想想这个思想实验:J是一个55岁的病人，他从22岁开始每天抽两包烟。他刚刚被诊断出非小细胞肺癌III期。他的医生使用包括模型在内的一系列方法来决定他的预后。
在情况1中，他的医生使用了“预防原则”，并根据最坏情况的模型提出了情景:J只有大约6个月的生命。
在情况2中，医生根据对J未来情况的预测来做出预测，根据定义，不是最坏的情况，而是更“乐观”的情况:J还能再活两年。
哪种情况更好?
答案并不是那么简单。在医学领域，预测本身充满挑战，很大程度上取决于所使用的数据和模型，而这些数据和模型可能并不完全适用于单个患者。更重要的是:病人是模型的一部分。如果所使用的信息改变了病人的行为，模型本身也会改变——更准确地说，模型中某些变量的权重会朝着更消极或积极的方向变化。在第一种情况中，J可能决定改变他的行为，以充分利用他接下来的六个月，也许将其延长到九个月或更长时间。这是否意味着这个模型是不准确的?不。这意味着对模型的了解有助于推动J走向一个更乐观的结果。在第二种情况下，可能会发生相反的情况:J可能继续他每天两包烟的习惯，或者只减少到一天一包，这可能会加速更消极的结果。情形1中的J有可能存活两年，情形2中的J有可能存活六个月。
这种模式无处不在，从预测气候变化到投票(知道投票结果可以影响投票行为，可能会改变结果)。我们在Covid-19大流行建模中遇到了类似的困境，这可能有助于解释从大流行何时结束到封锁是否合适等所有问题上的分歧。去年，就在世界卫生组织宣布2019冠状病毒病为全球大流行之际，我写了一篇关于不确定性和风险认知的文章。面对不确定性时，我们会听从专家的意见，但一个月后，美国国家卫生研究所的安东尼·福奇(Anthony Fauci)正确地指出，专家们总是在预测什么是(以及仍然是)一个“移动目标”。
在过去的几周里，我们看到更多的观点集中在乐观主义上:群体免疫将在4月份达成，而夏季将更像2019年，更加开放和无忧无虑。我们也看到了这种基于“当今准确模型”的乐观主义是如何影响人们的行为的:从学校开学(但随后又关闭)到德克萨斯州最近取消口罩规定，这可能会导致病例增加。另一些人则采取了更为悲观的态度，称可能还需要两年时间才能“恢复正常”，而病毒变体则是“完全不同的事情”。如今，在密歇根和加拿大，一股潜在的由变异燃料驱动的第三波浪潮预示着(目前)不那么乐观的前景。我们都非常熟悉这种模式在过去的一年里是如何多次重复的，甚至专家也不同意(有些人已经改变了策略)。这不仅仅是坏新闻偏见。但是，我们如何调和“乐观主义者”和“悲观主义者”之间的这种对立呢?这可以归结为我们如何理解流行病学模型的一般目的，以及两种大流行预测模型。
贾斯汀·莱斯勒(Justin Lessler)是约翰·霍普金斯大学(Johns Hopkins University)的流行病学副教授，也是定期为Covid-19预测中心(Covid-19 Forecast Hub)贡献的一个团队的成员。他指出，主要有四种类型的模型:理论模型，帮助我们理解疾病系统是如何工作的;战略性的，帮助政府官员做出决策，包括“什么都不做”;推理，有助于估计群体免疫水平;预测，根据我们对应对措施和疫情实际发展的最佳猜测来预测未来会发生什么。
在预测模型方面，有些模型的预测并非定义上的最坏情况(因此更为乐观)，它们旨在描述传播和易感性的当前模式，并在假设当前模式保持不变的情况下进行预测。正如伦敦大学学院生物数学家卡尔·弗里斯顿所描述的，在这些“动态因果模型”中，各种不同的变量还包括影响病毒传播方式的未知因素，即所谓的“暗物质”。
然后是由“预防原则”指导的预测模型，也就是“情景模型”，其中的假设通常是最保守的。这些解释了最坏的情况，让政府最好地准备供应品、医院病床、疫苗等。在英国，政府的紧急情况科学咨询小组(Scientific Advisory Group for Emergencies)关注这些模型，因此指导有关封锁的政策。在美国，拜登总统的2019冠状病毒病特别工作组是最接近的，而看起来不按常规行事的流行病学家和精算师可能是我们最接近独立SAGE(弗里斯顿的合作伙伴)这样的小组。
Friston告诉我:“我们为独立SAGE所做的建模类型关注的是获得正确的粒度，以最小的复杂性确保最大的适合度，以帮助我们了解底层，就像它告诉我的那样，到底发生了什么。”“所以，最根本的问题是，我们是遵守预防原则，使用最糟糕的情景模型来模拟完全缓解的反应，还是承诺使用最准确的缓解反应模型?”
这触及了各种“专家”之间紧张关系的核心。例如，像斯坦福大学(Stanford)的约翰•约阿尼迪斯(John Ioannidis)这样的流行病学家倾向于更关注对大流行进行建模，以准确解释当前的模式(并将这种模式延伸到未来)，这种模式可能会显得更乐观，通常不会被用来指导政策。
Lessler说:“许多混淆来自于不理解给定模型的目的，例如将战略模型作为预测模型呈现。”“我更喜欢用‘计划情景’这个词，在大流行中，我们的应对措施可能会导致预测的情景发生。”他提到了健康指标和评估研究所(Institute for Health Metrics and evaluation)从2020年春季开始建立的模型，该模型在未来一到两周内是准确的，但假设严格的干预措施会无限期地存在。这对于长期规划来说是无效的，但许多渴望接受这一流行病的明显乐观前景的人曾考虑将其作为长期规划。特朗普新冠肺炎特别工作组严重依赖这一模式。
与关于J的思想实验一样，海森堡不确定性原理帮助我们理解流行病学预测模型中类似的想法。将这些信息传递给公众的影响是模型，因为它创建了一个反馈循环，在这个循环中，个人会根据感知到的风险改变他们的行为，这就改变了传播模式。模型是一种模拟:一个我们创造的但是。最初的预测包括接触传播，但当我们意识到传播方式很小，大多数传播是通过呼吸道分泌物传播时，这些模型就改变了。我们在口罩上也看到了这种情况:最初，不戴口罩导致了高水平的传播。一旦采用了口罩，传播就会减少，所以模型转向了更乐观的模型。(这就是尼安德特人之门的症结所在。)
“许多模型的目的不是作为预测器，而是作为帮助决策的工具。因此，当你在新闻上看到一些东西时，请注意它通常是对‘可能’发生的事情的陈述，并听一听如果人们对这一流行病作出反应，‘可能’会发生什么事情，”Lessler告诉我。“很多人倾向于关注最坏的情况，但如果该模型成功地告知了政策，那么吸引所有媒体的可怕预测将是错误的。”
作为个体，我们看待信息和将信息纳入行为的方式的不对称性使这些反馈循环更加复杂。乐观主义者可能会更新他们的信息，作为乐观更新偏见(倾向于承担更多风险)的一部分。即使面对“乐观”模型，悲观主义者也可能更不愿意冒险。这与确认偏误并无不同。我们的行为也取决于认知信任:我们是否决定信任一位专家的预测，而不是另一位专家，从而足以改变我们的思想和行为。最近，一名经济学家写了一篇关于Covid-19在儿童中传播的风险的有争议的文章，遭到了抵制。
科学，特别是流行病学，与测量和真理有关。准确的模型很重要。但在时间点A，如果一群人听从最坏情况/悲观/预防原则模型，最坏情况实际发生的可能性可能是由于群体的行为转变以最小化风险。反过来也是正确的:在同一点上，如果一群人听从了“动态因果”/乐观模型，并将他们的行为转变为更自由的，该模型就改变了最坏的情况。
Lessler告诉我:“流行病预报类似于天气预报，对于10天的前景来说都很好，但我不能告诉你7月第三周的天气情况。”对于传染病，“我们不能说三个月后会发生什么，因为我们有政策和行为的反馈循环，以及基础数据中的不确定性。”
J:在情形一，他可能会决定采用这种悲观的模式来敦促自己戒烟。情况2可能发生相反的情况。理想情况下，他的医生会分享这两个预测，这将由J来权衡这两个选择。
公共卫生更加棘手，因为个人做出的决定会影响到他们的社区。尽管个人自由和经济的外部性也很重要，并影响着我们对风险的选择和评估，但过度准备和过度谨慎总比过度谨慎好。
好消息是:随着时间的推移，乐观主义者和悲观主义者的预测模型可能会趋于一致。所以情境模型和动态因果模型在某种意义上都是正确的:总的来说，逐渐地，我们倾向于一起做出更准确的预测。这表明，一旦病例数量减少，这些模型将彼此相似，这标志着大流行的结束，或者看起来只是大流行的反映。Lessler后来在一封电子邮件中分享:“所有的模型都有一个非常低的情况。这只是一个持续时间和过程中会发生什么的问题。”
因此，一种更“务实”的观点，即提倡继续使用口罩、疫苗和保持社交距离，可能最好能产生群体免疫和生活在今年晚些时候恢复到更愉快的“正常”的乐观结果。
本月早些时候，我在Twitter上进行了一项民意调查，在大约700名受访者中，超过三分之二的人似乎持更为乐观的看法，认为在北美，大流行即将结束。一开始我觉得很轻松，但后来我意识到，如果同样的乐观导致不谨慎的行为，这种观点可能会导致更悲观的结果。相反，在谨慎的以证据为基础的当下，与这样一种想法——这可能会导致未来的一个理由——之间取得平衡，或许是支配行为的最佳方式，这样我们就可以像其他人那样，一起走出困境。这是对作家埃兹拉克莱因(Ezra Klein)最近的推文的另一种总结:“最近，希望感觉像是一种不安全的情绪。无论从个人还是职业角度来说，我都不想变得乐观起来，结果却被死亡人数的上升压垮。悲观更安全。”
或许，对变化和不确定性抱有适度宽容的实用主义会更安全。
