一位肿瘤科医生翻着几篇关于靶向药的据分级系论文，皱起眉头。统和推荐三篇都说有效，强度但一篇是据分级系随机对照试验，另一篇只是统和推荐十几例的病例报告，还有一篇来自实验室细胞实验。强度他该信谁？据分级系这个问题不靠直觉回答，靠一套叫GRADE的统和推荐系统。

GRADE全称是强度Grading of Recommendations Assessment, Development and Evaluation，中文译作“推荐分级的据分级系评估、制定与评价”。统和推荐它2000年前后由一批流行病学家和方法学家搞出来，强度现在被WHO、据分级系Cochrane协作网、统和推荐NICE等上百家机构采用。强度核心思路很朴素：证据质量有高低，推荐强度有强弱，两者不能混为一谈。

证据质量分四级——高、中、低、极低。高意味着“非常确信真实效应接近估计效应”，极低则是“对估计效应几乎没有信心”。随机对照试验默认算高质量，观察性研究默认算低质量。但这不是铁律。如果随机试验存在偏倚风险、结果不一致、间接证据、精确度差或发表偏倚，降级。反过来，观察性研究若效应量巨大、存在剂量-反应关系、或所有可能的混杂因素都会削弱观察到的效应，可以升级。这套升降级规则，比单纯按研究设计类型贴标签要细致得多。

推荐强度只有两个方向：强推荐和弱推荐（有时叫条件推荐）。强推荐意味着“几乎所有人都应该接受该干预”，弱推荐则是“不同患者可能做出不同选择，医生需要帮助患者权衡”。决定强弱的因素不止证据质量。证据质量高，推荐未必强——如果干预成本极高、可及性差、患者价值观差异大，仍可能是弱推荐。反过来，证据质量低，有时也能给出强推荐，比如面对致命疾病、干预副作用小、且无更好选择时。

举个具体例子。某新型抗凝药用于预防术后静脉血栓，五项随机试验一致显示有效，证据质量评为“高”。但药物价格是传统药物的二十倍，且需要每日监测。GRADE工作组可能给出“弱推荐”，理由是资源消耗和可行性问题。另一个场景：某种廉价老药用于罕见病，只有病例系列研究，证据质量“极低”。但该病死亡率极高，药物副作用轻微，此时可能给出“强推荐”。这听起来矛盾，却反映了GRADE的实用主义逻辑——推荐强度不单纯由证据质量决定。

实际应用中，GRADE要求每个关键结局单独评级。一个干预可能对死亡率有高质量证据，对生活质量只有低质量证据。做推荐时，需要综合所有关键结局。这个过程叫“从证据到推荐”，通常由指南小组投票或共识会议完成。我见过一次指南讨论，十五位专家花了四十分钟争论一个“弱推荐”是否该改成“强推荐”，分歧点不在数据，而在患者偏好数据的缺失。

GRADE也有批评者。操作复杂，培训成本高，不同小组对同一证据可能给出不同评级。有研究显示，即使经过培训，评级者之间的一致性也只有中等水平。但相比过去那种“专家拍脑袋”或“只看P值”的做法，它至少把判断依据摆到了台面上。

对临床医生来说，看到“强推荐、高质量证据”，基本可以放心执行。看到“弱推荐、极低质量证据”，意味着你需要和患者坐下来，把不确定性讲清楚。对患者而言，理解这两个维度的区别，能帮你问出更好的问题：这个推荐有多强？证据有多硬？而不是只问“有没有效”。

下次再看到一篇论文或一条指南推荐，不妨找找它的GRADE评级。没有评级的信息，就像没有刻度的尺子，量不出真正的长短。