运动科学的可重复性危机：一篇研究不能定江山，教练与运动员该怎么读文献

那天，一位学员拿着手机冲进来问我

我带训练那么多年，最常被问倒的不是「教练我要怎么变强」，而是这种问题：「教练，我昨天看到一篇研究说，赛前喝甜菜根汁可以让功率输出多 3%，我是不是该每天灌一杯？」或者「有篇论文说低糖饮食能大幅提升脂肪利用率，我要不要把饭戒掉？」

有一次，一位练场地计时赛的学员 A，兴冲冲地传来一篇分享文，标题是「最新研究证实：某某训练法让耐力暴增 20%」。他已经打算把整个周期打掉重练。我请他先深呼吸，然后问了三个问题：这研究收了几个人？那些人跟你像不像？有没有别的实验室做出同样结果？他愣住了，因为他只看了标题和那个「20%」。

这篇文章，我想谈一个听起来很学术、其实跟每一位认真训练的人都切身相关的主题——运动科学的可重复性危机（reproducibility crisis）。这不是要你从此不信科学、回去凭感觉练，而是恰恰相反：正因为我们尊重证据，才更需要知道单一一篇研究能承载多少重量，以及怎么把研究读成训练的助力，而不是每周被新标题拉着跳来跳去的枷锁。

什么是「可重复性危机」

先讲一个对整个科学界都是震撼弹的事件。2015 年，一个大型的心理学重复研究计划（Reproducibility Project: Psychology）试图重做 100 个已发表的心理学实验，用的是高统计检定力的设计。结果如何？原始研究里有高达 97% 都报告出「统计显著」的结果，但重做之后，只有约 36% 的重复实验同样达到统计显著；而且重复实验算出来的效果量（effect size），平均只有原始研究的一半左右。

这件事之所以叫「危机」，是因为科学的根基之一就是可重复性：如果一个发现是真的，那么别人依照同样方法去做，应该要能再看到类似的结果。当一大批「已发表、看起来很确定」的结论在别人手上重做不出来，我们就得问：这些结论到底有多少是真的信号，多少只是杂讯、运气或研究流程本身的偏误？

这里顺便厘清两个常被混用的词。**「可重复（reproducibility）」通常指：用同一批原始数据、跑同样的分析，能不能得到同样的数字——这考验的是分析与报告的透明度。「可再现／可拷贝（replicability）」**则是指：换一批新的受试者、重新收数据，能不能再看到同样方向的结果——这考验的是发现本身稳不稳。两者都很重要，而运动科学在这两个层面都遇到了挑战：有些研究连原始数据都拿不到（可重复性差），有些换人重做就消失了（可再现性差）。你不用死背这两个词，只要记得一个内核精神：真的东西，经得起别人用不同方式再验一次。

那运动科学呢？别以为我们免疫

很多人会想：那是心理学的问题吧，运动科学量的是功率、心率、乳酸这些硬邦邦的生理数字，总不会有这种问题？很遗憾，运动与运动科学同样没有豁免权。

近年一份针对运动与运动科学研究者的态度调查（收了 511 位研究者）发现，约 42% 的人认为这个领域存在「显著的」可重复性危机，另有约 36% 认为存在「轻微的」危机。换句话说，领域内近八成的研究者，都觉得问题确实存在。

更关键的是实际去「重做」的结果。运动与运动科学过去长年没有像心理学、癌症生物学那样的大型协作重复计划，直到近年才开始有人动手。在一项大型重复研究里，重做那些原始研究后，约 56% 的重复结果在「虚无假设显著性检定」上与原研究一致，但被判定为真正「成功重复」（既达到统计显著、效果量也兼容）的只有约 28%。

这个 28% 不是要你对运动科学绝望，而是要你创建一个健康的预期：任何一篇单一研究，尤其是收案人数少、结果特别「漂亮」的那种，本质上就带着相当高的不确定性。 它是一条线索，不是一份判决书。

值得一提的是，做这些重复计划的人还遇到一个很现实的障碍：不少原始研究报告的统计信息不完整、原始数据也拿不到，甚至联系原作者请求协助时碰壁、对方不太愿意配合重做。这本身就反映了领域里「重复」长期不被重视的文化问题——大家都想抢做「新发现」，很少人愿意花时间去确认「旧发现」到底站不站得住脚。

这场危机「不是」在说什么

我必须把话讲清楚，免得你走向另一个极端。可重复性危机不是在说「运动科学都是骗人的」，也不是要你回去纯凭感觉土法炼钢。恰恰相反：

• 它不是说所有研究都错，而是说单一一篇的确定性被高估了。
• 它不是要你不信科学，而是要你信「一群一致的研究」多过信「一篇孤零零的研究」。
• 它不是坏消息，而是科学自我体检、自我修正的健康表现——一个会抓自己毛病的系统，才值得长期信任。

把这三点放在心里，你就不会因为读到「危机」两个字，就走向虚无主义的愤世嫉俗。

为什么会这样？弱证据是怎么长出来的

要学会看研究，得先懂研究为什么会「重做不出来」。这里我用最白话的方式，拆解几个运动科学特别容易踩的坑。

一、样本太小，运气说了算

运动科学的实验很贵、很累。要找一群人来实验室，抽血、量摄氧量、做到力竭，动辄好几周。所以很多研究只收了 8 到 15 个受试者。人数一少，单一两个「反应特别好」的人就能把整体平均拉出一个漂亮的数字，看起来像是介入有效，其实可能只是抽样的运气。

我常跟学员打个比方：你丢 10 次硬币出现 7 次正面，你不会宣称这硬币有问题；但很多小型研究就是拿着「10 丢 7 正」的证据，写成「本硬币显著偏向正面」。

二、只有「好看的」被注销来（发表偏误）

期刊、媒体、社群都偏爱「有效」「显著」「突破」的故事。一个做出「没差」的实验，往往被塞进抽屉不发表（这叫抽屉效应）。结果就是：你在网络上看到的研究，是被筛选过的、倾向报喜的那一群，而那些默默证明「其实没用」的研究你根本看不到。

三、分析的自由度太高（p-hacking）

同一批数据，可以切成很多种分析方式：要不要排除某个离群值？看平均功率还是峰值功率？分不分男女？只要愿意多试几种切法，总有一种会「刚好」跑出 p < 0.05。这种在数据里捞到显著就见好就收的做法，会制造出大量看似成立、实则脆弱的结论。

四、受试者跟你不一样

很多研究收的是「年轻、健康、有训练基础的男性大学生」。但如果你是 50 岁、刚开始骑车、还有点高血压的通勤族，那篇在体育系学生身上做出来的甜菜根汁研究，套到你身上的可靠度要大打折扣。外推性（能不能推广到你）是最常被忽略、却最致命的一环。 顺带一提，过去运动科学研究的受试者以男性为大宗，女性、年长者、慢性病族群长期被纳入得偏少，这也让很多结论套到这些族群时，本来就该更保守。

五、量测本身就有误差

就算研究设计无懈可击，运动科学量的很多东西本身就「抖」。同一个人今天的摄氧量、乳酸、功率输出，受到睡眠、饮食、咖啡因、室温、情绪影响，天天都不一样。当你要侦测的效果只有 1～2%，而量测工具本身的日间变异可能就有 3～5%，那么你看到的差异，很可能只是量测杂讯，而不是真的介入效果。这也是为什么小样本又短期的研究特别不可靠。

六、「新奇效应」与「霍桑效应」

人一旦知道自己在被观察、或正在尝试某个「新方法」，往往会不自觉地更投入、更认真，短期成绩自然变好。这种进步常被误记在「新方法」头上，其实只是你更用心而已。这也是为什么一个没有对照组的研究（或你自己没设对照的尝试），特别容易高估效果。

下面这张表，是我教学员快速辨识「证据强弱」的简表。你不需要是科学家，看到一篇研究时对照一下就好。

指针	较弱的证据（要保守看待）	较强的证据（可较信任）
受试人数	个位数到十几人	数十人以上，或多中心
研究设计	单组前后测、没有对照	随机分组、有安慰剂对照
重复情形	只有这一篇这样说	多个独立团队做出一致方向
效果大小	大到不可思议（如「暴增 20%」）	温和且合理（如 1～3%）
受试对象	跟你差很多（年龄/程度/性别）	跟你相近的族群
数据透明度	不公开原始数据、方法含糊	预先注册、数据与方法公开
发表形式	只有新闻稿、商品置入文	同侪审查期刊、系统性回顾

那我到底该怎么看待「单一一篇研究」

这是最实用的部分。我把带学员多年整理出来的判断流程，浓缩成一套心法。内核就一句话：单一研究是「提出假设」，多篇一致的研究才是「确认结论」。

心法一：先问「有没有别人也这样讲」

看到一个惊人结论，别急着改课表。先问：这是孤例，还是已经有很多独立团队做出相同方向？如果你能找到针对这主题的系统性回顾（systematic review）或统合分析（meta-analysis），那份集成了几十篇研究的文献，远比单一一篇新论文有份量。实务上，把一篇统合分析当成「一整片森林」，把单一研究当成「一棵树」，你不会因为看到一棵歪掉的树就说整片森林都倒了。

心法二：效果越夸张，越要怀疑

真正扎实的运动科学介入，效果通常是温和的。以耐力表现来说，一个训练或营养策略若能稳定带来 1～3% 的进步，在竞技层级已经非常了不起。所以当你看到「暴增 20%」「性能翻倍」这种标题，第一反应不该是兴奋，而是警觉：这么大的效果，为什么过去几十年没被发现？很可能是小样本的运气、或标题农场的夸大。

心法三：把「统计显著」跟「对你有意义」分开

「统计显著（p < 0.05）」只是说「这结果不太像纯属巧合」，它没有告诉你效果够不够大、值不值得你为它改变生活。一个研究可以做出「显著」但幅度小到在真实训练中根本感觉不到的效果。学会问：就算它是真的，这 0.5% 的差异，值得我每天多花 30 分钟、多花钱买补剂吗？

心法四：分清「机转研究」与「表现研究」

很多研究是在细胞、在肌肉切片、在急性生理反应层次做的（机转），这很有价值，但**「某物质在肌肉里让某信号路径活化」不等于「你的比赛成绩会变好」**。从机转到真实表现，中间隔着千山万水。看到「某成分促进粒线体生成」时，先别脑补成「所以我会变快」。

下面这张表，是我常用来跟学员沟通「不同证据等级该怎么行动」的对照。

证据等级	典型样貌	建议的行动态度
单篇小型研究／新闻稿	十几人、单一团队、效果惊人	当有趣线索，先观望，别动课表
数篇方向一致的研究	多团队、结果同向	可小规模、低风险地试看看
统合分析／系统性回顾	集成数十篇、有信赖区间	可纳入训练原则，仍要个别化
专业组织的实证指南	学会共识、定期更新	作为缺省做法的骨干
你自己身上的长期纪录	你的数据、你的反应	最终仲裁者，凌驾一切平均值

注意最后一列。这是我要特别强调的：再好的研究，给的都是「群体平均」，而你是一个具体的个体。 研究说某策略平均有效，不代表它对你有效；研究说平均没差，也不代表对你这个「反应特别好的人」没差。你自己认真记录下来的训练数据、心率、感受与比赛成绩，是任何论文都取代不了的第一手证据。

三分钟看懂一篇研究的摘要

很多人卡在「我又不是研究人员，论文哪看得懂」。其实你不需要看懂统计细节，只要会看摘要（abstract）里几个关键字段，就能对这篇研究的份量心里有数。我把最实用的几个切入点列成一张速查表，你下次点开一篇研究时照着问。

你要找的信息	通常出现在哪	你要问自己的问题
收了几个人（n）	方法（Methods）段	个位数就先打折，越多越稳
受试者是谁	方法段开头	年龄、性别、训练程度跟我像吗
有没有对照组	方法段的设计描述	有安慰剂／对照才排除得掉心理作用
效果多大	结果（Results）段	是 1～3% 这种合理值，还是夸张大数字
作者自己的保留	讨论（Discussion）末段	好研究会诚实写出「限制（limitations）」
有没有利益冲突	文末揭露（disclosure）	补剂厂商赞助的研究要更保守看

特别提醒最后两列。一篇诚实的研究，作者会在讨论段主动写出自己研究的限制（样本小、只做急性、无法推广等）；如果一篇论文把自己讲得毫无破绽、效果又大得惊人，反而要提高警觉。至于利益冲突揭露，不是说厂商赞助就一定造假，而是提醒你把它放进「可信度天平」一起秤。

常见错误与我的修正建议

带学员这些年，我看过各式各样被「一篇研究」带偏的状况。这里挑几个最常见的，讲讲我怎么帮他们修正。

错误一：追新闻标题，每周换课表

个案情境：学员 B 是那种信息焦虑型的骑士，每看到一篇新研究就想改一次训练。结果一个赛季下来，他从没完整跑完任何一个训练周期，体能东一块西一块，成绩原地踏步。

我的修正：我请他订一条规矩——任何新方法，至少要让现行课表跑满一个完整周期（通常 4～8 周）再谈要不要改。 训练最怕的不是选错方法，而是没有一个方法被好好运行到能看出效果。一致性打败新鲜感。

错误二：把个案轶事当研究

个案情境：「我朋友吃了某某补剂，破了个人纪录！」这种话威力惊人，因为它有画面、有情绪。但一个人的一次进步，可能来自训练、睡眠、天气、赛道、心情⋯⋯补剂只是众多变因之一。

我的修正：教学员区分「轶事（anecdote）」和「数据（data）」。轶事可以是灵感来源，但不能是决策依据。真要试，就用受控的方式试（见下方「单人实验」）。

错误三：把机转当成结果、把动物当成人

个案情境：有位学员读到某成分在老鼠身上能提升耐力，就直接类推到自己身上加倍补充。问题是老鼠的剂量换算、代谢、生理跟人差很多，而且「急性生理变化」离「你的比赛变快」还很远。

我的修正：养成看到「老鼠」「细胞」「急性反应」这些字眼时，自动在心里加一句「这离真人表现还很远」。

错误四：忽略风险与成本，只看到好处

很多人评估一个新策略时，只算「可能的好处」，却不算「代价与风险」。极端低糖、大量补剂、激进减重——这些都有生理与健康代价，尤其对有慢性病（如糖尿病、高血压、心脏疾病）的人。任何介入都要把风险放进天平，而且涉及疾病时，一定要回到你的主治医师与专业团队，个别化评估，别拿网络上的平均值当处方。

给不同程度读者的行动建议

讲了这么多原则，我知道大家最想要的还是「那我具体该怎么做」。以下依程度给建议，你对号入座。

给刚入门的运动新手

1. 先别急着读最新研究。 你现阶段的进步，99% 来自「规律训练、睡好、吃够、别受伤」这些基本功，而不是某个尖端策略。把基础打好，效益远大于追新知。
2. 学会一个反射动作：看到惊人标题，先找原文看收了几个人、对象是谁。 光是这个习惯，就能帮你过滤掉八成的杂讯。
3. 记录比研读重要。 开始写简单的训练日志（今天做了什么、感觉如何、睡几小时），三个月后你自己的数据，会比任何论文更懂你。

给有一定基础的高端爱好者

1. 创建「证据金字塔」意识。 遇到新方法，优先找统合分析与专业学会指南，而不是单篇新闻。把单篇研究降级为「值得留意的线索」。
2. 想试新东西？用「单人实验（N=1）」的方式试。 具体做法：选一个可量化的指针（例如某段固定爬坡的功率或时间），在尽量控制其他变因下（睡眠、天气、疲劳相近），做 A（不用）/ B（用）交替多次，看差异是否稳定超过你日常的自然波动。单次有效不算，要能重复出现才算。
3. 警惕「确认偏误」。 我们都倾向记住「有效」的那次、忘掉「没效」的那次。所以要事先写下你的判断标准，再照着数据诚实验收。

一个实际的单人实验长什么样

光讲抽象原则太虚，我把带学员做过的单人实验流程整理成一张范例表。假设学员 C 想测试「赛前补充某策略对固定爬坡表现的影响」，我会这样设计：

步骤	具体做法	为什么这样做
选指针	固定一段约 5 公里、爬升稳定的坡，计时	指针要客观、可重复、受外力干扰小
定基准	先不做任何介入，测 3～4 次，记下时间范围	先搞清楚你「平常」的自然波动有多大
交替测	A（不用）、B（用）交替各做多次，别连着做	避免疲劳、天气趋势造成假象
控变因	每次都在相近时段、睡眠、进食、天气下进行	让差异尽量只来自你要测的那件事
盲一点	若可行，请旁人帮你随机安排、你事后才知	减少心理预期（安慰剂）污染结果
判读	B 要「稳定」快过 A，且差距明显大于基准波动	单次领先可能只是运气，要能重复

这里的关键洞见是：如果你平常同一段坡的成绩本来就会上下差个 30 秒，那么某策略让你「快了 15 秒」根本不算数，因为那还在你的自然杂讯范围内。 这正是小型研究最容易骗人的地方——把落在杂讯里的波动，讲成了真实的效果。学会先量自己的杂讯，你就有了对抗「一篇研究」的免疫力。

高端读者的常见疑问（FAQ）

Q：那我是不是干脆别看研究了，反正一篇也不能信？
A：完全相反。看研究是好习惯，只是要看得聪明。重点不是「信或不信」，而是「依证据强弱给相称的信任」。单篇小研究当线索，多篇一致的统合分析当骨干。

Q：预先注册（pre-registration）是什么，为什么常被提到？
A：指研究者在收数据前，就先公开登记好要测什么、怎么分析。这能大幅减少「事后捞到显著才报」的 p-hacking。看到一篇研究有预先注册，可信度通常加分。

Q：专业选手都在用的东西，总该有效吧？
A：不一定。顶尖选手愿意赌任何「可能有一点点帮助」的边际手段，即使证据薄弱，因为对他们而言 0.5% 就是奖牌与否。但对一般爱好者，这些边际手段的成本效益往往不划算，还不如把基本功做好。

Q：那教练的经验跟研究冲突时听谁的？
A：两者不是对立的。好的实务决策是「最佳研究证据 × 教练专业经验 × 运动员个别状况」三者交集。研究提供平均趋势，经验补上研究照顾不到的个别细节，缺一不可。

给教练与带队者

1. 对选手要当「证据守门员」。 选手容易被社群与商品行销牵着走，你的角色是帮他们过滤，把「森林」带给他们，而不是每片「叶子」都捡。
2. 保守用语、个别化决策。 尤其面对有健康疑虑的学员，涉及营养、补剂、伤害、疾病的建议，务必导回专业医疗与营养团队，不要自己下处方式的指令。
3. 创建团队自己的数据库。 你手上长期累积的选手数据，是最贴近你这群人的「在地证据」，价值不输期刊。

一点台湾在地的提醒

最后讲几个很实际、很在地的情境。

台湾夏天又湿又热，很多在欧美凉爽环境做出来的耐力或补给研究，直接套用到台湾的湿热户外，散热与电解质流失的条件差很多，补水与补钠策略往往要更积极，这也是「外推性」的活生生例子。

饮食上，台湾人以外食为主，很多国外的精准营养方案（要秤克数、算比例）在便当、面摊、自助餐的现实里难以照抄。与其纠结某篇论文的完美配比，不如先掌握大原则：训练前后吃够碳水、蛋白质不缺、水分电解质补足，这些稳健原则的效益，远大于追逐某个小数点后的优化。

就医方面，台湾健保方便，这是我们的优势。与其在网络上拿一篇研究自我诊断，不如善用资源去看运动医学门诊、找有证照的物理治疗师或营养师。 有慢性病、正在服药、或准备做较激烈的训练调整，更该先让专业评估你的个别状况，而不是把某篇「平均有效」的研究当成适用于你的保证。

再举一个很典型的在地个案。学员 D 在网络社群看到一篇「高强度间歇能在很短时间内大幅提升摄氧量」的分享，正好他工时长、时间少，于是想把原本规律的有氧训练整个换成每天高强度冲刺。问题是他有轻度高血压、又是台湾夏天正午在户外练。这里有两个危险点：一是那篇研究的受试者多半是健康年轻人，跟他的身体状况不同（外推性问题）；二是在湿热环境把训练全部改成高强度，心血管与中暑风险都会升高。

我的处理方式是：先请他回诊，让医师评估血压控制状况与运动强度上限；再把「新方法」小剂量、渐进地放进他既有的训练里，一周先加一次、挑清晨凉爽时段、备好补水与电解质，并密切看他的心率与体感反应。同一篇研究，对一个健康大学生可能是好建议，对一个有慢性病、在湿热环境训练的中年人，套用前就得先过三道关卡：医疗评估、环境调整、渐进导入。 这就是「个别化」的具体长相，不是一句口号。

另外提醒一个台湾常见的信息来源问题：许多热门的「研究懒人包」其实是为了带货或冲流量而写，会刻意挑选对某商品有利的单篇研究、放大效果、略过限制。看到文章末尾在推销特定补剂或器材时，请自动把它的可信度往下调一级，回头去找中立的统合分析或专业学会的立场。

结语：尊重科学，就是不神化任何一篇研究

回到开头那位拿着手机冲进来的学员。后来我没有阻止他好奇，反而鼓励他继续读研究——但我教他读得更慢、更怀疑、更看重「重复」与「一致」。一个赛季后，他不再被每周的新标题拉着跑，反而因为把一套方法认真运行到底、又靠自己的数据做微调，破了他卡关两年的成绩。

可重复性危机听起来吓人，但它其实是个好消息：它提醒我们，科学是一个持续自我修正的过程，而不是一堆刻在石头上的定论。真正的实证精神，不是盲信任何一篇论文，也不是愤世嫉俗地不信任何研究，而是学会依证据的强弱，给予相称的信任——弱证据小心试，强证据当骨干，而你自己的长期数据，永远是最后的仲裁者。

下次再看到「最新研究证实⋯⋯」时，愿你能先深呼吸，问那三个问题：收了几个人？对象像不像你？有没有别人也做出来？光是这样，你就已经比大多数人更懂得怎么跟科学相处了。

收尾：一张随身检查清单

把这篇的重点浓缩成一张你可以贴在脑袋里的清单，看到任何惊人结论时，依序跑一遍：

1. 人数：收了几个人？个位数就先大打折扣。
2. 对象：受试者的年龄、性别、程度、健康状况，跟我像吗？
3. 对照：有没有安慰剂或对照组？没有的话，效果可能被高估。
4. 重复：是孤例，还是多个独立团队都做出同方向？
5. 幅度：效果是合理的 1～3%，还是夸张到不真实？
6. 透明：有没有预先注册、公开数据、诚实写出限制？
7. 动机：发表这篇的人，是不是正好在卖什么？
8. 自己：就算全都过关，最后还是要在自己身上、用单人实验验一次。

这八个问题不需要任何统计背景，却能帮你挡掉市面上绝大多数的过度宣称。把它练成反射动作，你就能安心地享受阅读研究的乐趣，而不是被每一波新标题牵着鼻子走。训练这条路很长，稳定、耐心、对证据诚实，才是真正能陪你走到最后的东西。

---

本文为教育性内容，不能取代医师、物理治疗师或营养师的个别诊断与治疗建议。 若你有糖尿病、高血压、心脏疾病等慢性病，或正在服药、准备进行较激烈的训练或饮食调整，请务必先咨询你的主治医师与专业团队，做个别化评估。

参考数据

• Reproducibility Project: Psychology（心理学重复研究计划）— Estimating the reproducibility of psychological science, Science: https://www.science.org/doi/10.1126/science.aac4716
• 运动与运动科学研究者对可重复性的态度调查 — A Survey on the Attitudes Towards and Perception of Reproducibility and Replicability in Sports and Exercise Science, Communications in Kinesiology: https://storkjournals.org/index.php/cik/article/view/53
• 估计运动科学研究可重复性的大型计划 — Estimating the Replicability of Sports and Exercise Science Research, Sports Medicine: https://link.springer.com/article/10.1007/s40279-025-02201-w
• 运动科学重复性疑虑之叙事回顾 — Replication concerns in sports and exercise science: a narrative review, Royal Society Open Science: https://royalsocietypublishing.org/doi/10.1098/rsos.220946

相关主题阅读

• 运动科学研究方法入门：如何读懂论文（教练带你看穿「研究证实」四个字）
• 相关不等于因果：教练带你看懂运动科学研究，别再被单一标题骗走了
• 运动补剂的证据金字塔：哪些真有效、哪些只是流行，以及你该怎么读懂研究
• 赛季中如何维持休赛季辛苦练出的肌力（每周只需一次）