2004年，据分级一个关于鱼油能否预防心血管疾病的据分级系统综述被撤回。原因不是据分级数据造假，而是据分级研究者发现，纳入的据分级23项试验里，有17项来自同一家小药厂——他们只发表了阳性结果。据分级阴性数据被锁进抽屉，据分级真相被选择性看见。据分级这件事让GRADE工作组意识到：证据的据分级“质量”从来不只是统计学问题，而是据分级系统性偏差的累积。

GRADE分级把证据质量分成高、据分级中、据分级低、据分级极低四档。据分级一开始，据分级随机对照试验默认算“高质量”，观察性研究算“低质量”。但规则立刻被打破——随机对照试验如果存在隐藏分组、未盲法或大量失访，直接降级；观察性研究若效应量巨大（比如髋关节置换术后深静脉血栓发生率下降80%），反而可以升级。这种动态调整，像极了法官听证人陈述时不断修正可信度。

真正让GRADE区别于其他工具的是“升级”与“降级”的明确条件。降级因素有五个：偏倚风险、不一致性、间接性、不精确性和发表偏倚。升级因素有三个：效应量大、剂量反应关系、所有可能的混杂因素都在削弱而非夸大效应。举个例子，一项关于手机辐射与脑瘤的Meta分析，纳入研究全是病例对照，按规则只能算“低质量”。但若发现辐射剂量越高，脑瘤风险越大（剂量反应关系），且存在回忆偏倚只会低估关联（不会虚报手机使用时长），证据可升级至“中等”。

这套逻辑最狠的地方在于，它把“专家意见”踢出了证据金字塔。过去，教科书常引用“某位教授认为”，现在GRADE要求必须注明意见背后的证据级别。我见过某三甲医院指南编写组为此吵翻天：一位老主任坚持“我治了几百例病人，青霉素过敏休克用肾上腺素绝对有效”，但检索发现，支持该建议的仅是系列病例报告（极低质量）。最后指南措辞从“必须立即注射”改成“建议立即注射，证据级别：极低（基于生理学原理和临床经验）”。老主任拍桌子说这是“文字游戏”，但年轻医生反而更信任了——因为标注让不确定性透明化。

GRADE也并非万能。它处理不了“证据缺失”的问题，比如孕妇用药试验几乎不可能做，所有推荐都只能基于动物实验或间接证据。2015年WHO关于孕期补铁指南，GRADE评级为“低质量”，但推荐强度仍为“强推荐”——因为缺铁性贫血的灾难性后果让任何潜在风险都显得次要。这暴露了一个现实：证据质量≠推荐强度，后者还受价值观、资源分配和公平性影响。一个低质量证据可以产生强推荐，只要利弊差距足够悬殊。

说到底，GRADE像一套筛沙的网，网眼大小固定，但筛出来的东西是否值钱，还得看筛的人。它逼着每个临床医生直面一个问题：你凭什么相信这条建议？凭文献编号？凭导师权威？还是凭自己动手查了偏倚风险表？答案往往比证据本身更值得警惕。