玻尔百科几十年来，健康研究往往类似于研究动物园里的动物——在受控的人工环境中观察研究对象，使其脱离了真正塑造健康的复杂生态系统。这种传统的、自上而下的模式常常未能考虑到健康的社会决定因素，并可能在学术机构与其旨在服务的社区之间造成深深的鸿沟。这种鸿沟不仅引发了伦理问题，还可能损害研究本身的准确性和相关性。本文将介绍一种变革性的替代方案：基于社区的参与式研究 (CBPR)，这是一种建立在真诚伙伴关系之上的范式。
本文将引导您了解这种创新方法。首先，在“原则与机制”部分，我们将探讨 CBPR 的核心哲学，将其与其他形式的社区参与进行对比，并深入探讨其在认知不公方面的伦理基础。我们将揭示伦理实践与科学严谨性之间惊人的一致性，证明权力共享如何带来更有效的研究结果。随后，在“应用与跨学科联系”一章中，我们将展示 CBPR 的实际应用，阐明它如何重建公共卫生领域的信任，如何使科学发现的工具更加锐利，并为探索基因组学、全球健康和人工智能等领域的伦理前沿提供一个至关重要的框架。
要真正理解一个科学概念，我们往往不能仅仅学习其定义，还必须深入了解催生它的问题背景。想象一下，如果只通过研究动物园里的动物来试图理解丛林生态系统，你会孤立地观察它们的行为，但会错过定义丛林真实本质的关系网络、捕食者与猎物之间错综复杂的互动，以及动植物之间的共生关系。很长一段时间以来，大部分健康研究都类似于研究动物园里的动物。我们会将人们带入诊所或实验室的无菌、受控环境中，对他们进行测量、测试，然后得出结论。但我们现在明白，健康并非在诊所中铸就，而是在我们生活的复杂生态系统——我们的社区、工作场所以及家庭中形成的。这些就是健康的社会决定因素，即我们出生、成长、生活和变老的环境条件。
要理解健康，我们必须深入这个生态系统。但我们如何进入其中，至关重要。我们是像游客一样，远远地观察并取走我们需要的东西？还是像伙伴一样，试图从内部理解这个生态系统？这一个问题，划定了两种根本不同的科学研究方式之间的分界线。
传统研究，即使在实验室外进行，也常常遵循一种自上而下的模式。一个由学术专家组成的团队确定问题、设计研究、获得资助，然后进入社区收集数据。社区成员是研究的“对象”；他们的角色是回答问题或接受干预。即便研究的物理地点位于社区内部，但权力、议程和知识的所有权仍然牢牢掌握在机构手中。这通常被称为社区安置型研究——科学活动发生在社区的地点，但社区本身不过是研究的背景。
基于社区的参与式研究 (CBPR) 提出了一种根本性的替代方案。它不是一种具体的方法，如随机试验或焦点小组，而是一种关于科学与社会关系之间根本不同的哲学。CBPR 是一种公平地让社区成员、组织代表和学术研究人员参与研究过程所有方面的方法。其核心理念是平等的伙伴关系。社区成员不是被研究的对象；他们是共同研究者、知识的共同创造者，也是科学旅程中平等的伙伴。
这种伙伴关系并非一个模糊的理想；它是一个建立在具体原则之上的架构：
权力共享与决策： 这是不可协商的基础。在一个 CBPR 项目中，社区不仅仅是提供研究人员可以选择忽略的反馈（这个过程称为咨询）。相反，治理权是共享的。这可以采取多种形式，例如成立一个联合指导委员会，其中学术和社区成员拥有平等的投票权；共同控制研究预算；以及共同决定数据如何使用和解释。这些协议通常通过一份《谅解备忘割》(MoU) 来正式化，这份文件是伙伴关系的章程。
知识共创与互惠互利： CBPR 承认两种专业知识。研究人员带来科学方法、统计学和理论方面的正规培训。社区成员则带来生活经验知识——一种对其社区历史、文化、优势和挑战的不可替代的深刻理解。知识不是从社区中提取的，而是由伙伴关系共同产生的。这一过程旨在实现互惠互利：研究人员获得更深刻的见解和更有效的数据，而社区则获得新技能、资源，最重要的是，获得解决其自身确定为优先问题的方案。
致力于行动： CBPR 的目标不仅仅是发表一篇学术论文，而是利用所产生的知识来创造切实的、积极的改变。研究是实现目的的手段，而这个目的就是行动——无论是一个新的健康项目、一项公共政策的改变，还是社区为自身福祉进行倡导的新方式。
将这种深度伙伴关系与其他形式的参与区分开来至关重要。CBPR 不是咨询，即卫生部门举办听证会但保留所有决策权。它也不是以用户为中心的设计，即最终用户提供反馈以帮助改进产品或服务，但并不共同管理整个项目。CBPR 是在科学事业最根本的层面上共享权力。
为什么这种权力转移如此重要？答案在于伦理学与认识论——即知识本身的理论——的交叉点。所有涉及人类的可信研究都遵循一个共同的伦理框架，其中最著名的是《贝尔蒙特报告》(Belmont Report) 中所阐述的。该框架建立在三大支柱之上：尊重个人（尊重个体自主性）、行善（做好事并最小化伤害）和公正（公平分配研究的利益和负担）。
传统的研究模式有时会无意中违反这些原则。通过将人视为被动的对象，它们可能未能充分尊重其自主性。通过关注学者感兴趣的问题，它们可能未能为被研究的社区带来直接利益。通过在不共享权力或资源的情况下提取数据，它们可能延续了一段漫长而痛苦的不公历史，即研究剥削或伤害了边缘化社区。
CBPR 旨在使研究实践与这些伦理承诺保持一致。但它也解决了一种更深层、更微妙的不公：认知不公，即对某人作为知识拥有者的能力所造成的不公。这主要有两种形式：
证言不公： 当说话者的证词因对其身份的偏见而可信度降低时，就会发生这种情况。想象一下，在一个诊所里，低收入患者或被种族化的少数族裔的痛苦被医疗提供者系统性地轻视或不被相信。这就是证言不公的实际表现。在研究中，当社区成员的生活经验被视为“坊间传闻”且不如研究人员收集的“客观”数据有效时，就可能出现这种情况。
诠释学不公： 这是一个更具结构性的问题。当一个群体因被排除在创造知识和意义的过程中，而缺乏用以理解自身经历的共同概念或语言时，就会发生这种情况。考虑一项标准的健康调查，其中询问“粮食不安全”或“稳定住房”。这些由专家定义的术语可能无法捕捉到一个家庭拼凑饭食或在亲戚家之间辗转的复杂、波动的现实。调查未能提供合适的词语，在集体理解中造成了差距——一个诠释学上的差距——这使得社区的经历在科学工具面前变得不可见。
CBPR 是纠正这两种认知不公的直接而有力的补救措施。通过让社区成员作为平等的伙伴参与决策，它在结构上验证了他们的声音，并赋予他们的证词固有的可信度。它从设计上对抗了证言不公。通过共同参与研究问题和测量工具的创造，伙伴关系可以建立一种新的、共享的语言，准确反映社区的现实，从而弥合诠释学上的差距，使不可见变为可见。
在这里，我们得出了一个美好而深刻的启示。人们可能认为，这些伦理和哲学上的考量——分享权力、促进公正——与科学准确性这种冷冰冰的事务是分开的。甚至可能认为它们是相互冲突的，认为合作的繁琐过程可能会损害科学的严谨性。事实恰恰相反。正是那些使 CBPR 在伦理上公正的机制，也使其在科学上更具效度。
让我们通过一个基于正式统计模型的简单思想实验来探讨这一点。假设我们想测试一个新的社区心理健康项目。我们从先前的研究中得知，该项目在结构性劣势程度较高 () 的社区中可能比在劣势程度较低 () 的社区中更有效。假设在高劣势组中，真实的平均处理效应 (ATE) 或抑郁评分的改善为 分，而在低劣势组中为 分。如果我们的目标人群在这两组之间平均分配 ()，那么真实的目标人群 ATE 就是一个简单的平均值： 分。
现在，让我们尝试用传统的、非参与式的研究来测量这个效应。我们可能会遇到两个问题，这两个问题都根植于未能共享权力。
选择性偏见： 由于历史上的不信任或实际障碍，从处境更不利的社区招募参与者通常更困难。我们的研究最终可能会得到一个样本，其中，比如说，70% 来自低劣势组 ()，而只有 30% 来自高劣势组 ()。我们的样本不再能代表目标人群。
测量偏见： 因为我们的调查是由外部人员设计的，它可能包含令人困惑、不敏感或翻译不佳的问题。这是一种诠释学不公。结果，来自高劣势社区的参与者可能会因为误解或不信任而低估项目的真实效益。我们的有偏见的工具没有测量到他们真实的 分效应，而只测量到了 分的效应。
现在，让我们从我们有缺陷的研究中计算 ATE。我们用有偏样本中的比例来加权我们测得的效应：
我们的研究结论是，该项目的效应为 分。而真实效应是 分。我们的估计偏差了将近 。我们得出了科学上无效的结果，这可能导致一个好的项目被取消资助。
CBPR 如何解决这个问题？它从源头上攻击了这两种偏见。通过与社区合作建立信任并设计招募策略，CBPR 可以获得一个有代表性的样本，使样本构成与目标人群一致。选择性偏见就消失了。通过与社区成员共同设计调查问卷，CBPR 确保问题有意义、尊重人且准确，从而消除了系统性的测量误差。测量偏见也消失了。随着两种偏见的消除，一项 CBPR 研究将能正确估计出效应：
在这里，我们看到了这种统一性的全部光辉。分享权力的伦理行为同时也是消除偏见的科学严谨行为。公正与效度不是两个不同的目标；它们是同一枚硬币的两面。
这个过程并不容易。真正的伙伴关系需要对透明度做出深刻的承诺，并愿意应对复杂的后勤和伦理挑战。它要求建立公平的代表和补偿体系，确保社区伙伴的专业知识得到尊重，他们应获得足以维生的工资和对托儿等费用的支持，而不是那些可能感觉不尊重的象征性姿态。
事实上，伙伴关系的实践本身已成为一门科学。该领域的研究人员已经开发出复杂的混合方法来评估他们自己伙伴关系的质量，创建了量化指标来追踪从社区伙伴控制的预算比例 () 到会议期间发言时间的不平等 () 等各种情况。这种反思性的、自我批判的过程显示了不仅要确保科学正确，也要确保伙伴关系正确的深刻承诺。
最终，CBPR 教会我们，通往更客观、有效和可推广的知识的道路，不是由距离和疏离铺就的，而是由参与、公平和对真理的共同追求铺就的。它是一个呼吁科学不仅要更严谨，还要更谦逊、更人性的范式。
在我们探索了赋予基于社区的参与式研究 (CBPR) 形态与功能的原则之后，现在我们来到了探索中最激动人心的部分：见证这些理念的实际应用。欣赏蓝图上一座桥梁的建筑之美是一回事；亲身走过它，感受它连接起两片曾被隔开的土地，则是另一回事。在本章中，我们将看到 CBPR 如何扮演这样一座桥梁的角色，将科学探究的世界与人类社区的现实生活连接起来。我们将发现，这并非一条科学单向传递给民众的道路。相反，它是一条繁忙的双向交流通道，通向更有效的项目、更公正的结果，以及或许最令人惊讶的，更严谨、更真实的科学。
想象一下，你是一名公共卫生官员，肩负着一项至关重要的使命：在一个由新移民和难民组成的社区中预防像结核病这样的疾病传播。你提供免费筛查和最先进的治疗，但几乎无人问津。为什么？标准的自上而下的方法——说教式的讲座、翻译的小册子、强调临床权威——正在失败。这不是一个假设的难题；这是全球公共卫生领域反复出现的挑战。
失败源于对问题的误诊。障碍不是缺乏信息，而是缺乏信任。通过仔细、尊重的倾听——任何真正伙伴关系的第一步——我们可能会了解到，社区害怕药物副作用，感受到疾病带来的耻辱，最关键的是，担心他们的个人健康数据可能会被分享给移民当局。一个强调权威的通用营销活动只会加深这些恐惧。
在这里，CBPR 提供的不是治疗疾病本身的药方，而是修复导致治疗受阻的破裂关系的良方。取代表面讲座的，是一种真正的伙伴关系。一个由当地居民、宗教领袖和受信任的支持组织代表组成的社区顾问委员会得以建立。取代外部专家的是社区健康工作者 (CHWs)——他们是社区中经过培训并获得报酬的成员，成为沟通的桥梁。健康信息不是从上而下传达的；它们是共同开发的，旨在直接解决社区对副作用和耻辱感的具体恐惧。最重要的是，对数据滥用的恐惧不是通过模糊的保证来消除的，而是通过一份正式、书面的数据治理协议，明确禁止与移民服务机构共享信息。这就是 CBPR 方法的实际应用。
同样的模式也出现在医学的其他敏感领域，比如遗传咨询。当一家诊所服务的社区有过医疗虐待的历史记录，例如未经同意使用生物样本，那么像产前筛查这样的服务接受率低就不足为奇了——这是对历史创伤的理性反应。解决方案不是更强硬地推行，而是让渡控制权。CBPR 框架通过共同创建透明的、分层级的知情同意书来重建信任，这些同意书让患者能够精细地控制他们的数据和样本如何被使用。这意味着培训和雇佣来自社区、了解其历史和价值观的咨询师。这意味着在每次咨询中实践共享决策，将患者从被动的医疗接受者转变为积极的合作伙伴。在这些案例中，CBPR 是使公共卫生和临床护理成为可能的基本要素。这是赢得被倾听权利的艰苦而必要的工作。
有一种普遍的误解，认为社区参与是一项“软性”工作，是一种以牺牲科学严谨性为代价的伦理需要。事实往往恰恰相反。一个执行良好的伙伴关系可以使科学变得更好，锐化我们发现的工具，并得出更有效的结论。
考虑一个环境流行病学中的经典问题：试图确定当地一家工厂的污染是否让人生病。标准方法可能是在屋顶上放置一个昂贵的空气质量监测器并收集数据。现在想象一下，居民们多年来一直说，在换班期间、刮西北风的日子里以及孩子们玩耍的后巷，难闻的气味和相关的头痛最严重。从纯粹传统的科学研究角度看，这通常被视为“坊间证据”而被忽略。
但通过 CBPR 的视角，这被识别出其真实身份：高分辨率时空数据。居民们不仅仅是在抱怨；他们就像一个分布式传感器网络。一个认真对待这些知识的伙伴关系将不会依赖于单一的监测器。它会共同设计一个抽样策略，在后巷放置监测器，在换班期间更频繁地读数，并将测量结果与风向相关联。通过这样做，研究极大地减少了暴露错分——即给错误的人分配了错误的污染水平的科学误差。这使得关于污染与健康结果之间关系的最终估计变得更可信、更具科学效度。伙伴关系并没有稀释科学；它使科学变得更精确。
这一原则从测量延伸到干预设计。在一项关于肥胖预防的研究中，一个标准项目可能侧重于营养教育和个人目标设定。但 CBPR 方法首先会询问社区真正的障碍是什么。如果居民说他们买不起健康食品，并且在户外锻炼感到不安全，那么一个共同设计的、旨在解决这些具体限制的干预措施——例如，通过包含农产品代金券和组织由居民领导的安全区域健走小组——将会有效得多。它之所以效果更好，是因为它瞄准了正确的因果机制，而这一发现只有通过伙伴关系才可能实现。
CBPR 的影响不仅限于单个诊所或单项研究。其原则可以扩展到为整个政策体系提供信息和塑造。想象一个城市区域正在努力应对日益增长的抗菌素耐药性威胁。与社区合作进行的定性研究揭示了一个复杂的问题网络：家长感到压力要索取抗生素，药店未经处方出售抗生素，而临床医生在没有更好的诊断工具的情况下不愿不开抗生素。
面对这一丰富但复杂的发现，该如何处理？一个不明智的方法可能是一种生硬的、自上而下的禁令，这可能会对那些无法获得正规医疗保健的人产生意想不到的后果。然而，一种真正的参与式方法将这种复杂性视为一个多管齐下解决方案的路线图。
利用实施科学中已建立的框架，一个 CBPR 团队可以将所有利益相关者——临床医生、药店老板、社区健康工作者和患者倡导者——召集到同一张桌子旁。他们一起，用定量数据——药店配药率和当地耐药性趋势——对定性故事进行三角验证，以确定最有力的变革杠杆点。这个协作过程不会导致单一、简单的政策，而是导向一个共同设计的捆绑方案。这样的方案可能包括由受信任的社区健康工作者共同领导的社区教育，以解决护理人员的压力；针对药店的新规定；投资于诊所的快速诊断测试以指导处方开具；以及对临床医生的审计和反馈系统。这就是 CBPR 如何将知识转化为智能的、系统性的行动。
随着科学技术的飞速发展，CBPR 的原则变得比以往任何时候都更加关键。它们为我们最先进领域的复杂伦理景观提供了道德和实践的指南针。
在基因组学领域，对历史上被边缘化的人群进行的研究不仅有造成个体伤害的风险，还有造成“群体伤害”的风险，即研究结果可能导致整个社区被污名化。“榨取式”研究的历史——科学家们在没有有意义的同意或利益共享的情况下拿走生物样本和数据——要求一种新的模式。CBPR 通过将原住民数据主权的概念付诸实践来提供这种模式。这意味着超越个人同意，走向一种共同所有权的模式，通过具有约束力的数据使用协议 (DUAs) 和创建由社区领导的委员会来治理其集体数据的使用和共享，从而正式化这种模式。它确保贡献知识的社区保留对其的权威，这是在一个曾充满不平等的领域中对正义的深刻应用。这种实践是“认知不公”的一种体现——即所有形式的知识，包括社区的智慧和生活经验，都必须得到公平和尊重的对待。
在全球健康领域，CBPR 提供了一个强大的工具，用以“去殖民化”这个长期以来由高收入机构和低收入社区之间权力不平衡构成的领域。它要求我们超越“社区顾问委员会”——在这种委员会中，当地伙伴提供反馈但没有实权——走向真正的共同创造。一个真正的 CBPR 伙伴关系是，社区领袖被任命为共同首席研究员，共享预算管理权，并作为联合治理委员会的成员，拥有真正的否决权。这不是咨询；这是权力的结构性重新分配，将全球健康的实践从慈善使命转变为平等伙伴关系。
也许最紧迫的是，这些原则必须应用于人工智能的治理。随着强大的医疗人工智能系统被部署，特别是在脆弱环境中，存在“逐底竞争”的风险，即开发者为了抢先上市而在安全问题上偷工减料。CBPR 框架提出了一种激进但必要的保障措施：对影响其生活的算法实行有约束力的社区共同治理。这可能意味着一个社区有权要求进行独立的安全审计，要求对人工智能模型进行本地校准，甚至对其部署拥有否决权。它将基本的同意权从面临医疗程序的个体扩展到面临强大、自主技术的整个社区。
从社区诊所到人工智能的前沿，CBPR 的应用与其所服务的社区一样多样化。它不是一个僵化的协议，而是一种伙伴关系的哲学，一种对共享权力的承诺，以及一种认识，即最复杂的问题只能共同解决。它告诉我们，为了更公正、更有效、更公平，科学也必须更谦卑。它不仅要学会说，还要学会听。