145 是投稿原稿的全文盲评（五维 S147 D146 E142 I136 F155，加权 S×.20+D×.25+E×.20+I×.20+F×.15，参照语料＝慢病定义与分类、缓解与逆转判定、年龄标化与流行病学方法、医学社会学，中英文公开文献，并计入站内自撞；评分截至 2026 年 8 月）。149 是文末「最美文定稿」一节（编辑增补的最近邻切割、相反预测与实验设计）之后的编辑自评。按本站铁律，改稿者不得为自己改过的文本盖认证分，故后一数只作修改设计目标，须由另一位独立评分者复评后方能作数。（评分：Claude · 2026年8月8日）
把年龄结构扣掉之后，医疗资源越充足的地区慢性病标化患病率仍然更高。本文给出与检出强度、病程延长、真实增量三种解释都不同的一条：几乎所有慢性病的诊断标准里都内建了一个跨时点要求——非同日三次、必须重复检测以确认、持续三个月以上、连续七天监测。这意味着一个慢性病条目的成立，在定义上需要至少两次相隔的接触。因此一个人群的慢病患病率，测的从来不是有多少人病了，是有多少人能被再次找到并且病了。年龄标化处理的是人口的年龄构成，它没有碰到可回访份额这个量。本文把已经被碰到过一次、单次读数已达诊断阈值、而因为不存在第二次接触所以在该标准下不可能成立为条目的那一类身体麻烦，称为单遇。它不是漏诊——漏诊的分母是本可诊断者；也不是失访——失访的前提是已经入组。判据不含程度词，可以直接拿去问检验室：这个库里，单次结果已经越过阈值而其后规定窗口内没有第二条记录的人有多少，他们与有第二条记录的人在哪些字段上不同。本文对四部现行诊断标准做了一次条文清点，结果与写作前预期部分相反：单次即可确诊的通道确实存在，而它的入口条件一律落在已经露出症状的那一侧。
关键词：单遇／单遇清单／跨时点构成／抽样框覆盖／可回访份额／单点可判假定
Single Encounter: The Second Visit Built into Chronic Disease Criteria — Why a Population's Prevalence Reading First Measures How Many People It Can Find Again
After age standardization, better-resourced regions still report higher chronic disease prevalence. This paper offers an account distinct from detection intensity, prolonged duration, and real increment: nearly every chronic disease criterion contains a built-in cross-time requirement — three readings on separate days, repeat testing for confirmation, persistence beyond three months, seven consecutive days of monitoring. A chronic disease record is therefore constituted, by definition, by at least two separated encounters. A population's prevalence thus measures not how many are ill but how many can be found again and are ill. Age standardization addresses age composition and never touches the re-findable fraction. The paper names single encounter the class of bodily trouble already touched once, already past a diagnostic threshold on a single reading, yet incapable of becoming a record because no second encounter exists. It is neither underdiagnosis, whose denominator is the diagnosable, nor loss to follow-up, which presupposes enrolment. An audit of four current criteria returned a partly contrary result: single-visit confirmation pathways do exist, and their entry conditions all lie on the already-symptomatic side.
Keywords: single encounter; single-encounter list; cross-time constitution; sampling frame coverage; re-findable fraction; single-point decidability assumption
同一个现象可以有两种方向相反的读法，而两种都对得起数据。
现象是：把年龄结构扣掉之后，医疗资源越密集、随访体系越完整的地区，慢性病标化患病率仍然更高。第一种读法说，高资源地区的分子里多了一类本不会出现在低资源地区的人。第二种读法说，低资源地区的分子里少了一类本该出现而在那里根本无法出现的人。前者是加法，后者是减法；前者说高的那一头虚高，后者说低的那一头虚低。本文走的是第二条。
走第二条需要一个理由，而这个理由不能是“那里查得少”。查得少是检出强度，它是一个程度问题：加大投入，查出来的就多了。本文要说的是一个更硬的东西——在低可回访人口里，某一类慢性病条目不是查不出来，是在现行诊断标准的定义下不可能成立。这不是能力不足，是资格不成立。
线索在诊断标准的条文里，而且是明文，任何人都可以去查。国家基层高血压防治管理指南写的是：诊室血压为主，一百四十／九十毫米汞柱为界，非同日三次超标确诊。国际高血压学会二〇二〇年的全球实践指南写得更直白：尽量不要一次就诊即做出诊断，确诊需要测量两到三次诊室血压，通常间隔一到四周。中国二型糖尿病防治指南写的是：空腹血糖、随机血糖或口服葡萄糖耐量试验二小时血糖是诊断的主要依据，没有典型临床症状时必须重复检测以确认诊断。慢性肾脏病的定义里写着肾脏损害或功能下降持续三个月以上。家庭血压诊断高血压要连续七天监测。
把这几条并排放，会看到一件从来没有被当作一件事说出来的事：慢性病诊断标准的共同结构，不是一个阈值，是一个阈值加一个时间跨度。阈值决定“高不高”，时间跨度决定“算不算”。而时间跨度这一半，要求的是同一个人能被再次找到。
于是一个人群的慢病患病率读数里，藏着一个从未被单独计量的乘数：这个人群中，被碰到过一次的人里有多大比例能在规定窗口内被再碰到一次。这个乘数与病情无关，与暴露无关，与年龄构成无关——年龄标化对它完全不起作用，因为它不在年龄那一维上。
本文用三门离得极远的学问来把这件事说实：统计学、计算机科学、社会学。选它们不是因为它们与医学相近，而是因为它们各自都在自己的领域里独立地撞上过同一堵墙——一个单元是不是那样一样东西，能不能在一个时点上判定；而三家给出的答案互不相容。
先把三家各自真正主张的那一条写出来，并且每一家都要单认一条驱动——不许写成“多种因素共同作用”，那是弃权不是立场。
统计学：那个数是被抽样设计与总体条件的矛盾结算出来的
统计学处理的是一个数怎么才算数。它把“总体参数”当成一个独立、稳定、可以脱离观察者而存在的对象，它的全部技术都用来保证这个对象能被稳定地估计出来。它的核心主张是单因的：决定你最后拿到的那个估计值的，是抽样设计与总体自身条件之间的矛盾——变异结构、分层、聚集、无回答。设计与条件是驱动方，那个数是被驱动方。
它的时序读数很硬：先动的是设计，估计随后跟上，跟不上的地方叫偏倚；而偏倚是有方向的、可以事前推出来的，这正是抽样理论的全部力气所在。
它自曝的那一处，后面全篇都要用：抽样框覆盖不足所造成的偏差，在原理上不能靠加权修正。加权处理的是入选概率不等，而框外单元的入选概率是零；零不能被放大。这不是技术难题，是抽样理论自己的一条硬结论，写在教科书里已经六十年（Kish 1965；Hansen, Hurwitz & Madow 1953）。
计算机科学：那条路是被当下状态与运行环境的矛盾驱动的
计算机科学处理的是一个计算怎么跑、跑多久、卡在哪。它的核心主张同样单因：决定一次执行走哪条路、耗多少时间的，是程序当下的状态与它所处的运行环境（内存、缓存、并发度、网络时延）之间的不容。状态与环境是驱动方，执行路径是被驱动方。
它的时序读数是三门里最快的，也最硬：先动的是环境（负载上来了），路径在毫秒到秒级跟上（重试、超时、降级、重调度），跟不上就是超时。它的终止性判据是全部三门里最干脆的一条——跑不出来，或者跑不动，当场就见分晓。
它自曝的那一处极其对口：在异步网络里，无法在任何单一时点上区分“一个节点崩了”与“它只是慢”。这不是工程难题，是一条被证明了的不可能性结果（Fischer, Lynch & Paterson 1985），并由此发展出整套故障检测器理论（Chandra & Toueg 1996）。工程上的实际做法是心跳加超时——也就是说，“它还活着”这件事只能由跨越多个时点的连续观察来构成，不能由一次观察读出。而且这里有一个方向固定的后果：系统越忙，正常节点被误判为不在的比例越高。
社会学：那套条件是被既有分布与实际做法的矛盾改变的
社会学处理的是一个结构凭什么能一轮轮地再生产下去。它的核心主张也是单因：决定一个社会结构赖以延续的那一整套条件——分类范畴、登记制度、身份资格、可被看见的方式——的，是既有的分布状态与行动者实际做法之间的长期不容。分布与做法是驱动方，条件场是被驱动方。
它的时序读数以十年计：先动的是实际做法（人开始流动、开始不按范畴生活），分布随后改变，而范畴与登记最后跟上，滞后常达一代人。它的失败判据是解释不了分布——一个解释不了人群实际分布的结构理论，在这门学问里就是错的。
它自曝的那一处是：统计范畴不是对人口的描述，是国家能力的产物。为了看见人口，先要把人口组织成可以被看见的样子——固定姓氏、固定住址、固定编号、固定职业类别（Scott 1998）；而统计范畴本身有一部历史，它是被制造出来的（Desrosières 1993）。也就是说，这门学问自己承认：被登记的人口与实存的人口是两样东西，而两者的差不是误差，是制度的形状。
三家各自站在哪儿
把三句话并排放，位置就自己出来了。统计学把“那个数所指的那个对象”当成单独够用的那一样——它整体、稳定、独立于谁去测它。计算机科学把“它怎么走、走多快、卡在哪”当成单独够用的那一样。社会学把“它和什么连在一起、按什么次序、落在什么结构里”当成单独够用的那一样。三处不同，因此它们的冲突不可能靠判谁对来化解——三家根本不在同一个语域里作答。
三家的失败也互不可译：统计学的失败是推断错误，计算机科学的失败是跑不出或跑不动，社会学的失败是解释不了分布。把其中任一句翻成另一句都翻不过去，因此它们不会互相印证，只会互相顶。
三门学问表面上毫不相干，但把它们的争执写成同一个句式，会发现争的是同一件事：一个单元凭什么算进这本账，这个资格该由谁裁定。
统计学说：由抽样框裁定。一个单元只有在框内、入选概率大于零，它才是这本账的对象；框外的东西不是被少估了，是不在估计的定义域里。
计算机科学说：由存活判据裁定。一个节点只有在超时窗内送回心跳，它才算在集群里；而这个窗口的宽度是人设的，窗口一改，成员名单就变。
社会学说：由分类范畴裁定。一个人只有落进某个官方类别，他才在这套统计里存在；不落进任何类别的人，不是被算成零，是不出现。
三个裁定者互不相容：抽样框、超时窗、分类范畴。任何一方都不接受另外两方的裁定者，因为在自己的账本里，那两个根本不是裁定者。这场争执没有裁判——没有一个更高的位置可以判谁对。
但正因为它们在争同一件事，它们脚下必定共同踩着一块地。
三家共同假定的是这一句：一个单元是不是那样一样东西，原则上可以在某一个时点上被判定；观察能力只影响判定的准确度，不影响判定能不能作出。
统计学：抽样与估计的整套设定，建立在“总体里的每个单元此刻各有一个真值”这一条上——测不准是方差与偏倚的问题，而不是“此刻还不构成一个值”的问题。计算机科学：单机时代的整个思路，是状态可以在一个时刻被读出；分布式带来的麻烦被当成工程复杂度，而不是本体上的另一回事。社会学：分类的争论从来是“该归哪一类”，不是“此刻还不构成一次可归类的事件”。
把这句话念给三家听，三家都会说：这还用说吗。这就是它是共同假定而不是第四家立场的证据。
落到本题上，这条假定有一个非常具体的形态，而且它被写进了每一次关于慢性病数据的争论：一个人此刻是不是慢性病患者，是一个此刻就有答案的事实；查得多只是把答案读出来，查得少只是没读到。
这条假定的隐蔽之处在于，连批评者也站在它上面。主张过度诊断的人说“这个人本不该被判为患者”，主张漏诊严重的人说“这个人本该被判为患者”——两方吵得很凶，而两方都默认此刻存在一个正确答案。没有人问：如果一个诊断在它自己的标准里就要求两个时点，那么在只有一个时点的地方，正确答案是什么？
答案是：没有答案。不是不知道，是这个问题在那里不成立。
要推翻这条假定，必须用三家自己的材料。从外面搬一个理由来，只会变成第四家立场，加入争论而不取消争论。
统计学有一件材料，在自己的领域里被写进教科书六十年，从来不是新闻，也从来没有被拿来当作关于“判定能不能作出”的证据。它叫覆盖误差。
抽样调查的第一步是建抽样框——一份名单，从里面抽人。框和总体从来不完全重合：有人不在名单上，有人在名单上而已经不在了，有人重复出现。统计学把这些叫覆盖误差，并且给出了一条硬结论：入选概率为零的单元，其造成的偏差不能靠加权修正。加权能做的是把入选概率不等的差别扳回来，它把一个人的权重按其入选概率的倒数放大；而零的倒数不存在。你不能把一个从未有机会被抽中的人，通过给别人加权重的方式变出来。
这条结论在统计学里回答的是另一个问题——调查设计里该花多少钱去补名单、什么时候必须换框、事后加权到底能救回多少。它是用来管调查质量的，不是用来谈本体的。
但它正好推翻了那条共有前提，而且推翻得很彻底。
第一，它区分了两种不同的“没有数”。一种是入选概率大于零而恰好没被抽中，这种可以用估计量处理，它有分布、有方差、有置信区间。另一种是入选概率等于零，这种不在估计的定义域内——它不是一个不确定的量，它压根不是这套算法的对象。统计学自己承认：有一类东西，不是测不准，是不在可测的范围里，而这两件事在数上完全不同。
第二，它给出了偏差的方向，而且方向是固定的。框外的通常不是随机的人，是流动的、无固定住址的、新迁入的、脱离登记的。因此覆盖误差与被研究的变量往往同向相关，越是关心弱势分布的调查，覆盖误差越致命。这不是随机噪声，它随组织化程度的差异而系统性扩大。
第三，也最要紧：框是被造出来的，不是给定的，而造框的能力与被造的那个人群的组织化程度是同一件事。名单从哪里来？从户籍、参保、签约、建档里来。一个人群越是被组织进这些制度，它的框就越全；框越全，从中估出的患病率就越接近真值；框越缺，估出的数不是偏低，是那一部分根本没进过运算。
把这三条平移到本题上，就是本文的全部内容。慢性病诊断标准里内建的第二次接触，功能上就是一道抽样框：你必须能被再找到一次，才有资格进入这本账。找不到的那部分人，其入选概率是零；他们的病不是被少估了，是没有进过这个估计。而这道框的宽窄，与医疗资源密度是同一件事的两种说法——因此“控制掉检出强度之后剩下的真实患病率”这个量，在原理上不存在，就像“扣掉抽样框之后的真值”不存在一样。
另外两门学问各自给出了同一形状的第二证与第三证。计算机科学：异步系统里不存在完美故障检测器，“它还活着”只能由跨时点的连续观察构成；而这个构成过程有一个方向固定的后果——系统越忙，活着的东西被记为不在的越多。社会学：统计范畴是国家能力的产物，人口先被组织成可读的样子才被数；不被组织进任何范畴的人，在统计上不是零，是不出现。
三条合起来说的是同一件事：判定不是读取，是构成；而构成需要条件，条件不足时判定不是变得不准，是作不出来。
现在把这件事落到条文上。下面四条全是明文，可以逐字去查。
高血压。国家基层高血压防治管理指南给的诊断要点是：以诊室血压为主，一百四十／九十毫米汞柱为界，非同日三次超标确诊。国际高血压学会二〇二〇年的全球实践指南把这一点写得更明确：尽量不要一次就诊即做出诊断，确诊需要测量两到三次诊室血压，通常间隔一到四周；每次就诊连续测三次，取后两次的平均值。若用家庭血压诊断，要求连续七天监测。
糖尿病。中国二型糖尿病防治指南的要点提示写着：空腹血糖、随机血糖或口服葡萄糖耐量试验二小时血糖是诊断的主要依据，没有典型临床症状时必须重复检测以确认诊断，证据级别为 A。
慢性肾脏病。定义本身包含时间：肾脏结构或功能异常持续三个月以上。也就是说，一次肌酐升高、一次尿蛋白阳性，在定义上不构成慢性肾脏病，无论数值多难看。
慢性阻塞性肺疾病。诊断依据是支气管舒张试验后的一秒率，这要求同一次检查内的两次测量；而分级与随访要求可重复的肺功能，可重复性本身是判读的一部分。
把这四条并排，会看到一个从未被作为一件事说出来的共同结构。四条讲的病种、器官、机制毫不相干，而它们的诊断标准都是阈值加时间跨度这同一个形状。阈值那一半人人都在讨论——一百四十还是一百三十，糖化血红蛋白六点五合不合适，这是过度诊断与概念扩张的战场。时间跨度那一半从来没有人当作变量：它被当成一道保证准确性的手续，一道纯技术性的谨慎。
它不是。它是一道资格门槛，而且门槛的高低不由病人决定，由这个人能不能被再次找到决定。
这一点在一处地方被明文承认过，而且承认得非常直接：国际高血压学会的那份全球实践指南，把血压管理标准分成两套——“基本标准”适用于资源相对匮乏的地区，“理想标准”适用于资源充沛的地区。指南自己知道诊断程序的可执行性是资源的函数，所以为不同资源水平写了不同的操作要求。它把这件事处理成操作可行性问题，写进了实施建议；它没有处理的是下一步：两套标准下产出的患病率数字，不能放在一张表上比较，而它们每天都在被放在一张表上比较。
有了这个结构，可以立一个名字。
单遇，指一件身体麻烦：它已经被这套体系碰到过一次，那一次的读数已经越过某项慢性病诊断标准的阈值，而因为不存在符合该标准要求的第二次接触，它在该标准的定义下不可能成立为一个条目。
先把它与两个最容易混淆的东西分开，这一步比命名本身重要。
它不是漏诊。漏诊是一次判断上的失误：本可以诊断而没有诊断，有主体（谁漏了）、有分母（本可诊断者）、有责任、有可追溯的改进办法，医疗质量管理里有专门的漏诊率指标。单遇没有主体——没有任何一个医生做错了什么；没有分母——它不在“本可诊断者”里，因为在只有一次接触的条件下它本不可被诊断；也没有可追溯的改进办法，因为要改的不是诊断行为，是这个人与这套体系之间的关系。
它也不是失访。失访的前提是已经入组：这个人已经是一个条目，只是后来找不到了，因此失访率的分母是已纳入者。单遇是入组之前的事——它从来没有成为过一个条目，因此不出现在任何分母里。
它更不是“检查做得少”。检查做得少是量的问题，加大投入就变多。单遇是资格问题：即使给一个无法被再次找到的人做十次检查，只要这十次都在同一天，高血压仍然不能确诊，因为标准要的是非同日。
接下来是最要紧的一步：单遇不是一个数量，是一样东西。删掉本文提出的这个概念，那件事仍然发生；但删掉这个概念，它不是一样东西——它只是检验室数据库里一条普通的、孤零零的记录。三条独立的论证支持这一点。
其一，它有方向可以事先推出来，而这个方向不能从任何一本现行账的数里推出来。给定两个地区的人口组织化程度差，可以在取数之前推出单遇量差的方向。而这个方向：不能从患病率推出（患病率恰恰是把单遇排除之后的数）；不能从漏诊率推出（漏诊率的分母不含它）；不能从检查量推出（同一个人反复查十次仍是单遇）；不能从失访率推出（失访率的分母是已入组者）。四本账都读不到它，而它有确定的方向。
其二，它有独立的变异，且与既有的主要指标不同向。同样的卫生投入，花在扩大检查覆盖上与花在把人锚定进签约建档关系上，单遇量差得很远；而这两种花法在人均卫生费用、每千人口医师数、体检覆盖率这些指标上是同一个数。
其三，它的不出现有结构性原因，不是疏忽。任何登记的对象都是“已成立的条目”；而单遇的定义就是“未能成立为条目”。要给它设一个字段，就必须在“条目”这个层级之下再设一个层级——记录那些曾经越过阈值而未获得条目资格的接触。现行的任何一套统计口径都没有这一层，因为口径本身是按条目组织的。这一条在第十五节会被一次真实的条文清点部分修正，本文如实保留那个结果。
本文不给一张分类格，给一张缺席清单。理由是这件事的形状本来就是缺席：要辨认的不是几种不同的条目，是一类根本不会作为条目出现的东西。分类格只能整理已经在册的，清单才能指出不在册的。
下面五条，是这套记录里在定义上不会出现的条目。每一条都不是漏记，都是“在现行标准下不可能”。
一、一位在体检中查出血压一百六十／一百的建筑工人，三周后工地转场，此后再未在本地任何机构留下记录。他的高血压条目不会出现——不是因为医生疏忽，是因为非同日三次这一条永远无法被满足。
二、一位空腹血糖八点二、无“三多一少”症状的外卖骑手，被告知一周后复查，未再出现。他的糖尿病条目不会出现——指南明文要求无典型症状时必须重复检测以确认。
三、一位急诊查出肌酐一百八十的老人，急性问题处理完出院，此后由子女接去外地。他的慢性肾脏病条目不会出现——定义要求持续三个月以上，而三个月的观察在此人身上不存在。
五、一位无本地参保关系、只在自费门诊看过一次的人。他的任何一条需要跨时点确认的慢性病条目都不会出现，而他会出现在门诊人次里、出现在收入里、出现在检验室的样本量里。
这张清单的用法在于：它每一条都可以被反过来查。取任一家医院的检验室数据库，把上面五种情形对应的记录抽出来，是可以做到的；而把它们抽出来的那一刻，一件从来不是对象的东西就成了一份可以逐条列出来的东西。清单本身就是本文的辨别装置——它不是用来给已有条目分类的，是用来把不在册的那一类点出来的。
清单还有第二个用法，比第一个更要紧：把它按人群特征分层。同一份检验室数据，按参保状态、按户籍是否本地、按行业、按年龄分层之后，清单的长度分布会显示出这个体系的资格门槛实际落在谁身上。这一层分布，是现行任何一项指标都不产出的。
上一节那五条，没有一条会被任何一次质控标为缺陷。这一点必须说清楚，因为它是本文全部实践意义所在。
先把“不算缺陷”说实。第一条里，那位医生在体检报告上写了“血压偏高，建议复查”，这是完全正确的处置；病案质控查不出问题，因为没有任何一条规范要求医生把一个转场的工人追回来。第二条里，告知一周后复查是标准动作，指南就是这么写的。第三条里，急诊处理急性问题、出院时建议随访，无可指摘。第四条第五条同理。五条里没有一处失职，没有一处违规，没有一处记录错误。
它有三条性质，三条一起才构成本文要打的那个东西。
第一条：它不产生任何缺陷记录，因此它不可能通过质量管理被发现。漏诊有分母、有责任岗位、有改进措施，所以质量管理抓得住漏诊；单遇没有分母——它的分母是“曾经越阈而未获条目资格的接触”，而这个集合在现行口径里不存在。一个没有分母的东西，任何以“率”为工具的管理体系都够不着。
第二条：它的量与这套体系的诊断严谨程度正相关，而严谨被普遍读成质量。标准要求的复查次数越多、确认窗口越长、可重复性要求越硬，能够满足这些要求的人就越少，清单就越长。也就是说，一个体系把诊断做得越规范，它在低可回访人群上产出的单遇就越多；而规范化本身是每一次质量评价都要加分的事。这一条是本文与过度诊断那一支方向完全相反的地方：他们担心标准太松放进太多人，本文指出标准变严会在特定人群里制造出一整类不可能进来的人，而两件事同时发生，且发生在不同的人身上。
第三条：它的减少与“病人变多”是同一件事的两个读法。把人锚住——签约、建档、参保、纳入网格化管理——之后，原本的单遇转成条目，患病率读数上升。这个上升会被读成“慢病负担加重”，进而成为加大投入的理由；而加大投入的最有效方式恰恰是把更多人锚住，于是读数继续上升。这个回路不需要任何人做错事就能自己转起来。它与第八节清单的关系是：清单变短的过程，在报表上表现为患病率变高。
三条合起来，构成一个特别的位置：这是一类既不违规、也不失职、也没有人受害于任何具体行为，而它的存在直接扭曲一个被全国全球广泛使用的比较指标的东西。
概念要能干活，必须落成一个可以事后清点的东西。本文给的不是一个比率，是一份清单。选清单而不选比率，理由要写明：比率需要一个分母，而本文全部的力气正是用来指出这件事没有分母；硬造一个分母（比如除以门诊人次）会立刻把它变成“复查依从率”的一个换名，而那是一个已有指标、已有考核、已有几十年文献的东西。清单不需要分母，它需要的是一份可以逐条打开来看的名录，以及这份名录按人群特征的分布。
清点手册
读数名：单遇清单。符号：L。
定义：在一个可查的记录体系内，满足以下三条的记录构成清单的一条——该次接触产生了至少一项已越过某慢性病诊断标准阈值的客观读数；该个体在该项标准所要求的确认窗口内，在同一体系内无第二次可用于确认的记录；该个体在该窗口内未被登记死亡。
粒度：什么算一条。以“个体—病种—首次越阈日期”为一条；同一个体在同一病种上多次越阈但始终无确认记录的，按首次越阈计一条，并在备注栏记越阈次数。举一个恰好在边界上的例子——一位患者同一天做了三次血压测量，三次都超过一百四十／九十。这算一条，不算三条，也不算已确认，因为标准要的是非同日；判据落在“确认窗口内有没有第二个可用于确认的时点”，不落在“一共测了几次”。
编码规则六条。第一，确认窗口按各病种现行标准取：高血压取首次越阈后一到四周内的非同日诊室记录，糖尿病取首次越阈后一周至三个月内的重复检测，慢性肾脏病取三个月，慢性阻塞性肺疾病取一次合格的支气管舒张试验。第二，有典型症状而单次即确诊者不入清单——本文的机制不覆盖单次通道，见第十五节。第三，在窗口内于本体系外完成确认者，若可通过区域平台核实，不入清单并单列一栏；不可核实者入清单并标注“可能已在他处确认”。第四，窗口内死亡者不入清单，单列一栏。第五，读数来源限于客观检验与器械测量，患者自述与既往史不计。第六，清单一经生成不因后续新增记录而回改，回改另立修订版本并保留原版。
表头（可直接拿去做一张空表）：个体标识｜病种｜首次越阈日期｜越阈读数与阈值｜确认窗口终点｜窗口内可用确认记录数｜参保状态｜户籍是否本地｜签约或建档状态｜窗口内是否死亡｜他处确认可核实性。
不适用：无个体标识、无法跨次串联的数据；仅有诊断而无原始读数的数据源；单次即可确诊的通道（见第二条编码规则）。
四条性质，逐条核对
可事后清点：是。所需信息全部在检验与检查的原始库里，不需要新的采集，也不需要跨机构串联——单机构内即可产出一份清单，而单机构内的清单已经足够看出分层结构。
把一个印象变成一个可查的东西：是。“那个地方的人流动性大，管不住”这句话此前只能用随访率、建档率这些间接指标说，清单把它变成一份可以逐条打开、逐条核对的名录。
与既有主要指标正交：是，而且必须举出反例才算数。反例是这样一家机构：它的慢病规范管理考核得分最高，随访率与建档率也最高，而它的单遇清单在流动人口那一层最长。原因是它把标准执行得最严，凡不满足非同日三次的一律不予确诊，于是所有无法配合复查的人整齐地留在清单上。而在一家执行松散、见一次高就先建个档的机构，清单反而很短。考核最好看的地方，这份清单最长。
跨领域可读：部分。三门源头学问里各有对应物，但形状不同、不能直接并排比。统计学：抽样框中入选概率为零的单元名录（框外清单）。计算机科学：在超时窗内未回心跳而实际存活的节点名录（假阳性故障检测清单）。社会学：在一次普查或登记中被记录过一次而在后续核查中无法被再次定位的个体名录。四处的共同点不是单位，是位置——它们都是“碰到过一次而没能进入名册”的那一份。
判据必须能拿去问一个库，不能拿去问人的判断。本文的判据只有一句，不含程度词：
这个库里，单次结果已经越过阈值、而其后规定窗口内没有第二条记录的人有多少；他们与有第二条记录的人，在哪些字段上不同。
把它拿到六个具体场合去问，六个答案互不相同。其中两个是查出来的，并且反过来改了本文原本要写的话。
场合一，一家三级医院的检验信息系统。答案：可以直接算，而且是一次查询的事。这个库里有每一次检验的个体标识、项目、结果与日期，把越阈记录抽出来、按窗口回查第二条记录，是一段标准的结构化查询。这一处的意义在于：本文要的东西在技术上极其便宜，而没有人算过它。
场合二，基层慢性病管理系统。答案：算不出来，因为这个库的入口就是“已确诊”。系统里的每一个人都已经是一个条目，越阈而未确诊的人从来不进入这套系统。这一处最能说明结构：管理系统的可见范围，恰好就是本文要打的那个东西的补集。
场合三，居民健康档案。答案：部分可以，但存在一个反向问题。档案里有体检记录，体检查出的越阈值可以取到；而档案的建档率本身在不同人群间差异极大，因此从档案里算出的清单会系统性地低估流动人口那一层——用一个覆盖不全的框去数框外的人，这正是第五节那条材料所警告的。这一处必须写明：本文的读数不能只从档案算。
场合四，医保结算数据。答案：可以算，且覆盖面最好，但只覆盖参保人。而本文预期清单最长的那一层恰恰是无本地参保关系的人，他们不在这个库里。这是同一个陷阱的第二次出现。
场合五，国际高血压学会的全球实践指南。这是查出来并且改了本文的第一处。本文原本要写“没有任何权威文件承认诊断程序的可执行性依赖于资源”，这句话是错的。那份指南明确设了两套标准——基本标准用于资源相对匮乏地区，理想标准用于资源充沛地区——也就是说，这件事在指南层面已经被承认并被制度化了。本文因此不能主张“无人认识”，只能主张一件更窄的事：承认停在了操作层，没有走到读数层。指南为不同资源水平写了不同的诊断程序，却没有写“因此两地产出的患病率不可直接比较”，而后者才是本文要补的那一步。
场合六，中国二型糖尿病防治指南的诊断要点。这是查出来并且改了本文的第二处，而且改得更重。指南写的是“没有糖尿病典型临床症状时必须重复检测以确认诊断”——也就是说，有典型症状者单次即可确诊。高血压那边同样有一条例外：国际高血压学会的指南在“尽量不要一次就诊即做出诊断”之后加了括号，除外血压达到一百八十／一百一十且已有罹患心血管疾病证据的情形。单次通道确实存在。 本文原本要写“慢性病诊断在定义上一律需要两个时点”，这句话必须撤掉。改成什么，见第十五节。
六个答案互不相同，而它们连起来给出一个形状：这件事在技术上一算就出（场合一），而每一个被用来做人群统计的库（场合二、三、四）都恰好把它排除在外，且排除的方式各不相同。
本文说的不是一个静态的缺口，是一个会转的东西。三门学问各自给出的驱动，在一个人群被“锚住”之后都会换发起处；换过之后，下一轮先动的不再是原来那一样。
第一圈，从那个数这一头起。统计学的说法是：抽样设计与总体条件的矛盾结算出那个估计值。一次扩框（把原先框外的人纳入名单）之后，估计值被改了；而改过的估计值反过来改写“总体”是谁——因为下一轮的抽样框会按上一轮估计出的分布来设计分层与配额，估计出的高患病率人群会被给予更高的抽样比。下一轮先动的是框。 平移到本题：一次建档扩面之后，患病率读数上升；而上升后的读数反过来决定下一轮资源往哪里投，投向哪里就把哪里锚得更紧。下一轮先动的是建档范围，不是病。可检验的观测：一个地区慢病患病率的年度增幅，应当与前一年度的建档增量正相关，且相关性高于与任何暴露指标的相关性。
第二圈，从那条路这一头起。计算机科学的说法是：状态与环境的矛盾驱动执行路径。一次超时参数调整之后，路径被改了（更多节点被判为在或不在）；而改过的路径反过来改写“什么算一个活节点”的判据本身——因为成员名单变了，共识的门槛也跟着变。下一轮先动的是判据。 平移到本题：一次随访协议调整（比如把复查窗口从四周放宽到八周）之后，确认路径被改了；而改过的路径反过来改写诊断标准——条目多了，就有压力去收紧阈值或加严确认要求。下一轮先动的是标准。可检验的观测：在建档率快速上升的地区，其后数年内应当出现对诊断确认程序的收紧（增加确认次数、缩短窗口、提高可重复性要求），而不是放宽。
第三圈，从那套条件这一头起。社会学的说法是：分布与做法的矛盾改变结构条件。一次登记制度改革之后，条件场被改了——范畴、身份、资格全换了一套；而换过的条件场反过来改写“分布与做法的矛盾”本身，因为此后什么算“一个人群”是由新范畴定义的。下一轮先动的是范畴。 平移到本题：常住人口口径改革、异地就医结算、电子健康档案跨区互认之后，谁属于这个人群这件事被重新定义；而重新定义之后，此前的患病率序列在口径上断裂。可检验的观测：凡是发生过常住人口统计口径调整的地区，其慢病患病率序列应当在调整年份出现不可由流行病学解释的台阶。
三圈各转一次之后有一个共同的读法：每转一圈，发起处都从人的那一侧移到口径那一侧，而没有任何一圈会自动转回去。这就是为什么这个梯度不是暂时的：它不是一次性的覆盖差，是一个每一轮都会加深一格的次序。
由此可以给出本文最愿意押的那条顺序预测：在某地段推行家庭医生签约或建档扩面之后，先出现的是单遇清单在该地段缩短（零到一年），随后是慢病检出率与患病率上升（一到三年），最后是确认程序被收紧（五年以上）。三者的次序不能颠倒。若在某地段观察到确认程序的收紧早于患病率上升，本文的这一圈就错了。
一个判断是不是只是个比喻，看它能不能在别的领域里让人预测出一件具体的、可以去查的事。下面十二处，其中三处反过来给本文添了麻烦，一并写出。
一、抽样调查的框外偏差。预测：同一项调查在人口流动率不同的地区，其覆盖误差与所测变量的相关方向一致而幅度不同，因此事后加权后的地区间比较仍有系统性残差。这一条在抽样理论里已被反复论证，本文借它作地基而非贡献。
二、分布式系统的成员管理。预测：集群负载与“被误判为离线的健康节点数”之间存在正相关，且这一相关在超时窗口固定时最强、在自适应超时下减弱。检验方式：取任一开源集群管理组件的公开运行日志，比对负载指标与误判计数。
三、人口普查的重复核查。预测：两轮核查之间无法被再次定位的个体，其在住房、就业、参保三类字段上的缺失模式与可定位者显著不同，且差异集中在与流动性相关的变量上。
四、传染病的接触者追踪。预测：追踪成功率在不同人群间的差异，会直接进入“二代病例数”的估计，因此从追踪数据估出的传播参数在低追踪成功率人群中系统性偏低——不是那里传得慢，是链条断在了追踪上。这一条在多国的追踪数据里可查。
五、司法系统的缓刑与社区矫正。预测：需要定期报到的处置方式，其适用率在无固定住所者中显著更低，而这被记录为“不适合社区矫正”，不被记录为“这套处置在定义上要求可被再次找到”。
六、教育系统的学业困难识别。预测：需要跨学期追踪才能确认的学习障碍类别，其检出率在转学率高的学校显著更低；而这些学校的学业困难总量并不更低。
七、职业健康监护。预测：需要两次以上体检才能确认的职业病（如噪声聋的听阈复查、尘肺的影像随访），其确诊率与用工稳定性正相关，与实际暴露强度的相关性弱于与用工形式的相关性。
八、精神卫生。预测：诊断标准里含有病程要求的类别（抑郁症要求症状持续两周以上，精神分裂症要求六个月），在流动人口中的确诊率低于不含病程要求的类别，且两类的差值随人口流动率上升而扩大。
九、临床试验的入组。预测：要求多次基线访视的试验，其入组人群在社会经济特征上系统性偏向稳定就业者，因而其外部效度问题不在纳入排除标准里，在访视结构里。
十，第一处反过来添麻烦的。国际高血压学会已经把诊断程序按资源分成两套标准。这直接削掉了本文“无人认识”的说法。本文只能退到一个更窄的位置：承认停在操作层，未走到读数可比性这一层。而这个退让是实质的——它意味着本文不是发现了一件没人知道的事，是发现了一件人人知道而没有人算过后果的事。
十一，第二处反过来添麻烦的。指南里明文存在单次即可确诊的通道（糖尿病的典型症状加一次血糖，高血压的极高值加靶器官损害证据）。这削掉了本文“慢性病诊断一律需要两个时点”这一更强的主张。见第十五节的处理。
十二，第三处反过来添麻烦的。流行病学早有“选择偏倚”“无回答偏倚”“健康工人效应”这一整套工具，而且这些工具明确处理“谁进了样本”这件事。这削掉了本文关于新颖性的一大半主张。本文保留的只有一处：这些工具处理的是研究样本的选择，它们默认在研究之外存在一个人人有病或无病的真值总体；本文说的是诊断标准本身内建了选择，因而那个真值总体在标准的定义域内不存在。两者的差别不在有没有选择，在选择发生在测量之前还是写在测量的定义里。
上一节的后三处是领域兑现带来的削弱，这一节是三门源头学问各自直接削掉的东西，力度更大，且各削掉的是本文原本会写下的一句更强的话。
统计学削掉的是本文最自然的那个处方。本文原本会写：那就把单遇清单纳入统计口径，用它去校正各地的患病率，做出一个“可比的”数。统计学不允许这句话——它的那条硬结论说得很清楚，零入选概率单元造成的偏差不能靠加权修正。清单能告诉你有多少人在框外，不能告诉你他们的患病情况；用清单长度去反推真实患病率，等于用“我不知道多少”去估“是多少”。因此本文只能主张清单本身作为一项独立读数被公布，不能主张用它去校正患病率。这一处削得最重，因为它拿走的正是本文最想给的那个用途。
计算机科学削掉的是价值排序。本文原本会写：单遇越少越好，一个体系应当追求把所有人都锚住。计算机科学不允许——把超时窗无限放宽确实能让误判归零，代价是真正故障的节点永远不被剔除，系统会一直等一个不会回来的心跳，最终整体卡死。它给出的判断是：误判率与响应速度之间没有一个可以同时最优的点，只有一条要人去选的曲线。 平移过来：把确认窗口无限放宽、把所有人无条件建档，代价是大量假阳性条目进入名册并终身携带。因此本文必须撤掉价值排序：单遇不是一个应当被压到零的量，它是一条取舍曲线上的读数，而本文无权规定该取哪一点。
社会学削掉的是适用范围，而且削法出人意料。本文原本会写：本文的机制在任何医疗体系里都成立。社会学指出，这个机制的强度取决于人口被组织进制度的方式，而这种方式在不同社会里差异巨大。在一个人口高度定居、社区关系稠密、非正式照护网络发达的社会里，“被再次找到”可以不通过任何正式登记而实现。此时正式记录里的单遇清单会很长，而实际的诊断成立率并不低。也就是说，清单长不等于人没被找到，只等于这套记录没找到。本文因此把适用范围缩到：正式记录是慢性病条目唯一成立途径的体系。这一缩是实质性的，它把本文从“所有社会”缩到“已经把诊断资格垄断给正式机构”的那一类。
三处削掉的分别是处方、价值排序与适用范围。剩下的只有一件事：把一份从来没有被列出来过的清单列出来，并且按人群分层公布。
本文在动笔之前锁定了一条最便宜的检验：对现行诊断标准的条文做一次清点，看“跨时点要求”是不是普遍存在、以什么形状存在、有没有例外。预期写在附录里，此处只报结果，包括与预期相反的那一部分。
清点对象四部：国家基层高血压防治管理指南与国际高血压学会二〇二〇年全球实践指南（高血压）；中国二型糖尿病防治指南二〇二〇年版（糖尿病）；慢性肾脏病的定义性时间要求；慢性阻塞性肺疾病的支气管舒张试验要求。判定标准三条：条文里有没有明文的跨时点要求；这个要求要求几个时点、间隔多久；有没有单时点即可确诊的例外，例外的入口条件是什么。
结果一，符合预期：跨时点要求普遍存在，且是明文。四部里四部都有——非同日三次；无典型症状时必须重复检测以确认；持续三个月以上；舒张试验前后两次测量。它不是惯例，不是默契，是写在诊断依据里的构成条件。
结果二，与预期相反，且改了本文：单时点即可确诊的通道确实存在。糖尿病指南写的是“没有糖尿病典型临床症状时必须重复检测以确认诊断”，这句话的另一面就是：有典型症状时，一次血糖达标即可诊断。国际高血压学会的指南在“尽量不要一次就诊即做出诊断”之后写了一个例外——血压达到一百八十／一百一十且已有罹患心血管疾病证据的情形。本文写作前的主张是“慢性病诊断在定义上一律需要两个时点”，这句话是错的，必须撤。
但这条不利结果没有毁掉本文，它把本文改窄了，而改窄之后更结实。看这两条例外的入口条件：一条是“有典型临床症状”，另一条是“极高读数加已有靶器官损害证据”。两条例外的门槛都落在已经露出症状的那一侧。 也就是说，单时点通道只对已经病得看得出来的人开放；而慢性病标化患病率跨地区差异的主要来源，恰恰是无症状与早期那一档——高血压的绝大多数、糖尿病的相当一部分、慢性肾脏病的早期分期，都是在没有任何症状的情况下被查出来的。本文的机制不覆盖单次通道，而单次通道不覆盖梯度的主要来源。
因此承重命题从“慢性病诊断在定义上一律需要两个时点”改为：在无症状那一档上，慢性病条目的成立在定义上需要第二次接触；而无症状那一档正是跨地区梯度的主要产地。 这个修改同时改了清点手册——第十节编码规则第二条“有典型症状而单次即确诊者不入清单”，就是这次清点的直接产物。
结果三，超出预期的一处：国际高血压学会那份指南把标准分成“基本”与“理想”两套，明写基本标准适用于资源相对匮乏地区、理想标准适用于资源充沛地区。这一条比本文原先设想的更强——它意味着诊断程序按资源分档不是本文的推论，是已经写在国际指南里的制度安排。本文因此不能主张发现了一件没人知道的事；本文发现的是一件人人知道而没有人算过后果的事：两套标准下产出的患病率数字每天被放在同一张表上比较，而没有任何一份文件说过它们可比。
这次清点的边界必须写明。它清点的是条文，不是实践——条文要求非同日三次，基层实际执行到什么程度，本文没有数据。它也不是对机制的检验：条文里有跨时点要求，不等于这个要求真的在制造地区差异，后者需要第十七节那个实验。这次清点能做的只有一件事——把“跨时点要求是不是真的存在、是不是明文”这个前提坐实，而这个前提此前从未被单独摆出来看过。
一个判断可以打赢所有的替代解释，仍然可能只是某个已有概念的改名。下面逐条比对，每条给三件：这一位公允地说到了哪一步；本文与它的差别落在哪个可分辨的位置；以及一条能把两者分开的观测。
检出强度与知晓率（现行卫生统计的标准解释）
它说到哪一步：医疗资源多的地方查得多、知晓率高，因此患病率读数高。中国二型糖尿病防治指南自己报告过这一层——知晓率、治疗率、控制率分别为百分之三十六点五、百分之三十二点二、百分之四十九点二，都处在低水平。
分离线：检出强度是一个连续量，它预测投入与检出之间是平滑的剂量关系；本文说的是一道离散的资格门槛——在无法满足第二次接触的人身上，投入再多也不产出条目。两者在同一份数据上给出可分的预测：检出强度预测“检查次数多的人诊断率高”，本文预测“检查次数多而全部集中在一天的人诊断率不高”。
判定形式：把个体按“检查总次数”与“检查所跨天数”双向分层。若诊断率只随总次数上升而与跨天数无关，则检出强度足够；若在总次数相同时，跨天数少的一组诊断率显著更低，则它解释不到。
抽样框覆盖误差（Kish 1965；Hansen, Hurwitz & Madow 1953）
它说到哪一步：这是本文借来的地基，也是最危险的方法学邻居。它已经完整地论证了框外单元不可由加权修正，并给出了处理办法。
分离线：覆盖误差讲的是研究设计里的框——调查者建了一份名单，名单不全。本文讲的是诊断标准里的框——它不是任何人为某项研究建的，它写在临床指南里，其目的是保证诊断准确，而它顺带充当了一道抽样框。两者的差别是：调查者知道自己在建框，可以去补；写指南的人不认为自己在建框，因而没有人负责补。
判定形式：若各地患病率的差异可以由已知的调查覆盖差异完全解释（即用同一份抽样框、同一套调查方法在各地重做，差异消失），则本文是覆盖误差的一个应用；若在使用同一份抽样框、同一套调查方法之后，差异仍随该地人口可回访份额而变，则框在标准里而不在设计里。
选择偏倚、无回答偏倚与健康工人效应
它说到哪一步：流行病学有一整套成熟工具处理“谁进了样本”，健康工人效应更是这类问题的经典案例。这是本题所属实务共同体里用了半个世纪的框架。
分离线：这些工具默认在研究之外存在一个真值总体——每个人有病或无病，只是样本没抽准。本文说的是：在无症状那一档，一个人此刻“是不是慢性病患者”这个问题，在只有一个时点的条件下没有答案，不是答案没被抽到。
判定形式：若给一个无法被再次找到的人补上足够多的同日检查，其诊断状态可以被确定，则存在真值，本文错；若无论做多少次同日检查都无法确诊（而条文正是这样规定的），则那不是一个未被抽到的真值。
医疗可及性与反向照护定律（Tudor Hart 1971）
它说到哪一步：良好医疗照护的可及性与它所服务人群的需要成反比；可及性差的地方，人接触不到医疗。
分离线：可及性讲的是人能不能到达医疗，本文讲的是医疗能不能再次到达这个人。方向相反，且两者可以分离——一个人可以有充分的可及性（随时能挂上号）而完全不可回访（每次去的都是不同的城市）。这一条是本文与可及性研究最容易被混为一谈的地方。
判定形式：取可及性指标相同而人口流动率不同的两组地段。若患病率无差异，则本文只是可及性的一个侧面；若流动率高的一组患病率显著更低而单遇清单显著更长，则可回访是与可及性不同的另一个量。
失访偏倚与队列保持率
它说到哪一步：队列研究早就知道失访会造成偏倚，并有大量方法处理。
分离线：失访的前提是已入组，因而失访率有分母。本文说的是入组之前的事，它没有分母。这是两个概念在同一份数据上的相反读法：一位越阈后再未出现的人，队列研究的读法是“此人不在队列中，与本研究无关”，本文的读法是“此人正是本文的对象”。
判定形式：若把所有越阈后未确认者按失访处理并用现行方法插补，插补出的患病率与本文按分层清单估出的结构一致，则本文可被失访处理吸收；若两者在分层结构上不同（尤其在无参保者一层），则失访方法处理不了它。
过度诊断与概念扩张（Welch 等；Moynihan 等 2002）
它说到哪一步：阈值下移、筛查扩大、疾病定义放宽，制造出大量“确诊而不会因此受损”的病例。
分离线：过度诊断盯的是阈值那一半，本文盯的是时间跨度那一半，而两者在方向上相反——阈值放宽会让更多人越阈，确认要求加严会让更少人成为条目。两者可以在同一套标准里同时发生：一份把阈值从一百四十降到一百三十、同时把确认要求从两次提到三次的指南，会同时制造出更多的过度诊断与更长的单遇清单，而且分别落在不同的人身上。
判定形式：若某次标准修订只动阈值不动确认要求，本文预测清单长度不变而条目数上升；若同时加严确认要求，本文预测清单在低可回访人群中变长而条目数在高可回访人群中上升。这两条可以分开去查。
国家的可读性与统计范畴的历史（Scott 1998；Desrosières 1993）
它说到哪一步：这是来自本文学科之外的一位，也是最深的一位。它论证了国家为了看见人口而重塑人口，统计范畴本身是被制造出来的。
分离线：Scott 与 Desrosières 谈的是范畴如何被造出来——什么算一个农户、什么算一种职业、什么算一个森林。本文谈的是范畴之下更细的一层：一个已经存在的范畴，其成员资格的取得需要几次接触。前者问“这个类别是怎么来的”，后者问“进这个类别要走几道门”。第二问在前者的框架里不出现，因为它不是一个分类问题。
判定形式：若把范畴本身固定（同一套诊断标准、同一份编码、同一个时期），地区差异消失，则本文被范畴史吸收；若在范畴完全相同的条件下差异依然随可回访份额而变，则那是成员资格的门槛，不是范畴的建构。
故障检测与不可能性结果（Fischer, Lynch & Paterson 1985；Chandra & Toueg 1996）
它说到哪一步：这是本文借来的第二证。它在自己的领域里给出了一条比本文强得多的结论——在异步系统里，某些判定不仅难，而且被证明不可能在有限时间内可靠作出。
分离线：它处理的是“判定不可靠”，本文处理的是“判定在标准的定义下不成立”。前者是认识论的限制（你无法确知），后者是构成性的限制（那件事还不构成一个可判定的对象）。这个差别有实际后果：面对前者，工程上的对策是接受概率性判定并设计容错；面对后者，对策只能是改标准或者改人与体系的关系，容错帮不上忙。
判定形式：若在慢性病诊断上引入概率性判定（比如给单次越阈者一个带不确定度的诊断概率）能够让地区间读数变得可比，则这是一个不可靠性问题；若引入之后可比性没有改善（因为不确定度本身在各地估法不同），则它不是不可靠，是不成立。
同栏的几篇
本栏此前有几篇处理过形状相近的问题，必须逐一分开，尤其是同一道题的那一篇。
《撤终》与本文同题，方向相反，这是最要紧的一条分界。那一篇说高资源地区的分子里多了一类人——被撤销终点的人及其下游条目；本文说低资源地区的分子里少了一类人——碰到过一次而无法被再次找到的人。两篇对同一份跨地区数据给出相反的修正方向：按《撤终》读，高的那一头应当被调低；按本文读，低的那一头应当被调高。判定形式：取一批可回访份额相近而救治能力差异大的地段，若梯度仍在，《撤终》对而本文解释不到；取一批救治能力相近而可回访份额差异大的地段，若梯度仍在，本文对而《撤终》解释不到。这两组数据可以分别去取，因此两篇不是互相解释，是可以被同一批数据分开判的两条。至于两篇同时成立的情形，效果不是相加。高资源地区通常同时具备高救治能力与高可回访份额，两个机制同向叠加，因而观测到的梯度会大于任一机制单独的预测。这是本文对《撤终》的一处补充，也是一处麻烦：两者叠加时，无法从总梯度里分离出各自的份额。
《寄类》处理的是何谓慢性病这个划界问题，它的读数是一份支撑来源清单。本文与它的关系在读数形状上最近——都是清单。差别在清单上列的是什么：那一篇列的是一个已成立的状态由哪些外部来源在支撑，本文列的是一件未能成立为条目的接触。一个人可以有很高的寄类度而完全不在本文的清单上（他被锚得很牢），也可以在本文清单上而寄类度为零（他从未进入任何支撑关系）。两者正交。
《返架》处理的是慢性病如何逆转，读数是最小撤除集的势。它管的是已成立条目之间的支撑结构，本文管的是条目成不成立。前者的全部对象都是本文清单之外的人。
《余认》处理的是账上有而对应物已不存在的那份确认。它与本文在同一条轴的两端：那一篇管出列没有判据，本文管入列的判据里藏着一道资格门槛。两者的处方也在两端——那一篇要加一个注销字段，本文要加一份入列之前的清单。同一套登记可以两条都缺。
这几位共同踩着的那块地
把上面每一位逐个问一句“它把什么当作给定，因此看不见什么”，会看到几行不相干的答案背后是同一件事。
检出强度把“病”当作给定，因此看不见诊断标准的构成性要求；一旦承认那个要求是构成性的，“真实患病率”就没有指称对象，而全部的校正工作都以它为目标。覆盖误差把框当作研究者的工具，因此看不见指南也在建框；一旦承认，指南制定就成了一件统计学上的事，而没有人是这样理解指南的。失访处理把入组当作起点，因此看不见入组本身是一道筛；一旦承认，队列的外部效度问题就前移到了标准层。过度诊断把阈值当作唯一的可调项，因此看不见时间跨度也是可调的；一旦承认，每一次“加严以防过度诊断”的修订都同时是一次收紧资格。
这几行背后是同一块地：一个人此刻有没有病，是一个此刻就有答案的事实。 所有人——包括吵得最凶的过度诊断派与漏诊派——都默认这个答案存在，分歧只在于我们有没有读对。这不是谁的疏忽，这是“诊断”这个词本身的语法：诊断的字面意思就是把已经在那里的东西认出来。而慢性病诊断标准里的那句“非同日三次”，恰恰在说这件事不是被认出来的，是被两次接触共同做出来的。
单遇之所以从来没有被辨识过，不是因为没有人看，是因为看的人都站在这块地上。
本文的证伪主件不是一个写死日期的等待，是一个现在就能做的实验。它便宜到不需要立项。
实验设计。取任一家二级以上医院最近五年的检验信息系统数据，不需要跨机构串联，不需要新增采集。第一步，抽出所有单次结果已越过某项慢性病诊断阈值的记录（血压、空腹血糖、肌酐、一秒率任选其一或全取）。第二步，对每一条，回查该个体在该项标准所要求的确认窗口内有无第二条可用于确认的记录。第三步，把无第二条记录的那一份列成清单，按参保状态、户籍是否本地、年龄、就诊科室分层。第四步，比对两组人在这些字段上的分布差异。
预注册的判定阈值，在跑数之前写死。若清单在无本地参保关系一层的占比，与在本地参保一层的占比之差小于十个百分点，则本文的核心预测失败：这说明可回访份额并不随参保状态系统性变化，而本文的整套机制建立在它变化之上。
这个实验的代理变量必须写明：检验室记录不等于接触。一个人可能在别处完成了确认，也可能在同一家医院用了另一个标识。本文的清单会因此高估，高估的方向固定，幅度未知。这是本文最大的一处不确定，第二十一节列为洞之一。
在这个实验之外，另有五条证伪条件，编号写死。
条件一。在同一个统筹区内取不少于六个县区，保证制度环境同质，不得用跨省或跨国的两两对比充数。控制年龄、性别、人均门诊次数、人均卫生费用之后，若各县区的慢病标化患病率与其人口可回访份额（以建档后仍能被随访到的比例度量）之间不存在剂量—反应关系，则本判断为伪。
条件二。把个体按“检查总次数”与“检查所跨天数”双向分层。若在总次数相同的条件下，跨天数不影响诊断率，则本判断为伪，检出强度足够。
条件三。取诊断标准里含病程要求的病种与不含病程要求的病种各若干，若两类在流动人口中的确诊率下降幅度相同，则本判断为伪——跨时点要求不是那道门槛。
条件四。若在使用同一份抽样框、同一套入户调查方法（即完全绕开临床路径）在各地重做患病率测量之后，地区梯度消失，则本判断为伪，梯度来自临床路径的覆盖差而非标准的构成性要求。
条件五。这是本文最愿意押、也最容易翻车的一条：在某地段建档扩面之后，若观察到确认程序的收紧早于患病率上升，则第十二节的三圈结构为伪。
本文若被证伪，会学到什么：如果条件二与条件三同时不成立，那么“跨时点要求是一道资格门槛”这个说法就是错的，慢性病诊断标准里的时间跨度就只是一道准确性保障，与谁能被找到无关。这会反过来支持现行的检出强度校正做法，并使本文提出的那份清单变得没有必要——那是一个很有价值的结论，因为它可以让人不必去动指南。
本文自己删掉的两句：不写“若未来研究发现反例则需修正”，不写“在某些情况下可能不成立”。一个永远不会被触发的条件等于没有。
本文可以分层引用，三层各自独立。第一层是单遇作为核心判据，最强也最易倒。第二层是那份分层清单作为分析工具，即使第一层的因果主张被推翻，把越阈而未确认的接触按人群分层列出来仍然有用。第三层是一条不依赖前两层的经验主张：现行慢性病诊断标准里普遍含有明文的跨时点要求，而没有任何一套统计口径记录一条诊断走的是单次通道还是确认通道。这一条是第十五节清点的直接结果，可以独立核实，也最容易检验。
五条，逐条写死。
第一，不适用于有典型症状而经单次通道确诊的病例。这是第十五节清点逼出来的，且它划走的不是一个小角落——所有症状明显的慢性病病例都在本文之外。
第二，不适用于正式记录不是慢性病条目唯一成立途径的社会。在非正式照护网络能够完成“再次找到”的地方，正式清单的长度与实际诊断成立率脱钩。
第三，不适用于急性疾病与外伤的比较。这些病种的诊断标准里没有跨时点要求，本文的机制在那里不存在。
第四，不适用于对个体的任何判断。一个人在清单上，只说明这套记录没有他的第二条记录，不说明他有病、也不说明他没病、更不说明他不配合。清单是关于记录的，不是关于人的。
第五，本文不主张清单应当被压到零，也不主张任何关于该不该加严标准的判断。第十四节由计算机科学逼出的那一处已经写死：这是一条取舍曲线，不是一个应当最优化的量。
本文的自省不放在“本文也有局限”上，放在提出这道题的那句话上。
这道题的提法是：为什么把年龄结构扣掉之后，医疗越先进的地方慢病仍然越多。用本文的判据看，这句话本身只有在可回访人口里才说得出来。它的每一个成分都预设了一套能够反复找到同一批人的记录。“患病率”预设了一个可被清点的在册人群；“年龄标化”预设了一份可靠的分年龄人口；“医疗越先进”预设了一套可比的资源统计；“仍然越多”预设了两地的数字可以放在同一行。这句话是一个高可回访体系的产物，而它要问的恰恰是可回访差异造成的后果。
这带来一个具体的后果，不是一句谦辞。本文所有的证据——四部诊断标准的条文、指南里的两套标准、检验信息系统的可查性——全部来自公开发布、格式规整、可被反复调阅的文本。而本文主张最要紧的那一部分人，恰恰是不产生这类文本的人。本文的证据来源与它所批评的那个统计口径共享同一个偏差方向：能被再次找到的东西被看见，不能的不算数。 本文对自己的清单上会有谁，只有推论，没有材料。
第二处，更具体：本文提出的那份清单，如果真的被做出来，它本身也需要一个可以被再次打开的记录体系才能存在。在最需要它的那些地方——记录零散、系统不互通、个体标识不稳定的地方——这份清单也做不出来。本文的工具与本文的对象之间存在同一道门槛。 本文看不到绕开它的办法。
第三处：本文所在的这个专栏，对每一篇文章只记“发表”这一个时点，没有第二次接触的要求。一篇被后续工作证伪的文章与一篇从未被人读过的文章，在目录上完全同形。按本文自己的标准，这个专栏里的每一条都是单次通道确诊的。
单遇清单是可以拿去考核人的东西，因此必须写死三条，缺一条本文不可用于任何管理用途。
第一，这份清单指记录，不指人，更不指医生。清单上有一位患者，不表示他不配合；清单长，不表示这家机构的医生工作不到位。它读的是这个人群与这套记录之间的关系。
第二，不得为了把清单做短而降低诊断标准，也不得为了做短而对无法复查者先行建档。前者摧毁的是诊断的准确性，后者制造的是一批终身携带的假阳性条目。第十四节由计算机科学逼出的那一处在这里必须再说一遍：把窗口无限放宽等于永远等一个不会回来的心跳。
第三，不得用清单去反推患病率并据此做资源分配。第十四节由统计学逼出的那一处已经写死：零入选概率单元的偏差不能靠加权修正，清单告诉你有多少人在框外，不告诉你他们的患病情况。任何把清单长度乘以一个假定患病率的做法，都是把不知道当成知道。
反噬预言写在这里，且写明看不到出口。这份清单一旦进考核，最省事的达标方式是把标准执行得松一点——见一次高就先建个档，把窗口内的任何一次接触都算作确认。这会让清单迅速变短，同时把大量本不成立的条目变成终身在册，而那些人正是本文第十四节承认自己无权处置的那一群。更麻烦的是，这种做法在报表上表现为“慢病管理覆盖率提升”，是一件会被表扬的事。本文看不到出口——凡是可清点的东西，一旦成为考核依据，清点规则本身就会成为被操作的对象；而不进考核，就不会有人去清点。
第一个洞：代理变量的偏差幅度未知。本文用“同一体系内无第二条记录”作为“无法被再次找到”的代理，而一个人完全可能在别处完成了确认。这个代理会高估清单长度，高估的方向固定，且很可能随人口流动性上升而扩大——也就是说它与本文要检验的自变量同向，会人为地制造出本文预期的结果。本文给不出剔除办法，只能说明：条件二（同总次数下跨天数的效应）不受这个偏差影响，因此检验应当优先做条件二。
第二个洞：清单上的人到底有没有病，本文完全不知道，而且原则上无从知道——因为要知道就得再找到他们一次，而找不到正是他们在清单上的原因。这不是数据不足，是一个内建的死结。本文因此只能主张公布清单，不能主张估计清单背后的患病情况；而一个不能被估计的量，在政策上很难有用。这是本文最弱的一处。
第三个洞：本文没有处理“第二次接触”在不同病种上的差异。非同日三次与持续三个月，门槛高低相差很大；不同病种的清单长度差异有多少来自门槛高低、有多少来自患病人群的可回访差异，本文分不开，也给不出分开的办法。这使得跨病种比较清单长度在目前是没有意义的，只能在同一病种内做地区比较。
赌注：到 2034 年 12 月 31 日为止，将出现至少一份国家级或国际级的慢性病统计规范，其中要求分别报告经单次通道确诊与经确认通道确诊的病例数，或要求公布越阈而未完成确认的接触计数。
什么不算命中，四条写死。第一，仅在学术论文里做过一次此类分析的不算，必须是规范或标准里的报告要求。第二，仅有技术可行性说明而无强制报告要求的不算；仅要求机构自行说明的不算。第三，把它并入现有的“复查依从率”“随访率”指标的不算——那是关于已确诊者的指标，与本文要的是两回事，混进去等于没有。第四，仅在单一病种的专项登记里实现的不算，本文要的是慢性病统计的一般口径。
为什么押 2034 而不是更早：所需的原始数据在检验信息系统里已经全部存在，技术上一次查询就出；难的是让诊断标准的制定者承认自己在建框，以及让统计口径的制定者承认两套标准下的数字不可比。第二件事牵涉到全部既有的国际比较数据，动它等于宣布一批已发表的比较需要重做。这类承认的周期通常是十年起。若到期未见，本文关于“这件事只差一次口径承认”的判断就是错的，本文将不得不承认阻力不在承认，而在别处，并且本文没有识别出那个别处。
结论
慢性病诊断标准里写着一句所有人都读过而没有人当回事的话：非同日三次；无典型症状时必须重复检测以确认；持续三个月以上；连续七天监测。这句话不是一道准确性保障，是一道资格门槛。它要求的不是这个人病得够重，是这个人能被再次找到。
于是一个人群的慢性病患病率，先测的是它能把多少人再找回来，然后才测这些人病了没有。年龄标化处理的是人口的年龄构成，它没有碰到前一个乘数。把年龄结构扣掉之后剩下的那个梯度里，至少有一部分不是高的那一头虚高，是低的那一头装不下——那里有一整类身体麻烦，被碰到过一次，读数已经越过阈值，而在现行标准的定义下不可能成为一个条目。
本文能给的只有三样：一个把这类东西点出来的名字，一份可以逐条打开、按人群分层的清单，以及一个今天就能在任何一家医院的检验室数据库上跑完的实验。至于这份清单该被用来做什么，第十四节已经交出了处方与价值排序，不再收回。
本附录在动笔之前写定，此处照录并逐条核对，包括落空的部分。
预期一：四部诊断标准的条文清点将显示跨时点要求普遍存在且为明文。核对结果：命中，四部里四部都有明文。
预期二：不存在单时点即可确诊的通道。核对结果：落空，而且是本篇最重要的一处落空。糖尿病与高血压均有明文例外。本文据此把承重命题从“一律需要两个时点”改窄为“在无症状那一档上需要第二次接触”，并同步改了清点手册的编码规则第二条（有典型症状者不入清单）。改窄之后命题更结实，因为两条例外的入口条件都落在已经露出症状的那一侧，而梯度的主要产地在无症状那一档。
预期三：推翻共同假定的材料只能从统计学取。核对结果：命中主体，但比预期宽。统计学的覆盖误差是承重的那一件；计算机科学的不可能性结果与社会学的可读性各自独立地给出了同一形状的第二证与第三证，且计算机科学那一条后来在第十四节反过来削掉了本文的价值排序，其作用超出辅证。与上一批的结论一致：事前锁定“只从一门取”过紧，应允许写多门。
预期四：六个场合中至少两个的答案靠推而非靠查。核对结果：落空，方向是好的。六个场合有四个查到了明文或可直接执行的查询，两个（指南的两套标准、糖尿病的症状例外）查到了原文，无一处靠推。代价是本文的证据集中在有公开条文的领域，见第十九节自述的偏差。
预期五：最危险的那一位邻居来自方法学。核对结果：命中，是抽样框覆盖误差。处理方式取的是承认地基而非切割：本文明写它是借来的地基，分离线只落在“框在设计里还是在标准里”这一处，不作更大的主张。
预期六：三门学问中至少有一门会削掉本文的处方。核对结果：命中，且是统计学，而它削掉的正是本文最想给的那个用途（用清单去校正患病率）。
预期七（本篇特有）：本篇与同题的《撤终》应当能被同一批数据分开判。核对结果：命中，判法写在第十六节；同时发现一处未预见的麻烦——两个机制在高资源地区同向叠加，无法从总梯度里分离各自份额，已列入第二十一节之外的正文说明。
Kish, L. (1965). Survey Sampling. New York: John Wiley & Sons.
Hansen, M. H., Hurwitz, W. N., & Madow, W. G. (1953). Sample Survey Methods and Theory (Vols. I–II). New York: John Wiley & Sons.
Groves, R. M. (1989). Survey Errors and Survey Costs. New York: John Wiley & Sons.
Fischer, M. J., Lynch, N. A., & Paterson, M. S. (1985). Impossibility of distributed consensus with one faulty process. Journal of the ACM, 32(2), 374–382.
Chandra, T. D., & Toueg, S. (1996). Unreliable failure detectors for reliable distributed systems. Journal of the ACM, 43(2), 225–267.
Lamport, L., Shostak, R., & Pease, M. (1982). The Byzantine generals problem. ACM Transactions on Programming Languages and Systems, 4(3), 382–401.
Scott, J. C. (1998). Seeing Like a State: How Certain Schemes to Improve the Human Condition Have Failed. New Haven: Yale University Press.
Desrosières, A. (1993). La politique des grands nombres: Histoire de la raison statistique. Paris: La Découverte.
Bowker, G. C., & Star, S. L. (1999). Sorting Things Out: Classification and Its Consequences. Cambridge, MA: MIT Press.
Tudor Hart, J. (1971). The inverse care law. The Lancet, 297(7696), 405–412.
Moynihan, R., Heath, I., & Henry, D. (2002). Selling sickness: The pharmaceutical industry and disease mongering. BMJ, 324(7342), 886–891.
Unger, T., Borghi, C., Charchar, F., et al. (2020). 2020 International Society of Hypertension global hypertension practice guidelines. Hypertension, 75(6), 1334–1357.
中华医学会糖尿病学分会（2021）：《中国2型糖尿病防治指南（2020年版）》，《中华糖尿病杂志》，13(4)，315–409。
国家基本公共卫生服务项目基层高血压管理办公室（2017）：《国家基层高血压防治管理指南》，北京。
《中国高血压防治指南》修订委员会（2024）：《中国高血压防治指南（2024年修订版）》。
Kidney Disease: Improving Global Outcomes (KDIGO) CKD Work Group (2024). KDIGO 2024 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease. Kidney International, 105(4S), S117–S314.
Global Initiative for Chronic Obstructive Lung Disease (2024). Global Strategy for the Diagnosis, Management, and Prevention of Chronic Obstructive Pulmonary Disease: 2024 Report.
版本与分工
正文与附录合计约两万三千汉字。文中所引三门源头学问的核心判断与四部诊断标准的条文，均取自可核的原始出处，未作代拟。数据部分只做了一次公开条文的清点，未使用任何未公开的个体级数据，也未对任何数字作示意性转写；第十七节的实验为设计与预注册，尚未执行。凡本文未能核实的，已在第十五节、第十九节与第二十一节逐条写明。
以下一节由编辑增补，不属于投稿原稿。它按最美文频道的五道入选关执行：请出正文未曾请出的那位最危险的对手，与之划一条让两套理论对同一件事作出相反预测的线，写清怎么裁决，把核心命题改写为否定—重命名形式，并列出三条「被观察到即失效」。
本文第十六节请出了八位——抽样框覆盖误差、失访、反向照护定律、统计的社会史、检出强度、病程延长、真实增量、可及性研究——独独漏了形式上最贴近的那一位：标记重捕。塞卡与戴明在一九四九年把生态学的标记重捕移植进人口统计，用来估计漏登的出生与死亡；此后它成为流行病学估计「未被发现的病例数」的标准工具，胡克与里加尔的系列工作专门处理捕获概率的异质性。
一个读者的质疑几乎是现成的：「患病率测的是有多少人能被再次找到」——这不就是重捕概率吗？而重捕概率异质性已经被建模了七十年。
分离线落在第二次接触是估计手段，还是条目成立的构成条件。
标记重捕把「被捕获两次」当作手段：目标是还原那个本来就存在的真实总数，捕获异质性是要被建模消掉的偏倚。它因此预测：增加相互独立的名单（多列表估计），估计值会向真值收敛，缺失病例可以被补回来。
本文主张两次相隔的接触是诊断条目成立的构成条件——非同日三次、必须重复检测确认、持续三个月以上，这些写在诊断标准正文里。不可回访者不是「被漏掉的病例」，他们在现行定义下不构成病例。这预测的是相反的一件事：无论加多少个名单，只要每个名单内部仍要求跨时点确认，低可回访层的估计就不收敛，缺口不随名单数减少而缩小。
裁决设计：在同一地区同时做两件事。其一，用三到四个相互独立的数据源（医院、医保、体检、社区筛查）做多列表重捕估计，看低可回访层的估计值是否随名单数增加而收敛。其二，取任一家二级以上医院近五年检验数据，抽出单次已越阈的记录，回查确认窗口内有无第二条，按参保关系分层算单遇清单占比。重捕理论预测第一件事收敛、且收敛后的估计能对上第二件事算出的缺口；本文预测第一件事不收敛，因为每个名单都受同一条跨时点要求的约束，它们并不独立。若多列表估计确实收敛且能补齐缺口，单遇应并入重捕框架的异质性一支。
一个人群的患病率不是「有多少人病了」，不是「有多少人被查出来了」，也不是「有多少人被漏掉了因而需要估计补回」——它是有多少人能被再次找到并且病了。第二次接触不是发现病例的手段，是这个条目在定义上成立的一半。
删掉塞卡、戴明、胡克、里加尔与全部抽样理论，本文还剩什么？剩下四部现行诊断标准里可以逐条抄下来的一句话：确诊需要至少两次相隔的接触。这句话不需要任何统计学背书就成立，它写在标准正文里。由它直接得到的那个清点动作——把单次越阈而无第二条的记录列成一张表——花不了一笔研究经费，也不需要新增采集。本文最硬的部分不是一个理论主张，是一张任何一家医院明天就能拉出来的表。
本轮定稿所核验的文献：Sekar, C. C., & Deming, W. E. (1949). On a method of estimating birth and death rates and the extent of registration. Journal of the American Statistical Association, 44(245), 101–115. · Hook, E. B., & Regal, R. R. (1995). Capture-recapture methods in epidemiology. Epidemiologic Reviews, 17(2), 243–264. · International Working Group for Disease Monitoring and Forecasting (1995). Capture-recapture and multiple-record systems estimation. American Journal of Epidemiology, 142(10), 1047–1058.
本文正文为学员投稿原稿，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。