玻尔百科在科学探究中，我们力求客观，假设我们的观察能忠实地反映现实。然而，一个被称为确认偏倚的微妙而强大的挑战，可能会系统性地扭曲我们的发现。这种误差并非源于有缺陷的仪器，而是源于选择观察对象的行为本身，从而在无关联之处制造出虚幻的联系和误导性的结论。本文将直面这一根本性问题。以下章节将首先解构确认偏倚的核心 原理与机制，利用公共卫生和遗传学领域的直观示例来揭示其运作方式。随后，我们将探讨其在现实世界中的后果和 应用与跨学科联系，展示其从癌症遗传学、大流行应对到社会公平的伦理挑战等各方面的影响。通过理解这种偏倚，我们可以学会更清晰地看待世界以及我们从中收集的数据。
想象一下，你在夜晚丢失了钥匙。你在明亮的路灯下寻找，但没有找到。你会得出什么结论？你的钥匙不在光圈里。但周围广阔的黑暗呢？你甚至还没看过那里。你寻找钥匙的方法从根本上限制了你可能找到的东西。这个常被称为“路灯效应”的简单故事，完美地比喻了科学中最微妙和普遍的挑战之一：确认偏倚。它是一种系统性误差，并非源于有缺陷的测量工具，而是源于有缺陷的观察方式。这是我们用来“确认”或识别我们想要研究的人或现象的过程本身所造成的扭曲。
让我们从路灯转向工厂。假设公共卫生官员想知道接触一种工业溶剂是否会导致慢性肾脏病（CKD）。他们利用一个大型健康登记系统启动了一项研究。他们识别出4000名接触该溶剂的工人和16000名未接触的工人。从“上帝视角”来看，我们假设一个事实：该溶剂实际上是无害的，在两个组别中，都恰好有2%的人在一年内会患上CKD。所以，真实的风险是相同的。
然而，这项研究的结构存在一个瑕疵。接触溶剂的工人参加了雇主赞助的健康计划，其中包括年度健康检查和血液检测。而未接触溶剂的工人来自普通人群，没有这种福利。结果是，如果一名接触溶剂的工人患上CKD，他们常规的血液检查有80%的几率会发现并将其记录在登记系统中。对于一个未接触溶剂的人，只有当他们感到不适到去看医生时才会进行血液检测，其CKD被诊断和记录的概率只有40%。
现在，让我们扮演只能看到登记系统数据的研究人员。
在接触组中，真实的病例数是 。他们观察到（或确认）的病例数是 。所以，他们观察到的发病率是 ，即1.6%。
在未接触组中，真实的病例数是 。他们观察到的病例数是 。他们观察到的发病率是 ，即0.8%。
当研究人员比较这两个组别时，他们发现接触组中诊断出的CKD风险（1.6%）恰好是未接触组风险（0.8%）的两倍。他们的数据强烈表明该溶剂是危险的，暗示它使肾脏疾病的风险增加了一倍。但我们知道真相：溶剂是无辜的。整个效应只是一个幻象，一个因为医疗监测的“光芒”更明亮地照在接触组上而产生的错觉。这就是确认偏倚的本质，也常被称为检出偏倚：在不同组别中，我们检测结局方式的差异导致在原本没有关联的地方产生了虚假关联。
这种偏倚不仅会制造虚假的联系；它还会对疾病本身描绘出一幅极具误导性的画面。许多疾病，从流感到COVID-19，都像冰山一样。绝大多数病例是轻微甚至无症状的——这是水下巨大、看不见的部分。少数病例是中度的，而极小一部分是重度的，代表着可见的冰山一角。
让我们想象一种新病毒，其中50%的感染是无症状的，30%是轻度的，15%是中度的，只有5%是重度的。如果你是在医院诊所工作的医生，你会看到谁？无症状感染者没有理由来。轻度症状的人可能会待在家里。最有可能寻求医疗的是那些中度和特别是重度病患。
假设一个人寻求医疗的概率对于无症状病例仅为1%，轻度病例为10%，中度病例为50%，重度病例为90%。如果我们现在仅基于诊所的患者进行研究，我们对疾病的描绘会是什么样子？
让我们关注这个问题：在有症状的人中，重症比例是多少？在整个人群中，有症状的群体由轻度、中度和重度病例组成，总共占所有感染的 。重度病例占所有感染的 。因此，在有症状者中重度病例的真实比例是 ，即10%。
但在诊所里，数字就不同了。使用一些简单的概率（具体来说，是贝叶斯定理），我们可以计算出诊所人口的构成。结果是惊人的。在诊所样本中，有症状患者中重症病例的比例竟然是30%。一个经验仅限于诊所的医生会认为这种疾病的严重性是普通人群中的三倍。这不是因为医生技术不精；而是因为诊所本身就像一个过滤器，优先选择了病情最重的个体，从而产生了一个带有严重偏倚的样本。
我们可以用医学检测中的两个关键概念来将这种机制形式化：敏感性和特异性。
在我们的工厂示例中，“检测”是整个诊断和报告系统。两个组别的敏感性不同：接触组（）为 ，未接触组（）为 。我们假设两组的特异性都是完美的（没有假阳性）。任何组别中观察到的风险是真阳性（敏感性乘以真实风险）和假阳性（(1 - 特异性) 乘以非风险）的组合。在暴露状态为 的组别中，观察风险 的公式是：
其中 是该组的真实风险。观察风险比就是该表达式在 和 时的比值。
这个方程是偏倚的引擎。它表明，即使真实风险相同（），如果敏感性（）或特异性（）不同，分子和分母也不会相等， 将偏离真实的1.0。这个数学框架精确地捕捉了差异性确认是如何系统地污染我们的观察结果的。
确认偏倚是困扰科学研究的系统性误差“家族”的一部分。了解它的亲属有助于更好地理解其独特性格。
选择偏倚： 这是确认偏倚所属的大类。每当我们选择的研究人群不能代表我们想要了解的目标人群时，就会发生选择偏倚。例如，如果我们研究空气污染对健康的影响，但只使用富裕社区诊所的数据，我们的样本可能无法代表整个城市，从而导致选择偏倚。
对撞偏倚： 这是一种特别狡猾的选择偏倚。当我们根据一个同时是暴露和我们研究的结局的共同效应的变量来选择受试者时，就会发生这种情况。想象一下，我们想知道当一个挣扎的艺术家（暴露）是否会导致抑郁（结局）。如果我们从一个专门为艺术家设立的治疗小组中招募受试者，我们就在一个“对撞因子”（即是否在小组中）上进行了选择。要进入这个小组，一个艺术家可能需要要么非常有名（因此不挣扎）或非常抑郁。在这个被选择的群体中，名望和抑郁可能呈现负相关，这完全是我们选择受试者方式造成的人为结果。
错分： 这是一种信息偏倚，即受试者被分入错误的类别。如果一种疾病的诊断测试不完美，一些病人会被归类为健康，一些健康人会被归类为病人。如果这种错误在所有研究组中平等发生（非差异性错分），它通常会使结果偏向于未发现效应。但如果错误率在各组之间不同（如我们的工厂示例），它就成为一种确认偏倚，可以把结果推向任何方向。
确认偏倚在任何领域都没有比在人类遗传学中更臭名昭著。当遗传学家想研究一种罕见的遗传病时，他们如何找到可供研究的家庭？他们不可能检测每个人。相反，他们通常从一个来到诊所的患病患者开始。这个最先被识别出的个体被称为先证者。然后，他们研究先证者的亲属。
这种“表型优先”——从疾病入手——的方法，是确认偏倚的温床。仅仅因为一个家庭有患病成员而找到它，意味着它不是一个随机的家庭。有更多患病成员的家庭更有可能产生一个先证者并被注意到。
想象一项关于某种疾病的研究，每个孩子有1/5的几率患病。如果我们比较三种不同的方式招募有三个孩子的家庭：
不出所料，这三种方法给出了三种不同的疾病图景。在总人口中，一个三孩家庭的平均患病儿童数仅为 。但在完全确认下，被招募家庭中患病儿童的平均数跃升至 。在单一确认下，它是 。而在截断抽样下，它甚至更高。我们观察的方式改变了我们所看到的内容。
这种偏倚对于估计外显率——即携带致病基因的人实际患病的概率——具有深远的影响。假设我们找到了80名患有某种遗传病的先证者。我们随后检测了他们的亲属，发现其中60人携带该基因。在这60名携带基因的亲属中，有24人患病。一个天真的研究人员可能会将所有人合并：我们有80名患病的先证者加上24名患病的亲属，总共104名患病的携带者。携带者总数是80名先证者加上60名亲属，即140人。他们会计算出外显率为 。
但这是错误的。这80名先证者被纳入研究是因为他们患病。他们患病的几率为100%。他们不是基因携带者的随机样本。偏倚是通过将他们包含在内而引入的。一个偏倚小得多的估计来自只观察亲属，他们被纳入研究取决于先证者，而不是他们自己的健康状况。在亲属中，外显率是60名携带者中有24人患病，即 。仅仅是包含了先证者这一简单行为，就将外显率估计从40%夸大到了74%，这是一个巨大的扭曲。统计学家已经发展出更复杂的校正方法，如“先证者加权法”，以重新平衡天平，更接近真相。
如果我们自己的感知如此容易被愚弄，我们如何才能相信我们所看到的？幸运的是，科学家们已经开发出一套强大的工具来对抗确认偏倚。这些策略从分析过程中的巧妙技巧到从根本上重新设计我们进行研究的方式。
在医学证据的黄金标准——随机对照试验（RCT）中，对抗偏倚的最强大武器是设盲。如果我们正在测试一种新的止痛药与安慰剂，我们不希望医生或患者知道谁在服用哪种药丸。
有时，设盲是不可能的。在我们的工厂工人研究中，你无法让人们对自己的工作不知情。在这里，流行病学家可以使用一个非常巧妙的工具：阴性对照结局。
其逻辑是：如果你怀疑你在接触组中对CKD的寻找过于卖力，那么选择另一个你确定溶剂不会引起，但会通过完全相同的过程（例如，相同的常规血液测试）检测到的结局。例如，人们不认为该溶剂会导致低钠血症，但肾功能和钠水平均在同一份标准血液生化检查中测量。如果你进行分析，发现接触溶剂的工人似乎同时有更高的CKD和低钠血症风险，你就当场抓住了你的偏倚。低钠血症的结果就是你的“煤矿中的金丝雀”——一个警示信号，表明存在监测偏倚，CKD的结果很可能也受到了污染。
消除确认偏倚的最有力方法是在其源头——研究设计阶段——就加以预防。对于遗传学来说，这意味着要从“表型优先”的设计转向采用“基因型优先”的方法。
与其从病人及其家属开始，我们何不从整个人群的一个代表性切片开始，首先确定他们的基因构成，然后随时间追踪他们，看谁会患上这种疾病？这就切断了患病与被纳入研究之间的联系。
这已不再是科幻小说。几种设计使之成为现实：
这些基因型优先的方法就像在整个公园里都打开了灯，而不仅仅是在一盏路灯下。它们让我们看到全貌，区分真实关联与确认偏倚的幻影，并走向对疾病原因更准确、更诚实的理解。它们揭示了一个精心设计的实验之美，一种如此稳健的探究架构，以至于它能保护我们免受所有人类弱点中最普遍的一个：只看到我们正在寻找的东西。
我们寻找某物的行为本身会改变我们所发现的东西，这是一件奇妙的事情。我们喜欢认为自己是自然的客观观察者，我们的测量揭示了世界本来的样子。但如果我们的观察方法——我们选择观察的方式——本身就带有一种内在的偏好呢？如果我们的放大镜以一种扭曲的方式制造，使得某些东西看起来更大，而另一些东西更小，甚至看不见呢？这并非通常意义上的仪器故障，比如一个有缺陷的镜头。这是一个更微妙、更深刻的挑战，它编织在科学发现的结构之中。这就是确认偏倚的世界。它是观察这台机器中的幽灵，学会看清它，是科学家最关键的技能之一。一旦你学会了识别它，你将开始在任何地方看到它，从癌症遗传学到全球大流行的追踪，甚至在追求社会正义的过程中。
让我们从一个个人利害关系极深的地方开始：一个高风险癌症诊所。家庭来到这些诊所是因为他们有令人痛苦的病史——多个亲属在年轻时被诊断出患有乳腺癌或卵巢癌。研究这些家庭的科学家发现了像和等基因的致病性变异。他们想回答一个关键问题：如果一个人携带这些变异之一，他们患上癌症的几率是多少？这个概率被称为外显率。
要找到答案，你可能很自然地会查看你诊所里的携带者，并计算有多少人患有癌症。但在这里，陷阱已经设下。诊所根据人们的疾病状况有选择地招募。一个充满癌症诊断的家庭远比一个携带相同变异但保持完全健康的家庭更有可能被转诊和研究。结果呢？你的诊所样本中充满了患病个体。当你用这个样本计算外显率时，你会得到一个被急剧夸大的数字。你可能会得出结论，这个基因几乎是疾病的必然预兆，而在普通人群中，风险虽然严重，但可能要低得多。诊所的数据没有说谎，但由于它们被确认的方式，它们讲述了一个带有偏倚的故事。
正是这种偏倚迫使科学家像侦探一样思考。考虑“遗传早现”，这是在亨廷顿病等疾病中观察到的现象，即疾病在每一代中似乎都以更早的年龄和更强的严重性发作。这是一个真实的生物过程，是疾病分子机制的严峻加速吗？或者，它至少部分地是由确认偏倚造成的错觉？当一个家庭对其血统中的疾病越来越了解时，他们会变得更加警惕。他们在孩子出现最初的症状迹象时就寻求诊断，导致记录的发病年龄更早。将这种观察性的人为现象与真实的生物学变化（例如，通过证明潜在的基因重复序列确实在代际间扩张）分离开来，是一项需要洞察并考虑偏倚的大师级科学工作。
在最近的大流行期间，确认偏倚的严酷现实为全世界所揭示。在一次新疫情爆发的混乱初期，检测能力是有限的。谁能得到检测？不是那个轻微咳嗽的人，而是病重并出现在医院的人。如果你此时计算病死率（CFR）——死亡人数与确诊病例数的比率——你是在用死亡人数除以一个主要由最严重病例构成的分母。轻度和无症状的感染，可能占绝大多数，在你的监测系统中是看不见的。这种确认偏倚使得病原体看起来比实际上致命得多，从而加剧公众恐慌并可能扭曲政策决策。
但我们并非这种偏倚的无助受害者。科学可以非常巧妙。想象一下，试图估计一种罕见儿童疾病的真实发病率，比如一种特定形式的皮肤局限性朗格汉斯细胞组织细胞增生症，这种病通常由皮肤科医生管理，可能永远不会被记录在中央癌症登记系统中。你知道你拥有的每个数据源——皮肤科诊所记录、病理报告——都是不完整的。没有一个能提供全貌。
在这里，我们可以借用野生动物生态学家想要计算湖中鱼类数量的技巧。你可以使用一种称为捕获-再捕获法的方法。你将第一个数据源（比如皮肤科记录）作为你的“捕获”。然后你看看这些个体中有多少出现在你的第二个数据源（病理报告）中，这是你的“再捕获”。如果这两个来源相当独立，“再捕获”病例的比例会给你一个线索，让你知道每个来源各自捕获了总病例的多大一部分。由此，你可以用数学方法估计出你错过的病例数——那些在两个来源中都未出现的病例。这使你能够纠正确认不足的问题，从而得出一个更准确的真实疾病发病率估计。这是一个利用统计学来看见无形之物的美妙例子。
确认偏倚的影响甚至更深。它可以被物理地构建到我们用来探索生物世界的工具中。几十年来，人类遗传学家的主要工具之一是SNP芯片，这是一种可以快速读取一个人基因组中数十万个遗传标记的玻璃片。但是芯片上有哪些标记呢？这些标记是从一个最初的“发现队列”个体中选择——即确认——的。历史上，这些发现队列绝大多数由欧洲血统的人组成。
其后果是深远的。该芯片变成了一把为测量欧洲人常见遗传变异而优化的“尺子”。当你用这把尺子去测量具有不同血统的人群，比如非洲或亚洲人群的变异时，它的表现就很差。它系统性地错过了在那些人群中常见但在欧洲人中罕见或不存在的变异。这可能导致完全颠倒的结论。例如，一项基于芯片的研究可能会报告非洲血统人群中某些类型的遗传变异（如拷贝数变异，或CNV）负担较低，而实际上，全基因组测序——一种偏倚较小的方法——揭示了这些人群拥有更丰富的遗传多样性。工具设计中的偏倚创造了一种颠倒生物学现实的错觉。
这种偏倚会层层传递到我们寻找复杂疾病遗传根源的研究中。在全基因组关联研究（GWAS）中，我们可能会比较患病者与非患病者的基因组。但如果你的“病例”是一个高度选择性的群体呢？考虑一下关于慢性创伤性脑病（CTE）的研究，这是一种与头部撞击有关的神经退行性疾病，其明确诊断需要进行死后脑部检查。那些大脑被捐献用于研究的个体，往往是那些遭受了最严重神经精神症状的人，他们的家人也最渴望寻求答案。这个选择过程，发生在遗传、血统、生活暴露和症状的交叉点上，可以产生虚假的统计关联——数据中的幽灵，看起来像是因果性的遗传风险因素，但实际上只是谁最终进入研究的人为产物[@problem_od:4469606]。同样，发现和选择用于研究的遗传标记的过程本身，也可能以模仿重大人口事件（如古代种群瓶颈）特征的方式扭曲我们的数据，从而误导我们推断出关于我们自己物种的错误历史。
最后，我们来到了确认偏倚最发人深省的启示。它不仅仅是科学家的一个技术性麻烦；它是一个关乎伦理和正义的问题。
想象一个公共卫生系统正在监测两个不同社区的疾病发病率。两个社区的真实发病率完全相同。然而，由于历史或社会经济原因，一个社区接受了更密集的监测。其成员更容易进入诊所，更频繁地接受筛查，他们的诊断也更可靠地被记录下来。另一个社区则被观察不足。
当卫生机构汇总其数据时，它会发现什么？它会看到在被更密切观察的社区中有更高的观察到的发病率。一个现实中不存在的差异将会出现。如果该机构随后根据这些观察到的数字分配资源——资金、诊所、干预措施——它将优先将资源引导到已经服务得更好的社区，而忽视了具有同等潜在需求的社区。在这里，差异性确认——我们观察得有多好的差异——不仅制造了统计上的错觉；它延续并加剧了现实世界的不平等。测量的公平性要求，给定你的真实状态，被检测到的概率对每个人都是相同的，无论他们属于哪个群体。当这一原则被违反时，我们的数据就成了不公正的工具。
从医生的办公室到全球疾病网络图谱，确认偏倚是那个悄声的提醒，告诉我们知识从来都不是纯粹的，它总是被我们如何观察的选择所塑造。认识到它不是愤世嫉俗的理由。恰恰相反，这是科学严谨的最高形式。它推动我们去构建更好的工具，设计更聪明的实验，并且不仅要问“我们看到了什么？”，还要问“我们为什么这样看？”这是看清世界、更清晰地看清世界的本质、谦卑而最终赋能的工作。