第一个有记载的盲法试验出现在1784年，法国科学院为了调查德国医生Franz Mesmer提出的“动物磁性”理论成立了一个委员会。“动物磁性”理论认为，掌握该技术的人不仅能够通过自己身体的“动物磁性”治愈患者，甚至能识别任何物品并让其带上磁性。由Benjamin Franklin 和 Antoine Lavoisier领衔的调查委员会设计了一个盲法试验，将木材、水等物品封起来让Mesmer学派医生识别，这一试验击碎了这些医生的谎言。1799年，英国化学家Humphry Davy进行了第一个以人作为干预对象的盲法试验，他在不告知受试者其所吸入气体种类的情况下，将受试者分别置于笑气和普通空气下，观察受试者的反应。
科学界很早就认识到了盲法的重要性，我们可以粗略地把盲法理解为：在研究中，让研究者、试验参与人员、受试者、评价者等，不知道受试者所在的组别（或所接受的干预措施）的方法。针对研究中不同参与者实施盲法，能够达到不同的效果，根据设盲对象的不同，盲法可以大致分为单盲、双盲和三盲。
双盲：随机对照试验（RCT）中最常用的设盲方法，针对受试者和干预者进行设盲。受试者不知道其所接受的干预是实验组还是对照组，干预者也不知道其所分配的措施（通常是药物）到底是什么。
单盲：针对受试者（可以同时针对疗效评价者）设盲，使受试者（和疗效评价者）不知道其所接受的是哪种干预措施。往往在一些无法针对干预者设盲的情况下，选择采用单盲的方法。如，某种干预措施需要干预者亲自实施，比如在比较两种手术方式的研究中，术者需要进行手术操作，所以无法设盲。
三盲：在双盲的基础上，对研究的资料收集者、分析者设盲。针对资料收集者设盲，能够避免收集区别对待造成的偏倚。对分析者设盲，能够有效避免分析过程中的主观倾向，避免分析者为了得到某一倾向性结论而反复进行统计方法和亚组分析的尝试，使分析结论更客观。
除了单盲、双盲和三盲外，还有一些盲法原则的特殊应用。例如在某些干预性研究中，没有办法针对受试者设盲，但此时如果能够针对最终干预效果的评价者设盲，也能够有效地避免评价中主观因素带来的偏倚。
在针对患者设盲的过程中，经常出现两种药物或干预措施截然不同，患者能很容易识别出应用的是哪种干预措施。举个例子，比较针灸和药物的止痛效果，患者在签署知情同意时已经了解的这两种方法，而实施过程中能够直观的知道自己到底是接受的哪一种治疗。此时就可以用到“双模拟”的方法进行设盲。即针对两种处理方法各模拟一种伪药物（或疗法），作为安慰剂用于另一组患者中。在上个例子中，对针灸组患者加用一个安慰剂，对药物组患者加用无止痛效果的伪针灸治疗（当然还需充分要考虑其中的伦理问题）。此时，两组患者的干预措施就很难一眼辨别出来了。
最后，盲法的应用还有一个大前提，就是设盲的可行性。如在很多研究中，两种干预措施截然不同，也无法通过双模拟的方法解决，则不存在针对受试者设盲的可能性。同理，也有很多研究无法针对干预者设盲，如上面手术的例子。此时若还在研究方案中写明“双盲”或“单盲”等方法，就难免贻笑大方了。
平台业务
线下业务
一个课时（1小时）2000元。
半天课程（3小时）5000元。
一天课程（6小时）8000元。
一天半课程（9小时）12000。
远程业务
Meta分析撰写指导2000，仅限提供技术帮扶以及基本润色，不包发表，不代写。
统计咨询一个主题500元；一篇文章整个统计构思以及方法选择2000元；统计软件操作以及结果解读3500元。
省市级课题指导每次1500.
平台推荐视频课程双节大酬宾
所有课程低至3折
【SPSS在临床研究中的应用】
【Meta分析基本教程】
本课程的优势就是来源于临床医生，用之于临床医生，做一套临床医生看得懂的临床科研教程。
扫描二维码——立即获取心动课程！
使用dplyr进行数据清洗和整理：R语言实践
线性相关回归之R语言实现
决策树的实现：R语言
R语言基本知识
作出SCI论文中的table 1 原来这么简单！
探索缺失值模式
R语言探索缺失值（一）
随机区组设计，R语言轻松实现统计分析
R语言完成单因素方差分析
R语言常用绘图函数以及参数
R语言里面漂亮的散点图
R语言中描述统计量方法集锦
R语言实现累积meta分析
Meta分析常用教程之连续性变量：R语言教程
Meta分析常用教程：R语言
R语言在生存分析中的应用
R语言基础教程之列表
R语言基础教程之数据框
R语言基础教程之矩阵
R语言基础教程之字符串
R语言决策结构，if语句，if..else语句
R语言基础教程之运算符
R入门教程之变量
R作图也是杠杠的（1）
R语言玩转诊断性研究
建立自己的描述性统计函数：基于R自定义函数
R实操：如何判断回归模型中变量的相对重要性
R软件：如何画ROC曲线
R软件：meta分析教程
R软件系列：实现连续数据的Meta分析
R软件系列：实现二分类数据的
Meta分析(2)
R语言实现一元线性回归的基础教程
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
