玻尔百科不同人群间可观察到的健康结果差异，是几乎每个社会都存在的长期特征。虽然某些健康差异是意料之中的，但许多差异代表了需要我们关注的深刻、系统性的不公。但我们如何区分简单的差异与真正的不公平？又是什么深层的社会力量造成并延续了这些差距？本文旨在通过提供一个理解健康不平等的综合框架来解决这些根本性问题。第一章“原则与机制”将剖析核心概念，区分不平等（inequaporation）、差异（disparity）和不公平（inequity），并探讨从社会梯度到结构性决定因素等将历史和政策铭刻在人体之上的因果路径。随后，“应用与跨学科联系”一章将展示这一视角的威力，揭示不公平如何在临床医学、城市规划、公共政策和人工智能等不同领域中显现并得到解决，不仅为我们更清晰地看世界，也为更公正地建设世界提供指南。
想象一下，我们正在看一张城市地图，但它展示的不是街道和公园，而是市民的健康状况。我们可能会注意到一个惊人的现象：在某个社区，因哮喘失控而住院的比率几乎是另一个社区的两倍。这个原始的、可观察到的事实，我们称之为健康不平等（health inequality）——即群体间一种简单的、可衡量的健康差异。但这个观察仅仅是我们故事的开始。关键问题在于，这个将我们从纯粹的观察带入科学与正义领域的问题是：这种差异为什么存在？它公平吗？
并非所有的健康差异都是一样的。试想一个由专注的马拉松跑者组成的社区，他们通过知情和自愿的选择进行高强度训练，导致其肌肉骨骼损伤的发生率高于普通人群。再想一想一个老年人群体，由于自然的衰老过程，他们与跌倒相关的伤害发生率更高。我们可以测量这些不平等，但通常不会将其标记为“不公正”。它们源于生物学或在没有结构性约束的情况下自由做出的选择。
现在，让我们回到城市地图。如果我们了解到，哮喘高发社区几十年来一直系统性地处于不利地位，情况会怎样？假设历史上的区划政策将其紧邻工业走廊，使空气中充满污染物。假设由于同样受政策影响的经济限制，该社区每一万名居民只有一家初级保健诊所，而一个更富裕的社区则有三家。突然之间，这种健康差异看起来就截然不同了。它不再是偶然、生物学或不受约束的选择问题，而是一种健康差异（health disparity），即一种与社会和环境劣势直接相关的差异。
此外，由于这些劣势源于可修改的政策——区划法可以更改，诊所可以建造——由此产生的健康差异不仅是系统性的，而且是可避免的和不公正的。这就引出了最关键的概念：健康不公平（health inequity）。健康不公平是一种系统性的、可避免且不公正的健康差异。它是我们社会机器中的幽灵，是历史和政策铭刻在公民身体上的印记。一个历史上曾遭受歧视性“红线”做法（限制了资源和交通的可及性）的社区，其未控制的高血压发病率更高，这便是一种健康不公平；而富裕跑步者中较高的过度使用损伤率则不是。
当我们深入探究时，会发现不公平并不仅仅是两个社区——一富一贫——的故事。它是一种更为普遍和有序的现象。如果我们将社会中的每个人按照其社会经济地位——一个由收入、教育和职业构成的综合指标——进行排序，然后测量他们的健康状况，我们看到的不会是一个简单的鸿沟，而是一个社会梯度（social gradient）。
就像梯子上的横档一样，健康状况随着社会经济地位的每一步提升而改善。一项经典研究可能会将人群从最贫困到最富裕分为五个组。我们会发现，随着阶梯每向下一步，负面健康结果（如死亡率）都会呈现阶梯式增加，且这种现象具有显著的一致性。这不仅仅是最贫困的群体比最富裕的群体病得更重；仅次于顶层的群体比顶层群体健康状况差，中间群体又比其上一层群体健康状况差，以此类推，一直到底层。这种等级关系告诉我们一个深刻的道理：健康与我们在社会等级中的相对位置紧密相连。这种等级结构本身似乎就关乎生死。
像“社会地位”这样抽象的东西，如何能对我们的身体产生如此具体的影响？答案在于一个复杂的因果网络，它将社会中巨大而缓慢变动的力量与个体精密的生物学联系起来。为了理解这一点，我们可以借助“上游”和“下游”原因的概念，也就是流行病学家所说的远端（distal）和近端（proximal）原因。
远端原因是健康的“上游”结构性决定因素。它们是塑造我们生活世界的政策、经济体系和社会等级。一个有力和悲剧性的例子是结构性种族主义（structural racism）：即法律和制度实践的模式化运作，它常常独立于任何个人的意图，将人们按种族分入不同环境，赋予一些人优势，同时将风险强加给另一些人。像历史上拒绝向以黑人为主社区的居民提供贷款的抵押贷款“红线”政策，或将污染性产业集中在这些区域附近的排他性区划政策，这些都不是人际偏见的行为。它们是制度性机制，经过几代人的演变，为健康创造了截然不同的竞争环境。
这些远端力量随后通过一系列中介因素（mediators）“向下游”流动，塑造我们的直接环境。例如： 历史性的投资不足（）导致公共交通选择减少和诊所资源匮乏（）。这些社区层面的障碍使居民更难获得预防性护理，导致指南推荐的筛查率降低（）。最终的悲剧性结果是，可预防的、未受控制的慢性病发病率更高（）。我们在下游看到的健康结果，仅仅是久远之前投下的一块石头所激起的最终涟漪。
这引导我们得出一个关键且或许有悖直觉的结论。对于健康差异，一个常见且善意的回应是呼吁提供更多、更好的医疗保健。但如果我们追溯因果链的源头，就会明白为何这种方法虽有必要，却根本上是不足的。
让我们进行一个基于第一性原理的思想实验。想象一下，我们可以挥动魔杖，让社会中的每个人都能完全平等地获得高质量的临床服务（）。健康不公平会消失吗？答案是否定的。健康（）是许多输入的函数。它依赖于临床护理（），但它也深刻地依赖于社会优势（）——诸如稳定的住房、良好的教育、足以维生的工资和安全的环境。大量证据表明，这些社会因素本身就对健康具有强大的因果效应。
因此，即使在我们这个拥有平等医疗保健的理想世界里，只要社会优势在群体间的分配仍然极不平等，健康结果也将继续不平等。拥有更大社会优势的群体平均而言仍会更健康。临床医学主要处于下游，它技巧娴熟地将人们从河里救起。而健康公平的工作则是要追溯到上游，去探寻为何一开始就有这么多人掉入河中。
社会世界比简单的种族或阶级分组要复杂得多。人们生活在多种身份的交汇点上——种族、性别、社会经济地位、性取向等等。交叉性（intersectionality）理论告诉我们，这些重叠的社会类别对我们的生活产生的联合效应并非简单的相加。作为一名低收入的有色人种女性的经历，并不仅仅是低收入个体所面临的挑战、加上女性所面临的挑战、再加上有色人种所面临的挑战的总和。相反，这些身份相互交叉，创造出独特且常常被放大的劣势形式。
我们甚至可以从数学上看到这一点。一个简单的模型可能会假设，身为少数族裔（）和身为女性（）对健康的影响是直接相加的。但交叉性方法使用一个包含交互项的模型。这使得身份的组合（）可能产生大于其各部分之和的效应。一项复杂的分析甚至可能揭示一个三方交互作用（），其中种族与性别健康差距的大小本身会根据一个人的社会经济地位（）而变化。这揭示了塑造我们健康的社会力量那美丽而又令人警醒的复杂性。
要解决一个问题，我们必须能够衡量它。当我们比较一个弱势群体和一个优势群体时，两种不同的测量方法为我们提供了故事的两个互补部分。
绝对差异（absolute difference），例如率差（rate difference），告诉我们纯粹的公共卫生负担。如果A组的高血压发病率为每1000人年12例，而B组为8例，那么绝对差异就是每1000人年4例。这意味着在一个1000人的群体中，A组每年多出4个“超额”病例。这个数字量化了人力成本，对于优先分配资源以实现最大的人群层面影响至关重要。
相对差异（relative difference），例如率比（rate ratio），告诉我们不公平的强度。在同一个例子中，率比为 。这意味着A组个体患高血压的比率比B组个体高出。这个指标揭示了潜在系统性因素的强度，对于理解不公平的成因至关重要。
两种衡量标准都至关重要。一个告诉我们伤害的规模，另一个则告诉我们不公正的强度。
理解健康不公平的原则和机制，自然会引出最后一个问题：该怎么做？如果我们只提供一个面向所有人的普适性项目，我们常常会发现，更有优势的群体更有能力利用它，有时反而会扩大我们试图缩小的差距。如果我们只针对最贫困的群体，我们又无法解决其余人口中存在的社会梯度问题。
一个更强大的原则是按比例普遍主义（proportionate universalism）。其理念是提供对所有人开放的普适性项目，但根据劣势程度按比例调整其强度和资源。这种方法旨在提升整个人口水平，同时给予底层群体最大的支持，从而平缓整个梯度。
这意味着我们必须设计的政策，其效果明确不是统一的。事实上，一项真正公平的政策，是能够展示我们可称之为“积极效应异质性”（positive effect heterogeneity）的政策。当我们对一项政策的影响进行建模时，我们希望看到其促进健康的效果对于边缘化群体或面临最大护理障碍的群体是最大的。统计模型中的一个交互项，曾经看似一个抽象的复杂概念，现在成了实现正义的明确目标。我们正是为这种交互作用而设计，旨在创造出对最需要的人最有效的干预措施。这正是严谨科学与为全人类建设一个更公平、更健康的世界这一深刻道德承诺相遇的地方。
既然我们已经探讨了健康不平等的核心原则，我们可能会倾向于将它们留在干净明亮的理论世界里。但这些思想并非供人远观的博物馆展品，而是活生生的概念，为我们提供了一个审视世界的新视角。如果我们带着这些原则去走一走——走进诊所，穿过城市街道，步入司法殿堂，甚至踏上人工智能的前沿——我们会发现它们无处不在。我们会发现，健康不平等的概念是一条统一的线索，将医学、城市规划、心理学和经济学等看似不相干的领域编织成一个关于人类福祉的连贯故事。
让我们在最私密的医疗环境中开始我们的旅程：病患与医生之间的临床诊疗。在这里，我们可能期望科学和客观性占据主导。然而，即使在这里，不平等也可能在人类思维的微妙运作中生根发芽。
想象一位临床医生正在评估一名近期出现行为变化的智力障碍成年人。人们很容易陷入一种称为“诊断遮蔽”（diagnostic overshadowing）的认知陷阱，即每个新症状都被自动归因于已有的病症。新的行为被简单地视为“残障的一部分”而被忽略。但如果不是呢？如果病人做鬼脸不是因为他的残障，而是因为痛苦的牙脓肿呢？如果他的退缩不是其基线状况的表现，而是一种新的、可治疗的抑郁症的迹象呢？通过本能地将新迹象归因于旧诊断，临床医生在某种意义上极大地降低了任何其他可能原因的初始概率。这种认知捷径阻碍了适当的调查，导致可治疗的疾病被漏诊。当这种情况反复发生在某一类人群身上时，就会导致系统性的诊断不足，并加剧深刻的健康差异。这是一个强有力的教训：不公平可能并非源于恶意，而是源于一个善意的头脑陷入了微妙的偏见。
现在，让我们从单个病人放大到整个社区诊所，该诊所正试图改善儿童的哮喘治疗效果。诊所获得了一笔资助来提供帮助。最公平的使用方式是什么？平等、公平和正义的概念提供了一个递进的、愈加复杂的处理方法阶梯。
“平等”的方法会给每个哮喘患儿完全相同的套装：一个吸入器、一个储雾罐和一个标准的行动计划。这很简单，看起来也很公平，但它忽略了孩子们生活的现实。对于那个因为低收入公寓里的霉菌和学校旁公交站的柴油废气而哮喘不断发作的孩子来说，情况又如何呢？对他而言，吸入器只是一个治标不治本的临时解决方案。
一个更高级的“公平”方法认识到了这一点。它不仅提供标准套装，还根据需求提供相称的定制化支持。这个孩子可能会获得社区卫生工作者的家访、一个在家中使用的HEPA空气净化器，以及转介至医疗-法律合作项目以解决允许霉菌存在的住房法规违规问题。公平就是给予人们所需，让他们有公平的机会过上健康的生活。
但我们还可以再上一层楼，达到“正义”。一个以正义为导向的方法会问：为什么这个孩子的家里首先会有霉菌和空气污染？它追溯到上游，去改变创造了不公平条件的系统和政策。诊所可能会与社区倡导者合作，推动更严格的住房法规和空气质量标准。正义旨在拆除产生不公平的机制，以便有一天，这种密集的公平措施不再那么必要。
同样的平等与公平逻辑，可以从诊所扩展到整个城市。在COVID-19大流行期间，公共卫生部门面临着分发检测和疫苗的艰巨任务。一个简单的“平等”方法可能是在每个区开设相同数量的站点，而不考虑它们的不同情况。
考虑人口相等的南、北两个区。南区的感染率要高得多，其居民中有更大比例是无法在家工作的必要岗位工作者，他们依赖公共交通，可能没有灵活的工作时间或带薪病假。在北区和南区各设四个诊所，仅在标准工作时间开放，并要求在线预约，这便是投入上的平等。但这公平吗？这种方法为最需要服务的人们设置了巨大的障碍。
相比之下，“公平”的方法则根据需求分配资源。这可以分层考虑。首先是可及性公平（access equity）：确保服务能够被触及。这可能意味着为受灾更严重的南区分配更多的诊所站点，提供夜间和周末服务时间，提供交通券，并配备多语种工作人员。然后是机会公平（opportunity equity），它解决人们利用这些服务所需的赋能条件。这可能包括强制规定接种疫苗可带薪休假，提供现场托儿服务，或直接派遣流动团队到大型必要工作场所。最后，最直接的方法是结果公平（outcome equity），即你设定一个明确的目标——例如缩小两区之间的住院率差距——并动态地将资源分配给结果较差的群体，直到差距被消除。从简单的平等到复杂、多层次的公平策略的这一过程，展示了公共卫生如何在复杂的世界中力求公平。
为什么有些社区从一开始就需要更多的帮助？通常，这是因为我们法律、经济和环境中的无形结构，系统性地将人们分到优势和劣势的位置上。
其中一个最具体的例子是环境正义。想象一个城市需要建造一个新的废物转运站。有两个可能的地点：一个在高收入区，另一个在低收入的少数族裔社区。决策过程本身就可能是不公正的。如果公共听证会的通知只用英语发布，并且听证会在工作日举行，谁能参与并表达他们的关切？这是程序正义（procedural justice）的失败，即程序本身的公平性。然后是结果。将设施设在低收入社区将使更多的儿童暴露于增加的空气污染和更高的哮喘发作风险中。如果存在一个能造成更少总伤害的替代方案，而决策者却选择了给本已处于弱势的群体带来负担的高伤害方案，这就是分配正义（distributive justice）的失败，即利益和损害分配的公平性。最后，如果决策过程忽视了社区的独特需求，例如拟建场址旁一个具有文化意义的游乐场的丧失，这就是承认性正义（recognitional justice）的失败，该原则要求所有群体的身份、历史和需求都得到尊重。
这些环境风险往往与职业风险相叠加。某些工作比其他工作更危险，这是一个简单的事实。但当我们仔细观察时，会发现暴露于制造业中的二氧化硅粉尘等危害并非随机的；它遵循着社会梯度。劳工阶层的工作者暴露的概率往往远高于专业岗位的工作者。为了正确研究这一点，流行病学家使用标准化等统计方法来确保他们进行的是公平比较——比如比较一个40岁工人和一个40岁专业人士的风险，以消除年龄等混杂效应。当即使在这样的调整之后，风险的巨大差异依然存在时，这就指向了一种职业健康不公平：一种源于劳动力社会结构的系统性的、可避免且不公正的风险差异。
有时，造成健康不公平的政策甚至不是“健康政策”。考虑一个城市提高了审前拘留的现金保释金额。谁会认为这是一个健康决策？然而，它确实可以。这样的政策导致更多的人——不成比例地来自贫困社区——被关押在监狱里。监狱通常是拥挤、高压的环境，非常适合放大结核病等空气传播疾病的传播。被拘留和释放人员的高“流动率”继而将感染带回到他们来自的特定社区。同时，即使是短暂的、无计划的牢狱之灾也会打乱一个人的生活，导致他们错过治疗艾滋病或高血压等慢性病的基本药物剂量。监禁的压力本身就会导致血压升高。结果呢？司法政策上的一个单一变化，就可能导致社区结核病率、住院率和慢性病控制不佳的情况出现可测量的增加，所有这些都集中在城市最弱势的社区。这是一个惊人的例子，说明了结构性决定因素如何能够创造并扩大健康不公平。
生活在这些不平等的结构中会带来心理上的代价。少数群体压力理论帮助我们理解这一点。它提出，受污名化群体的成员——无论是性与性别少数群体还是种族与民族少数群体——都承受着额外的、慢性的、基于社会的压力。这种压力有两种形式。远端压力源（Distal stressors）是外部的、客观的，比如经历歧视或骚扰。近端压力源（Proximal stressors）是内部的、主观的后果，比如为了在一个充满敌意的世界中生存而需要持续保持的过度警觉，隐藏自己身份的需要，或对社会负面信息的内化。这种持续的警觉状态，这种心理上的“磨损”，导致更高的异态负荷，从而介导了从社会污名到更高抑郁和焦虑率的路径。这就是社会不公“侵入肌体”的机制。
随着科学技术的飞速发展，我们可能希望它们能消除这些古老的问题。现实却更为复杂。如果我们不小心，新技术可能会成为不公平的新来源。
考虑一下基因组医学的奇迹，通过对儿童的外显子组进行测序可以诊断出罕见的孟德尔遗传病。一个卫生系统可能会发现，即使在临床上符合条件的儿童中，来自低资源社区的儿童完成测序过程的可能性也显著低于高资源社区的儿童。一个简单的分析可能会显示出差异（difference）。但如果我们使用统计模型来调整临床需求和家庭偏好等因素后，差距依然存在，我们就识别出了一种差距（disparity）。当我们进一步观察，发现这种差距是由集中在低资源地区的可改变的结构性障碍所驱动的——比如遗传咨询师的缺乏、口译服务的不一致、或不成比例地拒绝为公共保险计划承保的保险实践——我们就发现了一种健康不公平（health inequity）：一种系统性的、可避免且不公正的差异。
医疗领域人工智能的兴起也呈现出类似的双刃剑。一个通过智能手机照片对皮肤病变进行分诊的人工智能应用，似乎是普及皮肤科服务的好方法。但我们必须仔细定义可及性。“数字鸿沟”不仅仅关乎谁拥有智能手机和宽带；那只是技术可及性（technological access）。那么临床可及性（clinical access）呢——即根据人工智能的建议采取行动的能力？一个农村病人可能拥有这个应用，但要见到100英里外最近的皮肤科医生却要等上六个月。对他们来说，一个令人担忧的人工智能结果，如果没有可行的就医途径，可能带来的焦虑多于益处。设计一个安全公平的人工智能系统，需要思考它所融入的整个社会技术系统。一个部署在不公平系统中的完美准确的算法，最终可能放大而非减少差异。
这引出了最后一个关键问题：如果我们能够识别和衡量不公平，我们能否将公平性融入我们的决策中？卫生经济学提供了一个有趣的工具，称为分配性成本效益分析（DCEA）。在标准的成本效益分析中，一个“质量调整生命年”（QALY）就是一个QALY，无论谁得到它。DCEA对此提出了挑战。它允许我们基于伦理原则，如优先主义——即我们应该优先帮助处境最差的人——正式声明，来自弱势群体的个人获得的健康增益比优势群体获得的相同健康增益具有更高的社会价值。我们可以为他们的QALY分配一个“公平权重”，在计算一个项目是否物有所值时，真正地为公平加码。这使我们能够超越仅仅描述不公平，开始设计积极致力于缩小差距的政策。
从人类思维的私密之处到我们城市的复杂机器，再到人工智能的数字前沿，健康不平等的原则提供了一个不可或缺的指南。它们揭示了我们的社会安排与我们身体之间的隐藏联系，并挑战我们不仅要更清晰地看世界，更要更公正地建设世界。