统计学/数据收集方法/观察性研究
理解自然规律的最原始方法是利用观察性研究。基本上，研究人员走出世界，寻找彼此相关的变量。请注意，与实验不同，在观察性研究中，自变量不受实验者控制。自变量可能是“吸烟”之类的东西。进行一项实验，其中随机选择的一组被分配吸烟，而另一组被分配不吸烟，在伦理上和实际上可能是不可能的。因此，为了确定吸烟对人体的健康影响，观察性研究比实验更合适。吸烟者和不吸烟者的健康状况将在没有实验者分配治疗的情况下进行比较。
现代科学思想的一些基础是基于观察性研究。例如，查尔斯·达尔文完全基于他所做的观察来解释进化。案例研究，即观察和询问个人以确定问题的可能原因，是一种观察性研究，至今仍然很流行。实际上，您每次去看医生时，他/她都在进行观察性科学。
但是，观察性科学存在一个问题——它永远无法确定因果关系，因为即使两个变量相关，它们也可能都由第三个不可见的变量引起。由于假设自然界的基本规律是因果规律，因此观察性发现通常被认为不如实验性发现令人信服。
确定实验研究的关键方法是它们涉及干预，例如向一组患者服用药物，而向另一组患者服用安慰剂。观察性研究只收集数据并进行比较。
医学是一门经过深入研究的学科，由于明显的伦理或后勤限制，并非所有现象都可以通过实验来研究。
- 病例系列：这些纯粹是观察性的，包括一系列类似医学病例的报告。例如，可能会报告一系列患者患有骨骼异常以及免疫缺陷。这种关联可能并不重要，纯粹是偶然发生的。另一方面，这种关联可能指向影响骨骼系统和免疫系统两个方面的共同途径的突变。
- 病例对照：这涉及观察疾病状态，并与正常的健康对照组进行比较。例如，可以将肺癌患者与其原本健康的邻居进行比较。使用邻居可以限制人口统计差异带来的偏差。可以询问癌症患者及其邻居（对照组）有关其暴露史（他们是否在工业环境中工作）或其他风险因素（如吸烟）。病例对照研究的另一个例子是将诊断程序与金标准进行比较。金标准代表对照组，而新的诊断程序是“病例”。这似乎可以被归类为“干预”，因此是实验。
- 横断面：涉及在同一时间收集的许多变量。用于流行病学中估计患病率或进行其他调查。
- 队列：一组受试者，前瞻性地随访一段时间。弗雷明汉研究是经典的例子。通过观察暴露，然后跟踪结果，可以更好地分离因果关系。但是，这种类型的研究不能最终确定因果关系。
- 历史队列：这与队列相同，只是研究人员使用历史医学记录来跟踪患者和结果。