陳建仁《因果螺旋》:只看死亡數就斷言美國防疫做得差,是「見樹不見林」的思考謬誤

陳建仁《因果螺旋》:只看死亡數就斷言美國防疫做得差,是「見樹不見林」的思考謬誤
Photo Credit: 中央社

我們想讓你知道的是

見樹不見林的思考方式,相當於只看到分子,而沒有看到分母,當然容易下錯結論。由於不同國家、地區或團體的人口數可能差異很大,如果只比較健康事件,像是病例數或死亡數的多寡,而忽略了人口數,對於事件的判斷,就無法精準正確。

文:陳建仁

自從COVID-19(嚴重特殊傳染性肺炎、新冠肺炎、武漢肺炎)在全球肆虐後,媒體最常報導的就是各國每日確診死亡人數,政論節目也不斷評論各國的防疫政策。今(2022)年2月中旬,一位名嘴在節目裡說:「美國是全世界COVID-19確診死亡數最多的國家,共有93萬多人,遠高過英國的16萬、法國的14萬和德國的12萬,高達六到八倍,防疫真的做得太差了!美國政府和人民防疫的努力比起歐洲差很大!」其他名嘴也紛紛點頭同意。

內人鳳蘋剛好聽到這一段,她告訴我:「這個說法,已經掉進『見樹不見林』的謬誤之中。」

確實是如此,我從牛津大學的Our World in Data網站,查看了這四個國家的人口總數,結果是美國三億三千萬、英國六千八百萬、法國六千七百萬、德國八千四百萬。我進一步把死亡數除以人口數,來計算每百萬人口的COVID-19確診死亡率,結果發現美國2800、英國2351、法國2020、德國1442,相差都在兩倍之內。只看到死亡數而沒看到人口數,正是一般人常犯的因果謬誤。

見樹不見林的思考方式,相當於只看到分子,而沒有看到分母,當然容易下錯結論。由於不同國家、地區或團體的人口數可能差異很大,如果只比較健康事件,像是病例數或死亡數的多寡,而忽略了人口數,對於事件的判斷,就無法精準正確。

數人頭還是算比率?

在你我日常接受到的資訊中,類似「見樹不見林」的謬誤真的不少!

有一天,我看到某名報頭版標題寫著「智慧型犯罪與年俱增」,相當引人注目。

仔細一讀,內容提到過去十年來,在犯罪的人當中,研究所和大學畢業生所占的百分比,分別從4%和18%,增加到7%和27%,換句話說,研究所畢業的犯罪者占比增為1.8倍,大學畢業的犯罪者占比增為1.5倍。「很顯然智慧型犯罪正在逐年增加,加強大學院校學生的品德和公民教育刻不容緩。」

這則新聞的論斷,明顯地掉入見樹不見林的謬誤中。其實在這十年間,全人口的大學與研究所畢業生所占的百分比也是逐年增加。如果計算不同教育程度族群的犯罪率,這十年來並沒有顯著的上升。

因此,在觀察社會或健康事件發生狀況時,必須同時考量事件數和人口數,先計算事件發生率,才能進一步比較分析和下結論。

1983年我在擔任台大公衛系副教授時,接受衛生署委託進行「台灣高血壓防治實驗計畫」。我們從六個鄉鎮區的戶政事務所,隨機抽樣選出具有代表性的研究個案。徵得他們同意後,就進行個人基本資料、生活飲食習慣、疾病治療史的問卷調查,並且以水銀血壓計測量休息後血壓三次,計算收縮壓和舒張壓的平均值,再按照世界衛生組織的標準判定是否患有高血壓。

有一次,台大內科曾文賓教授和我一起討論不同年齡層的高血壓盛行率時(見表1),我的研究生報告分析結果說:「在高血壓的病人當中,以50~59歲所占百分比最高,其次是40~49歲、60~69歲,再來是30~39歲和70~79歲,……」曾教授馬上說:「不,怎麼會是50~59和40~49歲最高呢?而且30~39歲和70~79歲一樣更奇怪!你該看各年齡的盛行率,而不是病例數所占的百分比!」研究生回答說:「高血壓盛行率確實是隨年齡越大而越高!」

圖片_1

如果只看高血壓病例數的年齡分布,這位研究生認為大多數高血壓病人集中在50~59歲,但是他忽略了各年齡層的研究人數有很大差異。當年台灣的人口結構是金字塔型,年齡越高人口越少,我們的抽樣研究樣本也是如此。所以應該把病例數除以參加研究人數,比較各年齡層的盛行率,才是正確的做法。換句話說,我們不只要數病例數,還要考量參加研究人數,來計算高血壓的盛行率。

就像前面提到的四個國家的COVID-19死亡狀況,如果只從死亡數來看,就斷定「美國死亡數很多,好恐怖」,而沒有考慮到美國總人口數也很多,就會下錯結論,必須算出死亡率,才是適合比較的數據。

書籍介紹

本文摘錄自《因果螺旋:跨越時空的探索與思辨》,圓神出版

作者:陳建仁

  • momo網路書店
  • Readmoo讀墨電子書
  • Pubu電子書城結帳時輸入TNL83,可享全站83折優惠(成人商品、實體商品、限定商品不包含在內,不得與其他優惠併用)
  • 透過以上連結購書,《關鍵評論網》將由此獲得分潤收益。

★★誤解都來自於錯誤的因果判斷!
所有事件的發生都其來有自,正確掌握原因,就可以有效控制謬誤產生。

很多時候,我們以為是原因,細細推究之後,會發現是結果;
也有些時候,我們認為是結果,經過抽絲剝繭,才知道竟然是原因。

請大家一起來思考:

  • 健身教練的肌肉很發達,是因為肌肉發達的人才能當教練,還是當了教練之後肌肉才發達?
  • 是英文能力好才常聽英文歌,還是常聽英文歌,英文能力變好?

「倒因為果」「倒果為因」的謬誤,常常出現在日常的因果推理中,如果一開始對因果辨別就是錯誤的,那怎麼會有正確的因果推論?

「因果螺旋模式」主要用來描述疾病在每一個階段的演進過程,都有各式各樣的驅動因子,推動整個病理變化的演進,促使病灶從分子、細胞、組織,逐步擴大到器官、系統、個體全身,再從個體,蔓延到社區、國家和全球,如同螺旋一樣擴展開來。

本書由此觀點出發,介紹常見的因果推論謬誤,分享在醫學史上重要的病因探索與醫藥研發的故事,建立因果關係的法則。內容談及疾病自然史與各種因果模式,並根據陳建仁院士長期研究流行病學領悟的心得,揭示他所創建的「因果螺旋模式」。

希冀這本書不只是疾病病因的探索,更可以透過釐清因果關聯、反省個人生活的大小事件,讓我們更有信心迎接嶄新的一天。