怎样写症状日记，才能真正找到你的诱因

这个系列的每一篇文章，到目前为止都指向同一个诚实、却略显不尽如人意的结论。气压与头痛：这种联系是真实的，但程度有限，还夹杂着跑在数据前面的信念（《天气敏感：科学到底怎么说》）。关节与降雨：各项研究真正相互矛盾，这种分歧与研究设计的关系，不亚于其他任何因素。地磁暴：一个存在于人群水平上的微弱信号，建立在过于单薄、不足以说明对某个具体的人意味着什么的证据之上。高温、湿度与疲劳：唯一一种扎实到可以称为基础物理学的联系，却又被个体耐受阈值的巨大差异所削弱。把这四篇都读一遍，会发现同一条线索贯穿始终——人群水平上的答案从来不是干脆的「是」或「否」，而是「微弱地存在，只对一部分人，且因人而异」。这不是在回避问题。这就是这门科学诚实的样子，也意味着唯一有用的下一个问题，不是「天气是否会影响人」，而是「它是否会影响我，而我要怎么才能知道」。这篇文章要认真回答的正是第二个问题——用一本设计来接受统计学检验、而不是接受记忆检验的日记。开始之前先说明一点：这是信息性材料，不是医疗建议。如果某个症状是新出现的、严重的，或令人害怕，那应该是和医生的对话，而不是和一款应用或一张表格的对话。

为什么记忆不是可靠的判官

从与这个问题最直接相关的一项实验说起。1996年，唐纳德·雷德迈尔（Donald Redelmeier）和阿莫斯·特沃斯基（Amos Tversky）——一位医生和一位心理学家，后者曾与丹尼尔·卡尼曼一起开创了认知偏差研究——对18名关节炎患者进行了长达一年多的追踪，记录他们的疼痛情况，同时记录每位患者认为会影响自己的真实本地天气。当数据被处理后，没有发现任何一名患者的疼痛与他自己认定的天气因素之间存在统计学显著的关联——组内没有一个人如此（Redelmeier & Tversky, 1996）。单看这一个结果，可能只是说明天气确实不影响关节，这与本系列此前梳理的许多内容是吻合的。但同一篇论文还进行了第二个、设计更干净的实验：研究者向97名大学生展示了完全随机、由计算机生成、彼此毫无内在关系的两组变量序列，并让他们判断这些序列是否存在相关性。人们持续报告说在这些噪声中看到了相关性——而这些规律，按构造根本不存在。作者的结论是：人们相信天气与疼痛有关，很可能不是因为数据支持这种信念，而是因为人类的大脑天生就会寻找规律，无论规律是否真的存在——研究者称之为「错觉性相关」（illusory correlation）。

这种倾向还有一个有据可查的搭档：确认偏差——只留意并记住那些符合已有想法的日子（比如外面有暴风雨、头也很痛），却悄悄忽略了那个有暴风雨却相安无事的日子，甚至根本没有注意到那个天气晴朗、头却照样很痛的日子。再加上普通的回忆偏差——重构「三周前我的头痛有多严重」这件事，本来就远不如现在立刻评分来得准确——你得到的这套记忆系统，在结构上就不适合回答这个具体问题。一项研究比较了181名儿童的回顾性头痛问卷，和同一批儿童为期四周的实时日记，在实践中恰恰发现了这个规律：与日记相比，回顾性问卷系统性地高估了头痛的强度和持续时间，而误差的大小又与儿童的年龄、头痛的严重程度以及抑郁量表得分相关（van den Brink, Bandell-Hoekstra & Abu-Saad, 2001）。这一切都不意味着人们对自己的症状粗心或不诚实。它意味着记忆从来就不是作为测量工具被设计出来的，要求它完成统计学级别的工作，就是在要求它去做一件它从未被设计来做的事。

一份日记需要做对什么

研究者用来解决这个问题的方法有一个名字：生态瞬时评估（ecological momentary assessment，EMA）——在症状发生的当下、在它发生的真实环境中记录，而不是事后凭记忆重构。这个方法在阿瑟·斯通（Arthur Stone）和索尔·希夫曼（Saul Shiffman）1994年的一篇奠基性论文中被正式确立，他们指出，在真实时间、在一个人真实的日常环境中评估症状、情绪和行为，能够绕开损害回顾性报告准确性的回忆问题（Stone & Shiffman, 1994）。把这个原则应用到个人的天气与症状日记上，就变成了一份具体、简短的习惯清单，而不是一句含糊的「多留心」：

1. 在事情发生时就记录，而不是拖到周末。 当天记录是一次测量；周日晚上回顾整整一周，则已经在滑回记忆及其偏差之中。
2. 也要记录「没事」的日子，而不只是「有事」的日子。 一个气压正常、也没有头痛的平静日子，和一个气压异常、头痛剧烈的日子，是同样重要的数据点——漏掉前者，就是穿着日记外衣的确认偏差，只是多了几个步骤。
3. 保持分类前后一致。 每天都用同一个0到10的量表给症状打分，或勾选同一份简短的症状清单，这才是让第3天能够和第60天相比较的原因。一本中途改变自己计量单位的日记，根本无法被分析。
4. 尽可能让天气数据自动关联进来。 日记越少依赖你另外记得去查看并记录当天的气压或湿度，回忆偏差能从旁门溜回来的空间就越小。
5. 在觉得自己已经知道答案之后，仍然要继续记录。 这是最难做到的一条规则，也是大多数人最先打破的一条——原因，下一节会讲清楚。

为什么判断这件事需要统计学，而不是一眼看图

假设，仅仅是假设，在每天记录一个月之后，你的数据显示低气压的日子和当天头痛的严重程度之间，存在r = 0.34的相关性。这是一个看起来很真实的数字——那种会让人产生「啊哈」的满足感的、整整齐齐的相关系数。但在背后只有30天数据支撑的情况下，用标准的相关性统计检验，这么大的相关系数换算出来的p值大约是0.07——没有达到常规的0.05显著性门槛。说得直白一点：数据量这么少的时候，即使这个相关系数在屏幕上看起来很有意义，它仍然很可能只是巧合。在这个阶段就把它称为一个发现，恰恰是在重复雷德迈尔和特沃斯基实验中那些大学生面对纯噪声时犯下的错误——在证据还不足以把它和随机性区分开之前，就已经看到了规律。

接下来这部分，说明了为什么坚持更久地记录是值得的：继续记录，假设同样的r = 0.34这个关系，在你记到第90天——大约三个月的持续记录——之后依然保持不变。在更大的样本上进行完全相同的统计检验，同样大小的相关系数，这次换算出来的p值大约是0.001——已经稳稳越过了显著性门槛，因为一旦测量的天数变成三倍，同样大小的相关系数就更难用巧合来解释了。从第30天到第90天，这层底层关系本身没有任何变化——变化的只是支撑它的证据量。这就是「多给它一点时间」不是一句空话的、诚实但不那么动听的原因：探测真实效应（或正确排除虚假效应）的统计功效，会随着观测数量的增加而提高，而一个月热情高涨的追踪，通常还不够。

多重比较陷阱——以及为什么FDR很重要

还有第二个陷阱，一旦你开始同时检查不止一个天气变量，它就会打开——而这恰恰是大多数人的做法：气压、温度、湿度、风速等等，在同一次分析里全都拿来和某个症状做检验。用普通的0.05显著性门槛对每一个变量分别检验，把八个不同的天气因素分别和你的症状做检验，仅凭纯粹的偶然性，就意味着大约二十次检验中会有一次「看起来显著」，即使背后没有一个关系是真实的——而在八次同时进行的检验中，累加起来就会明显提高至少出现一次看起来像真发现的假警报的概率。这就是多重比较问题，也是这篇文章前面提到的确认偏差陷阱的统计学版本：你同时向同一批数据提出的问题越多，随机性本身能塞给你一个和真发现看起来一模一样的假阳性的机会也就越多。

标准的解决方法，是错误发现率（false discovery rate，FDR）校正——这是约阿夫·本雅明尼（Yoav Benjamini）和约瑟夫·霍克伯格（Yosef Hochberg）在1995年专门针对这种情况提出的方法：当很多假设被同时检验时，一个未经校正的普通显著性门槛，会放过太多假阳性（Benjamini & Hochberg, 1995）。FDR校正不是对每一次单独检验都要求一个高不可攀的严格门槛——这种做法往往会把真实效应和虚假效应一起埋掉——而是根据一共做了多少次比较来调整门槛，这样一来，在所有最终被标记为「显著」的关联里，实际上是假的那部分所占的预期比例，就能被控制住并且已知，而不是全凭猜测。应用到个人的天气日记上，这就是「气压检验出显著，所以它一定是我的诱因」和「即使把我同时检查的另外七个因素都考虑进去，气压依然站得住」这两种说法之间的差别——后一种说法才值得信任，也正是它需要经过校正才能说得诚实。

SIGNIFICANCE × DAYS · SAME_r=0.34

n=30 · p≈.07n=90 · p≈.001p=0.05

DAYS_LOGGED →

• n=30不显著——仍可能是巧合
• n=90显著——不太可能是偶然

8_FACTORS_TESTED

UNCORRECTED_p<.05

↓

AFTER_FDR

只有经受住 FDR 校正的关联才算数

FIG.06 · SIGNIFICANCE + FDR · ILLUSTRATIVE_EXAMPLE · NOT_A_MEASUREMENT

这真正带来了什么：一个被认真对待的、样本量为一的研究

这正是一种名为「单病例试验」（n-of-1 trial）的研究设计背后的逻辑：不去问某种干预或诱因是否对人群总体有效，而是把一个人自己反复、持续的观察当作数据集，用这同一个人的其他日子来做比较——不需要单独的对照组，因为每个人在时间维度上都是自己的对照（Duan, Kravitz & Schmid, 2013）。这正是一份维护得当的症状与天气日记的本质：它不是人群研究的替代品，而是一份合法的、对个人有意义的数据集本身——前提是它按照前面几节描述的方式建立：在事情发生的当下记录，包含普通的日子，持续足够长的时间，并用一种考虑到同时检验多个因素的方法来核查。

说得直白一点，这也正是MeteoHealth作为一款应用、而不是一份电子表格模板存在的原因。它让你两次点按就能记录症状和心情，把每一条记录与本地天气以及你已经在收集的Apple Health指标配对，并在设备本地运行真正的统计计算——皮尔逊相关、ANOVA，以及针对所检验的各个天气变量的错误发现率（FDR）校正——这样一来，在你自己的数据中浮现出来的规律，已经经过了这篇文章描述的同一套流程，而不只是看了一眼图表。它不做诊断，也不做预测；它向你展示你自己的数字，并诚实地保留其中的不确定性，而且完全在设备本地构建，这样这些数字背后的个人健康数据就永远不需要离开你的手机。这个系列里的其他一切——薄弱的人群平均值、研究之间的分歧、信念与数据之间的差距——正是这种做法从一开始就有必要存在的原因。一项人群研究能告诉你，在它永远不会逐一了解的成千上万人当中，平均而言什么倾向于成立。它无法告诉你，这个星期二你膝盖的疼痛，是否跟着窗外的气压下降在走。只有你自己的记录，经过统计学而不是记忆的解读，才能做到这一点。

结论

在整个这一系列文章里，「天气是否影响健康」这个问题诚实的答案，一直是某种版本的「微弱地存在、并不均匀，且因人而异」——从来不是干脆的「是」，也从来不是干脆的「否」。这并不是一个令人不满意的落点；这是正确的落点，而且它直接指向了接下来该做什么。记忆在这类问题上是一个糟糕的判官，它总是能可靠地在随机性中找到规律，记住那些证实某个故事的日子，忘记那些不证实的日子。日记要修正这一点，前提是它必须在事情发生的当下就记录，把普通的日子和值得注意的日子一并记下，并且持续足够长的时间，让真正的统计学——而不是一眼看图——获得足够的证据，把真实的规律和噪声区分开，同时正确考虑到：如果分析方法没有针对这一点建立起来，同时检查好几个天气因素会让假警报更容易出现。做到这些，你就不再是在猜测，也不再信任那个在这件事上天生就会误导你的记忆。你正在对唯一始终最重要的那份数据——你自己的数据——进行一项合法的、单人的研究。