{"id":"raw_d54bf7bdad6112b4","account":"mubei","brand":"@mubei","title":"用哈佛的致癌模型去算，开市客背上了220万条人命。 全美从2000年到2018年，超过两成的癌症死亡，全得记在这家连锁超…","summary":"用哈佛的致癌模型去算，开市客背上了220万条人命。 全美从2000年到2018年，超过两成的癌症死亡，全得记在这家连锁超市头上。 买大包装调料、实惠卫衣，顺便在出口吃根一块五毛钱的热狗，代价真有这么大？ 当然不可能。 但在顶级学术期刊里，这套结论白纸黑字算得清清楚楚。 事情要从2…","body":"用哈佛的致癌模型去算，开市客背上了220万条人命。\n\n全美从2000年到2018年，超过两成的癌症死亡，全得记在这家连锁超市头上。\n买大包装调料、实惠卫衣，顺便在出口吃根一块五毛钱的热狗，代价真有这么大？\n\n当然不可能。\n但在顶级学术期刊里，这套结论白纸黑字算得清清楚楚。\n\n事情要从2025年底说起。\n哈佛大学陈曾熙公共卫生学院的 Yazan Alwadi 团队，在《环境健康》上发了一篇论文。\n他们声称发现，住在马萨诸塞州核电站附近的居民，癌症发病率明显上升。\n几个月后，他们把研究推向全美，论文直接登上了顶刊《自然·通讯》，说核电站不仅提高发病率，连癌症死亡率也拉高了。\n随后又是两篇重量级期刊论文，把肺癌、乳腺癌、肠癌，甚至不分病因的总死亡率，全跟核电站的距离挂上了钩。\n四篇名校论文一字排开，声势浩大，结论看起来言之凿凿：住在核电站边上，就是在慢性自杀。\n\n但突破研究所的两位研究员，Deric Tilson 和 Adam Stein，越看越觉得不对劲。\n他们没有跑去现场测辐射剂量，只是做了一个很简单的验证。\n这在科学实验里叫阴性对照。\n既然这套空间统计模型这么神，能单凭住址离地标的远近，精准算出周边人群的致癌风险，那我们把地图上的核电站抠掉，换成别的日常地标，用完全相同的代码和数据再跑一遍，看看会发生什么？\n\n他们先选了四年制私立大学。\n程序跑完，结果让人目瞪口呆：住在私立大学旁边，相关的癌症死亡风险，比住在核电站旁边整整高出15倍。\n按这套算力推导，在象牙塔旁边租房，比住在核反应堆边上还要危险十五倍。\n\n这还没完，他们接着把全美的开市客门店坐标喂了进去。\n这一次直接测出了全场最高值。\n根据哈佛这套模型算出的归因数据，整整220万起癌症死亡，全都来自开市客。\n占了全美同期所有癌症死者两成以上。\n\n到底哪一步搞砸了？\n其实两位测试者一句话就点出了死穴。\n研究人员最初之所以挑核电站，是因为核电站自带故事框架。\n在大众认知里，核电站很容易让人联想到疾病，正相关的计算结果一出来，很容易写成一篇符合预期的漂亮论文。\n但作者们犯了一个最致命的错误：偷懒。\n他们拿到自圆其说的结果后，满脑子想的都是赶紧发表，甚至没有顺手拿一个毫无危害的普通地标，去检验一下自己的新算法。\n\n只要他们测一次就会发现，这套模型根本没有测出核辐射对人体的物理损伤。\n它测出来的，纯粹是统计模型自身的缺陷。\n开市客为什么致癌效应最强？\n因为开市客选址开店，只会挑选人口密集、经济活跃、医疗机构集中的成熟片区。\n这些地方的居民人均寿命更长，体检更频繁，癌症确诊和登记记录自然远远多于地广人稀的偏远乡村。\n模型把人口密度和医疗资源带来的统计集聚，一股脑扣在了距离最近的地标头上。\n\n两位研究员最后的结论，说得极其精准：\n这套统计方法实际上造成的真实死亡大概是零；\n但它制造出来的劣质论文，至少有四篇。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2106862275063640097","translated_status_id":"2106862275063640097","published_at":"2026-10-04 23:19:37","created_at":"2026-10-04 23:19:37"}