Q1.15.3Risk-based evidence planning设计研究
高风险决策不应仅凭最小样本量的定性发现拍板
别名: 高风险决策 · 证据充分性 · 风险驱动研究
概念解释
风险驱动的证据规划（risk-based evidence planning）让证据强度随错误决策的后果、不确定性和可逆性提高。少量定性材料可发现机制与风险情境，却通常不能估计发生率、群体差异或残余风险；因此高后果决策不能因“已访谈几人”就视为充分。
机制
极少样本对常见问题敏感，却容易遗漏低频高后果事件和受影响较小的细分。高风险决策的损失函数不对称：漏掉一次严重失败的代价可能远高于多做研究。证据需求因此由后果与决策阈值决定，而非研究方法名称决定。
怎么研究
先定义错误采纳与错误拒绝的后果、最低可接受表现和关键细分，再组合危害分析、定性机制探索、受控任务、定量估计和上线监测。用敏感性分析展示不同未观察风险率如何改变决策。停止规则应绑定风险覆盖与不确定性，而不是固定人数。
边界
高风险不表示所有研究都必须巨大；明确机制、强先验、保守设计和分阶段发布可降低所需证据。紧急情境可能必须在不完整资料下行动，此时应选择可逆方案并强化监测。定量大样本若测错构念，同样不能提供安全保证。
怎么落地
- 在研究计划中列出失败后果、受影响群体、可逆性和证据缺口。
- 把定性发现转成可测试的风险场景与验收标准。
- 高后果场景采用专项测试、独立复核和分阶段发布。
- 预设暂停、回滚和追加研究触发条件，并用真实运行数据持续核验。