朱婉婷

2021年5月12日的《洛杉矶书评》网站上，刊载了克里斯托弗·J·菲利普斯的文章，题为《数字的背后：新冠疫情时代的累加风险》。在文中，菲利普斯对疾病统计学的历史及其意义进行了评析。

统计数据和模型的运用如今非常普遍，从理论上说，我们能够借助这些数据预测自己的健康风险，但所有这些数据却并非精确，它们所针对的，其实并非你的个人健康风险，而是与你在年龄、性别、种族和街区等诸多方面相仿的一群人的累加概率。对统计学这一学科而言，累加的概念是其核心，但累加的过程，同时也是系统地抹除某些信息的过程，换言之，就是在得出数据平均数的同时，你也就抹除了每次单个测量的信息，进而你所得出的数字也与单个观察的情况不同。而在医学领域，被抹除的往往是关乎个人的细节——也就是使你与众不同的地方，而你希望得到医生的关注，也正是因为你认为自己是独特的个人。反过来说，二十世纪的医学统计学想要做的，就是使你将自身与和你共享某些特征的人联系起来，并达成这样的认知，即群体风险就是个人风险，即使前者只是对于风险的估算，并不可避免的既不清晰也不精确。举例而言，你可能与一群人共享某些变量，且平均风险对于所有人来说都一样，但总有一些未被测量的变量能够揭示人与人之间的差异，比如家庭病史或饮食结构可能非常重要，但却不在这些变量的范围之中。而这也正是累加风险与个人风险之间的区别：你可以做测量、看数据并计算疾病风险，但如果并不清楚其在統计学意义上的分布情况（即你在多大程度上接近平均水平），那么你对个人风险的认知就会较低。……