应对新冠大流行需要我们不断分析风险，包括个人风险和社会风险，但实际上风险是大多数人不易理解的概念。
截至目前，新冠病毒大流行造成的死亡人数已经超过200万人，感染人数继续上升。在未来的几个月，也许是几年里，我们将不得不一边采取措施减少新冠病毒造成的死亡和伤害，一边直面生活以维持生计和心理健康，二者之间要不断平衡。
著名智库纽约曼哈顿研究所的经济学家艾利森 · 施拉格（Allison Schrager）说：“新冠病毒大流行基本上就是一场风险管理练习。要做好这一工作，我们必须依靠公共卫生专家、媒体和政府提供的信息。”
我们想知道病毒对我们自己、对可能因年龄或其他因素而变得更易感的朋友或亲人有多危险；我们想知道当前感染率飙升所带来的风险，这样我们才能了解封城等措施是否适当……即使在平安无事的时候，向公众做风险沟通也是一件棘手的事情，更不用说充斥着大量新冠病毒感染率和死亡人数的统计数据和图表的疫情之时。剑桥大学温顿风险和证据交流中心主任大卫 · 斯皮格尔霍尔特（David Spiegelhalter）称之为“数字剧场”。
那么，我们该如何走出数字剧场，对我们所面临的不确定因素进行审慎评估？没人能给出一个简单直接的答案，但是如果懂得大脑处理风险的方式，并了解与风险有关的数字可能带来的误解，我们可以在某种程度上减轻精神压力，尤其在新冠病毒大流行的当下。
数字带来的恐惧性风险与统计思维的误解
自2020年初新冠疫情暴发以来，媒体报道连篇累牍，几乎不曾间断，但是新冠大流行的威胁，我们大多数人实际依然不甚了了。这就是开始进行风险评估的困难所在。“实际上，我们已经习惯了与日常风险自在相处，但是，突然暴发的新风险让我们不知所措。”施拉格说。
通过影像观测在这些事件暴发后的人类大脑脑区，宾夕法尼亚大学的神经学家约瑟夫 · 凯布尔（Joseph Kable）发现：“大脑中的杏仁核区域根据风险严重程度做出相应的响应，而腹内侧前额叶皮层让我们权衡利弊，进而做出最优决策。”问题是，当威胁突发且剧烈的时候，我们进化出的这个应对威胁的反应机制却会影响理性思考。
德国波茨坦大学的风险研究专家格尔德 · 吉伦泽（Gerd Gigerenzer）指出：“这些威胁会影响我们情绪，使我们对其危险程度的认知严重偏离事实，我们称之为恐惧性风险。与我们习惯了的日常风险相比，即使恐惧性风险造成的死亡人数更少，也因媒体热炒，导致我们过度焦虑甚至恐惧。”
而恐惧会改变我们的行为，促使受伤或死亡风险提升。2004年，吉伦泽发现，在9·11恐怖袭击之后，很多人害怕坐飞机，转而选择了更危险的出行方式——开车。结果，美国因此额外增多了1 600名车祸的遇难者。
类似地，人们现在不愿去医院，因害怕感染新冠病毒。据世界卒中组织称，在被调查的100个国家中，新冠病毒大流行的头几个月，因中风症状入院的人数与2019年同期相比平均下降了60%；在美国和英国，心脏病患者入院人数也出现了类似的下降趋势；在英格兰和威尔士的一项研究发现，在2020年3月～6月底之间，因缺乏必要护理而死于心脏病和中风的人数比正常情况下多2 000多人（精确来说平均每天多17人）。
9·11事件因血腥场景带给人恐惧，新冠病毒颇为不同。由于新冠肺炎病人处于隔离中，病人遭受痛苦或死亡的场景几无曝光。新冠病毒的恐惧性风险不是影像造成的，而是数字引发的，尤其是当我们无法确切把握数字的真正含义时。
“这就要说恐惧反应之外的第二个问题，大多数人没有接受过统计思维方面的训练。”吉伦泽反映，“即便是与日常风险相关的数字也会让我们感到糊涂，比如天气预报告诉我们明天降水概率是30%，这意味着什么？有些人认为明天30%的时间在下雨，有些人认为30%的地区会下雨，还有些人认为，10个气象学家中有3个预测明天下雨。”然而，这都不是降水概率的真实意思。
搞不懂降水概率倒是不会带来什么危害，但其他一些事情，类似降水概率那样语义不清或语境不明的情况，会误导我们，造成风险。例如，在20世纪90年代中期，英国药物安全委员会警告说，一些避孕药会使潜在的致命血栓的风险增加一倍，这导致许多妇女停用避孕药。随后一年，大量意外怀孕导致13 000例堕胎。
患上血栓的风险加倍，听起来很可怕，但从绝对数值上讲，它意味着平均7 000名服用避孕药的女性，如果都服用第三代避孕药，有2名会产生血栓，而服用第二代避孕药的话，只有1名产生血栓。风险基数很低，所以相对风险加倍但绝对风险依然很低。
我们经常需要相对风险和绝对风险这两种信息来正确地判断给定的风险或收益。这两种信息甚至把专家也搞糊涂，新冠疫情中我们就看到过这种情况。2020年8月，美国食品药品管理局（FDA）局长斯蒂芬 · 哈恩（Stephen Hahn）说，平均每100名接受新冠肺炎血浆疗法的患者，会有35人的生命得到拯救。这一言论登上了新闻头条。哈恩的数据来自一项漏洞百出的研究。这项研究发现，血浆疗法可以使新冠肺炎的死亡率从大约14%降到9%，相对风险降低35%，但绝对的风险降低5%，这意味着血浆疗法在平均100名新冠肺炎患者中可多救5名患者。
对于我们这些试图在新冠病毒风险的汹涌波涛中穿行的人来说，只要知道相对风险和绝对风险的区别，就已经是理解其真正含义的一大步了。但即便如此，试图确定新冠病毒相关风险也可能是一项令人抓狂的工作。不仅因为新信息层出不穷，还因为新冠病毒的风险——不管是绝对还是相对风险——还因人而异，与个体的年龄、病史等都有关。
斯皮格尔霍尔特说，年龄与新冠病毒致死率之间的联系令人吃惊。一个80岁的人死于该病的可能性是一个20岁的人的1 000倍。伦敦帝国理工学院的一个团队估计，10～20岁的新冠患者，死于该疾病的概率为每10万名这样的患者有6人死亡；40～49岁这个年龄段的新冠患者，死亡风险上升到万分之15；如果你超过80岁却不幸感染新冠病毒，死亡率接近1/10。
个体风险可能较低，但集体风险可能很高
和通常情况一样，如果不考虑附加背景信息，就很难评估绝对和相对风险的具体数字的严重性。据美国非营利组织国家安全委员会（NSC）估计，在美国，一生中死于车祸的风险为1/106，一生中死于心脏病的风险是1/6。然而，相对其他致命风险，新冠病毒使死亡率增加了多少？斯皮格尔霍尔特建议，我们应该将其与接下来一年的死亡风险（即年度死亡风险）进行比较。从10岁左右开始，这个数字呈指数级增长，大约每8年翻一番。感染新冠病毒会使个体年度死亡风险增加1倍。意味着，只要你还年轻，死亡率仍然很低，但年龄越大死亡率就越高。
还有一个更复杂的问题。所有这些风险估值都反映的是感染致死率（IFR），即感染新冠病毒导致死亡的可能性。还有一个概念是“人口死亡率”，感染新冠病毒后各类死亡的可能性。这些数字很容易混淆，即使理性的人也容易做出错误的判断，进而使公共政策做出错误的反应。
例如，2020年5月，英国国家统计局发布的一份报告显示，不同族裔在新冠期间的“人口死亡率”存在巨大差异。该研究发现，黑人的人口死亡率几乎是白人的2倍。然而，新闻报道让许多黑人误以为自己感染新冠病毒的死亡率是白人的2倍。但实际上，这个统计数字反映的是“人口死亡率”，不等同于个体的新冠感染致死率。而存在这个数字差异背后的真实原因在于，普遍存在的卫生不平等使少数族裔更容易感染病毒。
至于感染风险本身，这些数字更难以确定，因为影响因素非常多，包括各种可能接触到病毒的途径。
尽管有如此种种困惑，正确理解相关数字可以帮助我们调适天生的恐惧和焦虑。就新冠病毒而言，相关数字呈现的情况大体上是令人放心的，特别是如果你身体健康，且不到50岁。但这当然并不意味着年轻人接触病毒是没有风险的。科学家仍在努力了解持续症状或疫情长期存在的真正危害。
另外，即使个人风险很低，你将病毒传染给其他更脆弱人群的风险仍然存在。纽约大学坦顿工程学院的风险工程专家纳齐姆 · 塔勒布（Nassim Nicholas Taleb）说，这就是为什么在决定如何应对和处理新冠病毒大流行的不确定性时，我们需要超越个人风险，考虑集体风险——个体风险可能较低，但集体风险可能很高。新冠病毒的威胁意味着人类需要同舟共济。吉伦泽说：“大家都是社会的一员，对他人也承担有责任，认识到这一点至关重要。”
如何面对不确定风险
实际情况是怎样的呢？我们如何评估我们个人和整个社会面临的风险并做出决定，使我们的生活继续下去？这不是一个简单的问题。不确定的、难以解释的情况会产生分歧，这就会在记录风险的大脑区域引发更大的反应，使得人们更难以正确地看待威胁。而且每个人对不确定性的容忍度和我们接受风险的程度都不同。
尽管如此，风险专家建议的一些经验法则还是应该遵循。首先，要努力保持判断力，要确定自己是否搞明白了自己面对的数字的含义，并评估自己是否大惊小怪。其次，要了解最新情况。沉湎于疫情新闻会有心理健康风险，情况瞬息万变，重要的是找到可信赖的信源，评估新信息对风险估值的影响。例如，新冠疫情早期，似乎人接触后的物体是主要的传染源。现在最新的证据表明，室内空气可能是最危险的因素。第三，要认识到你无法完全避免风险，要权衡利弊，做出取舍：避免一个风险可能会产生其他更糟糕的风险。
为了让公众保持头脑清晰，一些美国公共卫生官员提出一个可能有用的方案，每个人综合考虑个人情况和对感染疫病的承受能力，可以给自己设定“接触计划”，也就是说限制自己参与接触感染可能性高的活动的数量。
虽然我们还没有脱离险境，但疫情终会过去。我们能从中学到什么？施拉格说：“我认为这将极大地改变我们，未来我们将以非常不同的方式处理疫情。”在包括美国在内的许多国家，风险沟通一直是公共卫生工作的一大败笔。目前还没有真正考虑如何发布意义清楚的新冠病毒相关风险数据，以及如何以恰当的方式使人们能够正确理解这些风险。或许，这场危机的一个好处是，它最终将敲响警钟，让人们意识到以正确的方式交流和思考风险是多么重要。
资料来源 New Scientist