研究说了什么
依从性的测量方法直接影响试验结论。药片计数简单，但会把丢掉的药算成吃掉的，通常高估一成到三成；电子药瓶盖能记录开盖时间，仍无法证明药被吞下；血药浓度或代谢物检测更客观，却只反映最近几天到几周的暴露。一项维生素 D 试验里，自报依从性约八成，血中二十五羟维生素 D 的达标率只有六成，两者差距明显。若按意向性分析，所有参与者都留在原组，效应会被未服药者稀释；若按实际服药分析，效应量可能翻倍，但随机化被破坏，组间不再可比。一个真实效应为两成的干预，在依从性六成的人群里，观察到的效应只剩一成二，样本量不足时就会得到阴性结论。把阴性结果直接解读为无效，可能只是剂量没送到。另一个细节是停药原因，副作用导致的停药与忘记服药，对结论的影响并不相同，前者提示耐受性问题，后者提示执行问题。另一个问题是依从性的时间维度，试验平均依从性八成，可能前三个月九成、后三个月六成，平均掩盖了衰减。把依从性画成曲线，比一个总数更有信息量。对长期干预，衰减几乎不可避免。设计时应预留加强支持的节点。
为什么重要
抗衰试验里，依从性低是常态，尤其是需要长期改变饮食与运动的干预。对研究者，设计阶段应设置导入期，筛掉明显无法坚持的人，同时用多种方法测量依从性，并在论文里报告分布与停药原因。对读者，看到一个阴性试验，应先问干预是否真的被执行，而不是直接否定机制，这一点在营养与运动研究里尤其重要。另一个现实问题是，依从性高的人本身更健康，把他们的结果推广到所有人，会高估效果，这就是健康依从者偏倚。对临床，处方前评估患者能否坚持，比选一个理论上更好的方案更重要，方案再好在无人执行时也等于零。对监管，意向性分析是主要分析，依从性校正可以作为敏感性分析，帮助理解结果，但不能替代主要结论。把依从性当成细枝末节，会让整个试验的解读偏离。对患者，如实报告漏服，比假装按时吃药更有助于调整方案。对科普写作，报道试验时应说明实际执行强度，否则读者无法判断结论的适用范围。对指南制定者，证据强度应随执行情况调整。对患者，参与试验前应了解自己能否坚持，以及试验是否提供行为支持。
证据与边界
依从性没有金标准，每种方法都有偏差。药片计数受人为影响，电子监测可能改变行为本身，血药浓度受代谢与采血时间影响，尿检只能反映短期。把不同方法的结果直接比较，会得出矛盾的结论，报告时应说明用的是哪一种。相关不等于因果，依从性高的人结局好，也可能因为他们更重视健康、经济条件更好、社会支持更足。另一个边界是干预类型，药物试验的依从性可以用血药浓度验证，饮食与运动只能靠记录与访视，误差更大，自我报告的能量摄入常被低估两三成。现有试验对依从性的报告不统一，有的只写平均百分比，不写分布与停药原因，读者无法判断稀释程度。把校正后的结果当成主要结论，也可能引入新的偏倚，因为校正模型依赖未测量的假设。对读者，最稳妥的做法是同时看意向性分析与实际暴露分析，两者一致时结论才可靠。对研究者，预注册依从性方案，能减少事后选择方法的空间。另一个边界是依从性的测量时点，最后一次访视前的冲刺服药会抬高血药浓度，掩盖平时的漏服。把采样时间随机化，能减少这种偏差。对读者，单次检测的依从性证据要谨慎看待。