今日 atom · 2026-07-13
失智症少了 70%,這個數字在說謊嗎?
經濟金融
逆向選擇與存活者偏差
Adverse Selection & Survivor Bias
當一個群體的健康狀況改善時,可能來自三個層面:(1) 整體預防/醫療進步降低患病率,(2) 患病者因為醫療進步存活更久、改變患病人口組成,(3) 健康者因預防成功活得更久、改變分子分母。若不分層分析,容易誤判進步的真實成因。
提出者:Gary Becker & George Stigler(逆向選擇)/ Halley & actuaries(存活者偏差)(1970)
看完整 atom 詳情 →
為什麼今天
數字進步不一定代表現實進步——當你只看到留下來的人,消失的人早已悄悄改變了統計的分母。最近有研究指出失智症患者比例大幅下降,但這個「勝利」究竟是真正的醫學突破,還是存活人口結構改變後製造的假象?
推理鏈
06 STEPS想練推理?登入後可逐步揭曉、AI 即時評分、寫反思
- step 1 · 事件85-89 歲失智症患者從 30% 降至 10%,看似醫學勝利
- step 2 · 觀察患者比例下降可能來自四個不同來源:診斷標準、存活偏差、人口結構、真實醫療進步
- step 3 · 模式當聚合指標改善時,不分層地解讀會高估單一成因的效果
- step 4 · 原則存活者偏差與逆向選擇:群體平均值的改善 ≠ 邊際個體的風險降低;患者組成改變可能讓整體統計偏離個體軌跡
- step 5 · 應用評估任何公衛進展時:(1) 追蹤同一世代、不只看年齡層,(2) 控制診斷標準改變,(3) 拆分可解釋的人口因素,(4) 才能給出真實風險變化
- step 6 · 反例破壞者的勝利往往在於隱藏的人口組成轉變——Google 搜尋體驗改善,可能只是因為用戶從老年人轉向年輕人;抗憂鬱症用藥增加,可能只是因為診斷率提高;失業率下降,可能只是因為勞動參與率崩潰。
反例練習Karl Popper · falsification
妳知道一個「群體平均值改善」但「個體風險沒變」的真實例子嗎?例如某個健康指標下降、但只因為患者提前死亡、不是真的改善。試舉一例、20 字內。
想到一個反例就是真的懂了原則的邊界。寫進下面的「今日功課」答案、或自己心裡記下。
今日功課跨域遷移
某家連鎖健身房統計發現,持續使用超過一年的會員,身體指標幾乎都變好了;於是對外宣稱「加入我們,健康改善率高達九成」。在妳熟悉的領域(電商、教育、職場招募……),妳能找到一個類似的例子嗎?說說看:是誰在分母裡消失了,又是誰的故事被當成全體的代表?
登入 → 提交妳的思考並收到 AI 回饋