80小说网

手机浏览器扫描二维码访问

第21章 直觉判断与公式运算孰优孰劣（第3页）

当然，即使清楚天气对酒质的影响，专家们也无法保证公式那样的一致性。

继米尔的最初研究之后，促进该领域最重要发展的要数罗宾。

道斯所发表的著名论文《决定中非正当线性模型的稳定之美》了。

社会科学中常用的数据统计分析是按照某一运算法则评估不同的预测因素，这叫做多次回归，且已经被运用于常用软件中。

多次回归中体现的逻辑很有说服力：它找到了将各种预测因素权衡后再整合到一起的最理想公式。

然而，道斯发现，这种复杂的数据运算没什么用处，人们也可以通过选取一组对于预测结果以及提升价值都很有效的数据作出类似的判断（使用标准数据或者是等级）。

一个公式与这些预测因素以同样的权重结合起来预测新事物才有可能像使用多次回归处理原始样本一样取得理想的预测效果。

更新研究则更深入地指出：均衡考虑各项预测因素的公式更有优势，因为它们不受样本突变的影响。

这种基于等权原则的计算方案的成功有着重要的实践意义：它可以在不作任何事前统计研究的基础上就能开发出有用的运算方法。

这种基于现有数据或者常识的简单等权公式通常可以预测出意义重大的结果。

在一个令人难忘的例子中，道斯指出了婚姻的稳定性可以通过一个公式来预测：

做爱的频率减去争吵的频率

你应该不会希望得到的结果是负数。

这个研究的重要结论是，在信封背面构思的一个运算公式通常可以和理想化的公式媲美，与专家的言论相比肯定更胜一筹了。

这种逻辑适用于很多领域，从证券投资组合经理对股票的选择，到医生和病人对治疗方式的选择。

一项拯救了千万婴儿的简单运算法堪称对于这项研究的经典应用。

妇产科医生清楚地知道，如果婴儿在出生后的几分钟内无法正常呼吸的话，他她就会有很大的脑损伤甚至夭折的风险。

在1953年麻醉学家弗吉尼亚·阿普加（VirginiaApgar）介入之前，内科医生和接生人员一直在用他们的临床经验来判断婴儿是否处于危险状态，不同人员的依据也不尽相同。

一些人侧重于观察孩子的呼吸情况，另一些人则观察婴儿的啼哭频率。

由于没有一个标准，人们经常错过危险信号，导致许多新生儿不幸夭折。

一天早饭后，一个住院医生问阿普加医生如何对新生儿作系统评估。

她回答道：“这很简单，你可以这样做。”

阿普加快速写下了5个变量（心率、呼吸、反应、肌肉强度和颜色）以及3个分数（0、1、2分别代表各个变量的稳健度）。

阿普加意识到自己可能会有所突破，而且这一突破还可能被应用到所有的产房中，她便开始用这种方法评估每一个出生一分钟的婴儿。

一个得到8分以上的婴儿一般是肤色粉红、蠕动、啼哭、面部扭曲并拥有100次以上的脉搏，这样的婴儿外形很好。

低于4分的婴儿一般是浑身青紫、肌肉松弛、不爱动且心跳微弱，这样的婴儿需要立即救治。

应用了阿普加的评分原则后，产房的护士们终于在判断婴儿情况是否危险的问题上有了一套标准，人们认为这个公式对减少婴儿的夭折率起到了很重要的作用。

现在，阿普加的方法依然应用于每一个产房中。

阿图尔·甘德（AtulGawande）近期的著作《一份清单宣言》（AChecklistManifesto）也介绍了一些其他案例，以说明列表以及简单原则的优点。

让许多业内人士烦恼的运算法

从一开始，很多临床心理学家就不认同米尔的观点，对此持怀疑态度。

他们显然幻想过自己有长远预测的能力。

我们在深思熟虑后，不难发现这种幻想是如何产生的，也可以理解临床医生为何反对米尔的研究。

证明临床统计可信度低的统计证据与临床医师对自己判断质量的日常体验相悖。

经常接触患者的医生对每一个疗程都有其直觉，他们可以预测病人对干预治疗会有什么反应，并猜测下一步会发生什么。

很多推测都得到了证实，这显示出临床医师真实的临床诊断能力。

问题是在整个治疗期间，这些正确的判断涉及的都是短期预测，而且是在当面诊疗后作出的预测，这项技能是治疗师经过长期实践得来的。

他们失败的任务往往需要对病人的病情作长远的预测。

想要做到这一点尤为困难，因为即使是最好的公式也只能是有个大概，临床医师也不可能完全了解，这需要患者多年的反馈，而不仅仅是当时短暂的治疗反馈。