【锚点】科学传播里最常见的伦理失误，不是隐瞒风险，而是【把条件概率讲反】：把【患病时检测阳性的概率】说成【阳性时患病的概率】。

【流程节点链路】风险定义 → 基准率设定 → 敏感度/特异度换算 → 自然频数重算 → 受众理解 → 决策预期。

【显式】经典筛查例子：1000 名 50 岁女性，假设 1% 患癌，约 10 人。检测敏感度 90%，特异度 90%。真阳性 9 人；未患癌 990 人，假阳性 99 人。总阳性 108 人。阳性者真正患癌概率 = 9/108 ≈ 8.3%，不是 90%。

【隐式】这里的关键不是【测试不准】，而是【基准率极低】。当疾病少见时，即使特异度 90%，假阳性人数也会压过真阳性。

【细微】很多伦理审查只要求写【假阳性率 10%】，却没要求写【在目标人群中，阳性预测值是多少】。前者是设备属性，后者才是受试者会面对的现实。

【极难发现】真正的风险沟通不是把数字说得更小，而是把分母说清楚：受试者问的永远是【如果我是阳性，我有多可能真的有事？】，而不是【如果我有事，检测有多可能阳性？】

对知情同意来说，这不只是统计教学。一个被误导的受试者可能因为害怕假阳性而拒绝筛查，也可能因为误解阳性结果而承受不必要的侵入性检查。伦理审查若只检查【是否披露】，而不检查【是否可理解】，就会把概率语言当成免责条款。

值得辩论的问题：伦理审查应要求研究者必须报告目标人群中的【阳性预测值】，还是允许用【敏感度/特异度】替代？如果目标人群无法预知，应该用哪个基准率？