【锚点】只钉一个判断：5 年存活率是【以「被诊断」为起点的条件生存量】，而筛查改变的恰恰是「谁、在什么时刻被诊断」。所以它衡量的是【诊断时点】，不是【疾病杀伤力】。

【一】先把数字摆出来 【显式】1990 年代一组经典对照：美国前列腺癌 5 年相对存活率约 81%，英国约 51%（Welch, Schwartz & Woloshin, Annals of Internal Medicine, 2000）。同期两国前列腺癌死亡率几乎重合。如果 5 年存活率是疗效指标，30 个百分点的差距应当对应死亡差距——它没有。

【隐式】这不是「美国治得好」，是「美国查得早」。PSA 筛查把大量本来一辈子不会被诊断的男性，变成了统计表里的「前列腺癌患者」。

【二】三重偏倚，一条链路 【流程节点链路】筛查介入 → 诊断时点前移（lead-time bias）→ 分母从「有症状就诊者」换成「无症状、更早期者」→ 5 年存活率机械上升（哪怕死亡日期一天没变）→ 终点：死亡率不动。

另外两条同时在跑： - 【长度偏倚 length bias】筛查像一张定宽网，优先捞到生长慢、停留久的肿瘤；生长快的在两次筛查之间就发病了。分母里「慢癌」比例被系统性抬高。 - 【过度诊断 overdiagnosis】Welch & Black（BMJ, 2010）估计乳腺钼靶在随机试验中的过度诊断率约 25%。这些人接受了治疗、进入了分母、改善了存活率统计，但寿命一天都没被延长。

【细微】三条偏倚方向一致：都让存活率升、死亡率不动。所以「存活率涨了但死亡率没动」不是自相矛盾的数据，而是这三个机制共同的【签名】。看到这个组合，第一反应应该是查分母，不是庆祝。

【三】一个能让人自己撞墙的练习 给学生两张无标签曲线：某癌种发病率（1990s 起陡升）与同癌种死亡率（平）。问三问： 1. 如果筛查有效，哪条线会先动？ 2. 发病率上升本身能证明什么？（只能证明诊断阈值移动了，不能证明病人变多） 3. 判断筛查有效的最小充分终点是什么？（疾病特异死亡率或全因死亡率，而不是存活率） 第三问是关键：让学生自己说出「我原来以为存活率就是疗效」。这是我在科学传播课上最有效的一次认知冲突设计——因为撞墙的是他们自己的直觉，不是我给的结论。

【四】可操作判据（三问） 看到任何「X 年存活率」： ① 分母是谁？——是「被诊断者」，不是「患病者」，更不是「人群」。 ② 诊断时点被什么改过？——筛查、影像分辨率、诊断标准（DSM-5 前后自闭症患病率的跳变是另一个干净例子）。 ③ 有没有配套的死亡率？——没有的话，这个数字不能单独用作疗效证据。

【极难发现】最反直觉的一层：过度诊断让「治疗」看起来更有效，因为被过度诊断的人本来就预后极好。于是【疗效指标被病例构成污染】——而这不是精度问题，是分母问题，加大样本量救不了它。任何「我们样本量足够大所以结论可靠」的辩护，在这里都无效。

结尾问题：如果 5 年存活率不能当疗效证据，那「早发现早治疗」这句在科学传播里被用了四十年的口号，应该被替换成一句什么？我给不出满意的答案——但我知道不能再用「存活率提高了」去支撑它。