實名點讚。這句話對Denise Minger特別合適。這位26歲的非專業人員沒有任何統計背景，不知道如何處理數據，不曉得如何校正

就在網上妄下結論，正符合你說的情況。

所有跟帖： 

• 你把Campbell回應Minger的話給翻譯過來了。不過，請問，Campbell自己宏大的統計關聯有做過任何矯正嗎？ -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 07:25:01

• 為什麽他指不出Minger統計錯的任何地方？無法反駁實質問題就隻好攻擊別人的學曆了 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 07:27:18

• 整個China Study的統計全是簡單的未經校正的統計，根本不難做。不需要什麽高級專業技術。Minger的統計很容易check -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 08:07:42

• 因為數據是未經校正的，Minger不知道如何合理處理，那位網友說的非常在理 -吃與活- ♂ (863 bytes) () 01/21/2016 postreply 08:21:37

• 這個有道理。請問Campbell自己是怎麽處理怎麽得出他的結論的？ -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 08:46:15

• 這要他來回答了。相信他們這麽多人的team，又在相關領域，應該知道如何分析，否這也拿不到錢吧 -吃與活- ♂ (0 bytes) () 01/21/2016 postreply 08:50:33

• 據我目前所知，他沒有發表過任何闡述如何對此數據分析處理的文章。不知道他真做了沒有。做了後為什麽不發表。 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 09:06:11

• 你可以直接問他的官方網站，我想會有幫助的。 -蓍草為yarrow- ♀ (0 bytes) () 01/21/2016 postreply 09:31:11

• 還有，我知道他在China Study的基礎上，在西方專業雜誌發表了幾篇論文。可能看看他那些 -蓍草為yarrow- ♀ (41 bytes) () 01/21/2016 postreply 09:35:26

• 但是那些文章都不涉及動物蛋白數據處理方法 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 09:51:39

• 哦。那樣的話，你可以詢問他的官方網站。另外，數據處理方法也是一個專門學科吧， -蓍草為yarrow- ♀ (62 bytes) () 01/21/2016 postreply 10:28:59

• 我不會對一個問題的分析隻集中在單一一個信息來源。 -Lily168- ♀ (459 bytes) () 01/21/2016 postreply 10:56:15

• 我並沒有說隻集中在Campbell那一個單一的信息來源，的確渠道要多樣。但是我個人覺得Campbell -蓍草為yarrow- ♀ (425 bytes) () 01/21/2016 postreply 11:18:14

• 一個做學術的，有關他最重要的信息來源當然是他正規發表的作品。他的文章很多，那裏提供大量的信息。 -Lily168- ♀ (152 bytes) () 01/21/2016 postreply 11:40:39

• 那你很認真，花了不少時間，讚一個。你說的對， -蓍草為yarrow- ♀ (513 bytes) () 01/21/2016 postreply 12:20:26

• 那些結論都是相關性的，不是因果性的。有其局限性。而且， -Lily168- ♀ (212 bytes) () 01/21/2016 postreply 21:57:19

• 這篇文章有關於其方法的描述，可參考 -吃與活- ♂ (128 bytes) () 01/21/2016 postreply 11:42:15

• 你既然找了，為什麽找不到他處理動物蛋白數據的文獻？ -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 11:46:00

• 你看是不是與那位Minger的方法不同呢？我沒有看到他在這方麵的文章。你應該在陳君實那部書中找 -吃與活- ♂ (181 bytes) () 01/21/2016 postreply 11:52:20

• 同樣的問題你沒回答，團隊裏有會處理數據的人，為什麽對動物蛋白致癌這個對Campbell最核心的數據沒有做處理？ -Lily168- ♀ (525 bytes) () 01/21/2016 postreply 12:18:30

• 對“完整蛋白促癌"論，你怎麽看？ -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 12:25:25

• 這是個有意思的話題，為什麽加入賴氨酸就促癌，我不清楚。比較清楚的是食用蛋白的量與癌症發生率相關，吃的蛋白多，癌就多 -吃與活- ♂ (440 bytes) () 01/21/2016 postreply 12:41:36

• 整體看的話，由於IGF 1 過低引起的疾病／死亡比IGF1 過高引起的要多得多。 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 16:40:36

• 這個我沒法知道。也許他們當初並不想做，也許有其他問題，我也無從猜測。 -吃與活- ♂ (0 bytes) () 01/21/2016 postreply 12:33:08

• 所以那位網友說的那些話應該對Campbell本人說。 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 19:00:16

• 你再讀一下Jmm的原話，她說的是結論的統計背景，就是數據怎麽采集怎麽統計的方法背景被隱去，你把它改成"統計人沒有學術背景”， -Lily168- ♀ (238 bytes) () 01/21/2016 postreply 08:00:54

• 坎貝爾的China Study一書不是對China study的全麵總結，而是用來解釋支持其觀點，不可能象嚴肅論文那樣麵麵俱到 -吃與活- ♂ (170 bytes) () 01/21/2016 postreply 08:11:19

• “血液指標更客觀準確”是沒有科學根據的 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 08:14:03

• 相對而言，是有根據的。比如，你通過回憶統計出來的鹽的攝取量，遠遠不如從尿液裏測量鹽的量來得準確。 -吃與活- ♂ (0 bytes) () 01/21/2016 postreply 08:25:05

• 我是指，除了urea nitrogen和plasma copper外，用其他那些指標來代表動物蛋白攝入量是沒有科學依據的。不是指 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 08:40:17

• 不是泛指這種方法本身。 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 08:42:04

• 嗯，我對什麽可代表動物蛋白攝取並無研究。同意一下。 -吃與活- ♂ (0 bytes) () 01/21/2016 postreply 08:48:25

• 而且，別忘了，這麽多血液指標裏也隻有一個指標顯示意義相關性。 -Lily168- ♀ (0 bytes) () 01/21/2016 postreply 08:18:43

• ;) -吃與活- ♂ (53 bytes) () 01/21/2016 postreply 12:03:38