菜单标签随机对照试验登上Lancet子刊
真是万物皆可RCT！菜单上是否多一个标签，也能发Lancet子刊
摘要
2026年7月8日，中国医学论文与统计分析公众号报道，一项关于菜单标签的随机对照试验（RCT）发表在Lancet子刊上。该研究通过随机分配不同菜单标签，评估其对消费者选择的影响，体现了RCT方法在非医疗领域的应用拓展。研究结果可能对公共卫生政策和餐饮行业产生启示。
AI 主编 · 推荐理由推荐理由
该研究展示了RCT方法在公共卫生领域的创新应用，对药企的临床研究设计具有方法论参考价值，建议关注其研究设计和结果，以启发真实世界证据的生成。
五维评分
正文
源自风暴统计网：一键统计分析与绘图的网站
当你的餐单上出现一个标签，提醒你这份餐食的添加糖已经超标，你还会点它吗？
2026年6月，外国学者在医学顶刊Lancet子刊《The Lancet Public Health》（医学一区top，IF=26.5）发表了一项在线随机对照试验（RCT），专门回答这个问题。
两个因子分别是：标签设计（红色大号纯图标 vs 黑色图标+文字）和触发阈值（≥50% vs ≥100%的每日参考值）。
纯图标/50%阈值组（n=2087）、 纯图标/100%阈值组（n=2086）、 图标+文字/50%阈值组（n=2098）、 图标+文字/100%阈值组（n=2100）、 空白对照组（n=2085）。
研究团队发现，在晚餐场景下，图标+文字标签使添加糖摄入量平均减少了10.4克（约11%），而纯图标标签只减少了6.6克（约7%）。
前者比后者多减了3.7克（p=0.0028）。
早餐场景效果较弱，两种标签分别减少2.5克和3.6克，差异不显著。因为早餐菜单上低糖替代品太少。
50%和100%阈值之间没有显著差异，标签在≥25克还是≥50克时触发，最终效果差不多。
图标+文字标签的注意和正确回忆率达到44.8%，纯图标只有24.5%。
所有标签效应在不同种族、收入、教育水平和是否患2型糖尿病的亚组中保持一致，说明该措施不会加剧健康不平等。
老郑小评
这项研究的设计很规范，但我今天想聊的不是它的结论，而是它背后的一种研究范式。
这是典型的“万物皆可RCT”！
想要探究标签有没有用？设计一个RCT。
想要探究标签和阈值的设置哪种更有效？采用2x2析因设计。
但问题也在这儿，线上点单和真实站在柜台前点餐，中间隔着的距离比P值告诉你的大得多。
没气味、没排队、没人催、没同伴在旁边说"点那个"。所有真实干扰全被"控制"掉了。
纽约市钠警告标签真实世界的数据也印证了——购买行为变化并不明显。RCT里显著的效应，放到嘈杂环境里缩水是常态。
这研究值得看，但别当结论看。它给的是理想条件下的上限估计——政策制定者拿着这个数得明白：真实效果只会更低。
另外，阈值没差异这个结果，我怀疑跟菜单本身高糖东西太多有关，标出来一大片，消费者反而麻了。这个结论能不能往外推，得打个问号。
读这种文章，重点不是记住"减了10.4克"，而是看它的分析框架，怎么设对照、怎么分层、怎么做交互，这些才是能复用在自己研究里的东西。
关于郑老师团队及公众号
学统计就找郑老师团队，我们有全面的医学统计课程！
1.医院临床数据分析课程
临床试验（RCT）研究设计与数据分析；临床预测模型和基于R语言/Python的机器学习方法在临床预测模型中的应用（附赠全套代码）；医院回顾性数据与真实世界临床研究，涵盖目标模拟试验（模拟RCT)、缺失数据填补下真实世界研究、倾向性评分方法（包括倾向性得分匹配、逆概率加权，重叠加权）等
2.纵向数据分析课程
3.公共数据库挖掘与分析课程
NHANES（美国国家健康和营养检查）公共数据库、GBD（全球疾病负担）公共数据库、七大老年健康数据库挖掘与分析课程；孟德尔随机化方法快速发表SCI初级班、高级班以及进阶攻略：整合网络药理学&单细胞测序
4.其他课程
需以上统计课程，请联系郑老师团队（微信：aq566665）
