合虚

关键词：合虚；分段承接；可加性失效；对账缺位；癌症死亡率的长期分化；效果声明与人群实测的差

一 · 一份从来没有被结过的账

先把两组数字并排放着。

第一组：过去五十年里，与癌症有关的、被随机对照试验证明为阳性的干预，数量以千计。筛查降低某癌种的死亡风险两成到七成；辅助化疗降低复发风险若干个百分点；靶向药物延长中位生存若干个月；免疫治疗在某些人群里把长期生存率抬高一截；戒烟、疫苗、根除感染各自都有硬数据。每一项都经过严格设计，每一项都进了指南，每一项都被反复引用。

第二组：美国的癌症总死亡率自一九九一年的峰值起累计下降约三分之一，而这个下降在癌种之间极不均匀。宫颈癌的死亡率在二十世纪下半叶下降七成以上；结直肠癌持续下降；胃癌在整个二十世纪一路下滑；儿童急性淋巴细胞白血病的五年生存率从不足一成升到九成以上；慢性髓性白血病患者的预期寿命接近一般人群。而胰腺癌的五年生存率从百分之三左右升到一成出头，胶质母细胞瘤在二〇〇五年之后中位生存的移动以月计，卵巢癌的筛查在一项二十万人、随访二十年的随机试验之后被判定未能降低死亡率，急性髓性白血病的标准诱导方案骨架自上世纪七十年代确立以来基本未动。

把两组放在一起，有一个问题从来没有被正式提出过：第一组里那些数，加起来应该等于多少？

这个问题听上去像一道算术题，实际上它在多数癌种上从来没有被算过。原因不是算不出来，是没有人负责算。每一项干预的效果由做它的那个团队声明，由发表它的那本刊物背书，由采纳它的那份指南记录；而"各项声明加起来是多少"这件事，不属于任何一个团队、任何一本刊物、任何一份指南。人群死亡率由癌症登记体系统计，但登记体系的职责是统计，不是解释这个数为什么与前面那一堆声明对不上。

少数几个癌种是例外。乳腺癌领域从上世纪末开始，用多个相互独立的模型对同一份人群数据做分解，试图回答筛查与治疗各自贡献了多少；心血管领域用同类方法把冠心病死亡率的下降拆给危险因素与治疗。这些工作之所以罕见，恰恰说明它不是常规动作。而在做过这件事的地方，几乎每一次都出现同一个现象：把各段的声明加起来，得到的数明显大于人群实测的变化。

本文要说的就是这个差。它有三条来路，它有一个可测的量纲，它在不同癌种之间差别巨大，而它至今不属于任何人。

这个分裂需要解释，而通行的解释有三类，各自有力，且三者不能同时为真。第一类说生物学：被打下去的癌种要么有单一驱动，要么有可摘除的外因，要么有可切除的癌前阶段。第二类说时机：癌症的可干预性随时间急剧衰减，被打下去的是恰好能在早期截住的那些。第三类说激励：研究方向由谁能从终端收益里分钱决定。本文不在三者之间判谁对，而是去找它们共同站着、却从未说出口的那一条。

二 · 三门与医学无关的学问，各自最硬的那一条

下面三门都不研究癌症。取它们，是因为每一门都对同一件事——一堆各自成立的部分为什么合不成一个成立的整体——有一条排他的、不肯让步的答案，而三条答案互相不容。

其一：计量学中的基准器与量值溯源

它的主张是：一个量值成不成立，唯一取决于它能否被溯源到基准。不是精度多高，不是仪器多贵，不是重复了多少次。一个测得再准而断了溯源链的数，不是一个数，是一个印象。

这一门在意的是三件事。一个量值是不是一个可以独立成立、可以被单独引用的东西；基准本身稳不稳，会不会随时间漂移；这个量值能不能一级一级地溯源上去，直到某个被公认的基准。它的日常工作是校准、比对、发证书，而证书的核心内容只有一句：这个量值与基准之间的关系是什么，以及这个关系的不确定度有多大。

它的成败当场可判：校准通过或者不通过。失败的定义是量值不可溯源。

它自己知道、却从不往这个方向用的一件事：把若干个分量的不确定度合成为总的不确定度时，标准做法是取各分量的平方和再开方——而这个做法只在各分量互不相关时成立。各分量相关时必须加上协方差项，否则合成值偏小。实务中协方差项常被略去，理由是它测不到。这一门用这件事来讨论不确定度评定的规范性，从来没有人拿它来讨论"部分加起来等于整体"这个假定本身。

其二：评书中的书路与扣子

它的主张是：一场书成不成，唯一取决于扣子——即在什么地方把话停住、把人拖住。不是故事好不好，不是嗓子亮不亮，不是词儿多不多。书说到什么地方停，停的那一下有没有把人拖住，这一件事决定其余全部。

这一门在意的是三件事。书路怎么走——从哪儿起、经过什么、往哪儿收，这条线一乱，后面全乱。快慢缓急——同一段书，说快了没味道，说慢了人走神，节奏是可以被单独训练的东西。扣子的黏性——扣子的作用不是制造悬念这么简单，它是把听众从这一回拖到下一回的那个东西，拖不住就断。

它的成败没有外部裁决：没有一个机构能判定一场书说成了还是说塌了。它只有一个内部读数，就是人还在不在。失败的定义是书说塌了。

它自己知道、却从不往这个方向用的一件事：扣子的效力不能累加。连着两个同类的扣子，第二个几乎不起作用；一个用过的扣子，同一批听众面前再用一次就是废的。老先生对这件事的处理是把扣子分类、错开使用，而不是多用。这一门用它来教徒弟安排书路，从来没有人拿它来说明"效力可以相加"这个假定在什么条件下失效。

其三：再保险与巨灾风险分层

它的主张是：一个风险有没有人接，唯一取决于它能不能被分层并给出触发点。不是风险大小，不是发生概率，不是它有多重要。切得出层、定得出起赔点，就有人接；切不出，再重要也没人接。

这一门在意的是三件事。连接——风险如何从投保人传到原保险人，再传到再保险人，再传到资本市场，每一跳都要有一份能执行的合同。次序——分层与触发点的先后：哪一层先被击穿，哪一层在什么金额上起赔，哪一层在什么金额上耗尽。结构——整个分保架子的形状，以及它在极端事件下是否还成立。

它的成败当场可判：赔付触发或者不触发，准备金足额或者不足额。失败的定义是赔穿。

它自己知道、却从不往这个方向用的一件事：一份分层安排的名义限额之和，从来不等于实际可用的容量。原因有三个，都是标准条款：恢复限额规定一层被用掉之后能不能恢复、恢复几次、恢复要另付多少钱；共保比例规定接住方只承担该层的一个百分比，剩下的仍留在让与方身上；逐次事件限额规定同一年内多次事件的累计上限。这一门每天都在算这件事，算出来的东西叫可用容量，而它与限额之和永远不是同一个数。这一门用它来定价和买再保，从来没有人拿它来说明"分段承接的总量等于各段之和"是一个可以被推翻的一般命题。

三条主张为什么不能同时为真

三对冲突不能靠判谁对来化解，三家不在同一个语域里作答。唯一的出路是找出它们共同站着的那块地。

三 · 三家共同站着的那块地

把三家的争论压成同一个句式：三家争的是，一件由若干部分构成的事情，凭什么算作成立——凭溯源、凭人还在不在、凭切得出层。

三家的答案互不相容。而在给答案之前，三家已经共同把一件事当作不必讨论的前提：

分段承接的总量，等于各段之和。

把这句话念给三家听，三家都会觉得这还用说吗。计量学有现成的合成公式，各分量的不确定度按规则合起来就是总的不确定度；再保险分层的全部意义就在于各层加起来覆盖整体，第一层加第二层加第三层等于总保障；评书的老规矩是一回一个扣子，扣子一个接一个把人一路带到底，回数越多带得越远。三家争的是每一段该怎么算才算数，从来没有争过"各段加起来是不是就是整体"。

这条假定在医学里的样子更清楚。一个癌种的对付办法被切成若干段：一级预防（去掉危险因素）、二级预防（筛查与癌前处理）、局部治疗（手术与放疗）、系统治疗（化疗、靶向、免疫）、支持与姑息。每一段各自做试验、各自出证据、各自进指南。而"这些段加起来能把人群死亡率压下去多少"这个问题，被默认为一道加法题——各段的效果既然都测过了，加起来自然就是总数。

如果这条假定为真，三家的争论就是完整的：解释一个大工程为什么合不成一个整体，只需要在溯源、黏性、分层三者之间找。如果它为假——如果各段之和与整体之间存在一个有独立来源、有独立量纲、有独立变异的差——那么三家的争论就漏掉了一整个量，而且是漏掉之后仍然读得通顺的那种漏。

四 · 两条来自三家自己的材料

推翻这条假定的材料不必从外面找。它在三家手里，都是核心的日常工艺，只是从来没有被拿来说明这件事。

材料一：限额之和与可用容量

再保险每天都在做一件事：一份分层安排签下来之后，算出它在极端情形下到底能赔多少。这个数叫可用容量，它与各层名义限额之和永远不是同一个数，而且几乎总是更小。

原因是三条标准条款。第一是恢复限额：一层被一次事件用掉之后，并不自动恢复；恢复要另付保费，而且通常限次。同一年内第二次事件来临时，那一层可能已经空了，而合同仍然在有效期内、仍然挂在册上。第二是共保比例：接住方通常只承担该层的一个百分比，剩下的部分仍留在让与方身上；账面上这一层"有人接"，实际上只接了一部分。第三是逐次事件限额与年度累计限额：多次中等事件的累计消耗，可能在任何一次单独事件都未击穿的情况下把整个架子掏空。

把这三条从它们的用途里取出来，看它们本身说了什么，说的是另一件事：

一个由若干段拼起来的承接安排，它的总承接量不能通过把各段相加得到；相加得到的是一个名义数，而名义数与实际数之间的差，有稳定的来源、有可算的方向，并且不属于任何一段。

这就把三家共同站着的那块地掀了。掀它的不是第四家的立场，是再保险自己每天在算的东西。

材料二：被略去的协方差项

计量学有一条更硬的材料，方向相同而更普遍。

把若干个不确定度分量合成为总的不确定度，标准做法是各分量的平方和再开方。这个做法有一个前提：各分量互不相关。当分量之间存在相关时，正确的合成必须加上协方差项；相关为正时，略去它会使合成值偏小，也就是把整体说得比它实际更可靠。

而实务中协方差项常常被略去。理由不是有人偷懒，是它测不到——要估计两个分量之间的协方差，需要一组同时改变两者的实验，而各个分量通常是由不同实验室、在不同时间、按各自的规程独立评定的。每一个实验室都只对自己那一项负责，没有任何一方有义务、也没有任何一方有条件去测两项之间的关系。

把这条取出来，说的是：当各段由不同主体独立评定时，段与段之间的关系在结构上不可能被任何一段测到，因而必然被当作零处理；而当真实的关系不是零时，加总的结果必然失真，且失真方向固定。

两条材料合起来，指向同一个被三家漏掉的东西：各段之和与整体之间的那个差，不是误差，不是噪声，不是尚未测准的东西。它有来源，有方向，有主体缺位的结构性原因。

五 · 合虚：一个没有主体的量

把上一节的东西取出来，命名。

各段各自声明的承接量之和，与对整体独立实测所得之间虚出来的那一部分，本文称为合虚。

先把它与三样很像的东西分开，否则后面每一句都会滑回旧概念。

它不是误差。误差是围绕真值的散布，方向随机，样本增大时收敛。合虚的方向是固定的：各段之和几乎总是大于整体实测，而且这个方向可以从三条来源里事先推出来（第七节）。样本增大不会让它收敛，反而会让每一段各自的声明更精确、从而让合虚更清楚。

它不是模型残差。残差是一个模型解释不了的剩下部分，它随模型设定改变而改变，换一个模型它就变了。合虚不依赖任何模型：它只需要两样东西——各段各自公开发表的效果声明，以及同期人群的实测变化。两者都是既有的、公开的、可核对的记录。

它也不是真实世界与试验之间的落差。那个落差说的是每一段各自在真实人群里打了折扣，与依从性、年龄、合并症有关；它预测的是每一段的效果都变小，各段之间的关系不变。合虚说的是段与段之间的关系——即使每一段在真实世界里完全实现它在试验里声明的效果，加起来仍然虚。这两者可以同时存在，且第十八节给出了把它们分开的办法。

三门的例子并排放着，形状是同一个。

最后一行是本文的对象。前三行是它的形状来源。第三行值得多说一句：三门之中只有再保险给这个差起了名字并且逐份计算，而它之所以做，是因为有人会因为算错而破产。计量学做了一半——国际比对制度化地测整体，但比对结果与各实验室自评之间的不一致通常被记为该实验室的问题，而不是被记为一个独立的量。评书没有做，因为它没有外部读数可用。

由此得到本文的读数，它既不是比率，也不是次数，也不是名次，而是一个带量纲的差值：

把一个领域各项已确立干预在各自注册试验中声明的效果，按该干预在人群中的实际覆盖率加权求和，得到名义降幅；再取同期该癌种在人群登记体系中的年龄标化死亡率实测降幅；两者相减，差即为该领域的合虚量，单位与死亡率相同，即每十万人年。

之所以必须用差值而不能用比率，有一个具体理由：比率会在实测降幅接近零时爆掉，而本文最要紧的对象恰恰是那些实测降幅接近零的癌种（胰腺癌、胶质母细胞瘤）。差值在这些地方仍然是良定义的，而且它的量纲直接就是人命的量纲——每十万人年多少人，可以直接与该癌种的发病率并排读。比率会把这个信息抹掉。

六 · 它是一样东西，不是一个说法

一个新提出来的量最常见的下场是被读成某个既有说法的改名。本文给出四条论证，四条互相独立，任意一条被推翻其余仍然成立。这一节不使用"删掉这个读数它还在不在"这一类反问，因为那种反问对任何一个新造的词都成立。

论证一：它有事先可推的方向

三条来源（第七节）各自都能在数据出来之前推出合虚的符号为正，且能推出它随什么变大。重复计入随分段数增加而增大；未分保的自留随每段的部分承接比例减小而增大；上一段改变下一段对象这一条随分段之间的时间间隔缩短而增大。这三条给出的都是方向，不是拟合。一个只是既有说法改名的东西给不出这种事先方向。

论证二：它有独立的变异，且这个变异与投入量正交

同一登记体系、同一时期、同一量级投入之下，不同癌种的合虚量差别可以达到一个数量级。慢性髓性白血病的合虚量接近零——它几乎只有一段（一个药物类别解释了绝大部分变化），无从虚起。宫颈癌的合虚量很小——筛查项目声明的降幅与人群实测降幅在数量级上对得上。而乳腺癌与前列腺癌的合虚量很大，大到需要多个独立模型来分解才勉强收敛。

关键在于：合虚量与投入量的方向不一致。投入越大、分段越细、阳性试验越多的癌种，合虚量越大。这与效率类指标正好相反——效率随投入增大而下降是常识，而合虚是随分段数增大而上升，两者的自变量不是同一个。这一条是本文最重要的正交性论证：一个领域可以在每一项效率指标上都很好看，而合虚量极大。

论证三：三处都有主体缺位的结构性原因，而不是偶然没人做

计量学那一侧：协方差项测不到，因为各分量由不同实验室独立评定，没有任何一方有条件测两项之间的关系。再保险那一侧：可用容量之所以有人算，是因为算错的人自己赔钱；换言之，只有当差值的后果落在某一个具体主体身上时，才会有人给它设一栏。评书那一侧：没有外部读数，因而连算的对象都不存在。

癌症这一侧三条全占：各段由不同团队独立评定，段间关系无人有条件测；差值的后果不落在任何一段身上（每一段都可以宣称自己那部分是真的，而且确实是真的）；人群死亡率虽有外部读数，但读它的机构不负责解释它。

这一条说明合虚不是一个还没有被算出来的量，是一个在现行分工下不可能被任何一方算出来的量。这与"尚未被算出来的效率"有本质区别：效率的分子分母都在同一个主体手里。

论证四：它在一个领域里已经被制度化地计算，因而它可被算

再保险的可用容量与限额之和的差，逐份合同都要算，有专名，有标准算法，有监管要求。计量学的国际比对制度，其全部意义就是对整体做独立实测并与各实验室自评对照。这两处说明本文说的这个量不是一个哲学范畴，它在有人为它负责的地方是可算、可报、可审计的。

把四条合起来：合虚有事先可推的方向，有与投入正交的独立变异，有主体缺位的结构性原因，并且在两个领域里已经被算了几十年。它符合一样东西该有的条件，只是在医学里没有人给它设过一栏。

七 · 合虚的三条来源

三条来源恰好各自对应一门参照学问，而且三条互不包含：任一条被证明不存在，另两条仍然成立。

来源一：重复计入

同一个人的同一次获益，在多段的账上各算一次。

一个乳腺癌患者因筛查被早期发现，接受了手术，又接受了辅助内分泌治疗，最后没有死于乳腺癌。筛查试验把她算作筛查的功劳，辅助治疗试验把她算作治疗的功劳，两者都没有算错——在各自的对照设计里，两个声明都是对的。而在人群这一侧，她只有一条命。

这一条对应计量学的协方差项：各分量之间存在正相关而被当作零处理，合成值必然偏小地估计不确定度、偏大地估计确定性。分段数越多，重复计入的机会越多，两两之间的协方差项越多，被略去的部分越大。

这一条有一个可直接检验的推论：在只有一段的癌种上，合虚量应当接近零。慢性髓性白血病与睾丸癌都符合这个推论。

来源二：未承接的自留

每一段只接住它那一段的一个比例，剩下的比例留在原处，而没有任何一方为剩下的部分记账。

一项筛查把某癌种的死亡风险降低三成，这句话的完整意思是：在被筛到、且依从、且落在可检出窗口内的那一部分人身上降低三成。没有被筛到的、拒绝的、在两次筛查之间发病的，仍然留在原处。指南记录的是那个三成，人群死亡率承受的是全体。间期癌就是这个自留部分的名字，而它在筛查效果的声明里通常不出现在同一个数里。

这一条对应再保险的共保比例与恢复限额：一层"有人接"和"这一层被完全接住"是两件事，中间那个比例是合同里明写的，而在医学的效果声明里它通常被写在纳排标准和亚组分析里，不进主结果。

可检验的推论：一个领域的合虚量应当随其干预的实际覆盖率下降而上升，且这一部分可以用覆盖率数据部分地扣除掉——本文的读数正是要求按覆盖率加权，就是为了先扣掉这一部分。扣不干净的残留仍属于合虚，但来源二是三条里唯一可以被部分修正的。

来源三：上一段改变了下一段的对象

上一段把好接的接走之后，下一段面对的人群已经不是原来那个人群，而下一段的效果声明是在原来那个人群上测的。

筛查把生长缓慢、预后好的那部分肿瘤挑出来提前处理，剩给系统治疗的是生长快、预后差的那一部分。系统治疗的试验在这个被改造过的人群里做，测出来的效果是真的；但把它与筛查的效果相加时，隐含的假定是两者作用在同一个人群上。这个假定在分段承接的结构里几乎从不成立。

这一条对应评书的扣子不可累加：前一个扣子把能拖住的人拖住了，第二个同类扣子面对的是已经被筛过一遍的听众，效力必然低于它单独使用时。老先生的处理办法是把扣子分类错开，而不是多用——这正是"上一段改变下一段对象"这件事在那一门里的实践形态。

可检验的推论：分段之间时间间隔越短、上一段的选择性越强，来源三的贡献越大。前列腺癌是这一条最极端的例子：筛查的选择性极强，而后续治疗紧接着发生。

三条的合计与不可互相替代

三条来源分别对应重复、遗漏、与人群改变，方向都是使各段之和大于整体，因而它们同号相加而不是互相抵消。这是合虚方向固定的原因。

三条不可互相替代：一个只有一段的领域没有来源一与来源三，但仍可能有来源二（覆盖率低）；一个覆盖率百分之百的领域没有来源二，但只要分段就有来源一与来源三。第十八节的失败判定条件按三条分别设计。

八 · 一句可以拿去查的问话

本文的判据只有一句，它不问任何人的判断，只问文书是否存在：

这个领域有没有一份文件，把各项干预各自声明的效果加起来，与同期人群实测的死亡率变化对过账？

这句话可以直接拿去问指南的方法学章节、问登记体系的年度报告、问国家癌症计划的评估文件。它问的不是这份文件写得好不好，是它存不存在。

把它在几个具体对象上跑一遍，答案互不相同，其中至少两条不是从本文的主张推出来的，是查出来的。

第二行与第三行是查出来的。第二行来自癌症之外，它把本文的机制在一个完全不同的疾病上演示了一遍，而且是本文最强的一处外部证据：把各段加起来超过整体，这件事已经在公开文献里发生过，只是没有人把它当作一样东西来命名。第三行则给出一个可贵的反例方向——对账一旦做出来，政策会动。

九 · 一张表与要打的那一格

一句问话只给一根轴。要把它变成一件能分辨东西的工具，需要第二根轴。

第一根轴：这个领域的各段是不是各自都有阳性证据。第二根轴：这个领域的整体有没有被独立测过，并且被拿来与各段之和对照。

要打的是第二格。

第二格不是一眼就能看出的坏。它的每一段都做得好：随机、对照、多中心、事先登记的统计分析计划、独立数据监查委员会、系统评价与荟萃分析、按证据等级写入指南。任何一个形式审查环节都不会拦下它，任何一份同行评议意见都挑不出它的毛病，因为审的是段，而问题不在任何一段里。

如果本文要打的那一格是一眼可见的坏——某一段没做试验、某一段数据造假、某一段没进指南——那说明第二根轴选错了：那样的格子不需要任何框架就能看见，纠正它也不需要任何新概念。第二格不是这样：它的形式指标全面优于第三格，甚至优于第一格（第一格里那些做了对账的领域，往往正是因为出过争议才被迫去做）。

十 · 第二格的三条性质

要说明第二格是一种病相而不是一种选择，需要三条性质。三条都从本文的三个来源里重新推出，不搬用现成模板。

性质一：它是分段本身的产物，没有任何一段有条件发现它

这一条从计量学推出。一份干净的随机对照试验，其干净恰恰在于它把段外的一切控制掉了——随机化的作用就是切断本段与其他段的关联。段做得越严谨，段与段之间的重叠越不可能在这一段内部被观察到。

于是出现一个方向：不是某一段偷懒造成了合虚，是每一段都尽了本分才造成了合虚。没有任何一段有义务去测它与别段的关系，也没有任何一段有条件去测——测它需要一个同时改变两段的设计，而那样的设计在任何一段的伦理与经费框架里都不成立。

这一条使合虚与"某一段做得不好"彻底分开。它也解释了为什么荟萃分析补不了这个洞：荟萃分析是把同一段内的多个试验合起来，它把段内的精度提高了，段间的关系仍然没有被碰。

性质二：产生数的人与该对账的人之间没有通路

这一条从再保险推出。再保险之所以会计算容量与限额之差，是因为存在一个主体：签这份合同的人自己承担算错的后果。医学里没有这个主体。

每一段有段的负责人——试验的主要研究者、指南的编写组、审批的评审部门、支付方的目录管理。而"各段之和"没有负责人。人群死亡率有统计者（癌症登记体系），但登记体系的法定职责是准确统计，不是解释这个数与文献里那一堆声明为什么对不上；登记体系甚至没有汇总那些声明的渠道。

通路缺失是结构性的：产生声明的人在临床研究体系里，读整体数的人在公共卫生统计体系里，两个体系的经费来源、评价方式、发表出口都不同，中间没有任何一个环节以对账为职责。

性质三：对账的收益是公共的，成本落在每一段身上

这一条同时从再保险与评书推出。一旦对账做出来，各段的效果声明就必须被重新分摊，而分摊之后没有一段还能保住原来的数字——每一段的份额都会变小，因为重复计入的那部分要被扣掉。

这不是阴谋，是激励结构。做这次对账的人得到的是一个公共品（这个领域从此知道自己实际走到了哪里），付出的是每一段的账面缩水；而每一段的经费、职位、指南地位都挂在那个账面数字上。所以对账通常只在两种情形下发生：出了争议被迫做（前列腺癌），或者有一个不属于任何一段的第三方有动机去做（保险与支付方在别的领域扮演过这个角色）。

这一条解释了第八节那张表里的分布：做过对账的癌种，几乎都是曾经出过公开争议的癌种。

三条合起来：第二格由每一段的严谨、体系之间的分工、以及一个真实的激励结构共同维持。它不需要任何人做错事就能长期存在，而它长期存在的后果是：一个领域可以在每一段上都取得真实进展，而人群这一侧几乎不动，并且没有任何一方能够指出这中间发生了什么。

十一 · 五十年的账，按这条线重读一遍

读法只有一条：这个癌种的各段声明加起来是多少，人群实测是多少，两者的差有多大，以及这个差有没有被任何人处理过。

慢性髓性白血病：合虚接近零，因为它几乎只有一段

一个药物类别的出现解释了这个病绝大部分的变化。没有需要与之相加的第二段：一级预防无从谈起（病因不明且不可去除），筛查不成立（发病率太低），局部治疗不适用。加法退化为恒等式，合虚无从产生。

这个案例对本文的价值不在于它成功，而在于它说明合虚不是一个描述失败的词。一个领域可以因为段少而合虚小，而不是因为做得更好。这一点在第十七节会写进不适用的边界。

宫颈癌：多段，而合虚仍然小

宫颈癌有完整的三段：疫苗（一级）、细胞学与病毒学筛查（二级）、局部处理与治疗。三段各自都有阳性证据，而人群死亡率的实测降幅与筛查项目声明的降幅在数量级上对得上。

按第七节的三条来源看，宫颈癌在每一条上都不利于合虚生成：来源一（重复计入）被压低，因为三段作用在明显不同的时点上，同一个人很少同时被两段计入；来源二（未承接的自留）被压低，因为筛查覆盖率在推行地区很高，且癌前处理是一次性完成的；来源三（上一段改变下一段对象）被压低，因为筛查处理掉的是癌前病变而不是癌，剩给治疗段的人群没有被强烈选择。

这个案例是本文最重要的正面例证：合虚小不是段少的必然结果，多段而合虚小是可能的，条件是三条来源都被结构性地压低。

乳腺癌：多段、每段阳性、合虚大到必须用模型才勉强收敛

乳腺癌是第一格里最典型的一个：它做过对账，而对账本身成了一个持续二十年的公开争论。多个相互独立的模型对同一份人群数据做分解，回答筛查与治疗各自贡献多少，给出的份额区间相当宽。

按本文的读法，区间之所以宽，正是因为三条来源在乳腺癌上全部很强：筛查与辅助治疗作用在同一批人身上（来源一），筛查覆盖率与依从性差异很大且间期癌不小（来源二），筛查对肿瘤生长速度有强选择性因而改变了留给系统治疗的人群构成（来源三）。三条同号相加，使得任何一种分解都必须先对段间关系做出假定，而不同假定给出不同份额。

模型分解与本文的关系在第十五节单独处理，因为它是本文最近的一位方法学邻居。

前列腺癌：对账做过，且对账改变了政策

上世纪九十年代前列腺特异抗原筛查普及之后，检出率大幅上升，分期分布明显前移，各段的效果声明都很好看，而人群死亡率的变化远小于按各段声明所应预期的幅度。这个对不上被反复指出，最终导致筛查建议被下调，其后又被调整为在特定年龄段做共同决策。

这是全部案例里最清楚的一次合虚被看见并被处理。它同时给出一条本文必须承认的限制：合虚被处理的方式不是把它算清楚，而是把某一段整个撤掉或降级。也就是说，现有制度没有分摊机制，只有开关。

结直肠癌：份额分解与实测大体同量级

结直肠癌有把死亡率下降拆给筛查、危险因素变化与治疗的工作，且各段份额之和与实测处在同一量级。按本文的读法，这与其内镜段的特殊结构有关：发现与干预在同一次操作里完成，两个动作不分属两个主体，因而来源一被压掉了一大块。

这个案例提示：把两段合并成一段执行，是压低合虚的一种办法，而且是唯一一种不需要新增对账机构的办法。第十三节会说明为什么本文不能把它写成一条普遍建议。

胰腺癌与胶质母细胞瘤：第二格的典型

这两个癌种符合第二格的全部特征。各段都有阳性证据：辅助与新辅助方案有阳性试验，若干分子亚组有获批药物，支持治疗有明确改善，外科技术与围手术期管理都有真实进步。而人群年龄标化死亡率几乎不动。

同时，没有任何一份文件把这些声明加起来与人群实测对照。没有人做，不是因为难——数据两侧都是公开的——而是第十节三条性质所说的那个结构。

这里必须说一句公道话：这两个领域的研究者对结果不满意，抱怨的方式通常是缺乏有效药物、缺乏早期检测手段。本文与这种抱怨的差别在于：抱怨假定各段的效果是真的、只是太小；本文说的是各段的效果确实是真的，而且不算小，只是加不起来，而没有人在算这笔账。这两种诊断给出的下一步完全不同。

胃癌与肺癌：合虚的另一侧

胃癌在美国整个二十世纪的死亡率下滑，主要归因于冷藏普及、腌渍减少与感染率下降，而这些都不在肿瘤学的账本上。按本文的读数，胃癌的名义降幅（肿瘤学各段声明之和）很小，实测降幅很大，两者之差是负的。

负的合虚说明什么？说明这个领域的实际承接量大于它自己账面上的段之和——有一段承接发生在账本之外。肺癌同理：控烟这一段在很长时间里不被算作肿瘤学的一段，而它承接的量比肿瘤学账本上全部段之和还大。

负合虚是本文读数的一个自然产物，而且它比正合虚更有指示性：它指出的是账本的边界画错了地方。第十四节把它列为一条可以在别的领域直接去查的预测。

十二 · 三条驱动，和它们的轮次

前面几节说的是这个量是什么。这一节说的是它怎么动。

先给三样东西各起一个不带学科色彩的名字。

三门参照学问各自主张只有其中一样是发起者。本文的看法是三者构成一个循环，每一轮总有一个先动，而每转一圈都会留下一笔不自动归零的合虚。

第一条：讲法与分层不容时，量被改写

前列腺癌是走完整圈的一例。

上世纪九十年代的讲法是一条线推下去：抽血、活检、确诊、根治。而分层把这条线切成两段并交给两个主体：筛查方接住"发现"，治疗方接住"治疗"，两方各自结算。讲法是连续的，分层是切开的，两者不容——筛查方声明的是检出率与分期前移，治疗方声明的是术后生存，两个声明各自成立，加起来远大于人群死亡率的实际变化。

冲突的结果不是讲法让步，也不是分层让步，而是量被改写：这个领域承认的效果声明从"检出率与分期生存"改写为"经过度诊断校正的全因与特异死亡"，以及后来的"净收益"。

回写：新的量倒过来改了讲法（出现主动监测，即确诊之后不立刻处理）与分层（筛查建议等级被重排，年龄段被切细）。回写完成之后，下一轮由讲法先动——主动监测方案的迭代是从讲法一侧发起的，不是从量一侧。

第二条：量与分层不容时，讲法被改变

乳腺癌是走完整圈的一例。

已经确立的量是各段各自的相对风险下降，这是这个领域承认的效果声明形式。而分层把筛查项目与肿瘤内科分成两个独立承接的主体，各自结算。两者不容：以相对风险下降为形式的量，无法在两个独立主体之间分摊——两段各自声明的降幅加起来超过人群实测的降幅，而没有任何一种记账方式能同时保住两个数字。

冲突的结果是讲法被改变：出现了一种新的推进方式，即由多个相互独立的模型对同一份人群数据做分解，取一致区间作为各段的份额。这在此之前不是这个领域的常规动作。

回写：新的讲法倒过来改了量（份额本身成为一个可报告的量，此前它不是）与分层（筛查起始年龄与间期建议随份额估计的变化而调整）。回写完成之后，下一轮由分层先动——年龄组建议的调整是从分层一侧发起的。

第三条：量与讲法不容时，分层被改变

结直肠癌是走完整圈的一例。

已经确立的量是腺瘤检出，这是按"发现"记的。而实际的讲法把发现与摘除压成同一个动作：一次内镜同时完成诊断与干预。两者不容——按"发现"记的量无法把这一次操作拆成可分别结算的两段，而不拆开就没有办法评价其中任何一方。

冲突的结果是分层被改变：腺瘤检出率成为一个新的承接单位，把"发现加摘除"整层交给同一个操作者，并对这个人单独考核。这是一次分层边界的重划，而不是量或讲法的调整。

回写：新的分层倒过来改了量（间期癌风险与腺瘤检出率之间的对应关系被建立，间期癌从此成为一个可结算的量）与讲法（退镜时间、清肠质量进入流程）。回写完成之后，下一轮由量先动——间期癌成为新的结算量，进而重新定义什么算一次合格的内镜。

循环、每圈的损耗，以及卡住是什么样子

三条接起来：量被改写之后由讲法先动，讲法被改变之后由分层先动，分层被改变之后由量先动。三条不是三支互不相干的箭头，是一个循环里的三段。

本文要补的是这个循环上的一件事：每转一圈，合虚不会自动归零。前列腺癌那一圈之后，量被改写了，但被改写的方式是把某一段整个降级，而不是把重复计入的部分分摊回去；乳腺癌那一圈之后，讲法被改变了，出现了分解模型，但模型给出的是区间而不是分摊规则；结直肠癌那一圈之后，分层被改变了，把两段合并成一段，这是三例里唯一真正压掉了合虚的一次，而它是操作上的巧合，不是制度设计的产物。

由此得到一条可以事前写下、事后核对的预测形状：一个领域若在某一年发生了量的改写，则此后三到七年内应当观察到讲法的改变，再此后五到十年内应当观察到分层的改变，而下一轮的发起处应当换到讲法一侧。若三者同时改变，或者顺序颠倒，本文关于循环的这一段为伪。

卡住的样子是这样的：胰腺癌五十年没有走完任何一条。讲法与分层确有冲突（早期检测与晚期治疗争经费），但冲突的结果不是量被改写，是早期检测被压缩；量与分层也有冲突（总生存需要长随访而各段各自结算），但冲突的结果不是讲法被改变，是终点被换成同样按段结算的替代指标；量与讲法的冲突从未大到迫使分层改变。三次冲突，三次都由最弱的一侧让步，循环从未闭合，而每一次让步都把合虚又垫高一层——因为让步的方式总是新增一段，而不是合并或分摊。

这就是本文对开头那个问题的完整回答：被打下去的癌种，是合虚被压低到可以忽略的癌种——或因为段本来就少（慢性髓性白血病），或因为三条来源被结构性压低（宫颈癌），或因为两段被合并执行（结直肠癌）。没有被打下去的癌种，不是每一段做得不好，是每一段都做得很好而加不起来，并且没有任何一方在算这笔账。

十三 · 三处收窄

三个来源不只支持本文，也各自削掉了本文原本打算主张的一部分。三处都写在正文里。

收窄一：合虚不是越小越好

本文原本会写下这样一句更强的话：一个领域应当把合虚压到最低。

再保险不允许。分层安排的可用容量之所以小于限额之和，很大一部分来自恢复限额与共保比例，而这两样东西不是缺陷，是有意的设计——它们防止一个承接方在一次事件里被掏空，也防止让与方完全脱手而不再有动机控制风险。把合虚压到零的办法是取消分层，而取消分层的后果是没有人接。

落到本文：多段结构本身有独立价值（并行探索、风险分散、专业化），合虚是这个价值的代价而不是它的反面。本文能主张的只有一句更弱的话：合虚应当被算出来并被公开，而不是应当被最小化。这一处收窄动的是本文的价值排序，而不只是补充条件。

收窄二：本文不能建议把段合并

第二句更强的话是：既然合并执行能压掉合虚（结直肠癌那一例），那就应当尽量合并。

评书不允许，而且理由与直觉相反。评书的经验是把扣子分类错开而不是集中使用——因为集中之后，一旦这一处不灵，后面没有第二处可以接。合并执行把风险集中在同一个操作者身上：结直肠癌的腺瘤检出率之所以要单独考核，正是因为合并之后一个人的失手会同时吃掉两段。

落到本文：合并是压低合虚的有效办法，同时是把段间风险转成段内风险的办法，两者不可分割。本文因此不能把合并写成普遍建议，只能说它在某些操作结构下可行，而可行的条件本文给不出。

收窄三：按覆盖率加权只能扣掉三分之一

第三句更强的话是：只要按实际覆盖率给各段的声明打折，合虚就可以被算准。

计量学不允许。覆盖率加权处理的是来源二（未承接的自留），它是三条里唯一可以用现成数据部分修正的一条。来源一（重复计入）需要的是段间协方差，而协方差在现行分工下不可能被任何一段测到；来源三（上一段改变下一段对象）需要的是各段试验人群与真实人群构成的对照，这在多数试验里没有报告足够的信息。

落到本文：本文给出的读数是一个下界而不是一个精确值。按覆盖率加权求和之后减去实测所得的那个差，只包含来源二被扣掉之后的剩余部分，其中来源一与来源三仍然混在一起且无法分开。这是本文最实质的一处限制，第十八节的失败判定条件按这个限制设计。

十四 · 在别的领域会看到什么

本文的读数如果成立，它在别的领域应当产生具体的分歧点——即在某一件具体的事情上，按现行做法得出的判断与按本读数得出的判断不同。下面列出的每一处都写明这一点。其中标注"数据已存在"的，不需要新的采集；标注"添麻烦"的，是反过来削弱本文的那几处。

一 · 再保险　现行做法：可用容量与限额之和的差逐份合同计算，并已进入监管报告。分歧点：现行做法只在单一分层安排内部算这个差，不在整个巨灾市场层面算——即全市场各再保险人声明的承接能力之和，与一次极端事件后实际赔付能力之间的差，没有人负责计算。本读数要求算它。数据已存在（各公司的偿付能力报告与行业容量统计）。添麻烦：这一行的存在说明本文说的量在有主体时是可算的，因而本文的性质一（结构上不可测）被削弱，只剩性质二（无主体）站得住。

二 · 计量学　现行做法：国际比对制度化地对整体做独立实测，并给出各实验室与参考值之间的等效度。分歧点：等效度的偏离被记为该实验室的问题，本读数把偏离之和当作一个独立的量，指向的是不确定度评定规范本身而不是某个实验室。数据已存在（历次关键比对报告）。添麻烦：这一行说明本文的机制在有制度安排的地方已经被解决，因而癌症的困难不是不可解，只是无人负责——这削弱了本文任何关于"结构上不可能"的表述，本文已在第十三节收窄三里让步。

三 · 药物警戒　现行做法：各项注册试验分别报告不良反应发生率。分歧点：把各试验声明的发生率按暴露人群加权求和，与上市后被动监测系统实测的报告率对照，本读数预测两者之差在多药联用比例高的药类里显著更大。数据已存在（注册试验数据库与被动监测数据库）。

四 · 疫苗学　现行做法：多价疫苗按各成分的血清保护率评价。分歧点：各成分声明的保护率加权求和与该疾病人群发病率的实际下降对照，本读数预测在血清型替代明显的疫苗上出现大的正合虚。数据已存在（多国的发病率监测）。

五 · 心血管疾病　现行做法：把死亡率下降拆给危险因素与治疗的模型已经在多国应用。分歧点：这些模型在部分应用中出现解释份额之和超过实际下降的情形，通常被处理为模型设定问题；本读数把它读作一个应当被报告的量。数据已存在，且这是本文最强的一处外部证据。

六 · 气候政策　现行做法：各国承诺的减排量之和与全球排放路径之间的差已经被制度化地逐年报告。分歧点：本读数与现行做法在此不产生分歧，反而完全一致。添麻烦：这一行说明本文说的对账在存在单一整体读数时是容易被制度化的，因而癌症的困难可能主要来自整体读数被癌种切碎，而不是来自本文强调的段间关系——这是一条竞争性的解释，本文在第十八节把它列为需要排除的对象。

七 · 系统可靠性　现行做法：各部件的可靠度按串并联结构合成为系统可靠度。分歧点：合成公式假定部件失效相互独立；本读数预测在共因失效显著的系统里，声明的系统可靠度与实测运行数据之差与共因程度同向。数据已存在（核电与航空的运行数据库）。

八 · 教育干预　现行做法：各项教育干预分别报告效应量。分歧点：把一个学区所采用的全部干预的效应量按覆盖比例加总，与该学区整体成绩的实际变化对照，本读数预测差为正且随所采用干预的数量增加而增加。数据部分存在。

九 · 投资业绩归因　现行做法：把组合收益分解为配置、选股与交互项，交互项被明确列出并记账。分歧点：这里没有分歧，本读数与现行做法一致；它的价值在于说明"给交互项设一栏"是一个可以做出的制度选择。添麻烦：它同时说明本文提出的东西在金融里早已有对应字段，因而本文的新意不在这个量的存在，而在于指出医学没有给它设字段——本文的主张范围因此更窄。

十 · 交通安全　现行做法：各项措施（安全带、限速、酒驾执法、车辆结构）分别评估其死亡率下降贡献。分歧点：各项声明加总与实际道路死亡率下降对照，本读数预测在措施密集期出现大的正合虚。数据已存在（多国长期道路死亡统计与措施实施时间表）。

十一 · 营养流行病学　现行做法：各营养素与结局的关联分别报告。分歧点：把各项声明的可归因风险加总，本读数预测在同一队列内加总超过全部可归因份额，这一现象在该领域已被指出但被处理为方法学警告，而不是被读作一个可测的量。数据已存在。

十一处里有六处的数据已经存在、不需要新采集，三处反过来给本文添麻烦。三处添麻烦的共同指向是：本文说的这个量在有主体、有单一整体读数的地方，早已被制度化地计算；医学的特殊之处不在于这个量更难算，而在于它同时缺主体、又把整体读数切碎。本文的适用范围因此比初稿设想的更窄，第十七节据此重写。

十五 · 与最近的几种说法的分界

先把本文的主张剥到只剩形式：若干段各自被证明有效，而整体没有相应改善，且各段之和与整体之差有固定方向。再去掉一切与领域有关的名词，剩下的是：部分之和大于整体。

与这个形式正相反的是另一族说法：整体大于部分之和。协同、涌现、系统效应都属于这一族，它们主张把部分放在一起会产生任何单独部分都没有的性质。本文与这一族不是对立观点，而是同一根轴的两端：这一族关心的是相加时多出来的东西，本文关心的是相加时少掉的东西。两者可以在同一个系统里同时存在，而现行的评价体系只给前者留了位置——协同效应有专门的试验设计和统计方法，相减的那一侧没有。这一点本身就是本文要说的事情的一个例证。

下面逐位划界。

一 · 组合谬误与生态谬误

出处：关于个体层面关联不能推及群体层面的经典讨论（罗宾逊，一九五〇）。它说到哪一步：指出从部分的性质推论整体的性质是一种逻辑错误。分离线：那是一条关于推理有效性的规则，不产生任何可测的量；本文说的是一个有量纲、有方向、有三条具体来源的差。判定形式：若观察到某领域各段之和与整体实测之差随分段数、覆盖率、段间选择性系统变化，则本文对而那条规则说不上话；若这个差在各种条件下都无规律，则它只是推理错误的表现，本文错。

二 · 辛普森悖论

出处：辛普森，一九五一。它说到哪一步：同一份数据按不同方式分层与合并，可以得到方向相反的结论。分离线：辛普森悖论处理的是同一份数据的两种算法；本文处理的是两个独立来源的数据——各段各自的试验声明与人群登记实测。判定形式：若把两侧的数据合成同一份数据集之后差就消失，则那是辛普森悖论；若两侧数据本来就来自不同采集体系、无法合并，则是本文说的事。癌症属于后者。

三 · 试验效力与真实效果之间的落差

出处：关于两者差距的系统讨论（艾希勒等，二〇一一）。它说到哪一步：试验人群与真实人群不同，依从性、年龄、合并症使真实效果小于试验效果。分离线：它预测每一段各自打折而段间关系不变；本文预测的是段间关系本身。判定形式：控制依从性与人群构成之后，若差随分段数增加而增大，则本文对；若差只与依从性相关而与分段数无关，则那一族对。这一条是本文最重要的证伪设计，第十八节展开。

四 · 人群归因分数的不可加

出处：关于归因分数之和可以超过百分之百的讨论（罗等，二〇〇四）。它说到哪一步：多个病因各自的人群归因分数相加可以超过百分之百，因为病因之间有共同作用。分离线：那说的是病因的归因，本文说的是干预的承接；两者只在来源一（重复计入）上同构，在来源二与来源三上完全不同。判定形式：若某领域的合虚可以被完全归入病因共同作用，则本文退化为归因分数的一个应用；若在病因单一的癌种上仍观察到大的合虚（例如宫颈癌若出现大合虚），则本文是独立的。这一位是本文最近的一位内容邻居，本文承认在来源一上被它部分覆盖。

五 · 模型分解与贡献份额估计

出处：用多个独立模型对同一份人群数据分解筛查与治疗贡献的工作（贝里等，二〇〇五）。它说到哪一步：给出各段贡献的份额区间。分离线：它自上而下地把整体分回各段，各段份额之和被约束为等于整体，因而合虚在它那里不是一个可以出现的量——它被吸收进模型设定与残差。本文自下而上地把各段声明加起来，允许结果超过整体，因而合虚是一个可以直接读出的数。判定形式：若把同一份数据交给该模型与本读数，两者给出的各段份额一致，则本文被它吸收；若本读数给出的名义之和显著超过一，而模型只报告归一化后的份额，则两者说的不是一件事。这一位是本文最危险的方法学邻居，因为它做的正是这件事，只是把结果归一化了。

六 · 把死亡率下降拆给危险因素与治疗的模型

出处：应用于冠心病的分解模型（乌纳尔、克里奇利与卡普韦尔，二〇〇四）。它说到哪一步：把一段时期内的死亡率下降拆给若干危险因素与若干治疗。分离线：与上一位类似，但它在若干应用中出现了解释份额之和超过实际下降的情形，而这个超出被报告为模型不完善。本文把这个超出本身当作一个有独立来源的量。判定形式：若这个超出随模型设定改变而随机变化，则它确实是模型问题；若它随分段数、覆盖率、段间选择性系统变化，则它是本文说的量。这一条现成可查，是本文风险最高也回报最高的一处。

七 · 系统可靠性不可加

出处：可靠性理论的基础工作（巴洛与普罗尚，一九七五）。它说到哪一步：系统可靠度不是部件可靠度的简单相加或相乘，取决于结构函数与部件间的相关性。分离线：它是一套关于如何正确合成的方法，前提是结构已知；本文说的是结构未知且无人负责测定时会发生什么。判定形式：若某领域的段间结构已知而合虚仍然存在，则本文对；若给出结构之后合虚归零，则本文只是可靠性理论的一个应用。

八 · 过度诊断

出处：关于癌症过度诊断的系统论述（韦尔奇与布莱克，二〇一〇）。它说到哪一步：筛查会发现永远不会造成危害的病变，从而制造虚假的生存改善。分离线：过度诊断是本文来源三的一个特例（上一段以特定方式改变了下一段的对象），而本文的来源三还包括不涉及过度诊断的情形，来源一与来源二则与过度诊断无关。判定形式：若在没有筛查的癌种上仍观察到大的合虚，则本文不被过度诊断覆盖；胰腺癌与胶质母细胞瘤都没有普及筛查，而它们属于第二格。

九 · 分期迁移造成的统计假象

出处：关于更灵敏检查把病例重新分组从而抬高各组生存率的现象（费恩斯坦等，一九八五）。它说到哪一步：分组生存率同时上升而实际生存不变。分离线：本文的读数只挂在人群年龄标化死亡率上，不挂在生存率上，因而分期迁移不能进入本文的读数。判定形式：若某癌种的合虚在改用生存率计算时消失、在改用死亡率计算时出现，说明它来自分期迁移；本文要求全部计算使用死亡率，这一条因而是一条自我保护而非分界。

十 · 业绩归因中的交互项

出处：把组合收益分解为配置、选股与交互三项的框架（布林森等，一九八六）。它说到哪一步：明确设立交互项并要求报告。分离线：这一位与本文说的是同一样东西，只是在另一个领域，而且它已经有字段。本文与它的差别不在概念上，在于本文指出医学没有这一栏，以及为什么没有。判定形式：不适用——本文承认被它在概念层面覆盖，本文的贡献落在机制（三条来源）与缺位原因（三条性质）上，而不是落在"存在交互项"这个观察上。这一处是本文最诚实的一次让位。

十六 · 与本栏各篇的分界

与同题的那一篇

本栏此前有一篇处理的是同一个问题——为什么五十年只有少数几个癌种被打下去——而给出的是另一条线：它说的是力气花在哪一点上，即着力点相对于某道不可返工关口的位置，决定了这笔投入生不生成下一轮的入口。

两篇的关系必须写死，因为它们同题。那一篇处理位置，本篇处理加总；那一篇的读数落在单笔投入上，本篇的读数落在全部投入的合计上。两者可以同时成立，而且不能互相推出：一个领域的着力点可以全部搬到关口之前而合虚仍然很大（宫颈癌若筛查与疫苗两段的覆盖人群高度重叠，就会出现这种情形）；一个领域的合虚可以接近零而着力点全在关口之后（慢性髓性白血病的着力点是已发病人群的长期治疗，合虚却接近零，因为它只有一段）。

判定形式：取一批着力点分布相近而分段数差别大的癌种，若合虚随分段数变化而与着力点分布无关，则本篇独立于那一篇；若合虚完全由着力点分布决定，则本篇被它吸收。第十一节列出的慢性髓性白血病一例已经偏向前者。

两篇合起来的关系是相乘：着力点全在关口之后，使每一段的实际效果都小；合虚大，使这些小效果再被虚掉一部分。两个机制独立发生，叠加时人群这一侧的最终变化不是相加而是相乘地被压小。

与另外几篇

本栏另有一篇处理的是接缝处什么也没有——两段之间留下一段无人负责的空白。本篇与它方向相反：本篇说的问题不是段与段之间空着，是段与段之间重叠。空着造成漏，重叠造成虚，两者都使人群这一侧的结果小于预期，而处置办法完全相反：漏要补一段，虚要合并或分摊。判定形式：若某领域补上一段之后人群结果改善，是那一篇说的事；若补上一段之后声明之和增大而人群结果不动，是本篇说的事。这一条现成可查，且对政策的含义完全相反，不容混淆。

另有一篇处理确认这个动作如何改变计数，落点在诊断口径。本篇与它的分判：本篇的读数两侧都用同一套口径（人群登记的年龄标化死亡率），口径变化对两侧同向影响，因而合虚对口径变化不敏感。判定形式：若合虚随诊断口径变化而变化，则那一篇对而本篇的读数设计有缺陷。

另有一篇处理没有事情发生时谁付对价的问题，另有一篇处理一项措施建立之后谁来维护与退役。本篇与前者的分判：本篇的对象是已经建立并已经产生阳性证据的各段，支付问题在这些段上已经解决；本篇说的是解决之后仍然发生的事。本篇与后者的分判：那一篇处理一段的生命周期，本篇处理若干段之间的关系，两者在同一个领域里可以同时成立而互不干扰。

与同批另两篇

本批同题材另有两篇：一篇处理一个癌在哪里与永远不会杀人的异常增生分开，一篇处理癌症从肿瘤到全身消耗那条路上发生了什么。各给一条对照预测。

对第一篇：若它给出的分辨读数被采用，本篇预测该领域的合虚量在短期内会上升而不是下降——因为新增一个可判定的分辨手段，等于新增一段可以各自结算的承接，而重复计入与人群改变这两条来源随之增加。若观察到分辨读数被采用之后合虚立即下降，本篇这条预测为伪。

对第二篇：若它给出的那条路上出现若干个可干预点，本篇预测这些干预点若被分别开发并分别结算，其各自声明的效果之和与人群实测的差会大于现有各段的合虚——因为全身消耗这条路上的各段在时间上高度接续，段间选择性最强。若这些干预点被开发之后合虚未见增大，本篇这条预测为伪。

十七 · 不适用的边界

其一，只有一段的领域。段数为一时加法退化为恒等式，合虚无从产生，本文的读数在这里不含信息。慢性髓性白血病属于此。用本文去表扬这样的领域是误用。

其二，没有单一整体读数的对象。本文的读数要求存在一个与各段声明可比的整体量（此处是人群年龄标化死亡率）。若整体只能以复合指标表示，或整体本身由各段定义，本文不适用。

其三，整体读数被切碎的程度超出可比范围。癌种之间的分类若在观察期内发生重大改变，两侧的可比性被破坏，本文不适用。

其四，本文的读数是一个下界而不是精确值。它只扣掉了覆盖率这一部分；重复计入与人群改变仍混在剩余里，无法分开。任何把这个数当作精确分摊依据的用法都是误用。

其五，个体层面的任何推论。本文的读数是一个领域的读数，不是一个人的读数。它不能用来判断某一位患者该不该接受某项治疗，也不能用来判断某项治疗值不值得。第二十二节再说一次。

其六，短于十年的观察窗。量的改写到讲法的改变要三到七年，到分层的改变要五到十年；用五年以内的数据判断一个领域有没有走完一圈，会把正在发生的循环读成没有发生。

其七，本文的适用范围比初稿设想更窄。第十四节的三处已经说明：这个量在有单一主体或有单一整体读数的领域早已被制度化计算，本文对那些领域没有增量。本文真正说得上话的，只是那些同时缺主体、又把整体读数按对象切碎的领域。

十八 · 失败判定条件

本文的主张分三层，按层给出判定条件，第一层被推翻不影响后两层。

最强的那个竞争解释

必须先写出来，否则下面的条件是空的。最强的竞争解释是：其实不就是试验人群与真实人群不一样吗——依从性差、年龄更大、合并症更多，所以每一项干预在真实世界里都打了折，加起来自然对不上。这个解释朴素、有力，而且在每一个案例上都说得通。

分离点在于它与本文预测的自变量不同：它预测差只与依从性、人群构成有关，与分段数无关；本文预测差随分段数、段间时间接续程度、上一段的选择性而变化，即使依从性完全相同也如此。

第一层：合虚是一个有独立来源的量

在同一登记体系内，控制各段干预的实际依从率与试验人群相对真实人群的构成偏移之后，若合虚量与分段数、段间时间间隔、上一段的选择性强度之间不存在剂量与反应式的关联，则本文第一层为伪。

样本纪律：不使用跨国比较。取同一国家癌症登记体系内自变量有真实变异的癌种，数量不少于十二个，并在生物学复杂度（驱动基因数量）、是否存在可及癌前病变、是否存在明确外因三项上做分层。已指定的配对至少包括：宫颈癌与卵巢癌（同为女性生殖道，分段数相近而三条来源的强度不同）、结直肠癌与胰腺癌（同为消化道腺癌，分段数差别大）、乳腺癌与前列腺癌（两者都做过对账，可用于校准读数）、慢性髓性白血病与急性髓性白血病（段数一与段数多的极端对照）。

第二层：那张表能分东西

若按两根轴分出的四格，在预测该领域此后十年是否发生量的改写这件事上没有区分力（四格的改写比例无差别），则第二层为伪，那张表只是一个描述性分类。

第三层：一条不依赖前两层的经验主张

这一层最稳，也最便宜：在同一癌种内部，凡是新增一段可以各自结算的干预之后，该癌种各段声明之和的增量应当明显大于同期人群死亡率实测降幅的增量。若在多数癌种上两个增量相当，则本文关于重复计入与人群改变的机制为伪。

这一条所需的数据在公开的注册试验数据库与癌症登记年报里已经存在，不需要新采集，任何有检索能力的人可以在数月内做完。

需要一并排除的第二个竞争解释

第十四节第六行提出了一个竞争性解释：癌症的困难主要来自整体读数被癌种切碎，而不是来自段间关系。排除办法是取一个整体读数未被切碎的对象（例如全部癌症合计的年龄标化死亡率，或心血管疾病总死亡率），检验合虚是否随之消失。若在未切碎的整体上合虚同样存在且同样随分段数变化，则该竞争解释被排除。这一检验现成可做。

证伪之后会学到什么

若第一层被推翻——即在依从性与人群构成配平之后，差与分段数无关——那么各段之和与整体对不上，就确实只是每一段各自打折的累积。此时正确的干预方向是提高每一段的真实世界执行质量，而不是建立任何对账机制。这是一个方向完全相反的建议，因此这条证伪本身有独立价值。

一个本文解释不了的洞

胃癌与肺癌的负合虚。本文能指出账本边界画错了地方，但给不出判断边界该画在哪里的规则：控烟在什么时候起应当被算作肿瘤学的一段，冷藏与食品工业是否应当被算作一段，本文没有答案。而这个问题不解决，负合虚的量就无法计算，只能定性指认。

十九 · 一条写死日期的判定

到二〇三三年十二月三十一日为止：

若在美国的癌症登记体系或同等体系中，胰腺癌各项已获批干预按人群实际覆盖率加权求和所得的名义死亡率降幅，与同期实测的年龄标化死亡率降幅之差，小于同期乳腺癌按同一算法所得之差的一半，则本文为伪——因为本文预测分段更少、对账更缺位的胰腺癌，其合虚在按覆盖率扣除之后仍应处在同一量级而不应显著更小。

什么不算命中，一并写死，四条：其一，仅因人口结构、编码规则或登记口径改变造成的死亡率变化不算；其二，仅有个别分子亚组的改善不算；其三，出现新的对账文件而未按本文规定的算法（覆盖率加权求和减实测）计算的，不算作对账已完成；其四，一切以五年生存率为基础的计算不算，本条只认年龄标化死亡率。

二十 · 本文自己

把本文的读数用在本文自己身上，结果不好看。

本文由若干段构成：三门参照学问各自贡献一条来源，一张表，一个读数，一组判定条件。每一段各自看都站得住，而"这些段加起来是否等于本文声称的那个整体判断"，本文自己没有独立测过——本文没有任何一处是先独立测出整体结论、再回头核对各段是否加得起来的。本文用来诊断别人的那个动作，本文自己没有做。

更具体地说，本文落在第二格：各段都有支撑（每一条来源都有对应领域的硬材料），而整体从未被独立对照过。本文能给出的唯一辩解是：一篇文章的"整体独立实测"是它被采纳之后的实际效果，而这件事在写作时尚不存在。这个辩解本身就是第十节性质二的一个实例——产生声明的人与该对账的人不是同一批人，而本文正在做的是产生声明。

这个定位有一个具体后果：本文不能靠被阅读来改变任何东西。合虚要被算出来，需要一个既能拿到各段声明、又能拿到人群实测、并且不属于任何一段的主体。这样的主体在多数癌症体系里不存在，而一篇文章造不出它来。本文把最多的期待放在第十八节第三层那条检验上，因为它是本文唯一一条不需要新主体、只需要一次检索就能完成的推论。

二十一 · 本次的为难之处

这一节记录写作过程中遇到的、事先没有预料到的困难。写在这里是因为它们改变了本文能说什么。

第一处出现在写第十四节的时候。逐个领域去找分歧点时发现，其中三个领域根本不产生分歧——再保险已经逐份合同计算这个差，计量学已经用国际比对制度化地对整体做独立实测，气候政策已经把承诺之和与整体路径的差做成了年度报告。也就是说，本文提出的这个量在那些地方早已被算了几十年。这迫使第十七节被重写：本文的适用范围从"任何分段承接的系统"收窄到"同时缺乏对账主体、且整体读数被按对象切碎的领域"。写第五节时并没有意识到这个范围会这么窄。

第二处出现在划界的最后一位。业绩归因框架里明确设有交互项并要求报告——那正是本文说的这个量，在另一个领域，而且已经有字段有算法。本文因此不得不承认在概念层面被它覆盖，把贡献退到三条来源与三条缺位原因上。这一步让位是在划界快做完时才不得不做的，此前的稿子里本文把这个量当作一个未被辨识的东西来写，那个写法站不住。

第三处是三门参照学问在正文里的承重并不均匀。事后回看，评书那一门真正出力的地方只有两处：来源三（上一段改变下一段对象）与收窄二（不能建议把段合并）。它在读数的构造上、在判定条件的设计上几乎没有出力，因为它没有外部读数可用。而计量学与再保险两门贯穿全篇。动笔时预期三门大致均衡，实际是二比一。

第四处最实质：写第七节把三条来源分开之后才发现，三条在读数上分不开。按覆盖率加权只能扣掉来源二，来源一与来源三在剩余里混着，而分开它们需要的数据（段间协方差、各段试验人群与真实人群的构成对照）在现有报告规范下不存在。这直接决定了第十八节的证伪只能靠"随分段数与段间选择性变化"这个间接特征，不能直接测任何一条来源。第五节写的时候以为读数会更锋利。

第五处是与同题那一篇的关系比预想的纠缠。慢性髓性白血病这一例，在本篇里是正例（合虚接近零），在那一篇里是着力点落在关口之后的一例。同一个案例在两篇里分别站在正反两侧，这不是矛盾——两篇说的是不同的东西——但它使两篇的分界必须写得比原计划更细，第十六节因此比原计划长。这个交叉在动笔时没有预见。

把五处合起来：本次的净效果是读数比预想的钝、范围比预想的窄，而三条来源与三条缺位原因比预想的结实。

二十二 · 伦理与证据边界

本文讨论的是一个领域的账怎么结，不是任何一个人的治疗决定。有四件事必须写明。

第一，本文的读数在个体层面不可用。说一个领域的合虚很大，不等于说其中任何一项干预是无效的——恰恰相反，本文的全部论证建立在每一项干预各自都是有效的这个前提上。任何把本文读成某项治疗不必做的读法都是误读，本文明确拒绝这种读法。

第二，本文涉及筛查与治疗取舍的推论只在人群与制度层面成立，不构成对任何具体患者的意见。一位患者是否接受筛查、是否接受某项治疗，取决于他自己的处境、意愿与医生的判断。

第三，本文不使用把结局道德化的语言。一个癌种没有被打下去，不是任何人不够努力；一位患者的病情进展，不是他没扛住。全篇避免这类说法。

第四，关于本文这个读数被拿去考核的风险。合虚量是一个可以被拿去评价一个领域甚至某个团队的数，为此写死三条：其一，这个读数指的是一个领域的账本结构，不指任何研究者的能力或品格；其二，不得为了把这个数做小而压低各段的效果声明或推迟发表阳性结果，那样做的后果比不算这个数更坏；其三，若已有机构据此做出不利于某个方向的资源安排，应当公开其算法并提供复核通道。第二条的风险是真实的：一个数一旦进入考核，最省事的达标方式是让分子变小，而分子正是各段各自的效果声明。本文看不到这个出口。

附录一 · 研究方案预先登记

以下内容在正文写作开始之前锁定，未在成文过程中修改。本篇为本轮的基准篇：三门参照学问的配置四条规则全部满足，且其中唯一没有外部终局判据的一门被放在与本题不直接对口的位置上。

研究问题

在同一制度环境与同一时期内，为什么不同癌种的年龄标化死亡率长期变化差异如此之大。

主要假设

一个领域各项干预各自声明的效果之和，与同期人群实测的变化之间存在一个有固定方向、有独立来源、且在现行分工下无人负责计算的差；该差的大小是该领域长期进展速度的决定因素，投入量、生物学复杂度与激励结构均为次要。

主要结局指标

各项已确立干预在各自注册试验中声明的效果，按人群实际覆盖率加权求和，减去同期该癌种在人群登记体系中的年龄标化死亡率实测降幅，单位为每十万人年。不使用五年生存率。

预设的失败判定条件

一，控制依从率与试验人群构成偏移之后，该差与分段数、段间时间间隔、上一段选择性强度之间无剂量与反应式关联。二，四格分类在预测此后十年是否发生效果声明形式的改写上无区分力。三，同一癌种新增一段可各自结算的干预之后，各段声明之和的增量与人群实测降幅的增量相当。任一成立，对应层次不成立。

与最强竞争解释的分离

最强竞争解释为试验效力与真实效果之间的落差。分离方式：该解释预测差只与依从性与人群构成相关而与分段数无关；本研究预测差随分段数与段间选择性变化。已指定四组配对，见正文第十八节。

推翻共同假定的材料，事前登记

预计推翻材料将取自再保险一门。预计取的是分层安排中名义限额之和与实际可用容量不相等这一类事实，具体指向恢复限额条款与共保比例。判断其性质：属于该门的核心日常工艺，不是边角案例或罕见异常——每一份分层合同都要计算，且有监管要求。

预计不会取自计量学，理由是该门的核心工艺是溯源而非合成；也预计不会取自评书，理由是该门没有外部读数，其材料只能提供形式而不能提供硬事实。

按维的数字区间（写作前预测，非评价分）

以下五项为写作前对本篇各方面强度的自我预测区间，仅用于与本轮其余各篇做相对比较，不构成对本篇的评价。

成对相对预测（本轮的主要形式）

以下四条为本篇与本轮其余各篇的相对预测，其判定优先于上表的绝对区间。

一　本篇的跨领域厚度应显著高于本轮那篇三门全硬的同题篇目。理由：那一篇的配置里没有任何一门处理不可计量而确实起作用的对象，本篇的评书一门正是这一类。若本篇此项不高于那一篇，则"三门之中须有一门为软"这条配置规则不成立。

二　本篇的不可还原性应高于那一篇。理由：那一篇的构念容易被读成效率或投入产出比的改名，本篇的构念有一个带量纲的差值，并在两个领域已有制度化的先例可指。若本篇此项不高于那一篇，则上述规则同样受挫。

三　本篇的可证伪性应略低于那一篇，差幅不超过四。理由：那一篇三门全硬，三门都有当场可判的成败，证伪的时间结构最好；本篇有一门无外部终局判据，会拖低一点。若本篇此项高于那一篇，则"全硬抬高可证伪性"这条判断不成立。

四　本篇的对象刻画精确程度应不高于本轮那篇处理"一个癌在哪里与永远不会杀人的异常增生分开"的基准篇。理由：那一道题要的答案本身就是一条辨别读数，刻画精确度是它的正面；本篇要的答案是一组驱动，刻画精确度不是本篇的正面。若本篇此项反而更高，说明题型与产物形状的对应关系需要重估。

附录二 · 成文后逐条核对

对推翻材料事前登记的核对

预测部分命中，部分落空，逐条如下。

命中一　主材料确实取自再保险，见正文第四节材料一。

命中二　确实取的是名义限额之和与实际可用容量不相等这一类事实，具体条款为恢复限额、共保比例、逐次事件限额，与事前登记一致。

命中三　性质判断正确：这确实是该门的核心日常工艺，逐份合同计算，不是边角案例。

落空一　事前登记预计不会取自计量学，实际取到了，见第四节材料二（被略去的协方差项）。而且在正文的实际承重上，这一条比再保险那一条更普遍——它给出了"段间关系在结构上不可能被任一段测到"这个一般理由，第十节性质一直接建立在它上面。事前登记漏掉了这一条。

落空二　事前登记预计评书只能提供形式而不能提供硬事实，这一条基本正确但过于绝对：评书提供的"扣子不可累加"确实是形式，而它在第七节来源三与第十三节收窄二上都承担了实质论证。事前对它的估计偏低。

核对结论：事前登记对"从哪一门取"的预测命中，对"只从一门取"的预测落空。这说明事前登记这个动作本身有用（它把落空的地方标出来了），但登记时应当允许写多门而不是只写一门。

对失败判定条件的核对

一　已写入正文第十八节第一层，含配对与分层变量，与事前登记一致。

二　已写入第十八节第二层，与事前登记一致。

三　已写入第十八节第三层，与事前登记一致，且被指定为成本最低的一条。

另加　成文过程中新增一条事前未登记的检验，见第十八节末段：排除"整体读数被切碎"这一竞争解释。它是写第十四节第六行时才出现的，事前没有预见。

对主要结局指标的核对

事前登记的读数在成文中未被修改，但其性质在第十三节收窄三里被降级为下界而非精确值。这一降级是在写第七节把三条来源分开之后不得不做的，事前登记没有预料到三条来源在读数上分不开。

附录三 · 三门参照学问的归位说明

本附录说明三门各自被放在哪一个角度上，并逐条对照该角度的三项侧重。三个角度依次称为粒子、波、场：粒子看整体性、稳定性、独立性；波看轨迹、速度、粘度；场看连接、次序、结构。本次配位为计量学归粒子、评书归波、再保险与巨灾风险分层归场。本节仅供方法核对，正文未涉及。

计量学（基准器与量值溯源）归粒子

整体性：这一门问的是一个量值是不是一个可以独立成立、可以被单独引用的东西，而不是一堆读数的平均。稳定性：基准的漂移与再校准周期是这一门的常规工作。独立性：可溯源至基准正是"可独立成立"的制度化形式，一份校准证书证明的就是这一件事。三条全中。

评书（书路与扣子）归波

轨迹：书路怎么走——从哪儿起、经过什么、往哪儿收，这是这一门的第一件事。速度：快书慢书、缓急节奏，是可以被单独训练与评价的东西。粘度：扣子把听众拖住，拖不住就断，这正是阻滞与黏着的形态。三条全中。本门无外部终局判据，属于软的一门，且本篇的题型对口的是场而非波，因而软门被放在非对口位。

再保险与巨灾风险分层归场

连接：风险如何从投保人传到原保险人、再到再保险人、再到资本市场，每一跳都要有一份可执行的合同，这是这一门的基本问题。次序：分层与触发点的先后——哪一层先被击穿、哪一层在什么金额起赔与耗尽，是它的技术核心。结构：整个分保架子的形状及其在极端事件下是否成立，是它的研究对象。三条全中。

归位与配置核对

三门各占一个角度，无重叠，无空缺；三条侧重逐条对得上，无一门少于三条。本题为求驱动之题，对口的角度是场，而场位上的再保险是三门中最强、最直接顶着本题的一门——它每天回答的正是"为什么某些风险有人接、某些没人接，以及一层被接住之后下一层才谈得上定价"。软的一门（评书）被放在非对口的波位。三门的失败定义分别为量值不可溯源、书说塌了、赔穿，互不可翻译。本次配置四条规则全部满足。

参考文献

JCGM 100:2008　Evaluation of Measurement Data — Guide to the Expression of Uncertainty in Measurement. Sèvres: BIPM, 2008.

Comité International des Poids et Mesures　Mutual Recognition of National Measurement Standards and of Calibration and Measurement Certificates Issued by National Metrology Institutes. Paris, 1999.

Gerathewohl, K.　Reinsurance: Principles and Practice, Volume I. Karlsruhe: Verlag Versicherungswirtschaft, 1980.

Cummins, J. D.　CAT Bonds and Other Risk-Linked Securities: State of the Market and Recent Developments. Risk Management and Insurance Review, 11(1), 2008.

连阔如　《江湖丛谈》。北京：时言报社，1936。

汪景寿　《中国评书艺术论》。北京：经济日报出版社，1997。

Robinson, W. S.　Ecological Correlations and the Behavior of Individuals. American Sociological Review, 15(3), 1950.

Simpson, E. H.　The Interpretation of Interaction in Contingency Tables. Journal of the Royal Statistical Society, Series B, 13(2), 1951.

Eichler, H.-G., et al.　Bridging the Efficacy–Effectiveness Gap: A Regulator's Perspective on Addressing Variability of Drug Response. Nature Reviews Drug Discovery, 10(7), 2011.

Rowe, A. K., Powell, K. E., Flanders, W. D.　Why Population Attributable Fractions Can Sum to More Than One. American Journal of Preventive Medicine, 26(3), 2004.

Berry, D. A., et al.　Effect of Screening and Adjuvant Therapy on Mortality from Breast Cancer. New England Journal of Medicine, 353(17), 2005.

Unal, B., Critchley, J. A., Capewell, S.　Explaining the Decline in Coronary Heart Disease Mortality in England and Wales between 1981 and 2000. Circulation, 109(9), 2004.

Barlow, R. E., Proschan, F.　Statistical Theory of Reliability and Life Testing: Probability Models. New York: Holt, Rinehart and Winston, 1975.

Welch, H. G., Black, W. C.　Overdiagnosis in Cancer. Journal of the National Cancer Institute, 102(9), 2010.

Feinstein, A. R., Sosin, D. M., Wells, C. K.　The Will Rogers Phenomenon: Stage Migration and New Diagnostic Techniques as a Source of Misleading Statistics for Survival in Cancer. New England Journal of Medicine, 312(25), 1985.

Brinson, G. P., Hood, L. R., Beebower, G. L.　Determinants of Portfolio Performance. Financial Analysts Journal, 42(4), 1986.

Schröder, F. H., et al.　Screening and Prostate-Cancer Mortality in a Randomized European Study. New England Journal of Medicine, 360(13), 2009.

Corley, D. A., et al.　Adenoma Detection Rate and Risk of Colorectal Cancer and Death. New England Journal of Medicine, 370(14), 2014.

Kaminski, M. F., et al.　Quality Indicators for Colonoscopy and the Risk of Interval Cancer. New England Journal of Medicine, 362(19), 2010.

Menon, U., et al.　Ovarian Cancer Population Screening and Mortality after Long-Term Follow-up in the UKCTOCS Randomised Controlled Trial. The Lancet, 397(10290), 2021.

Chang, M. H., et al.　Universal Hepatitis B Vaccination in Taiwan and the Incidence of Hepatocellular Carcinoma in Children. New England Journal of Medicine, 336(26), 1997.

Siegel, R. L., et al.　Cancer Statistics, 2023. CA: A Cancer Journal for Clinicians, 73(1), 2023.

字数与版本

正文约二万一千字，含附录约二万四千字。本稿为第一版，写作与定稿于二〇二六年八月。

人机分工声明

本文的问题设定、三门参照学问的指定、本次配置的规则、以及成文前的方案锁定，由作者完成。资料的组织、论证的展开、分界的逐条撰写与成文，由作者与语言模型协同完成。第十八节与第十九节所列的判定条件与日期由作者锁定，未在成文过程中放宽。文中所有事实性陈述以公开文献为准，如有出入以原始文献为准。

本文为学员投稿原稿，作者胡敏。文中涉及疾病诊断、治疗与判定标准的讨论均为理论分析，不构成任何临床判断依据，不应用作自我诊断或调整治疗方案。