 3：慢性腰痛加针灸作为辅助（格子 ④）

敏感性分析：一项压倒一切

「补充」和「替代」：比「中医有效吗」重要得多的分界线

Johnson 等（JAMA Oncology 2018）追踪了 258 名对可治愈癌症使用补充医学的患者与 1032 名配对对照，拒绝规范治疗的比例差异惊人：

5 年生存 82.2% vs 86.6%，HR = 2.08（1.50–2.90）。关键是第二个模型：一旦把「拒绝与延误」放进模型，HR 降到 1.39（0.83–2.33），不再显著。也就是说，杀人的不是补充医学本身，是它通往拒绝的那条滑坡。

补充的主要成本是钱和潜在药物相互作用；替代的成本可能是命。两者期望值差好几个数量级。这条线，比「中医有没有用」这个问题重要得多。

七个可以在诊室里问自己的问题

同一套工具必须反过来用一次

如果上面这七个问题只对准一个方向，它自己就成了偏见。把它们转 180 度：

「我改善的是感觉还是指标」和「我的判断有对照组吗」，最锋利的时候恰恰是砍向主流医学的。三个假手术对照试验：Moseley 2002 NEJM，180 例膝骨关节炎随机接受关节镜清理、冲洗或假手术（只切皮），1 年、2 年疼痛评分无差异；Sihvonen 2013 NEJM，146 例退变性半月板撕裂，部分切除 vs 假手术，12 个月无差异——两组都从基线显著改善，这正是「感觉好转」作为证据有多不可靠的最好教材；Buchbinder 2009 NEJM，椎体成形术对比假操作，同样无益。这三项手术在被检验之前，都建立在大量「病人说好多了」的观察之上。

发表偏倚和效应量夸大也不是替代医学的专利。Turner 等（NEJM 2008）检查 74 项向 FDA 注册的抗抑郁药试验：按已发表文献看 94% 是阳性结果；按 FDA 自己的判定，只有 51% 是阳性。31% 的试验从未发表。整个药物类别的效应量在发表文献中被夸大 32%，单个药物从 11% 到 69%。低价值医疗同样有实证：Lancet Right Care 系列（2017）显示美国约 30% 卫生支出被认为浪费在低价值服务与管理复杂性上。

所以这一章不给立场，只给工具：先确认自己站在哪个格子里，再确认这是「补充」还是「替代」，最后把 P(延误) 那一项算一遍。前两步做对了，第三步通常自动是零；第三步不是零，前两步就都白算了。

三条结论为什么可以同时为真

走完前面七章，能站得住的结论只有三条（见文首）。它们看上去互相拆台，实际上互不冲突——关键在分层。「中医」不是一个命题，是至少四层各自独立的对象：

分层之后，矛盾消失了。一个错误的理论可以指向一个有价值的物质库——因为「哪些植物值得试」这个信息，和「为什么它有用」这个解释，是两回事。青蒿素的发现不为「疟疾属寒热」背书，只证明《肘后备急方》记录了一条有用的检索线索。反过来，弱证据的针刺也不为经络学说背书。归因是分层的，不能跨层传递。

为什么「愚昧论」和「瑰宝论」都是廉价答案

一个好解释的标准，借用 Deutsch 的说法，是「难以变动」（hard to vary）——它的每个部件都在承重，拿掉任何一块解释就崩掉；而不是靠加限定条件来吸收一切反例。按这个标准，两种流行立场都不合格，因为它们各自只能解释一半事实。

第三点值得给出具体数字：Vickers 等 1998 年的系统综述里，来自中国、日本、香港、台湾的针刺试验无一例阴性；扩展到全部干预类型，中国的阳性率 99%、俄罗斯／苏联 97%、台湾 95%、日本 89%，而英国是 75%——「没有一项在中国或俄罗斯发表的试验发现被测疗法无效」。这个数字本身就是证据：它测的不是疗效，是发表过滤。

分层解释是目前唯一同时容纳这两组事实的解释，而且它不需要任何辅助假设——它只要求我们承认「有用的线索」「有效的成分」「正确的理论」是三件不同的事。

普适启示：这些偏差不是某个民族的病

回归均值、后此谬误、幸存者偏差、确认偏误，不是中国人的病，不是老年人的病，是人类认知的默认配置。同样的错误，在最讲究数据的行业里以完全相同的形式发生。

两个尚未解决的问题

诚实的结尾不该给虚假的确定性。至少有两个问题还悬着。

第一，如果安慰剂效应是真实的临床资源，现代医学该如何在不骗人的前提下使用它？这不是修辞性提问。Zou 等人对 215 项骨关节炎随机试验（41,392 名受试者）的荟萃分析显示，平均 75% 的疼痛缓解可归于语境效应而非特异性疗效——这是一块巨大的、真实的、目前基本被浪费掉的临床资源。开放标签安慰剂研究正在探路（Kaptchuk 2010 的 IBS 试验里明确告知是安慰剂的患者 59% 报告充分缓解，对照组 35%；von Wernsdorff 2021 荟萃分析纳入 13 项研究，效应量显著）。但从「有效」到「可以正当地开出来」，中间隔着知情同意、医患信任、支付伦理一整片未开垦地带。

从经验中获得可靠知识，难点从来不是找到证据，是找到能约束自己的程序。这才是这场争论真正的题目。