如何解读自己的症状概率：9天中的7天，与20天中的2天

坚持记录症状与天气的日记几周之后，脑海中几乎总会浮现同一个问题：明天会不会很难受？这个具体的问题——一个预测，一个附着在尚未发生的日子上的数字——无论是你自己的数据，还是任何人的数据，都无法真正回答。数据能够回答的，一旦积累到足够的量，是一个更窄、也更有用的问题：在过去那些和今天相似的日子里，你有多大比例的时候感觉糟糕，与普通日子里感觉糟糕的比例相比又如何？这个答案的样子不像标题，更像一对分数——气压骤降后的最近9天里有7天感觉糟糕，最近20个普通日子里有2天感觉糟糕——学会正确解读这一对数字，几乎就是用好任何个人健康记录所需要的全部真本事。开始之前先说明一点：本文是信息性材料，不是医疗建议。MeteoHealth是一款健康管理应用，不是诊断工具；如果某个症状是新出现的、严重的，或正在加重，这是该和医生谈的事，而不是这篇文章能解决的。

为什么群体层面的结论不是你个人的结论

有一项对天气与症状问题在群体层面进行的、相对审慎的探究，值得停下来细看，因为其结果与大多数记录自身症状的人所期待听到的答案恰恰相反。Zebenholzer及其同事追踪了238名居住在维也纳一个气象站25公里范围内的偏头痛患者，让每个人坚持写了90天的每日日记，并将这些日记与同期记录的11项气象测量指标以及17种归类的天气状况进行比对（Zebenholzer et al., 2011）。在第一轮分析中看起来有希望的几个信号——高压脊、风速降低、日照时长的变化——在最终分析中都没有保持统计显著性。研究者自己的结论很直白：作为头痛的诱因，天气被相当程度地高估了，其影响远远落后于压力这类更平常的因素，以及对许多女性患者而言的月经周期。对于一款围绕天气与症状构建的应用来说，这是一句令人不太舒服的话，但这里仍然引用了它，正因为它恰恰说明了这篇文章接下来的内容为何重要。如果天气在整个群体中都是一个强大而可靠的诱因，个人记录本不需要被仔细解读——它只会印证那个平均值。但事实并非如此，第二项研究让这种落差更加明显。在Prince及其同事拿实测天气条件与患者做比对的77名偏头痛患者中，大约一半被客观证实至少对一种天气因素敏感——但相信天气是自己诱因的患者人数，超过了测量结果所支持的数字（Prince et al., 2004）。在这里，信念在两个方向上都跑在了数据前面：一些坚信天气影响自己的人，数字并未证实这一点；而"平均而言被高估"这一结论，也并不排除对那"一半"当中某个具体的人来说，这种影响是真实的。出于一个明确的原因，平均值和信念对于个人层面的问题来说都是错误的工具。Fisher、Medaglia和Jeronimus在六项重复测量研究中发现，个体内部围绕期望值的方差，比群体之间的方差要大两到四倍（Fisher, Medaglia & Jeronimus, 2018）。他们更宏观的论点是：群体层面的发现只有在统计学家称为"遍历过程"（ergodic process）的情况下——也就是人与人之间的模式，和一个人自身随时间变化的模式具有相同形态的情况下——才能干净地迁移到个体身上，而症状波动这类心理过程通常并不具备遍历性。一项群体研究，无论开展得多么严谨，从一开始就不是为了回答"我身上正在发生什么"这个问题而设计的。个人记录并不是这个答案的次等替代品，而更接近于唯一有能力给出这个答案的工具。想了解这个"被高估"结论背后更完整的群体层面全貌，《天气敏感：科学到底怎么说》与《气压与头痛：机制与应对方法》对机制方面的争论有更深入的探讨——本文从这两篇文章停下的地方继续往下讲。

自然频率：为什么"9天中7天"胜过"78%"

即使一个人接受了应该去看自己的记录，记录被呈现的方式仍然可能让这番努力前功尽弃。Gigerenzer及其同事在考察医学领域中健康统计传达得有多糟糕时直言不讳地写道：许多医生、患者、记者和政客都同样不理解健康统计数据的含义，或者在没有察觉的情况下得出了错误的结论——这是一种集体性的统计文盲，一种普遍存在的、无法理解数字含义的状态（Gigerenzer et al., 2007）。他们提出的解决办法是一种具体的、近乎老派的形式：自然频率，即在17世纪中叶数学概率被发明之前，人类用来编码信息的方式——这是一种没有相对于基础比率被归一化的简单计数，不同于相对频率和条件概率，因此大脑理解起来要容易得多。他们举的标准例子是一个乳腺X光筛查的场景：在癌症患病率为1%、检测灵敏度为90%、假阳性率为9%的情况下，大多数被问及阳性结果意味着什么的人，都会严重高估患癌的概率。如果把这换成针对1000名女性的自然频率来呈现，情况会很快变得清晰。在这1000人中，实际患癌的有10人，其中约9人检测结果为阳性。在没有患癌的990人中，约有89人也会检测为阳性，纯粹是假警报。把两组人加起来，一共约有98名女性得到阳性结果——其中真正患癌的只有9人，大约十分之一。这四个自然频率加起来正好是1000这个真实总数，而与之对应的条件概率加起来却不等于100%——每一对数字分别相对于各自的基础比率单独归一化，而这一步恰恰掩盖了真实情况。像"阳性结果意味着大约90%的患癌概率"这样的说法听起来很精确，却是任何读者都无法验证的。而"98个阳性结果中有9个真正患癌"，则是任何人都能重新算一遍的算术。同样的逻辑可以直接套用到个人的天气日记上。"气压骤降后的最近9天里有7天感觉糟糕"是一个自然频率：两个完整的数字，九个真实度过的日子，可以对照自己日记核实的算术。而"气压下降时感觉糟糕的概率是78%"，是同一个事实换了一身外衣，把那个"9"藏了起来——它诱使你不再追问这个数字背后到底是什么。

没有对照数字就毫无意义的数字

即便是像"9天中7天"这样干净的自然频率，单独拿出来也只是一句没说完的话，而这正是大部分个人记录——无论是在应用里还是应用外——悄悄出错的地方。9个气压骤降的日子里有7天感觉糟糕，单独听起来就很戏剧化。但它是否真的说明了气压的问题，完全取决于必须紧挨着它放在一起的另一个数字：同一个人在没有发生什么特别事情的日子里——一个没有明显气压变化、以同样方式记录的普通日子——有多大比例感觉糟糕。假设普通日子的统计结果是20天中有2天感觉糟糕。把这两个分数并排放在一起：气压骤降日中大约78%感觉糟糕（9天中7天），而普通日子中只有10%（20天中2天）。这是一个真实且相当大的差距，正是这个差距——而不是单独那个"9天中7天"的原始数字——真正起到了提示某种规律的作用。现在，只改变普通日子的统计结果，看看结论会如何反转。假设普通日子的结果变成了20天中有15天感觉糟糕——这个人总体上正处在一段艰难的时期，原因可能和天气完全无关。气压骤降日的比例仍然是9天中7天，仍然大约78%。但普通日子的比例现在变成了75%——20天中15天——两者已经接近到两组之间基本没有实质差别。同样一个标题式的数字，"气压骤降的9天里有7天感觉糟糕"，会根据其他日子的情况，描述出两种完全不同的局面：在第一种情况下它指向气压，在第二种情况下它几乎什么都指不出，因为这个人眼下不管天气如何，糟糕的日子本来就比好日子多。针对单一条件报告出来的一个孤立频率，还算不上一个发现。只有当它与没有那个条件的日子中、以同样方式计算出的对应频率放在一起对照时，它才成为一个发现。一项日本的日记研究，让人对这类计算中"气压骤降日"到底能意味着什么有了具体的感受：Okuma及其同事让34名偏头痛患者坚持每日记录，发现当大气压下降到约1003–1007 hPa——比标准的1013 hPa低约6到10 hPa——时，发作会集中出现（Okuma et al., 2015）。真正起作用的具体降幅因人、因季节而异，但这种比较方式本身——把降压日与普通日以同样方式计数后加以对照——才是可以推广的部分。

为什么在这种规模下，检验方法本身也成了一个选择

从"这两个分数看起来不一样"到"不一样到大概率不是巧合"，中间还有一个更棘手的环节。以早期个人记录实际拥有的样本量而言——寥寥几个气压骤降日，对上几十个普通日子——用来比较两组计数的统计检验，就不再是任何现成方法都能一视同仁处理的例行公事了。Campbell针对小型2×2表格中卡方检验与Fisher–Irwin检验的一项综述发现，总体表现最好的选项，是卡方检验的一个修正版本——所谓的"N−1"检验——只要表格中最小的期望计数至少为1；低于这个数字，则按照Irwin法则改用Fisher–Irwin精确检验（Campbell, 2007）。这一点值得停下来想一想：更早、更为人熟知的指导原则要求每个单元格的期望计数至少为5，才能信赖普通的卡方检验——而一份只有9个气压骤降日、"糟糕日"这一格只有两三条记录的日记，一时半会儿是达不到这个门槛的。这一切并不意味着普通的卡方检验暗地里是错的，也不意味着精确检验在任何场合都是唯一正确的选择；它意味着，在9天、20天或30天这样的规模下，选用哪种检验不再是一个无关紧要的背景细节，而成了一个会实实在在影响"两个分数之间的差距是否算得上有意义"的决定。在这种规模下倾向于选用更保守的选项，往往会导致低估某种规律，而不是高估它——如果要出错，这是更安全的出错方向。这也是另一个原因，说明为什么一个脱离了基础计数、孤零零抛出来的百分比，理应受到和任何其他未经核实的算术论断同样的审视。

没被记录的日子不算数

有一种失败模式是任何统计检验事后都无法弥补的，因为它发生得更早，就在记录的那一刻。如果一份症状日记只在已经感觉明显的日子里才有记录——严重的头痛、糟糕的一夜、值得抱怨一番的一天——那么上一节所说的与普通日子的对照，从结构上就根本不存在，这并不是因为普通的日子很少见，而是因为根本没人把它们写下来。以这种方式建立起来的日记，无论算出什么样的频率，都会系统性地比现实更差，因为分母里缺失了它最大、也最平淡无奇的那个类别。这只是更广泛的记录规范中较窄的一部分——记录什么、离事件发生的时刻有多近、如何防止记忆悄悄篡改记录——完整内容见《如何写出真正能找到诱因的症状日记》。这里的简短版本是：一个如实记录下来的普通日子，和一个糟糕的日子具有同等的价值，因为正是它，才把"7个糟糕的日子"变成一个真正有意义的分数。

当答案是"没有规律"时——为什么这依然是一个答案

一旦记录中积累了足够多的普通日子，接下来会发生两种情况之一，而只有其中一种能写成令人满意的标题。有时，气压骤降日的比例和普通日子的比例确实分开了——更接近上文第一个算术例子，而不是第二个——那就是一个真实且对个人有用的结果。同样常见的是，几周细致的记录最终更接近第二个例子：两个比例足够接近，以至于它们之间没有实质性的差距，这用大白话来说，就意味着对这个具体的人而言，气压骤降似乎起不了太大作用。这个结果与Zebenholzer及其同事在群体层面的发现相吻合——在最初的分析中看似真实的几个信号，并没有在最终分析中站住脚——而它理应得到和相反结果完全同等程度的重视。一个在仔细审视下消失的差距，并不是一次失败的实验，而是同一套流程原本会标记出真实差距，只是如今正确地报告了：这一次，那个差距并不存在。把"没有规律"当作一种失望而不是一种信息来解读，正是那种一开始就让虚假相关得以留存下来的思维方式——它继续寻找自己期望看到的规律，而不是接受计数本身实际展示出来的那个。

应用里真正呈现的是什么

MeteoHealth在这件事上扮演的角色是刻意收窄的。它会把症状记录在与当天天气及Apple Health数据并列的位置，一旦积累了足够的历史记录，就会展示一个个人频率——气压骤降后的糟糕天数——就紧挨着普通日子的对应频率一起呈现，以计数的形式呈现，而不是一个孤零零的百分比。在记录还很短的阶段，它会说明还需要多少条记录，这个对照才值得一读，而不是过早给出一个数字，任由你以为它已经说明了什么。这些运算在设备端本地完成，处理的数据不需要离开手机就能发挥作用。这一切都算不上诊断或预测：这款应用不会诊断某种病症，不会预测明天，也不会告诉你是什么导致了某个糟糕的日子。它把你自己的日子并排展示出来，把这种对照的解读留在它本该属于的地方——两个数字，以及任何人都能重新算一遍的算术。天气可能与某个具体的人的感受有关，也可能无关。要弄清楚对某一个具体的身体而言哪一种说法成立，唯一的办法，就是去看这个身体自己的日子——正确地计数，并与被拿来对照的那些普通日子放在一起。