美國約翰斯·霍普金斯大學新冠肺炎疫情實時監(jiān)測系統(tǒng)顯示，截至美東時間5月4日18時，全球新冠病毒感染人數(shù)已經(jīng)超過357萬，新冠病毒在全球造成的死亡病例升至250687例，疫情什么時候能最終結(jié)束尚未可知。

客觀地說，這場突如其來的災難應該是新世紀以來人類面臨的最大挑戰(zhàn)，其影響甚至會遠超20世紀30年代的大蕭條。

至于這一疫情所引發(fā)的復雜國際政治關系變化以及全球化的未來走向，目前還無法準確研判。但無論怎樣，降低死亡率是當下最緊迫的任務。

那么，是什么社會因素在影響新冠肺炎的死亡率呢？

我們基于常識選擇4個影響變量：當?shù)氐娜宋闹笖?shù)、人均受教育年限、人均GDP以及每千人擁有的護士數(shù)量，看看這些變量是否對于疫情發(fā)生地的死亡率會產(chǎn)生相關性影響。

在對這些變量進行分析之前，我們在世界范圍內(nèi)選取死亡率（死亡率=死亡人數(shù)/確診病例）排名前20位的國家進行分析，這個選擇范圍基本可以滿足本研究的要求。

圖1就是目前世界死亡率排名前20位的國家情況。

從圖1可以看出美國死亡人數(shù)是最多的，但其死亡率卻不是最高的，在死亡率排名前20名國家中位列第11位（中國位列14位）。目前死亡率最高的國家是比利時，死亡率高達15.08%，而死亡率最低的國家則是德國為3.72%。

基于我們的常識理解，如果一個國家的社會發(fā)展程度比較高，那么它就更有能力應對疫情，從而降低疫情引發(fā)的死亡率。

這個指標我們采用聯(lián)合國開發(fā)計劃署推出的人類發(fā)展指數(shù)（Human Development Index，簡稱HDI）來衡量，這個指數(shù)包括三個大類變量：預期壽命、教育水平和生活質(zhì)量。從這個意義上說，這個指標能夠很好地反映一個特定社會的發(fā)展程度。

我們傾向于認為發(fā)展指數(shù)比較高的地區(qū)死亡率會相對較低，但是這個指標畢竟是宏觀綜合性指標。為了更深入揭示個體狀況與死亡率的關系，我們再次析取出受教育年限指標，這個指標能夠反映個體微觀的行為選擇。

在我們的理解中，人均受教育年限比較長的話，那就意味著這個國家的民眾有較高的科學素養(yǎng)，以及更科學的自我防護意識，而這些意識都有助于降低疫情的死亡率。

下面我們來看一下這20個國家的人類發(fā)展指數(shù)、人均受教育年限這些指標與死亡率的關系（數(shù)據(jù)來源：人類發(fā)展指數(shù)HDI，2019），見圖2：

照理說人類發(fā)展指數(shù)高的區(qū)域，死亡率應該低，但從圖2中可以看出，這條曲線并沒有完全契合這種認知，比如西歐國家的人類發(fā)展指數(shù)普遍較高（HDI指數(shù)大于0.9的國家有10個，排在死亡率前10名的國家中有5個國家的HDI指數(shù)大于0.9），但是它們的死亡率都較高，如比利時、法國、英國、意大利、荷蘭等。這些區(qū)域的表現(xiàn)與我們的常識認知出現(xiàn)明顯的背離情況，目前只有加拿大、德國等少數(shù)國家符合我們原初的猜想。

國民受教育年限指標出現(xiàn)與HDI指數(shù)同樣的情況，對于大多數(shù)國家而言，受教育年限的增加并沒有大幅減少死亡率，只有少數(shù)國家符合我們的傳統(tǒng)認知，如加拿大和德國。

如何解釋這種與傳統(tǒng)認知相背離的現(xiàn)象呢？如果說人類發(fā)展指數(shù)與平均受教育年限仍然屬于比較虛的指標，與疫情關系較遠的話，那么我們再來看一下比較硬的指標：人均GDP的高低對于新冠肺炎的死亡率是否有直接影響？見圖3：

從圖3可以看出，除了德國、加拿大、丹麥等少數(shù)國家人均GDP高，死亡率也低，這與我們的傳統(tǒng)認知相符外，大多數(shù)人均GDP高的國家其死亡率也高，這種現(xiàn)象又一次違背我們的常識。

由此看來，在新冠肺炎面前有錢沒錢一視同仁，至少從數(shù)據(jù)上看是這樣的。那么，在此基礎上我們再往前推進一步，是否護理資源充分的國家會讓死亡率降低呢？畢竟護士是直接參與救助患者生命的人。

護士指標我們采取每千人中擁有的護士數(shù)量來衡量，具體國家的情況見下圖4：

從圖4中可以看出，仍然是只有少數(shù)幾個國家的表現(xiàn)符合我們的預期，即護士數(shù)量多的地區(qū)，患者的死亡率會隨之降低，如加拿大、丹麥與德國符合我們的初始判斷。

從圖上可以看出大多數(shù)西歐國家擁有較多的護士數(shù)量，但其死亡率仍然較高，這與我們的預期是相反的。

上述4個指標都是我們念茲在茲、朝思暮想的指標，然而統(tǒng)計數(shù)據(jù)顯示，這些指標竟然對于新冠肺炎作用不大，為何對于新冠肺炎疫情我們的常識大多不靠譜？

為了解釋這個現(xiàn)象，利用EXCEL軟件自帶的回歸分析工具，我們對于上述20個國家的死亡率與4個自變量做了簡單回歸分析，具體結(jié)果見下圖：

1、死亡率與人類發(fā)展指數(shù)（HDI）的回歸結(jié)果：

從回歸結(jié)果來看，人類發(fā)展指數(shù)與新冠肺炎死亡率之間僅呈現(xiàn)弱正相關（0.185239），從顯著性指標P值來看，已經(jīng)達到0.434。

2、死亡率與受教育年限的回歸結(jié)果：

死亡率與受教育年限兩者之間的相關性僅為0.0315，相當于沒有關系，通過P值（0.8949）可以看出，由于P值太大，導致模型為真的概率僅為10.5%左右。

3、死亡率與人均GDP的回歸結(jié)果：

死亡率與人均GDP之間的相關性僅為0.073，太微弱，相當于沒有關系。P值（0.76）太大，導致模型為真的概率僅有24%左右。

4、死亡率與每千人擁有護士數(shù)量的回歸結(jié)果：

死亡率與每千人擁有的護士數(shù)量之間的相關性僅為0.041，相當于沒有多大關系，該回歸的P值（0.864）實在太高，跟我們常識相距最遠（護士直接照顧患者，在我們的常識理解中，這應該是與降低死亡率高度負相關的）。

那么是不是這些被我們所看重的要素都不重要了呢？

顯然不是，一方面說明單要素對復雜風險作用有限；另一方面也凸顯了新冠肺炎病毒的復雜性，拋開科學層面的因素不談，在社會治理上也需要多管齊下。

我們對四變量采取多元回歸，結(jié)果的顯著性增加不少，這也間接佐證了上述說法。

多元回歸的結(jié)果顯示，相關性已經(jīng)達到0.504，P值也降為0.323，模型為真的可能性上升到67%，雖然還是很不理想，但已經(jīng)顯示出某種協(xié)同的力量。

考慮到各個國家之間存在的巨大差異（如人口數(shù)量、貧富差異等），為了便于比較，我們放棄死亡人數(shù)指標而采用死亡率，希望以此來讓數(shù)據(jù)在統(tǒng)一基準線上進行比較，盡管如此，上述分析結(jié)果仍然很令人失望，新冠疫情與我們擁有的常識認知形成了相當大的反差。

一種新病毒對傳統(tǒng)認知（偏見）形成全方位的挑戰(zhàn)：諸如不同政體、貧富差距、素質(zhì)高低等人為分類，實行了無差別打擊。

總結(jié)下來，有如下三點結(jié)論：

其一，突然遭遇一種人類前所未知的病毒，我們賴以自信的基礎幾乎都是低效甚至無效的。

社會發(fā)展程度（HDI指數(shù)）、受教育年限、富裕程度（人均GDP）與醫(yī)療資源（護士數(shù)量）等，這些對于維持生命至關重要的基礎性資源對于疫情在短期內(nèi)幾乎沒有起到多少作用。

其二，在疫苗研發(fā)出來之前，從宏觀上普及疫情傳播特點以及相關知識，在全社會形成防疫共識，可以有效打破信息鴻溝帶來的損失。

其三，越簡單的方法也越有效。

在新冠疫情仍在全球蔓延的當下，由于沒有特效藥，檢視那些死亡率比較低國家的經(jīng)驗，可以發(fā)現(xiàn)，它們不約而同選擇了用物理方法人為切斷傳染鏈條：隔離。

隔離的代價是非常高的，為了徹底消滅疫情，全球科技界應該充分利用這段寶貴的時間窗口，加強合作加緊研發(fā)疫苗，否則隔離是不可持續(xù)的。

雖然簡單分析得到的結(jié)論令人失望（或許我們選擇的變量有問題，沒有切中要害），但筆者仍堅信：從長遠來看，社會發(fā)展程度對于戰(zhàn)勝疫情仍然是至關重要要的，這個“偏見”至今仍無可撼動。

（作者單位：上海交通大學科學史與科學文化研究院）