玻尔百科在人类历史的大部分时间里，生命短暂而 precarious 是常态。然而，大约在18世纪，人类开始了一场前所未有的“大逃离”，摆脱了过早死亡的束缚，引发了全球人口的指数级增长。这场革命并非由更多的出生驱动，而是由死亡人数的急剧减少所致。这就提出了一个塑造了现代世界的基本问题：究竟是何种力量和机制让我们能够如此有效地“欺骗”死神？本文深入探讨死亡率下降的科学，旨在弥合观察到这一历史事实与理解其错综复杂的因果关系之间的知识鸿沟。
本次探索分为两部分。第一章“原理与机制”，将解构这一历史性转变，解释人口转型和流行病学转型，阐明预防疾病（发病率）与战胜疾病（病死率）之间的关键区别，以及在现代，使衡量进展变得复杂的统计学错觉。第二章“应用与跨学科联系”，将展示这些知识如何成为现实世界中的强大工具，指导着病床边的决策，塑造着整个卫生系统的架构，并为界定公共政策的经济和伦理辩论提供信息。读毕全文，您将不仅理解我们如何学会更长寿，还将明白死亡率科学如何持续重塑我们的生活和社会。
在人类历史的绝大部分时间里，借用 Thomas Hobbes 的话来说，生命是“肮脏、野蛮且短暂的”。纵览数千年的人口图表，会看到一条长期近乎平坦的线，其间点缀着因饥荒、战争和瘟疫造成的下跌。然后，大约在18世纪，这条线突然弯曲并以前所未有的指数级攀升直冲云霄。发生了什么？是什么点燃了这场人口爆炸的导火索？
人们很自然地会认为是出生率的激增，但历史记录讲述了一个不同且更为深刻的故事。几个世纪以来，出生率一直很高；为了跟上居高不下的死亡率，出生率也必须如此。伟大的革命不在于“来”的速率，而在于“去”的速率。历史上第一次，死亡率开始骤降，而根植于数百年文化与传统的出生率却依然高企。这在两者之间撕开了一道巨大的裂口，人类的数量随之膨胀以填补这一缺口。这一时期，即人口学家所称的人口转型的第二阶段，标志着我们物种从过早死亡的魔爪中成功大逃离。它引出了将引导我们探索之旅的基本问题：推动死亡率惊人下降的机制究竟是什么？
在我们探究那些战胜了死亡的力量之前，我们必须先探讨这一转型中的一个奇特现象：为什么生育率没有与死亡率同步下降？为什么出生率的下降会如此滞后？答案揭示了技术与人性的美妙互动。
最初降低死亡率的干预措施，在某种意义上是简单且外部的。诸如改善的卫生系统、基本的个人卫生、更好的食物分配，以及后来的大规模疫苗接种运动，都可以在人口层面实施并立即产生显著效果。你无需改变世界观就能从下水道系统或天花疫苗中受益；你只需要接受它。
然而，生多少孩子的决定，却绝非简单或外部的。这是一个人能做出的最具个人化和文化根基的决定之一。世世代代以来，多生孩子是对一个许多孩子活不到成年的世界的理性反应。他们是家庭农场的劳动力来源，也是晚年的一种保障。当这种残酷的算计突然改变时，文化和个人行为需要时间——通常是一代人或更长时间——才能跟上。公共卫生的技术以工程学的速度前进，而家庭生活的规范则以文化演进的缓慢步伐移动。
我们甚至可以透过经济学的冷静视角来理解这种滞后 [@problem-id:4643410]。想象一个试图优化其福祉的家庭。当一个孩子存活的概率（我们称之为 ）突然增加时，一个存活孩子的“价格”实际上降低了。每一次生育现在都成了一项好得多的“投资”。最初的理性反应可能是生育更多存活的孩子。然而，这会引发第二个更微妙的效应。随着家庭拥有更多存活的孩子，他们对每个孩子“质量”——他们的教育、健康、未来前景——的重视程度往往会上升。这就是著名的数量-质量权衡。当父母开始在每个孩子身上投入更多资源时，每个孩子的总成本就会上升。这种不断上升的成本最终会产生一种强大的激励，促使人们生育更少、但“投资更精”的孩子。这种从数量到质量的经济转向，为生育率下降紧随死亡率下降的现象提供了一个强有力的根本解释。这并非不理性的延迟，而是对一个全新世界的复杂的、两步走的调整。
死亡率的下降并非单一事件；它是一场在多条战线上不断演进的战斗。要理解它，我们必须从计算多少人死亡转向探究他们因何而死。这就是流行病学转型的故事，即主要死因从传染性、可传播疾病向慢性、非传染性疾病（NCDs）的转变。
第一批，也可以说是最伟大的胜利，是针对年轻群体的杀手取得的。纵观历史，最大的威胁是传染病、营养不良和分娩的危险。基本公共卫生措施和母婴保健服务——免疫接种、针对腹泻的口服补液疗法、清洁饮水、熟练助产士——的引入产生了惊人的影响。通过拯救婴儿、儿童和年轻母亲，这些干预措施不仅阻止了个体悲剧；它们从根本上重塑了我们物种的人口结构。出生时预期寿命 ，本质上是生存曲线下的平均面积。因为在1岁时阻止一例死亡会为人口总寿命增加数十年，而在80岁时阻止一例死亡仅增加几年，所以这些对抗早期生命死亡率的胜利，带来了我们所见过的预期寿命最戏剧性的增长。
为了进行更深入的分析，我们可以借用流行病学中一个简单而强大的公式。任何特定原因的死亡率 ，是两件事的乘积：人们患上该病的比率（发病率，）和患病者中死亡的比例（病死率，）。
这个公式揭示了降低死亡率的两大策略：
降低发病率 ()：从一开始就防止人们生病。这是公共卫生的胜利。环境卫生、食品安全和疫苗都是降低发病率的机器。对于传染病，这是主要武器。通过大幅降低新感染率，我们压垮了伤寒、麻疹和结核病等疾病的死亡率。
降低病死率 ()：确保生病的人不会死亡。这是现代医学的胜利。抗生素、先进外科手术和慢性病管理（如治疗高血压或糖尿病的药物）都是降低病死率的机器。
流行病学转型本质上是一个关于这两种策略之间平衡变化的故事。在早期阶段，死亡率的下降绝大多数是由降低传染病发病率驱动的。随着人口老龄化和生活方式的改变，心脏病和癌症等非传染性疾病成为主导。对于这些疾病，发病率往往随着早期经济发展而上升。然而，死亡率持续下降，因为我们降低病死率的能力——通过更好的药物、疗法和治疗——超过了发病率的上升速度 [@problem-id:4999579]。
减少发病率与降低病死率这两种策略之间的区别，在外科手术的历史中表现得最为生动。在19世纪末之前，医院是人能去的最危险的地方之一。即使外科医生的技术让你挺过了手术，“医院坏疽”或败血症也极有可能在术后夺走你的生命。术后死亡率曾高达惊人的40%甚至更高。
然后是第一次革命：抗菌法（antisepsis）。在 Louis Pasteur 的微生物致病理论指导下，Joseph Lister 开始使用石炭酸为外科医生的手、器械和伤口消毒。效果立竿见影且意义深远。通过在入口处杀死微生物，Lister 直接向病死率宣战。他并未阻止污染，但他降低了其致命后果。他病房的术后死亡率骤降至约22%。
这是一个巨大的飞跃，但第二次，甚至更强大的革命接踵而至：无菌法（asepsis）。新一代外科医生认为，与其杀死伤口内的细菌，不如从一开始就阻止它们进入伤口。这是从一场战斗到一道封锁线的范式转变——从降低病死率到降低发病率。这催生了现代外科手术的仪式：器械的蒸汽灭菌，无菌的手术衣、手套、铺单和口罩，所有这些都旨在在患者周围创造一个不可侵犯的无菌区。这种无菌技术将死亡率进一步削减至7%甚至更低。外科手术的故事是更宏大的抗击死亡之战的完美缩影：从治疗感染转向完全预防感染。
今天，战斗更加复杂，敌人更加微妙，胜利更难衡量。在癌症等慢性病领域，我们的主要策略常常是筛查：试图在疾病引起症状之前早期发现它，希望早期治疗会更有效。这似乎是不言而喻的好事。但筛查的世界是一个充满哈哈镜的大厅，充满了统计学错觉，会让我们误以为自己成功了，而实际上并没有。
第一个也是最著名的错觉是领先时间偏倚（lead-time bias）。想象一种癌症，如果不加干预，将在2030年被诊断，并在2035年导致死亡，生存期为5年。一项筛查测试在2025年就发现了同一种癌症。即使治疗完全没有改变死亡日期，患者仍然在2035年去世。但他们的“生存时间”现在从2025年开始计算，所以看起来是10年！筛查可以通过提前启动计时器来人为地夸大生存统计数据，而实际上并未给患者的生命增加一天。
一个相关的错觉是长度偏倚（length bias）。筛查测试天生更擅长发现生长缓慢、侵袭性较低的疾病。那些生长迅速、致命的癌症更有可能在两次预定筛查的间歇期出现并引起症状。因此，筛查项目优先“捕获”更多惰性肿瘤，使得筛查发现的病例结果看起来比一般癌症的结果好得多，即使筛查本身没有任何影响。
最后，还有一个棘手的问题是过度诊断（overdiagnosis）：即检测出那些在患者一生中永远不会生长、扩散或造成任何伤害的“癌症”。通过将一个健康人变成癌症患者，过度诊断夸大了发病率，并使人们接受不必要的治疗，同时使生存统计数据看起来极好，因为这些“癌症”的存活率为100%。
这些偏倚给了我们一个谦卑的教训。像5年生存率或朝向早期诊断的“分期前移”这类指标的表面改善，并非筛查项目成功的可靠证据。它们是替代终点，并且可能具有极大的误导性。唯一真正的“硬终点”，唯一能明确证明筛查项目正在挽救生命的证据，是人口层面疾病特异性死亡率的可证实的降低。
当然，一些筛查项目取得了惊人的成功。例如，结直肠癌筛查是一场双重胜利。通过早期发现癌症，它通过更好的治疗降低了死亡率。但由于用于诊断癌症的结肠镜检查也可以切除癌前息肉，它也阻止了癌症的形成，从而降低了发病率。通过仔细分析人口发病率——并巧妙地排除第一轮筛查以区分现有癌症的检出和未来癌症的预防——流行病学家可以衡量这两种挽救生命的效果。
这就把我们带到了我们故事的最后，也许是最引人入胜的部分：利用这些原则充当侦探，解决隐藏在人口层面数据中的谜题。
思考这个谜题：一个国家的卫生系统观察到某种癌症的死亡率在20年间持续下降。在这期间的第十年，一项新的筛查项目启动了。然而，在整个时期内，癌症发病率一直顽固地持平。这个筛查项目成功了吗？乍一看，我们可能倾向于说成功了——死亡率下降了！但一个精明的流行病学家会心生疑窦。一个新的筛查项目，如果它能更早地发现病例，应该在启动后立即产生一个标志性的发病率高峰——即“患病率筛查”效应。发病率持平这一事实，是反对筛查是主要驱动因素的有力证据。更可能的元凶是什么？是那些在幕后悄悄降低病死率的改进了的治疗方法。一个预期模式的缺失，可能和它的出现一样信息量巨大。
或者思考最后一个反直觉的谜题。为什么即使是一个成功的筛查项目，有时也需要超过十年才能看到死亡率上的益处？以前列腺癌为例，它通常生长非常缓慢。使用一个简单的指数增长模型，我们可以追踪一个肿瘤的历程。筛查测试可能在它极小的时候就检测到它。从那时起，它可能需要，比如说，9年的缓慢生长才会变得转移并危及生命。转移后，中位生存期可能又是3年。所以，在没有筛查的情况下，这位被检测出癌症的男性平均会在12年后死亡。通过今天发现并治疗这种癌症，我们避免了一个预定在12年后发生的死亡。生命现在就被挽救了，但这个“被挽救的生命”直到那个预定死亡日期过去之后，才会在人口死亡率统计数据中表现为一个下降。疾病本身的自然史设定了我们何时可以宣布胜利的时钟。
因此，死亡率下降的故事，是一段从席卷整个社会的变革，到单个细胞错综复杂的生物学的旅程。它是一个关于公共卫生工程、深刻文化变迁、医学突破，以及区分幻象与现实所需的精妙统计推理的故事。这是一个关于我们如何学会欺骗死神，并在此过程中重塑我们世界的故事。
现在我们已经探讨了死亡率的原理和机制，你可能会倾向于认为这是一个沉重、抽象的话题，是精算师和人口学家的领域。事实远非如此！这些知识不仅仅是为了计数，更是为了行动。它是一个镜头，通过它我们可以以惊人的清晰度看世界；它是一个实用的工具，用以在医学、公共卫生乃至我们自己的生活中做出一些最深刻的决定。这是拯救生命的科学，其应用是一段充满巧妙谜题、惊人联系和深刻伦理问题的激动人心的旅程。让我们踏上这段旅程吧。
想象一下儿科急诊室里闪烁的灯光和紧急的混乱。一个小孩因感染性休克（septic shock）被送来，这是一种失控的感染导致身体生命支持系统衰竭的状况。时钟在滴答作响，这不是比喻，而是物理现实。问题的核心是身体崩溃与医生干预之间的一场赛跑。通过细致研究死亡率数据，我们知道，延迟使用正确的抗生素，每过一小时，甚至每过一分钟，死亡概率都会增加。
这不仅仅是一种模糊的紧迫感；它是一种可量化的关系。我们可以计算出，与等待三小时相比，在第一小时内给予抗生素与死亡风险的特定、可测量的降低相关联。例如，在一个延迟治疗有18%死亡风险的情景中，第一小时内行动可能将该风险降低到约14.4%。这听起来可能是一个小变化——绝对风险降低仅为3.6%——但这意味着每及时治疗28个孩子，就能挽救一个本会失去的生命。正是这种演算将“快速行动”从一个良好意图转变为一个精确的、基于证据的方案，并被世界各地的急诊室所遵循。
戏剧性并不总是如此直接。考虑一个正在考虑接受减重手术的病人。这里的权衡是不同的。一方面，我们有肥胖相关疾病的长期统计威胁，这可能使病人在未来十年内有，比如说，12%的死亡几率。另一方面，我们有一项能改变人生的手术，已知它能显著降低这种长期死亡风险——也许是35%的相对降低。这转化为十年内约4.2%的绝对死亡率降低，这是支持该手术的有力论据。
但手术本身并非没有风险。存在一个虽小但可怕的几率发生灾难性并发症，比如胃重新连接处的吻合口漏。假设吻合口漏的风险是1%，而因此死亡的风险是10%。除此之外，可能还有0.1%的基线围手术期死亡风险。一个期望值计算揭示了手术本身的死亡成本：吻合口漏的风险是 （即0.1%），加上非吻合口漏风险，总的即时风险为0.2%。现在选择变得异常清晰：我们正在用0.2%的即时死亡风险来换取未来十年内4.2%的死亡风险降低。净收益是压倒性的正面。这就是风险的抽象语言如何成为医生和病人之间共同决策的有力工具，将一个可怕的选择变成一个理性的选择。
如果我们从单个病人身上放大视野，我们会发现死亡率的下降也可以是一个工程问题。我们可以设计整个护理系统，以大规模地欺骗死神，而不是设计一座桥梁或一个电路。
想想在世界许多地方的头号杀手：心脏病发作，或者医生所说的ST段抬高型心肌梗死（STEMI）。当冠状动脉被堵塞时，心肌开始死亡。存活的关键是尽快打开那条动脉。“时间就是心肌”这句口号直接说明了死亡率的问题。我们从大量研究中得知，治疗每延迟30分钟，死亡的相对风险就增加约7.5%。那么，我们如何建立一个系统来最小化这种延迟呢？
具有前瞻性的卫生系统正是这样做的。他们为救护车配备心电图机，以便在现场诊断STEMI。他们制定协议，让救护车绕过更近的、非专科医院，直接驶向能够进行经皮冠状动脉介入治疗（PCI）的中心。他们用一个电话预先激活心导管室，以便团队在病人到达的那一刻就已在等待。通过协调这些活动部件，他们可以将“首次医疗接触至器械”时间——比如说，从平均110分钟减少到65分钟。这45分钟的改进不仅仅是一个效率指标；它是一个救生员。对于一个每年有750例STEMI病例的地区来说，这个系统设计每年可以预防大约6例死亡，年复一年。这是一个绝佳的例子，说明了理解死亡率曲线如何让我们重新设计我们的世界，将人们移到曲线更好的部分。
这一原则在公共卫生领域得到了最辉煌的体现。考虑镰状细胞病（SCD），一种遗传性疾病，在历史的大部分时间里，意味着大多数患此病出生的孩子活不到成年。幼儿时期的主要杀手是压倒性的细菌感染。然后，从几十年前开始，我们开始建立一个防御体系。我们实行新生儿筛查，在出生时识别受影响的婴儿。我们让他们从两个月大开始服用预防性青霉素以抵御感染。我们确保他们接种了强大的肺炎球菌结合疫苗。
这个系统的每一部分都有已知效果，降低了因感染而死亡的风险。当我们在数学模型中将它们结合起来时，结果是惊人的。曾经为0.02的恒定年感染死亡风险，可能被这些干预措施降低到仅0.0027。观察生存曲线，我们看到其形状完全改变。前干预时代特征性的陡峭早期下降被一条更平缓、更浅的斜坡所取代。五岁以下累积死亡率可以从大约12%骤降至仅4%。这不是一个理论练习；它反映了20世纪医学中一个伟大而寂静的胜利——一个用生存分析的优雅数学讲述的故事。
这似乎很简单：发明一种新的治疗方法或筛查测试，看看人们是否活得更长，然后宣布胜利。但大自然是一个狡猾的对手，统计学可能是一个充满哈哈镜的大厅。证明一项干预措施真正降低了死亡率是一项深刻的智力挑战，堪比最高级的侦探工作。
这场游戏中最厉害的骗子是领先时间偏倚。想象一个筛查测试比通常情况下早一年检测到一种致命疾病。病人仍然会在完全相同的日期死亡。然而，因为我们从诊断时开始计时，他们的“生存时间”会显得长了一年！这造成了一种生存获益的假象，而实际上根本不存在。观察到的20%的生存增益可能完全是一种假象，真实的死亡率降低为0%。要找到真正的益处，我们必须首先估计并减去领先时间偏倚带来的“愚人金”贡献。
那么我们如何才能证明一个筛查测试有效呢？答案在于细致的、大规模的随机试验，以及对所有可能被愚弄的方式的深入理解。让我们看一个使用低剂量计算机断层扫描（LDCT）进行肺癌筛查的假设性试验。试验发现，筛查组的肺癌死亡率低于对照组——死亡人数真正减少了。我们如何能确定这是真实的呢？
关键在于考虑所有混杂因素。我们已经知道领先时间偏倚，它不影响实际死亡人数。但还有另一个混杂因素：过度诊断。这是指检测到那些生长极其缓慢，以至于在患者一生中永远不会造成问题的癌症。筛查找到了这些“假”癌症，将它们计入发病人数，但不计入死亡人数，这人为地使治疗看起来比实际更有效。
一个精心设计的试验的精妙之处在于，我们可以估计这些偏倚的大小。通过在筛查结束后长期跟踪筛查组和对照组，我们可以看到筛查组中有多少“额外”的癌症从未在对照组中出现——这就是我们对过度诊断的估计。一旦我们排除了由领先时间和过度诊断引起的病例，我们就可以检验真正的假设：筛查是否通过引起分期前移而起作用？也就是说，它是否在更早、更可治愈的阶段发现了侵袭性癌症？通过将早期癌症与晚期癌症的已知存活率应用于每组中发现的病例数，我们可以精确预测分期前移应该预防了多少死亡。如果这个预测的数字与观察到的预防死亡人数相匹配，我们就抓住了罪魁祸首。我们已经用定量的严谨性证明了益处是真实的。
但即使在这里，也有一个最终的、令人谦卑的转折：竞争风险。假设一个筛查项目非常成功，将肺癌死亡率降低了20%。这是否意味着该群体的总的全因死亡率也下降了20%？当然不是。从肺癌中被拯救出来的人仍然可能死于心脏病、中风或任何其他疾病。如果肺癌在该高危人群中仅占所有死亡的，比如说，25%，那么这块蛋糕20%的减少只意味着整个蛋糕减少了5%（）。这就是为什么证明全因死亡率的降低是任何医疗干预的最终，也是更困难的基准。
追求降低死亡率的探索并不止于科学证明。它进入了社会、经济和伦理的复杂世界。拯救生命需要资源，必须做出选择。
我们如何在两种不同的结直肠癌筛查策略之间做出决定，比如每十年一次的结肠镜检查与每年一次的无创粪便检测（FIT）？结肠镜检查在降低死亡率方面更有效（比如，降低55% vs FIT降低30%），但它也更繁琐，并带有罕见但严重的并发症风险，如穿孔或出血。FIT策略每次测试更容易、更安全，但需要每年坚持，并对阳性者进行后续的结肠镜检查。
为了解决这个问题，我们求助于卫生经济学这个跨学科领域，它提供了一个叫做质量调整生命年（QALY）的工具。QALY是一种结合了生命数量和质量的货币。然后我们可以建立一个账本。一方面，我们有通过预防癌症死亡获得的QALY。另一方面，我们有由于测试的负担和发生有害结果的小概率而“损失”的QALY。通过对每种策略的预期收益和损失进行加总，我们可以计算出一个净收益，并做出一个能以整体方式最大化人口健康的有理选择。
这种整体观揭示了迷人的协同效应。考虑一个为同时患有糖尿病和心脏病的患者治疗抑郁症的项目。直接目标是改善心理健康，这本身就有QALY益处。但其效应是连锁的。不抑郁的患者更有可能服用他们的药物，从而更好地控制他们的身体疾病。这种改善的依从性反过来又降低了昂贵的急诊住院风险，创造了直接的财务节省。此外，治疗抑郁症本身也与全因死亡率的微小但真实的降低有关。当我们把成本节省、发病率改善和死亡率降低加在一起时，一个看似“额外成本”的项目可能被揭示为一个极具价值的投资，它在金钱和福祉上都得到了多倍的回报。
最后，我们必须面对这样一个事实：追求降低死亡率并非一个绝对的目标。它受到我们最深层次的伦理承诺的约束。想象一家医院开发了一个AI系统，可以将败血症死亡率降低5%。问题是，为了工作，它需要以一种需要明确同意的方式访问敏感的患者数据，但医院提议为了加快速度而对一小部分患者绕过同意程序。
在这里，两种伟大的伦理传统发生了碰撞。一个行为功利主义者会做一个简单的计算：为1000名患者绕过同意，死亡率降低5%，预计可以挽救50条生命。如果不考虑其他伤害，这个行为不仅是允许的，而且是必须的。但一个相信权利和义务的义务论者会争辩说，一个人的自主权是一个神圣的旁侧约束。未经允许使用一个人的数据，即使是为了他自己的好，也是把他当作实现目的的手段。这违反了尊重的基本义务。从这个角度看，无论能挽救多少生命，这个行为都是不允许的。这不是科学的失败，而是其必要的边界。它提醒我们，虽然我们有强大的工具来计算生存的几率，但最终的问题不仅仅是如何活得更长，而是我们愿意遵循什么样的原则来生活。