從一位學員的問題說起
幾年前，我帶過一位在竹科上班的工程師學員，姑且叫他阿凱。有天他傳來一則新聞截圖，標題大意是「研究發現：每天喝咖啡的自行車手爬坡成績更好」。他很認真地問我：「教練，那我是不是每天多灌兩杯美式，武嶺就有救了？」
我笑了。這個問題其實非常好，因為它剛好踩中運動科學裡最常被誤用、也最容易讓人花冤枉錢冤枉力氣的一個觀念——相關（correlation）不等於因果（causation）。
帶運動員與一般運動族群這麼多年，我發現大家最容易受傷的地方，往往不是膝蓋或阿基里斯腱，而是「對研究的解讀」。一篇被媒體改寫過的標題，可能讓你放棄一個其實有效的訓練、或迷信一個根本沒用的補劑。今天這篇文章，我想用教練的角度，帶你看懂運動科學研究到底在說什麼、哪些能信、哪些要打折，讓你以後看到健康標題時，能先冷靜地問幾個問題，而不是急著改變生活。
這篇會有點長，但我保證都是實務上真的會用到的判斷力。這不是要把你變成統計學家，而是要幫你養成一種「看到健康標題會先停頓一秒」的反射動作。這一秒的停頓，可能幫你省下大把冤枉錢、也避開很多不必要的焦慮。準備好水壺，我們開始。
先說個讓我印象深刻的觀察。這些年帶學員下來，我發現真正進步快、也少受傷的人，不見得是知識最多、追最新研究最勤的那群，反而常常是「懂得分辨哪些資訊該認真、哪些該一笑置之」的人。他們不會今天看到一篇報導就改課表、明天又被另一篇推翻。這種穩定，來自的正是判斷力，而判斷力的起點，就是搞懂相關與因果。
觀念基礎：相關與因果差在哪裡
先講最核心的一句話：兩件事同時發生、或一起變化，不代表其中一件造成了另一件。
三種「看起來有關」但不是因果的情況
當我們看到「A 和 B 有關」，除了「A 造成 B」，至少還有三種常見的其他解釋：
- 反向因果（reverse causation）：其實是 B 造成 A，而不是 A 造成 B。
- 共同原因／干擾因子（confounding）：有第三個因素 C，同時造成了 A 和 B，讓 A 和 B 看起來手牽手，其實各自被 C 牽著走。
- 純屬巧合或抽樣誤差：資料量不夠、或運氣問題，讓兩件毫不相干的事在數字上湊在一起。
我舉幾個運動場景讓你有感：
- 反向因果：研究發現「重量訓練做越多的人，膝蓋越健康」。真的是重訓保護膝蓋嗎？也可能是「膝蓋本來就好的人，才敢去做重訓」；膝蓋已經在痛的人，早就避開深蹲了。是健康選擇了行為，不是行為造就了健康。
- 干擾因子：資料顯示「有戴運動手錶的人，體脂率比較低」。難道手錶會燃脂？當然不是。比較可能的是——會花錢買運動手錶的人，本來就是比較在意健康、比較常運動、飲食也比較注意的一群人。手錶只是「愛運動這個特質」的標記，不是原因。
- 巧合：某個小型研究可能剛好抽到一群人，喝黑咖啡又剛好爬坡快，但換一群人就不成立了。
為什麼運動科學特別容易踩雷
因為運動、飲食、睡眠、壓力這些變數，在真實世界裡是綁在一起的。一個規律騎車的人，通常也睡得比較好、外食選擇比較節制、比較不會熬夜。所以當研究說「常騎車的人心血管比較健康」，你很難單獨把「騎車」這件事切出來，說它就是唯一功臣。這正是觀察研究先天的限制。根據流行病學的整理，正因為多數研究本質上是觀察性的、而非實驗性的，在推論因果之前，我們必須先排除好幾種「association 但非 causation」的可能解釋（Health Knowledge）。
一個很有名的提醒：荒謬的相關
統計學界有個經典的教學例子：某段時間裡「冰淇淋銷量」和「溺水人數」高度相關。難道吃冰淇淋會讓人溺水？當然不是。真正的共同原因是「夏天」——天氣熱，大家既買冰又去玩水。這個第三變數同時推高了兩者，讓它們在數字上看起來像有因果，其實八竿子打不著。
運動圈也有一堆這種「夏天型」的假相關。比如「訓練里程數高的人受傷比較多」——是里程害的嗎？也可能是「本來就很拚、身體條件好、敢操」的人，既跑得多也更常挑戰極限而受傷。真正的推手是那個看不見的「投入與企圖心」。每次看到相關，養成一個反射動作：先找那隻躲在背後的「夏天」。
研究類型的證據強度：不是每篇都一樣重
很多人不知道，「一篇研究」這四個字底下，其實有天差地遠的等級。我常跟學員說：看到研究別急著信，先看它是哪一種。下面這張表是我簡化過、方便一般運動族群理解的版本。
常見研究設計的證據強度對照
| 研究類型 | 簡單說明 | 能不能推因果 | 常見陷阱 |
|---|---|---|---|
| 個案報告／經驗談 | 一兩個人的故事、網紅心得 | 幾乎不能 | 倖存者偏差、安慰劑 |
| 橫斷面研究 | 某一時間點同時測量 A 和 B | 不能 | 分不清誰先誰後（反向因果） |
| 世代追蹤研究 | 追蹤一群人好幾年看誰得病 | 有限，較有力 | 干擾因子、健康使用者偏差 |
| 隨機對照試驗（RCT） | 隨機分組、控制變因 | 較能推因果 | 樣本小、時間短、族群受限 |
| 系統性回顧／統合分析 | 綜合多篇高品質研究 | 最強 | 若原始研究爛，結論也爛 |
重點提醒：大部分讓你嚇一跳的健康新聞標題，背後其實是橫斷面或觀察研究，也就是表格上半部那些「不能推因果」的等級。而真正改變醫學指引的，通常是下半部的 RCT 與統合分析。
別忘了「倖存者偏差」
觀察研究還有一個很陰險的坑，叫倖存者偏差。二戰時有個經典故事：軍方檢查返航戰機的彈孔分布，想加強中彈多的部位；但一位統計學家指出，該補強的其實是「彈孔少」的地方——因為中彈在那些部位的飛機根本沒能飛回來，你只看到了「倖存者」。
運動圈到處是這種偏差。「用某某訓練法的高手都很強」——你只看到練成的人，那些用同一套方法練到受傷、練到放棄的人，早就不在你的視野裡了。「某某飲食法的成功案例」也一樣，失敗的人不會跳出來拍照打卡。所以看到「用了 X 的人都很棒」，一定要多想一句：那些用了 X 卻不棒、甚至受傷退場的人，去哪了？
一個實務判斷法
我教學員一個很簡單的口訣：「有沒有隨機分組？」 如果研究是把人隨機分成兩組（一組做某訓練、一組不做），且其他條件盡量控制，那結論的因果力道就強很多。如果只是「觀察一群人本來的生活，然後看誰比較健康」，那再漂亮的數字都只能當參考，不能當處方。
因果推論的工具：科學家怎麼判斷「這次是真的」
你可能會問：那難道觀察研究就一無是處嗎？當然不是。抽菸致癌、久坐傷身這些重要結論，很多都是從觀察研究一步步累積出來的。關鍵在於——科學界有一套幫助判斷的思考框架。
最經典的就是 1965 年由 Austin Bradford Hill 提出的九個「觀察面向」，後來被稱為 Bradford Hill 準則，是流行病學裡最常被引用的因果推論架構之一，最初正是從調查抽菸與肺癌的關係中發展出來的（Bradford Hill criteria, Wikipedia）。
Bradford Hill 準則（教練白話版）
我把這九個面向翻成一般人聽得懂的白話，放進下面這張表。你不需要背，但看懂它，你判斷研究的功力會直接升一級。
| 面向 | 白話意思 | 用運動的例子 |
|---|---|---|
| 強度 | 關聯越強越可信 | 久坐者風險高「一點點」vs 高「好幾倍」 |
| 一致性 | 不同族群、不同研究都得到類似結果 | 台灣、歐洲、日本的資料都指向同一結論 |
| 時序性 | 原因要出現在結果之前 | 先開始運動，之後血壓才下降 |
| 劑量反應 | 越多越明顯（有梯度） | 每週運動天數越多，風險越低 |
| 合理性 | 有生理機轉可解釋 | 運動促進胰島素敏感度，說得通 |
| 可逆性／實驗 | 介入後改變，能驗證 | 讓人開始運動，指標真的改善 |
這裡面我個人覺得最實用、也最容易自我檢查的，是時序性和劑量反應這兩個。
- 時序性幫你抓反向因果：如果分不清是「運動讓人健康」還是「健康的人才去運動」，這個關聯就先打個大問號。
- 劑量反應幫你判斷關聯的真實性：如果「做越多、效果越明顯」的梯度存在，關聯是真的機率就高一些。
現代工具：孟德爾隨機化簡介
近年還有一種進階方法叫孟德爾隨機化（Mendelian randomization），簡單說就是利用基因來當「天然的隨機分組」，因為基因在出生時就決定了、不太受後天生活習慣干擾，可以幫助降低干擾因子與反向因果的影響（PMC 文獻）。你不用懂細節，只要知道：科學界一直在發明更聰明的方法，去逼近「因果」這個很難的答案。這也提醒我們——連專家都要這麼小心，我們看標題時當然更該保守。
常見錯誤與修正：學員最容易掉的坑
帶學員這麼多年，我整理出幾個大家最常犯的思考錯誤。看看你有沒有中招。
錯誤一：把「個人成功故事」當成通則
「某某網紅只吃某某東西就瘦了 10 公斤」——這是 n=1 的個案，還可能有選擇性呈現、同時做了其他改變（少吃、多動、睡好）沒講。
修正：把個案當「靈感」而非「證據」。真要學，先問「這個做法有沒有在多人身上、有對照組地驗證過？」
錯誤二：忽略「健康使用者偏差」
這是觀察研究裡超常見的干擾。會主動去做某件健康事（吃保健品、規律運動、定期健檢）的人，本來整體生活型態就比較健康。所以「有吃 XX 的人比較長壽」很可能不是 XX 的功勞。
修正：看到「有做某健康行為的人比較健康」時，先在心裡問：「是不是本來就比較養生的人，才會去做這件事？」
錯誤三：被「顯著」和「相對風險」嚇到
新聞很愛寫「風險增加 50%！」但如果原本風險是萬分之一，增加 50% 也才萬分之一點五，實際差異微乎其微。這叫相對風險與絕對風險的差別。
修正：看到百分比，追問「原本的基準是多少？」相對數字很會唬人，絕對數字才貼近生活。
錯誤四：用小樣本、短期研究下大結論
一個 12 個人、做 4 週的研究，很難代表你我一年後的狀況。運動適應和健康效益往往需要數月到數年才看得出來。
修正：留意樣本數與追蹤時間。範圍性地說，幾十人以下、幾週的研究，看看就好，別急著改人生。
錯誤與修正快速對照表
| 常見錯誤 | 心裡該問的問題 | 修正後的態度 |
|---|---|---|
| 相信單一標題 | 這是哪種研究？有對照組嗎？ | 找系統性回顧或指引 |
| 迷信個案故事 | 有沒有在多人身上驗證？ | 當靈感不當證據 |
| 被相對風險嚇到 | 原本的基準風險多少？ | 看絕對風險 |
| 忽略反向因果 | 是誰先發生？ | 檢查時序性 |
| 忽略干擾因子 | 有沒有第三個共同原因？ | 想想生活型態綁在一起 |
給不同程度讀者的行動建議
講了這麼多觀念，最重要的還是——你回到生活中該怎麼做。我依照不同程度，給你具體的行動指引。
如果你是剛開始運動的新手
你現在最不需要的就是為了某篇研究東改西改。老實說，對大多數剛起步的人，「規律地動起來」本身就是效益最大的那一步，任何細節優化都是後面的事。
- 別為了某個補劑或某個「神奇時段」焦慮，先把每週規律運動的習慣建立起來。
- 看到健康標題，先深呼吸，問自己：「這會不會只是相關，不是因果？」
- 有慢性病（高血壓、糖尿病、心臟病等）或長期沒運動，開始前先找醫師評估，個別化最重要。
如果你是進階運動者
你已經有訓練基礎，開始想「優化」。這時候判斷力更重要，因為進階玩家最容易被各種「邊際增益」的說法帶著跑。
- 學會看研究的等級：優先參考 RCT 與統合分析，而非單篇觀察研究。
- 用「劑量反應」和「時序性」自我檢查任何你想嘗試的新方法。
- 一次只改一個變數，自己身上做小實驗（雖然也是 n=1，但至少你控制了其他條件）。
如果你是教練或帶團隊的人
你的話會影響很多人，責任更重。
- 引用研究時誠實說明限制，不要把觀察研究講成鐵律。
- 對學員的個別差異保持謙虛，同一套課表不會對所有人一樣有效。
- 涉及健康與傷害時，明確引導就醫，不要越界替代專業醫療。
- 別用「某某研究說」當成推銷課程或器材的話術，這是對信任的濫用。
- 遇到學員拿誇大標題來問，把它當成機會教育，帶他一起用前面那套框架拆解一次，比直接否定更有價值。你教會的不只是一個答案，而是一輩子受用的判斷力。
說到底，一個好教練的價值，不是知道所有「最新研究」，而是能幫學員在資訊洪流裡分辨輕重——哪些該認真聽，哪些笑笑就好。這份判斷力，往往比任何單一課表都珍貴。
一週「證據素養」練習課表
給你一個好玩的小練習，把判斷力練成肌肉記憶：
| 天數 | 練習內容 | 目標 |
|---|---|---|
| 第 1 天 | 找一則健康新聞，判斷它是哪種研究 | 認得研究類型 |
| 第 2 天 | 對同一則新聞找反向因果的可能 | 練習時序性思考 |
| 第 3 天 | 找出可能的干擾因子（第三變數） | 練習找共同原因 |
| 第 4 天 | 把「相對風險」換算成生活裡的絕對感受 | 破解嚇人數字 |
| 第 5 天 | 查這個主題有沒有系統性回顧 | 找最強證據 |
| 第 6 天 | 問：這結論適用於「像我這樣的人」嗎 | 練習外推性判斷 |
| 第 7 天 | 休息，享受一趟不看數據的騎乘 | 記得運動的初心 |
實作：拿到一篇研究，我會怎麼三分鐘讀它
很多學員以為讀研究要看得懂統計。其實不用。我自己在給建議前快速掃一篇研究，只做這幾個動作，你也做得到：
- 先看設計：拉到方法（Methods），找「randomized」「controlled」「cohort」「cross-sectional」這些字。有沒有隨機、有沒有對照，決定了整篇的力道。
- 看樣本數與族群：幾個人？什麼人？年齡、性別、訓練程度跟你像不像？只有 15 個大學生的研究，很難直接套用到 50 歲的你。
- 看追蹤時間：4 週 vs 2 年，結論的份量差很多。
- 看效果大小：不要只看「有沒有顯著」，要看「差多少」。統計顯著不等於實際有意義——一個提升 0.3% 的差異，統計上可能顯著，但對你的騎乘根本無感。
- 看誰出錢：資金來源和利益揭露。廠商資助不代表一定造假，但要多一分警覺。
- 看作者自己怎麼說：好的研究會在討論（Discussion）裡誠實列出限制。越是把話講死、完全不談限制的，越要小心。
這六步，熟練後真的三分鐘就能跑完。你不需要懂 p 值怎麼算，光是「有沒有對照組、幾個人、多久、差多少、誰出錢、有沒有談限制」這幾問，就能過濾掉八成的誇大宣稱。
統計顯著 vs 實際有意義
這點特別重要，值得單獨拉出來講。「統計上顯著」只是說這個差異不太可能純屬巧合，但沒說這個差異「大到值得你在意」。 樣本夠大時，連微不足道的差異都可能顯著。所以看到「顯著提升」，別急著興奮，要追問「提升了多少？這個量在真實騎乘或健康上，我感受得到嗎？」。把「顯著」和「有意義」分開看，是進階讀者最該練成的直覺。
台灣情境：把判斷力用在你我的日常
這些觀念不是空談，套進台灣的生活特別有感。
外食與飲食研究：台灣外食比例高，很多國外的飲食研究是在飲食型態完全不同的族群做的，直接套用要打折。看到「地中海飲食延壽」很好，但你我的滷肉飯、鹹酥雞環境，能不能照抄結論？答案是要因地制宜，別照單全收。
氣候與運動：台灣夏天濕熱，很多在溫帶做的運動表現研究（例如某某訓練法提升成績），在我們這種悶熱環境的外推性就有限。濕熱下的體溫調節、補水需求都不一樣，別看到國外數據就硬套。範圍性地提醒：夏季戶外訓練，補水與電解質、避開正午高溫，這些一般性原則比任何花俏理論都實在。
健檢與就醫：台灣健保方便，健檢普及，這是好事，但也讓「健康使用者偏差」更明顯——會定期健檢的人本來就比較養生。所以看到「常健檢的人比較健康」，別急著把功勞全歸給健檢這個動作本身。而真的身體有狀況，健保下就醫方便，請務必善用，別自己上網對號入座下診斷。
常見場地：不管你是在河濱、山區還是健身房，判斷訓練建議時，記得問「這研究的受試者，跟我的程度、環境像不像？」外推性永遠是第一關。
深入案例：三個真實常見的迷思拆解
光講原則太抽象，我用三個帶學員時真的一再遇到的案例，帶你走一遍完整的判斷流程。你會發現，同一套思考框架套上去，迷思很快就現形。
案例一：「有睡午覺習慣的自行車手，訓練恢復比較好」
這個標題很吸引人，午睡族大概會很開心。但我們一步步拆：
第一步，這是哪種研究？如果只是問卷調查「你有沒有午睡」加上「你覺得恢復如何」，那是橫斷面、觀察性的，不能推因果。
第二步，反向因果？很可能。想想看——恢復本來就好、生活比較從容的人，才有餘裕午睡；而恢復差、忙到焦頭爛額的人，根本睡不成午覺。所以到底是午睡改善恢復，還是「生活從容」同時造就了午睡和好恢復？分不清。
第三步，干擾因子？會午睡的人可能作息更規律、壓力管理更好、睡眠總量更足。這些都是「共同原因」。
教練結論：午睡對某些人確實可能有幫助，這是有生理合理性的（補足睡眠債、降低疲勞感），你想試無妨。但那個新聞標題本身，力道很弱，別把它當成「不午睡就完蛋」的鐵律。
案例二：「使用某款高價輪組的車友，平均時速比較快」
這個更好笑，但真的有人信。器材廠商最愛這種數據。
拆解：買得起高階輪組的人是誰？通常是投入較深、訓練量較大、經驗較豐富的老車友。是他們的腿讓時速快，不是那對輪子。輪組頂多帶來一點點邊際差異，真正的變因是「人」。這就是典型的干擾因子——「投入程度」同時造成了「買貴輪組」和「騎得快」。
教練結論：想升級器材沒問題，但別因為這種數據就以為換輪子等於變強。錢花在訓練和休息上，投報率通常更高。
案例三：「補充某胺基酸的運動員，肌肉量增加較多」
補劑主題最需要小心，因為背後常有商業利益。
拆解：這種宣稱要問——是 RCT 嗎？有安慰劑對照嗎？受試者幾人？追蹤多久？是廠商資助的嗎？很多補劑研究是小樣本、短期、甚至只有動物或試管實驗，就被行銷成人體效果。而且，會認真補充胺基酸的人，通常也認真吃蛋白質、認真練——又是健康使用者偏差。
教練結論：對補劑，我的一般原則是「先把飲食、訓練、睡眠這三根柱子顧好，再談補劑」。多數人根本還沒到需要靠補劑擠邊際增益的階段。補劑相關的健康宣稱，保守看待，寧可少花錢。
一張表看懂：好研究 vs 弱研究
下次看到研究引用，拿這張表對照一下，五秒鐘就能大致判斷力道。
| 判斷面向 | 力道強的研究 | 力道弱的研究 |
|---|---|---|
| 設計 | RCT、統合分析 | 橫斷面、個案 |
| 樣本數 | 數百至數千人 | 個位數到數十人 |
| 追蹤時間 | 數月至數年 | 幾天到幾週 |
| 對照組 | 有，且隨機分配 | 沒有對照組 |
| 一致性 | 多篇不同族群結果一致 | 只有這一篇 |
| 資金來源 | 獨立、公開揭露 | 廠商資助未揭露 |
| 結論口氣 | 保守、談限制 | 誇大、包治百病 |
這張表不是要你變成研究審查員，而是給你一個「照妖鏡」。標題越是斬釘截鐵、越是「顛覆你的認知」、越是剛好在賣某個產品，你就越該用這張表照一照。
為什麼連專家也會吵：證據的不確定性是常態
學員常問我：「為什麼營養和運動的建議老是變來變去，一下說蛋不能多吃、一下又說可以？」
這其實不是科學不可靠，而是科學本來就是漸進、會自我修正的過程。早期可能只有觀察研究，證據力道弱、結論暫時；後來累積了 RCT 和統合分析，結論就更新、更穩固了。建議變動，往往是證據等級提升的結果，是好事。
所以我常提醒學員兩個心態：
- 對「暫時的結論」保持彈性：新的觀察研究只是提出假設，別急著 all in。
- 對「穩固的共識」保持信任：像「規律運動有益健康」「久坐有害」「充足睡眠幫助恢復」這類被大量高品質證據反覆支持、又寫進各國指引的，就放心照做，不用因為某篇反常研究就動搖。
分辨「暫時假設」和「穩固共識」，正是證據素養的核心。而這兩者的差別，靠的就是前面講的研究等級和 Bradford Hill 那套判斷框架。
常見問答（FAQ）
Q：那我到底還能不能相信任何健康建議？
A：當然能。重點不是「全盤懷疑」，而是「分級信任」。多篇高品質研究一致支持、又被醫學指引採納的（例如規律運動有益心血管、久坐有害），就可以放心照做。反之，單篇、觀察性、標題聳動的，當參考就好。
Q：看到「研究證實」四個字就代表可信嗎？
A：不。「研究證實」是媒體最愛用的萬用詞，但沒告訴你是哪種研究、多少人、多久。養成追問來源的習慣。
Q：補劑廣告常引用研究，可信嗎？
A：要特別小心。很多是廠商資助、小樣本、短期，甚至是動物或試管實驗就拿來宣稱人體效果。補劑主題尤其容易誇大，保守看待。
Q：我自己試了有效，這樣不算證據嗎？
A：那是很珍貴的個人經驗，值得參考，但它是 n=1，還可能混了安慰劑效應和同時做的其他改變。自己有效就繼續，但別急著要全世界都照做。
Q：那 RCT 就一定對嗎？
A：也不是萬能。RCT 的因果力道最強，但也有限制——樣本可能不夠大、時間可能不夠長、受試者可能跟你不同（例如都是年輕男性，未必適用中年女性）。所以看 RCT 時，還是要問「這群受試者跟我像不像」，這叫外推性。沒有任何單一研究是絕對真理，重點永遠是「證據整體怎麼說」。
Q：新聞說「相關」我就完全不用理它嗎？
A：不必到完全無視。觀察研究常是重要假設的來源，很多重大發現都是這樣起步的。正確心態是「當成有趣的線索，但先別當結論」，等更強的證據出來再決定要不要調整做法。
Q：怎麼快速查一個健康主題的可信共識？
A：與其看單則新聞，不如找各國官方運動／健康指引、或該主題的系統性回顧。這些是綜合大量研究後的結論，比零散標題可靠太多。真的拿不準，帶著問題去問你的醫師或營養師，別自己下結論。
結語：做一個不被標題牽著走的運動人
回到開頭阿凱的咖啡問題。我給他的回答是：「咖啡因對運動表現確實有一些一般性的支持，適量喝、你又不會心悸睡不著的話，當然可以試。但『喝咖啡的人爬坡快』這個新聞，很可能只是相關——愛喝咖啡的人也許剛好比較常訓練、比較投入。真正讓你武嶺變快的，還是那些老掉牙但有效的東西：規律的騎乘量、循序漸進的強度、足夠的休息和睡眠。」
他後來還是每天一杯美式，但更重要的是，他學會了看到健康標題時先笑一下、先問一句「這是相關還是因果？」——這個習慣，比任何補劑都值錢。
運動科學一直在進步，我們對身體的理解也會不斷更新，這是好事，代表我們離真相越來越近。保持開放，但也保持懷疑；擁抱證據，但看清它的等級。當你能分辨相關與因果，你就不再是被媒體標題推著走的人，而是一個真正為自己身體做決定的聰明運動族。
下次在河濱、在山路上遇到，記得——動起來、睡飽、循序漸進，這些老掉牙的事，永遠是最有證據、也最不會背叛你的那幾件。共勉之。
本文為教育性內容，不能取代醫師、物理治療師或營養師的個別診斷與治療建議。若你有慢性疾病（如糖尿病、高血壓、心臟病等）或身體不適，請務必就醫並接受個別化評估。
參考資料
- Health Knowledge, Association and Causation：https://www.healthknowledge.org.uk/public-health-textbook/research-methods/1a-epidemiology/association-causation
- Bradford Hill criteria, Wikipedia：https://en.wikipedia.org/wiki/Bradford_Hill_criteria
- Using allele scores to identify confounding by reverse causation (PMC)：https://pmc.ncbi.nlm.nih.gov/articles/PMC10114122/