戒烟成功率怎么看，才不会被百分比带跑？

先找“多少人／哪些人”

二分类结果的分子是满足规定条件的人数，分母是这次计算包含的人群。CONSORT要求试验报告交代分析人数、各终点时点有资料的人数和各组结果。最初报名总人数不一定等于每个后来百分比的分母。

分配到某组、实际参加、取得随访和纳入分析，是不同人数。宣传只说“成功率25%”时，缺失的计数是信息缺口，不能自行猜测它算了谁。

以下不是研究数据：100人报名，规定评估时有80人的结果。其中20人满足同一个固定终点、60人不满足，另20人没有结果资料。用20除以全部100人得到20%；只除以有资料的80人得到25%。

不是两种干预各有一种成功率，而是同一批人的两种算法。满足终点的已知人数始终是20。第一种若把缺失结果按未满足终点处理，那是分析约定，不等于观察到这20人吸烟。两种算法都不能不加条件地宣称没有偏倚。

结果应写清定义与评估时点。停止吸烟、减少支数、完成服务和满意度不是同一项结果；也要分清这是预先指定的主要终点，还是次要结果。

戒烟终点还要分开看访视时间与行为时间窗。“六个月时评估”可能只问此前七天，不代表连续六个月未吸烟。纳入哪些制品、怎样验证，也会改变两个数字能否比较。

查各组缺了多少结果、为什么缺、用了什么分析方法，以及在其他假设下结果是否改变的敏感性分析。只分析已取得的结果、填补缺失值或使用统计模型，不是同一种处理。

CONSORT说明，处理缺失资料离不开假设。简单替代规则不保证保守或无偏。没有取得结果的人仍是未知，百分比看起来完整，不能让未知消失。

另一段纯虚构算术：假定两个确实可比的组各100人，一组20人满足终点，另一组10人，比例为20%和10%。绝对差为10个百分点，相对比值为2；不能写成多20个百分点。

这些假设数字没有真实干预、随机分组证据或置信区间，只用于解释单位，不证明效果。真实试验应同时找绝对和相对比较及其不确定性，不能只看醒目的“两倍”。

估计的差异应附精确程度，常见形式是置信区间。区间较宽说明差异大小还不确定；有区间也不能修复有偏随访或不一致的终点。特定参与者与服务环境的群体结果，不是个人预测。

如果要用数字考虑个人照护，带原始报告询问当地合格专业人员：这批人的情况、服务条件、终点和随访是否回答了我的问题？这与让网站根据标题计算个人戒烟概率不同。在北京可从市卫生健康委公布的门诊查询渠道寻找咨询入口；其他地区需查当地官方信息。找到门诊不等于其服务与你读到的研究相同。

有四舍五入的成功率，就能反推人数吗？

没有分母通常不能。多组不同人数都能四舍五入成同一个数字，应找结果表或询问发布方。

失访的人是不是一律算吸烟？

不能自己设统一规则。应读预先指定的方法及假设。把缺失者归为未满足终点，不等于知道他吸了烟。

四周和六个月的戒烟率能比吗？

不能仅凭名称相同就直接比。先核对随访、行为窗口、制品、验证、人群和分母。

研究说20%，我的概率也是20%吗？

群体结果不建立个人概率。考虑个人照护，需要结合情境与专业讨论，不能从标题得到个人预测。

本文的关键结论已对照以下来源核验。

本文讲研究识读，算术示例均为虚构；不排名治疗、不提供真实成功率，也不预测个人结局。