而且，他们假设出现的任何偏离预期感染率的情况，都是由某个特定公共卫生措施引起的。但是偏离有可能只是病毒在遵循其自然的传播动态轨迹（参考法尔氏法则），不管有没有公共卫生措施的影响，这种偏离都会发生。

实际上，无论口罩是否有效，这些呈现出来的数据都不足以论证口罩的防护有效性。讽刺的是，在摘要的结尾部分，作者用了这样一段话：“同时，我们的研究突显了科学证据的重要性，不管在当下还是未来的传染病防治工作中，充分的科学证据对决策至关重要。”

论文发表之后，约翰霍普金斯大学流行病学家凯特·格拉博夫斯基在推特上指出，她的三名同事联名要求美国科学院院报(PNAS)撤回这篇论文。而正如前面所说的，这也是科学第一部分：伪科学就要遭到公众的排斥。

作为备受尊崇的研究期刊之一，Nature最近发表的这篇文章可能是一个更为震撼的确认偏差实例。作者声称欧洲多国采取的封锁措施“深刻影响了病毒的传播”。

笔者极为赞同用数据分析来评价公共卫生措施。不过，所有评价都应该接受检验，尤其是那些存在实质争议的评价，比如“数据显示我们的预测和干预是正确的。”数据可能确实很好地证明了这一点，但对此种论调持怀疑态度也是有理有据的。

这篇论文有两大缺陷。

一是作者采用了一个包含假设的模型，这些假设，诸如传播率和公共卫生干预的有效性等，都是很难评估且容易有偏差的。在摘要中他们也阐明了这一点。

更大的问题还在于他们没有设置对照实验。研究者假设，他们的模型正确估算了没有实施封锁的情况下可能出现的死亡病例，然后将估算的结果与新冠肺炎的实际死亡病例进行比较。数据显示，模拟中出现的死亡病例远高于现实中的死亡病例，于是他们断言封锁措施对于减少病毒传播起到了关键作用。

问题是，实际展现的数据其实采用了对照组，却略过不表。要知道，该论文的模型推测，从根本上对病毒传播产生巨大影响的是全面封锁措施。那么要怎么检验这个说法呢？来看看一个从未实施全面封锁的国家：瑞典。有趣的是，文章在分析中提到了瑞典。

没有干预措施介入的情况下会发生什么呢？模型推测的是截至五月四日死亡病例会达到28000。而实际上瑞典的死亡病例有多少呢？2769。整整差了一个数量级。

更有趣的是，模型预测在公共卫生措施加以干预的情况下的死亡病例是2800——跟没有封锁措施的瑞典实际的死亡病例恰恰吻合。这可能就是他们没有在“无干预”模型里提及病例偏差的原因，毕竟这个模型是与瑞典现实的情况最接近的。

笔者不是说这些科学家试图推行伪科学，而是说即使在科学领域，确认偏差也是障目的那一叶。而当问题本身具有政治性质时（比如“封锁国家是正确的决策吗”），就会有巨大的压力要求我们证明自己是正确的。可是，如果我们错了呢？我们愿意出错吗？

本文并非想讨论要不要采取专家建议的措施来应对疫情。事实上，由于现有数据非常有限，大部分预防措施都是合理的。笔者想说的是，要使科学这样一个探索大千世界的领域蓬勃发展，科学家就要勇于犯错，并且有余地去犯错。

像政治价值和“面子”这类因素能够轻而易举地抹杀科学的自我纠正性，破坏科学的严谨性，助长确认偏差，并最终使科学失去公信力。

尤其是在科学界承受巨大压力与民众殷切关注的当下，科学家更应该努力做到学术诚信，保持谦卑的态度，承认自己可能出错。这对全社会而言很重要。

留言点赞关注

我们一起分享AI学习与发展的干货

文章来源：《探索科学》 网址: http://www.tskxzzs.cn/zonghexinwen/2020/0729/491.html