评估了4种生物标志物选择方法和4种机器学习分类器，发现现代方法在性能上优于逻辑回归。在特异性固定为0.9的情况下，机器学习方法的灵敏度为0.240（3个生物标志物）和0.520（10个生物标志物），逻辑回归的灵敏度为0.000（3个生物标志物）和0.040（10个生物标志物）。在允许较少生物标志物时，基于因果关系的方法表现最好，而在允许更多生物标志物时，单变量特征选择方法表现最好。

下面两则事例充分说明了试验中设置对照组的重要性： 布什和布莱尔坐在酒吧里，有一个人进来，问酒保：“那不是布什和布莱尔吗？” 酒保说：“对啊，就是他们！” 那个人走过去，对两个人说：“哈罗！你们最近在忙些什么啊？” 布什说：“我们在计划第三次世界大战。”那人问：“真的？那会发生什么事？” 布什说：“嗯，我们会杀一百万个阿富汗人和一个修理脚踏车的！” 那人惊呼：“为什么你们要杀一个修理脚踏车的...