科学，尤其是现代医学，其优点不胜枚举：它们带来技术革新，制造药物帮助我们活得更久、更健康，并且满足了我们想要了解人体运行原理的好奇心。

但它们也有一个缺点，更准确地说，是会制造严重问题的缺点：科学和医学让我们忽略了一个没有它们的世界，以至于无法理解它们的重要性。这样的群体性健忘在面对传染病时愈为明显：在它们强势的守护下，人们已经失去对疾病惊人传播力的感知。也就是说，我们正在构建一个想象中的人与病原微生物和谐共处的过去。然而在现实中，这个过去从未存在。

不久前的一件小事，揭示了目前我们与传染病的关系。

有人在脸书（Facebook）上提出一个问题：“有没有人可以解释一下，为什么麻疹在过去是无害的，如今却说它很危险？”我援引古病理学家弗朗切斯科· 玛利亚·加拉西收集的数据回答了这个问题，我也曾在电视节目《超级夸克》中提到过一部分。这些数据表明，麻疹在过去绝不是无害的。1970年，该病毒感染了全球共计1亿3000万人，其中800万人死亡。而在意大利，在1976年大规模的疫苗接种开始之前，每年的感染人数在10万~18万之间，平均每年有200多个婴幼儿因此死亡。看到我的答复，提问者称她所知道的情况有所不同，这可以用儿科医生的话来证明，该医生曾建议她儿子不用接种疫苗，如今他已40岁，身体无恙。自然，对我之后提出的异议，这位女士气愤地指责我自以为是。

这场争论可以让我们了解到，关于疾病史的许多事情，我们正处在“修正主义”阶段。另外，什么人是“自以为是”的，是引用科学数据的人，还是认为自己的个人经验具备普遍性并且比许多人的研究更有价值的人？仅仅几十年前，我们还不会有这样的问题。那时，每个人都能列出一张自己认识或者间接知晓的疾病死难者名单，而他们的死亡在今天是可以通过疫苗来避免的。实际上，个人经验与科学数据本应相吻合。幸好，现在情况发生了变化，因此有必要说明一下流行病学的运行机制，以及为什么在这一领域“单燕不成春 ”。

流行病学是一门迷人又复杂的学问。它研究一种疾病如何在人群中传播，哪些因素有利于它的传播，它会产生哪些效果，以及人们生活条件的变化如何对这些效果产生影响。所谓生活条件可以是人们的饮食，或者气候，甚至是可能成为病毒的宿主和传染源的动物的存在。完成所有上述任务的起点只有一个：数数。

如今使用这种方式是顺理成章的（即便很遗憾并不是所有人都这么想），但就如其他许多学科一样，流行病学还是一门相当年轻的学科。我们可以确定它诞生于19世纪的伦敦。那是1854年，世界正开始向我们所熟悉的模样演变。第二次工业革命蓄势待发，而第一次工业革命的大幕也才刚刚落下。那一年，威廉·威尔金森为混凝土注册了专利，尤金尼奥·巴尔桑蒂与费里切·马特乌齐也正式在伦敦注册了第一台内燃机。很快，第一届万国博览会就要召开，而维多利亚女王坐在日不落帝国的王座之上已有数年。从伦敦出发，人们可以乘坐最早的火车前往威尔士。离电灯点亮各大城市的夜晚也只差短短数十年。

不过，居住在人满为患、肮脏破烂、臭气熏天的贫民窟中，人们几乎不可能感知到这近在咫尺的现代化进程。在那里，孩子们的身体因为佝偻病而扭曲。这是一种因缺乏维生素D所引起的疾病，主要是由于阳光照射不足引起的。苏豪区，屠宰场和皮革厂聚集于此，产生的动物废料被胡乱丢弃。污水汇集于地窖下方挖出的井中，用木板勉强遮盖。一旦污水溢出，则会被直接排入泰晤士河。状况危如累卵，但还可以更糟：8月31日，苏豪宽街（如今被称为布劳德维克街）暴发了可怕的霍乱疫情。三天之内该街区及附近地区共有127人因病死亡。十天后死亡人数上升到500人，三分之二的居民仓皇离家。最终遇害者的人数定格在616人。

当许多人根据可上溯至古希腊的古老医学理论，将悲剧归咎于可能污染空气的“瘴气”时，一个名叫约翰·斯诺的医生却开始了数数。他计算了被感染的人数，并把他们每个人的确切住所用圆点标记在伦敦地图上。真相跃然纸上。

约翰·斯诺在致《公报·医学时刻》专栏编辑的信中说：

我发现，所有死亡的病例都出现在水泵的附近。仅有十例居住在另一个水泵的周围，其中有五人的家属告诉我，他们总是去宽街的水泵处取水，因为他们觉得那里的水比自家附近的更好。而这十例中另有三名死者是在宽街水泵附近学校上学的孩子……

总之，数据将疫病与一处特定水井中的水联系到了一起，并且这种联系越来越紧密。例如，人们惊奇地发现该地区一家啤酒厂内竟无一人感染，随后得知工人们从不喝那口问题水井中的水，而是只喝工厂分配的啤酒。今天我们可以说，斯诺完成了历史上最早的传染病调查之一。他的提醒使人们紧急封闭了被污染的水井，并得出结论：霍乱正是通过被污染的水源传播，而不是因为呼吸了神秘且从未得到证实的所谓“瘴气”。

但更重要的是，斯诺的研究是一个杰出的案例，证明科学的方法可以揭示极为强大的事实，使人抛弃根植于集体想象中的信念，譬如是有害的空气传播了疾病。它也证明，如果不精确列举感染者，将其与住所联系起来，寻找这些因素与疾病的传播之间的关系，那么这些现象也不会被人关注到。如果斯诺不够耐心和执着，不使用这个方法，那么他全部的天赋也不足以提示他水井与病源之间的联系。此外，这一个如此拥挤的社区，人人均有接触，却无人知晓疾病如何传播，要在连接所有病人的纷乱线索里找出关键所在是极为艰难的。

现在，流行病学会利用更完善的知识，同时，遗传学和以传染物的生存和传播条件为基础的生物学知识也为流行病学研究者提供了非常有用的信息。不过，具备高水平的统计调查能力依然是至关重要的。由于统计学的天性，得出的结果具有一定的误差范围。比如当我抛出一枚硬币，得到正、反面的概率应该各占一半。但如果我真的去做这个实验，有可能连续四次得到正面的结果。假如想趋近于统计上的可预测结论，必须完成大数量的尝试。如果抛出100次，得到正面的次数也许接近一半，即可能是51次正面和49次反面。这是否意味着统计预测是错误的呢？并不是。只不过我尝试的次数越少，预测的误差就越大。因此，当样本数据足够大的时候，统计就会更有效。任何情况下，误差范围都很容易通过数学方法算出，所以要想得出一定需求下相对准确的结论，有可能是需要确定抛出硬币的次数的。 ETHXcLU1QB44YKqLpAVxt2LsLc40eb9WF7SI1v2eraG774YhSOlzfeYSD/0YBbwx