导读：任何个人提供给你的自身体验和经验，对你的决策均没有参考价值。

2020年12月14日，美国纽约，纽约州14日开始首批新冠疫苗的接种工作，护士桑德拉·林赛成为首位接种疫苗的纽约客。

　　上周六我接种了新冠疫苗（辉瑞-BioNTech）。很多人关心我接种后的反应，相信这也是很多尚未接种的人所关心的问题。但就我个人来说，实在没什么可说，因为我除了注射部位有点酸痛，没有任何感觉。

　　而针眼疼这种反应，或许对很多人来说就不能算是反应，谁打针还不觉得疼？如果问卷问题是“你有没有反应”，我就会回答没有，当然有的人会回答有。而假如问卷改成多选题，选项里有“注射部位疼痛”这一项，那肯定大多数人会选择。这就是不同的调查方式导致结果不同的一个例子。

　　实际上，虽然很多人喜欢根据熟人的经历来自我决策，但一个人的反应是没有什么参考价值的。这种大规模的接种不光不应该参考一个人的意见，甚至不应该参考多个人的意见。即便有好几个人都说有反应，也不应该成为是否接种的参考，因为很可能是有反应的人更愿意诉说。有参考价值的应该是基于大量人群的统计数据。这也算是老生常谈，但到底为什么这样做，还是需要复习一下。只有明白其中的道理，面对数据才能真正合理决策。

　　这其中根本的道理在于人群的差异性。每个人都是特殊的，同时也有很多相同之处。一个人接种疫苗之前，有效性和安全性是未知的。预测反应的两个方法，一个是归类，一个是统计。

　　以不良反应为例，如果能够确定哪些人更容易发生不良反应，发生不良反应的人里，什么样的人更容易发生严重不良反应，那按照自己属于哪一类人去决策就好了。但是在多数情况下这是不现实的，首要原因就是我们不知道怎么去分类。或者虽然知道，但如果一个一个区分会影响到整体的效果，得不偿失。这方面的例子有麻疹强化免疫，虽然很多人接种过麻疹，体内也有抗体，但强化免疫的时候会要求所有适龄儿童全部接种。如果一个一个去测抗体，成本会很高，还会给强化免疫制造人为障碍。

　　在分类不现实的情况下，我们就转而寻求统计。以不良反应为例，就是依据人群中不良反应的发生率，来估计尚未接种的个体接种后的不良反应概率。接种的人越多，接种的人口组成和整体人口越接近，数据就越可信。根据不同的人口特征，还可以参考具体的人群，最容易区别的人口特征就是年龄和性别。

　　根据美国疾病预防控制中心（CDC）发布的报告，从去年12月14日到今年1月13日接种的1370万人中，一共发生了6994次不良反应事件，其中6354次为不严重的事件，640起为严重事件，包含113例死亡，分别占总接种人数的0.051%，0.046%，0.0047%，和0.0008%。最常见的不良反应除了局部的疼痛以外，还有头痛、乏力、眩晕、寒战和恶心等等，一般第二剂要比第一剂反应明显一些。

　　需要明确的是，这些不良反应及死亡事件，并不一定是疫苗所导致。我接种后的当天晚上感觉有点头痛，但其实在接种之前我就有点头痛了。除了头痛还有脚后跟痛、脖子痛等等，原因主要应该是排了三小时队，低头看手机造成的。

　　如果只看不良反应和死亡的绝对数量，你也许会吓一跳；但从比例上来看，这些数据已经好得不能再好了。我们可以和被雷劈的概率对比一下：在美国，据统计每个人一生中被雷电击中的概率为三千分之一（0.03%）。而很多日常的疫苗，比如很多人一生中要接种多次的流感疫苗，不良反应发生率也远高于当前新冠疫苗（辉瑞和莫得纳）的数据。

　　也许有人会抬杠说概率没意义，一旦发生在个人身上就是百分之百。实际上，统计并非冷冰冰的数字，它和实际情况息息相关。发生率很高的事件在现实中随时可见，比如有些中药注射液的过敏反应，以及某些化疗药造成的恶心呕吐等等。而发生率很低的事件，现实中几乎见不到。

　　上周我去的疫苗中心是曼哈顿的一个大型会议中心，光从下午那个时间段的人流来看，在我前面和后面都是上百人的排队规模，粗略估计当天接种人数得有几千人。整整三个小时我没有看到一个人出现严重不良反应，没看到一个人被急救人员带走，更没有抬出一具尸体。

　　假如是这样规模的群体接受中药注射液，以我作为一个医生的经验来看，当天附近的急救室会人满为患。这就是统计数据在说话。

（注：本文作者为医学博士、科普作家）