流行病学

1950 年代，一位医生想弄清吸烟到底害不害人。

他不能把人随机分成"强制吸烟组"和"禁止吸烟组"——那既不可行，也不道德。

于是他做了另一件事：追踪数万名英国医生长达几十年，记录谁吸烟、谁得了肺癌。

结果像一记重锤：吸烟者死于肺癌的风险，高出十几倍。

这就是流行病学——一门不在显微镜下、而在人群中找答案的科学。它研究疾病在人群中如何分布、由什么决定，是公共卫生的核心方法论，也是人类对抗传染病与慢性病最重要的"侦探术"。

破除误解：流行病学不只是"研究流行病"#

名字带"流行病"，很多人以为它只管瘟疫。其实现代流行病学的研究对象早已扩展到一切影响人群健康的因素：吸烟、饮食、空气污染、运动、社会经济地位、医疗措施的效果……

它的经典定义是：研究特定人群中健康相关状态或事件的分布及决定因素，并将研究成果用于疾病防控。

关键词是"人群"与"分布"——流行病学不直接治疗某个病人，而是回答"谁更容易得病、为什么、怎么从源头上减少"。

它的起点常被追溯到 John Snow 1854 年的伦敦霍乱地图：他不靠显微镜、仅凭分析病例的空间分布就锁定了被污染的水泵，比细菌致病论（见 germ-theory）的微生物证据还早。这正是流行病学的精神——从模式中推断原因。

机制：三种基本研究设计#

流行病学的看家本领是一套研究设计，用来在无法做随机试验时逼近因果。

横断面研究（cross-sectional）：在某一时间点同时测量人群的暴露因素和疾病状态，像给人群拍一张"快照"。

它能快速估计患病率、发现关联，但因为暴露和疾病是同时测量的，分不清谁先谁后（时序问题），因此不能确立因果。

病例对照研究（case-control）：先找一组已患病者（病例）和一组未患病者（对照），再回溯比较两组过去的暴露差异。

它从"果"回看"因"，适合研究罕见病，省时省钱。

正因省时，它常被用作疫情或新风险出现时的"第一手快速调查"。

缺点是依赖回忆，容易产生回忆偏倚（病人会更努力地回想可能的病因），而且难以选到真正可比的对照组。

队列研究（cohort）：先按暴露与否（如吸烟与否）分组，再前瞻追踪多年，看谁先得病。

它从"因"看向"果"，时序清晰，能直接计算发病率与相对风险，因此证据更强。

著名的弗雷明翰心脏研究（Framingham），就靠这种长期追踪，发现了高血压、高胆固醇、吸烟等今天人尽皆知的"心血管危险因素"。

代价是耗时长、费用高，研究罕见病还需要巨大的样本。前文那项英国医生吸烟研究（Doll & Hill）就是队列研究的典范。

这三种都是观察性研究——研究者只观察、不干预。

证据等级最高的随机对照试验（RCT，见 evidence-based-medicine）虽然更强，但很多问题（如有害暴露）出于伦理根本无法做 RCT，观察性研究因此不可替代。

除了"找原因"，流行病学还有一套实用的描述工具，用来回答"疫情有多严重、传播有多快"。

例如发病率衡量新发病例的速度、患病率衡量某时点患病的总比例、基本再生数 R₀ 衡量一个病人平均传染几个人。

正是这些指标，让"疫情正在加速还是减缓"成为可以测量、可以预警的事——它们是疫情通报里那些数字背后的语言（见 vaccination 中的群体免疫门槛）。

为什么重要：关联不等于因果#

流行病学最重要、也最常被误用的一课是：发现关联，不等于证明因果。

报纸常见这样的标题："研究发现喝咖啡的人更长寿。"

但喝咖啡的人可能也更有钱、更常体检、生活方式整体不同。

这些既与咖啡相伴、又各自影响寿命的因素，叫混杂因素（confounder）。

如果不加控制，混杂会制造出根本不存在的虚假关联，甚至把因果方向彻底搞反。

此外还要警惕各种偏倚（bias）：选择偏倚（研究对象不能代表总体）、信息偏倚（测量系统性出错）、回忆偏倚等。

它们和混杂一样，会让数据"说谎"。

一个经典的反直觉例子是"幸存者偏差"：二战时工程师本想给中弹最多的机身部位加装甲，统计学家 Abraham Wald 却指出，该加固的恰恰是返航飞机上没有弹孔的地方——因为中弹于那些部位的飞机根本没能飞回来，从样本中"消失"了。

这正是选择偏倚的威力：你看到的样本，可能系统性地不能代表全体。

那如何才能从关联谨慎地走向因果？

1965 年 Austin Bradford Hill 提出了一组判断准则（Hill 准则），包括：关联的强度、剂量-反应关系（暴露越多病越多）、时序（因在果前）、一致性（多项独立研究都发现）、生物学合理性等。

它们不是数学证明，而是帮助审慎推断的一份考量清单。

正是综合了这些准则，加上无法对人做 RCT 的现实，科学界才最终确立了"吸烟致肺癌"的因果结论。

局限与争议#

• 混杂永远无法完全排除。再精巧的统计调整（分层、回归、倾向评分）也只能控制已知且测得的混杂，潜在的未知混杂始终是观察性研究的阿喀琉斯之踵，因此结论需要多种证据互相印证。
• 关联被过度解读是科学传播的重灾区。营养流行病学尤其如此：今天说"红肉致癌"，明天说"无害"，很大程度源于观察性研究的固有局限被媒体当成定论。
• 统计显著≠重要、≠真实。在海量变量里搜索关联（"数据捞取"）几乎必然撞出一些纯属偶然的"显著"结果，这是可重复性危机的一部分。
• 群体规律不能直接套到个人：从群体平均推断某个具体个人，或反过来用个案推断群体，都可能犯下"生态学谬误"。流行病学告诉你"吸烟者群体风险更高"，却无法断言某位烟民个人一定患病。
• 观察性研究与因果推断的张力始终存在：近年因果推断的数学工具（如 Judea Pearl 的因果图、反事实框架）让"从数据推因果"更严谨，但它们依赖于研究者对因果结构的假设，假设错了，再漂亮的计算也会误导。

跨域连接#

• 传染病建模与监测：监测数据记录的是被报告的病例，不是发生的病例。报告率随检测能力、就诊意愿与病例定义变化，所以流行曲线的拐点可能只是检测的拐点。这条区分决定了该盯什么指标：检测阳性率、住院数与超额死亡受报告强度影响较小，因而在暴发期比病例数更适合判断趋势。
• 辛普森悖论：分层与合并给出相反结论，这不是统计学奇观，而是混杂在几何上的显形。关键在于"该不该分层"不能由数据决定：如果分层变量是混杂因子，必须调整；如果它位于暴露与结局之间的因果链上（中介），调整反而会截断真实效应。判据来自因果结构假设，也就是必须先画图再算数。
• 计量经济学基础：绕开混杂的一条路是找一个"像随机分配"的外生变动。孟德尔随机化把出生时随机分配的基因型当作工具变量，因为基因型先于生活方式，也不受结局反向影响。它的可信度完全押在排他性限制上：该基因不能通过别的通路影响结局，而多效性基因恰恰会破坏这个前提，这正是此类研究必做敏感性分析的原因。
• 调查研究：样本量不修复偏倚，只会让错误的估计看起来更精确。2021 年对美国新冠疫苗接种率的两项大型调查——每周约 25 万份的 Delphi-Facebook 与约 7.5 万份的普查局家庭脉搏调查——在当年 5 月分别高估了 17 个和 14 个百分点。置信区间随样本量收窄，抽样框的系统偏差却原封不动，这就是"大数据悖论"。
• 因果：布拉德福德·希尔的九条常被当成打勾清单，但他本人明确说过它们既非必要也非充分条件。它们是启发式，用来判断在无法随机化时哪种解释更难被推翻。这把流行病学放回休谟的老问题里：我们观察到的永远是恒常连结，因果是加在其上的结构性假设，因此判据的位置在推理，而不在数据本身。

参考文献#

• Doll, R. & Hill, A. B. "Mortality in relation to smoking: ten years' observations of British doctors." BMJ, 1(5395), 1964. DOI: 10.1136/bmj.1.5395.1399
• Hill, A. B. "The Environment and Disease: Association or Causation?" Proceedings of the Royal Society of Medicine, 58, 1965. DOI: 10.1177/003591576505800503
• Rothman, K. J., Greenland, S. & Lash, T. L. Modern Epidemiology, 4th ed., Wolters Kluwer, 2021.
• Snow, J. On the Mode of Communication of Cholera, 2nd ed., John Churchill, London, 1855.

延伸阅读#

• Hernán, M. A. & Robins, J. M. Causal Inference: What If, Chapman & Hall/CRC, 2020.