一個月吃720個雞蛋——平均每天吃24個，然後看到LDL膽固醇（俗稱「壞膽固醇」）水平降低了18%。這是哈佛大學醫學專業學生諾維茨（Nick Norwitz）近期用自己的身體完成的實驗。

諾維茨擁有牛津大學生理學博士學位，目前在哈佛大學進修醫學。他在這項實驗之後說，他並不支持極端地多吃雞蛋，這顯然不是明智的長期飲食方式。他的實驗也並不具備突破性，因為早有研究顯示，膳食膽固醇對多數人的血液膽固醇不會造成重大影響。

不過，他的實驗體現了一種越來越受歡迎的新科研方式，就是用個人化的、親身體驗的形式來進行實驗。這種研究方式被稱為「N=1」實驗，通常以有趣、簡單的方式，幫助人們理解重要的健康問題。

諾維茨今年9月9日發布了他的吃雞蛋研究影片，截至10月中旬，已有近33萬的觀看量。「這個影片實際上不是關於雞蛋的。這實際上是一次社會實驗，還有就是對於我和你們的反思練習。」他說。

諾維茨強調，雖然他吃了幾百個雞蛋之後，看到膽固醇水平降低了，但是不一定每個人都會得到同樣結果。比如膽固醇過度反應者，吃雞蛋後可能得到完全不同的結果。

提倡個人化醫學實驗

幾十年來，「隨機對照實驗」（randomized controlled trials, RCTs）已成為了醫藥研究的黃金標準。這類實驗的目標是發現大組人群的平均結果。隨機對照實驗儘管有助於改善治療方式，但也可能忽略個人之間的差異。所以，醫生開出的藥物或治療方式，即使對大量人群有效，也可能並不適合某一個人。

諾維茨說，「（傳統實驗）失去的是特異性和個人化。」他以吃雞蛋為例，希望告訴人們：找到對自己有效的方式。他也相信，未來的醫學研究可以用更加個體化的方式進行。

諾維茨的實驗目標，是測試極端的膳食膽固醇如何影響自己身體的LDL膽固醇水平。所以在30天之內，他每天吃24個雞蛋，總共吃了720個，也就是攝入了約133,000毫克膽固醇。

與此同時，在前兩個星期，他維持極低碳水、高脂肪飲食，即類似「生酮療法」的飲食方式。這段時間，他的LDL水平降低了2%。這驗證了以往的研究，也就是膳食膽固醇對大多數人來說不太影響血液膽固醇。

在後兩個星期，諾維茨每天增加60克的淨碳水化合物——主要來源於香蕉、梅子等水果。這個小改變，讓他的LDL水平在月底降低了18%。

諾維茨說，他的體質屬於「瘦體質超反應者」（lean-mass hyperresponder），就是低碳水飲食會導致高LDL水平的體質。通過這次實驗，他體驗了自己的身體對高膳食膽固醇的反應程度，也證明了在他的體質條件下，即使增加少許淡水化合物，也能顯著降低LDL水平。

在生活中做「N=1」實驗

憑著他的吃雞蛋實驗，諾維茨已經成為了一名「網紅」。他希望通過這種方式，啟發人們做自己的健康實驗。

諾維茨說，很多人儘管還沒意識到，但其實已經在做健康實驗了，比如嘗試新的飲食種類、運動方式或間歇性斷食。他說，如果人們能更認真、更嚴格地進行這些嘗試，那麼就能讓其個人化實驗更具有科學意義。

個人化實驗的方法，諾維茨說，可以是試誤法，就是嘗試一種實驗策略，記錄其影響，然後根據結果改進實驗方法。

一個簡單的研究框架是：

1. 找一個你關心的健康成果，比如改善睡眠；

2. 提出假設，預測哪些生活改變將影響上述成果；

3. 確定行動策略，以行動來驗證假設，比如在一個月之內不吃某種食物；

4. 追蹤和記錄數據，包括體徵情況、健康指標、主觀感覺等等；

5. 評估結果，自己在多大程度上改善了健康成果；

6. 調整實驗策略，根據實驗發現來改善或堅持之前的行動，找出最適合自己身體的行為方式。

此外，在開始實驗之前，最好先諮詢一下醫療專家，以了解健康指標和確保實驗安全。

「N=1」實驗的侷限性

諾維茨也發現「N=1」實驗的侷限性，尤其是在他成為網紅之後。他說，為了在社交媒體上博眼球，人們可能會過度簡化或錯誤解讀健康訊息，或者製造聳人聽聞的消息。即使是他自己發布的研究成果，他說，他也無法控制觀眾是否能準確解讀。

同時，個人化的實驗，也容易受到安慰劑效應、個人偏見或混雜變量的影響，因而無法得出確切的結果。

因此這種實驗只能作為補充性的研究方法。諾維茨說，他希望吸引人們參與有意義的討論，增強大家對健康問題的好奇心和批判思維能力。#

（原文刊登於英文大紀元「Harvard Med Student Eats 720 Eggs in 30 Days, Highlighting a Trend in N=1 Science」）

------------------

🏵️《九評》20周年👉🏻 https://hk.epochtimes.com/category/專題/退黨大潮

💎成為會員 📧訂閱電子報
https://hk.epochtimes.com/subscribe

🔔下載大紀元App 接收即時新聞通知
🍎iOS：https://bit.ly/epochhkios
🤖Android：https://bit.ly/epochhkand