希尔准则

开篇#

把九项考虑收成必须逐条打分的表之后，凑满就像因果已经成立，缺一条就像因果应当作废。一九六五年一月，奥斯汀·布拉德福德·希尔向皇家医学会职业医学组作主席演讲，问的不是这张表。他问的是：人群里看见关联之后，在什么情形下可以走向因果判断。演讲于同年刊出。

作者也容易被认错。研究肌肉产热的阿奇博尔德·维维安·希尔是另一位生理学家；提出数学基础问题的希尔伯特与这场演讲无关。演讲者是医学统计学家奥斯汀·布拉德福德·希尔。他与理查德·多尔长期观察吸烟与死亡，这次演讲处理的是那些观察能不能走向原因。

他自己的态度收得很紧。没有一条能单独构成无可争辩的证明，也没有一条是缺了就不能谈因果的硬条件。九个方面是读证据时要转身去看的方向，用来防不同的退路。后来的教科书把它们收成「希尔准则」或「布拉德福德·希尔准则」，考量清单就被说成了清单打分。硬化来自后到的名字，不是一九六五年那次演讲的封面词。

破除误解#

流行病学总览目前点出了五条：关联强度、剂量反应、时序、一致性、合理性，并称之为准则。按演讲顺序还缺四条：特异性、连贯性、实验、类比。前两条分别防「对不上就一笔否定」和「把已知事实撕成两套故事」，后两条分别处理去除暴露之后的变化，以及最弱的类比。五条被叫成准则、四条缺席，读者会以为清单本来就短，而且本来就是用来打分的。

吸烟致肺癌也常被讲成九条已经打满。希尔在演讲里引用的是自己与多尔的医生队列十年报告，那是一份材料，不是评分钥匙。站得住的是叠合：更早的住院病例对照、把习惯写在死亡之前的队列、支数与死亡的梯度、停止暴露之后的变化，以及不同地方反复出现的方向。叠合不是把九个格子涂满。格子涂满的幻象代替不了时序，也代替不了还没有被压住的替代解释。随机分配吸烟既不能做，也不因此成为否定因果的空位。

还有一种误用，是把九项当成个人对号入座的病因算法。演讲讨论的是职业与环境里的人群关联，不是一份可以照着给自己确诊的清单，也不提供如何从自己的接触史推出一个病因的步骤。步骤会假装判断已经完成。完成与否，要看具体暴露、具体疾病，以及哪一种旁路还没被挡住。

强度先挡住寻常的混杂#

演讲按顺序先讲关联强度。强度问的是暴露与不暴露之间，结局差得有多大。差得很大时，普通混杂不太像能把整段差距解释完。若要靠一条旁路冒充这么大的效应，那条旁路自己就得把两组分得更开，而且还不能已经位于真正的因果路径上。他举珀西瓦尔·波特与烟囱清扫工的阴囊癌：这种癌在清扫工当中突出到难以当成城市生活里随手可找的差别。效应大，所以不太像一份普通混杂就能收场。

强度防的是两种偷懒。一种把微弱的相伴和巨大的差距说成同一等级的「有关联」。另一种看见巨大差距就宣布证明已经完成。很大，只是让寻常的替代因素更难吞掉全部差距。谁被算进清扫工，谁的癌症被写进记录，仍可能把差距放大。弱关联也没有被强度一票否决。许多后来站得住的环境危害，差距并不戏剧化。

反复出现先挡住局部事故#

第二方面是一致性。同一种关联若在不同地点、用不同方法、在不同人群里反复出现，单靠某一家医院的收治习惯、某一种问法或某一座城市的诊断风气，就不太好解释。一致性防的是把局部事故当成普遍原因。局部可以很响。响不一定走得远。

反复出现仍然不是打勾。一种跟着暴露走遍各地的混杂，会在每个样本里留下同样的方向，一致性就帮不上忙。反过来，某处没有重复，也不能自动把因果勾掉。年龄结构、暴露的剂量、疾病的定义，都可以让同一条因果在另一处暂时看不见。看不见要去查情形是否可比，而不是直接宣判。缺了重复，也不禁止谈原因。

对上一种病，防的是弥漫的标签#

第三方面是特异性。一种暴露若主要对上一种疾病，而不是对上所有死因，把结果说成「这群人本来就容易被写成任何病」会更难。特异性防的是弥漫的标签：测量偏了，记录偏了，或一组体弱的人被同一种接触标记，于是什么病都升高。对得上，是给这种弥漫一个约束。

他同时把约束松开。疾病可以多因，一种病不必只有一个来源，所以不是一一对应并不能取消因果。吸烟对应多种病，肺癌之外，呼吸道的慢性损害和一部分心脏死因也曾进入同一批观察。若把特异性当成必过的窄门，多种结局会变成否定吸烟的理由。那扇窄门是后来的打分表加上的，不是演讲里的硬条件。缺少特异性，只是少了一种支持，不能一笔否定。多因也不意味着任何接触都可以被说成原因。

先后颠倒，就不是那个方向上的因#

第四方面是时序。暴露要在疾病之前。疾病已经发生，再往回找一种随后才出现的接触，这条关联就不是那个方向上的因。时序防的是把结果当成原因，也防「只要一起出现，谁先谁后无所谓」。一起出现可以是因果，可以是共同的上游，也可以是疾病反过来改变了暴露。方向不先钉住，后面的强度和梯度都还挂在半空。

慢慢发生的病最容易把方向弄混。人感到不适之后才改变饮食、停下工作或开始吸烟，回顾访问会把改变记成长期习惯。前瞻的做法是先记下暴露，再等结局，使「病使人去吸烟」更难占用「吸烟写在死亡之前」的位置。英国医生队列相对一九五零年的住院病例对照，主收益就在这里：问卷在前，死亡证明在后。时序清楚，仍不等于没有替代解释。清楚的只是顺序，不是把顺序写成唯一原因。

剂量升高时，不必先假定一条直线#

第五方面是生物学梯度：剂量越高，结局是否越多。若轻接触与重接触的结局几乎一样，叙事却把「只要碰过」说成充分原因，这一问会让叙事不舒服。若结局随着剂量上升，那种「只有某种体质的人既去接触又得病，剂量无关」的说法也更难维持。它防的是把暴露当成没有刻度的标签。

不是每条因果都必须呈直线。可以有门槛，过了才出现；可以先升后平；也可以在很高的剂量上被别的死亡抢先，曲线因而弯掉。弯掉不是自动排除，直线也不是自动定罪。残留的混杂若自己随着剂量变浓，同样能画出一条好看的斜线。梯度让人去看刻度，不保证刻度背后只有一条路。

说得通，和已经知道的事是否还连得上#

第六方面是合理性，问的是跟已有生物学是否说得通。说得通，会让人更愿意把关联读成机制，而不是读成巧合。它防的是完全悬空的故事，故事里身体已知的行为被随意改写。他随即收紧了这道门的权威。当时觉得不合理的事，后来可能只是知识不够。合理性若升级成「必须先有一张今日知识已经认可的机制图」，新的环境危害会在机制被说清之前被取消。这一问用来倾听已有的生物学，不能做成否决。

第七方面是连贯性。它和合理性相邻，但防的不是能否想象一条通路，而是这条因果会不会把已经摆在桌上的事实撕成两套互不相容的故事。时间上的升降、患者是谁、病变出现在哪里，若必须全部另编一套说法才能保住某个替代解释，这个替代解释就贵得可疑。连贯性防的是分裂叙事：一边承认疾病在某类人里上升，一边又要求原因与这种上升无关。它仍不要求每一个旧事实事先签字。旧事实本身可以量错。量错要分开说，不能为了故事完整，就把测量误差和因果冲突当成同一件事。

去除暴露之后，以及类比能帮到哪一步#

第八方面是实验。这里的实验不限于把人随机分进两组。若有干预，或把暴露去掉之后结局跟着变化，那种「他们本来就是会得这种病的人」更难独自支撑全场。停止一种职业接触，或离开一种已经养成的习惯，都属于这一类变化。它防的是永远停在「人与人已经不同」的比较里，却拒绝看暴露被拿走时发生了什么。

他写明有时做不到。有害的暴露不能为了求证再分配给人，长期的环境也常常无法整座撤回。做不到不等于不能判断。把「没有实验」写成「不许谈因果」，等于把第八方面从考量改成门槛，并把它放在其余方面之上。演讲没有做这道改写。能做的时候，变化是很强的支持；不能做的时候，判断退回时序、强度、重复和替代解释，而不是退回沉默。如何分组、如何隐藏分配，属于试验自己的对象，不在这里写成可以跟随的步骤。

第九方面是类比。已经认识的类似因果，能不能帮人把眼前这条想清楚。已知某种接触会伤某一种器官，再看见邻近的接触与邻近的病变，类比让问题的形状先出现，而不是让每一张新表都从零开始装不懂。它防的是孤立地阅读每一个新关联，仿佛过去已经弄清的因果都借不上力。借力只到形状为止。

这是最弱的一条。相似不是相同。坏的类比会把已经成立的结论偷偷搬到尚未看过时序的对象上，用熟悉感代替证据。类比可以提议去看哪里，不能代替暴露是否在前，也不能代替更强的替代解释是否已经被压住。打分表若给类比同样的一分，弱的支持会被加成成与时序并列的一票。

吸烟这一条靠叠合，不靠满分#

演讲用吸烟与肺癌说明这些方面怎样一起工作，而不是怎样被加成。他引用自己与多尔一九六四年发表在《英国医学杂志》上的医生队列十年报告。更早，一九五零年的住院病例对照已经比较肺癌患者与对照的吸烟史，并把吸烟写成一个重要因素。那一步快，但吸烟史靠回忆，先后更弱。队列改成先登记习惯，再跟随死亡。一九五六年的随访已经把每日支数与死亡率画成梯度。医生群体后来自己少吸，肺癌相对回落，其他癌症没有以同样方式跟着下降。这些都是观察。没有人被随机分进吸烟组。

因果判断若成立，是多条证据各自挡住不同的退路。病例对照挡住「从未有人看见过这条关联」。队列挡住「也许是病在前、烟在后」。梯度挡住「吸一口和吸很多没有分别」。停止之后的变化挡住「只是更爱给吸烟者写上这种病」。其他地方的重复挡住「只是某一家医院的问法」。逐渐说得通，以及与上升趋势、患者是谁、病变位置连得上，挡住「必须把已知的疾病史整个推翻」。没有一条是满分证书。缺了不能做的那一类实验，判断并没有被禁止。九个方面都讲得顺，也代替不了时序和尚未排除的替代解释。

后来的控烟使用的也是这种叠合，而不是一张课堂打分表。政策面对的是多国的人群证据和此后的制度，不是一九六五年的格子被涂满。把演讲说成控烟的开关，会把前后的研究从故事里删掉。把演讲说成九条准则的发明证书，则会把作者已经拒绝的硬性规则再发还给他。

跨域连接#

• 流行病学：总览只写了强度、剂量反应、时序、一致性与合理性，并称为准则。演讲里还有特异性、连贯性、实验和类比。对不上不能一票否决，做不到的实验也不等于不能判断。准则是后到的叫法。三种设计的时间方向仍在那一页，这里不重写。
• 英国医生队列：十年报告是演讲引用的材料。问卷把吸烟写在死亡之前，支数梯度更早已画出，戒烟与医生群体减烟接近去除暴露。这是观察里的顺序和变化，不是九格全中。回信的人不是全体吸烟者。装置说明顺序，不把顺序换成建议。
• 控烟运动：制度面对的是多条人群证据叠合后的判断，不是演讲打满了分。病例对照、队列、剂量和戒烟后的变化都先于税收与广告限制。把它写成九条准则的应用题，会把「尚未定论」怎样被做成公共说法的历史挪走。
• 临床试验：试验事先改写处理再比较结局，最接近第八方面里动手之后的变化。许多环境与习惯无法这样改写。无法改写不是「因果尚未开始」。随机、盲法与预先写明的终点不能代替观察里对时序和混杂的追问，这里也不写成分组步骤。
• 循证医学：证据等级常把能够随机的比较放在更高一层，用来提醒某种设计挡住了哪一类偏差。若把没有试验读成没有因果，演讲已经拒绝的门槛就被重新立起。吸烟与肺癌的判断发生在不能随机分配吸烟的前提下。
• 科学哲学：科学哲学追问什么情况会让一个说法站不住，而不是收集能解释一切的说辞。拒绝把九项写成必须服从的硬规则，就是拒绝用清单代替判断。缺一条不是已经推翻，凑齐九条也不是已经证明。时序和替代解释仍要单独面对。
• 统计学：样本推断看不全的总体，估计要带着不确定性。关联强度不是显著性盖章。盖章不回答暴露是否在疾病之前，也不回答混杂能否走出同样的表。差距很大只使普通混杂更难收场，差距很小仍可能是真的。
• 因果推断：因果要先写成谁相对谁的比较。随机化只使一部分假设更可信，不是整篇无偏的认证；观察也不因缺少随机就作废。干预有时做不到，做不到仍要判断。未测混杂不会被更复杂的拟合自动修好，打勾同样修不好。
• 辛普森悖论：子组里的趋势合并后可以反转。合计表上很大的关联，可能来自同时推着暴露与结局的第三因素，分开之后方向消失甚至反过来。效应大，普通混杂不太像能解释完；混杂本身极强时，合计表仍会骗人。强度因此不能单独值班。

参考文献#

• Hill, Austin Bradford. “The Environment and Disease: Association or Causation?” Proceedings of the Royal Society of Medicine 58, no. 5 (1965): 295–300. DOI: 10.1177/003591576505800503.
• Doll and Hill, “Mortality in Relation to Smoking: Ten Years' Observations of British Doctors,” BMJ 1964 May 30; 1(5395): 1399–1410.

延伸阅读#

• Doll, R. & Hill, A. B. “Smoking and Carcinoma of the Lung.” British Medical Journal, 2(4682), 1950, 739–748.
• Doll, R. & Hill, A. B. “Lung Cancer and Other Causes of Death in Relation to Smoking.” British Medical Journal, 2(5001), 1956, 1071–1081.