醫(yī)療數(shù)據(jù)的背后

朱婉婷

2021年5月12日的《洛杉磯書評》網(wǎng)站上，刊載了克里斯托弗·J·菲利普斯的文章，題為《數(shù)字的背后：新冠疫情時代的累加風險》。在文中，菲利普斯對疾病統(tǒng)計學的歷史及其意義進行了評析。

統(tǒng)計數(shù)據(jù)和模型的運用如今非常普遍，從理論上說，我們能夠借助這些數(shù)據(jù)預測自己的健康風險，但所有這些數(shù)據(jù)卻并非精確，它們所針對的，其實并非你的個人健康風險，而是與你在年齡、性別、種族和街區(qū)等諸多方面相仿的一群人的累加概率。對統(tǒng)計學這一學科而言，累加的概念是其核心，但累加的過程，同時也是系統(tǒng)地抹除某些信息的過程，換言之，就是在得出數(shù)據(jù)平均數(shù)的同時，你也就抹除了每次單個測量的信息，進而你所得出的數(shù)字也與單個觀察的情況不同。而在醫(yī)學領(lǐng)域，被抹除的往往是關(guān)乎個人的細節(jié)——也就是使你與眾不同的地方，而你希望得到醫(yī)生的關(guān)注，也正是因為你認為自己是獨特的個人。反過來說，二十世紀的醫(yī)學統(tǒng)計學想要做的，就是使你將自身與和你共享某些特征的人聯(lián)系起來，并達成這樣的認知，即群體風險就是個人風險，即使前者只是對于風險的估算，并不可避免的既不清晰也不精確。舉例而言，你可能與一群人共享某些變量，且平均風險對于所有人來說都一樣，但總有一些未被測量的變量能夠揭示人與人之間的差異，比如家庭病史或飲食結(jié)構(gòu)可能非常重要，但卻不在這些變量的范圍之中。而這也正是累加風險與個人風險之間的區(qū)別：你可以做測量、看數(shù)據(jù)并計算疾病風險，但如果并不清楚其在統(tǒng)計學意義上的分布情況（即你在多大程度上接近平均水平），那么你對個人風險的認知就會較低。

所有這些討論對于新冠疫情來說又意味著什么呢？從正面來看，疫情期間的統(tǒng)計數(shù)據(jù)、數(shù)字模型等，的確為我們的日常決策提供了基本依據(jù)：今天要不要出門？出門要避開那些地方？是否乘坐交通工具？乘坐哪種交通工具？有多少人注射了疫苗？疫苗的有效率是多少？不注射疫苗則風險幾率有多大？等等。但某種反諷情境依然無可避免：我們所生活的時代，數(shù)字模型更優(yōu)、數(shù)據(jù)更為易得可靠、治療也更為有效，但所有這些，都無法抵御人類最古老的威脅之一——流行病。在此前的流行病時期，人們可以一面基于數(shù)據(jù)統(tǒng)計來吁求公共醫(yī)療服務(wù)，一面仍然堅信個人對自己染病負有責任：正如有學者在研究1980年代的艾滋病時所發(fā)現(xiàn)的，關(guān)于流行病的核心敘事之一，就是人們會借助某種既存的道德確信和精神假設(shè)來解釋誰得病、誰康復。如今，對于個人風險與集體風險的此類區(qū)分已經(jīng)不再為人所熟知，我們也不太會說誰得病、誰康復是因為他/她有著不同的生活習慣或者精神信仰。面對新冠疫情，我們借助統(tǒng)計學能對一般的公共健康狀況有更多了解，但與此同時，如果想要知道你的家庭成員或朋友如何才能保證安全，你獲得的信息往往是不夠的，這大概正是大數(shù)據(jù)背后的反諷。