[閱讀筆記] HOW NOT TO BE WRONG - 第16章：肺癌令你抽菸嗎？(Does Lung Cancer Make You Smoke Cigarettes?)

 

1.  假設婚姻與抽菸，兩者是負相關

不同說法	強調重點	說明
代表性說法	真實狀況直述句，解釋相關	如果你癮君子，就不太會是已婚者 (If you’re a smoker, you’re less likely to be married)
更動說法	假設語氣，解釋因果	假設你有抽菸，你就不太會是已婚者 (If you were smoking, you would be less likely to be married)

2. 相關不蘊涵因果 (correlation does not imply causation)，又稱為 相關不代表因果，是科學和統計學經常強調的重要觀念，意思是若兩個事物（統計學上會用變數代表）有明顯的相關時（即當一件事出現，另一件事也出現），不一定表示兩者之間有因果關係。例如說看到死刑判決越多，謀殺犯罪率越高，不代表兩者間有關，尤其不代表死刑導致更多謀殺，有可能是謀殺案件增加導致更多死刑判決，或其他因素同時導致更多謀殺與更多死刑判決。(https://reurl.cc/xGZD2z)

3. 要確立一個因果關係，其實也是很困難的，因為生物學及醫學的世界太複雜，往往都會有些干擾因子（Confounding factors）去影響你。

4. 偽因果關係的例子 (https://reurl.cc/mLndO7)

🍦🏊 冰淇淋的銷售量越高，海灘溺水的人數也越多

雪糕銷售與溺水人數表面上看似有關係，其實只不過是因為氣溫越高，越多人買雪糕，同時也越多人游泳，所以溺水的人也越多。但其實這個偽關係是由氣溫高這個「干擾因子」引起的。

🏊⚡ 泳池溺水人數與美國核電廠發電量也是高度相關

這兩者高度相關，並非代表核電廠發電會「導致」人在泳池中溺水，而是因為氣溫高，耗電量大增 → 核電廠發電量增加，去游泳的人也變多 → 泳池溺水的人也多。

5. 確定性因果關係 (deterministic causality)

因果關係成立條件

如果要得出 X 導致 Y 的結論，下列三個條件都要成立︰ ① X 發生在 Y 之前 ② 若 X 不發生，則 Y 也不發生 ③ 若 X 發生，則 Y 一定發生

分析因果關係的希爾準則 (Bradford Hill's Criteria)

Hill's Criteria 說明 ① 時序性 （Temporality） 若 X 導致 Y，那 X 一定發生在 Y 之前。這是 9 個準則中最重要的，若不符合時序性，因果關係可立即被否定。 ② 強度 （Strength） 即觀察一個事件對另一個事件的影響有多強，但如果病人用 micafungin 後，夜晚排尿由1公升減至100毫升，我們對它們兩者有因果關係的信心自然大得多。 ③ 一致性 （Consistency） 即兩件事件的相關性在不同情況之下都會出現，一般在學術界中，如果越多不同的團隊做研究都得多相同的結果，我們覺得這些研究證明的因果關係的可信度是越高的。 ④ 劑量反應關係 （Dose-response relation） 即接受的劑量越高，反應也應該越大。 ⑤ 可逆性 （Reversibility） 將因子移除會令另一因子發生的程度減低。 ⑥ 生物合理性 （Biological plausibility） 即相關是否有一個合理的解釋。如吸煙引起肺癌，我們有一個很合理的解釋，就是煙草中的致癌物質會破壞細胞的DNA，增加基因變異的機會，故引起肺癌。 ⑦ 同調性 （Coherence） 沒有與現有的其他理論衝突。 ⑧ 類比性 （Analogy） 將某個已知的因果關係，類比至其他相似的關係上，並依此推論其因果關係存在與否。 ⑨ 特異性 （Specificity） 一個果只有一個因。因為生物學及醫學上的複雜性，一個果往往都可以又不同的原因促成，例如肝癌可以是由B型肝炎病毒、C型肝炎病毒、喝酒，甚至是發霉的花生所引起的。

6. 想要檢定來分辨「相關」是來自「因果」，還是與「因果」無關，是一個令人感到抓狂的困難問題，即使你原本以為答案顯而易見，例如肺癌與抽菸的關係，並不單純。1947 年，英國罹患肺癌致死人數，較幾十年前增加 15 倍，當時沒人能指出確切原因，可能是工廠廢氣、汽車廢氣、未能指認出的汙染源、抽菸 (在當時抽菸的流行程度大爆發) 等。

7. 公共政策制定者不像科學家，他們沒有權利享有不確定性，只能以現有訊息為基礎，做出最好預測並訂下決策。以抽菸導致肺癌為例，此研究結論毫無疑問，科學家與政策制定者會協同合作：科學家估算我們有多少未定數，而政策制定者在標出的不確定下，決定該採取什麼行動。

8. 🍆 吃茄子有害健康？

假說

假定我們有 75% 確信結論是對的，推動拒吃茄子使每年可以減少 1000 位美國人死亡 然而，我們也有 25% 的機會得到錯誤結論，迫使茄子愛好者去吃其他不健康的食物造成每年多死 200 人的情況

期望值計算

75%1000+25%(-200)=750-50=700 依據期望值，不管茄子商會如何抗議，不管結論是否 100% 正確，就決定向大眾公開，政策制定者建議的期望值是每年可救 700 人。 請記住：期望值並非照字面上那樣，代表我們預期會發生的值，而是當同樣決策反覆不斷執行後，期望發生的平均值。

1. 假若公共政策制定者自我要求遵守更嚴格的證據標準，只要沒有完全確定是正確的，就拒絕發出任何建議，那麼原本可以拯救的生命就會因此喪失。但有一件事可以確定：用可能會出錯為理由來避免給予建議，會是失敗的策略。