The first medical meta-analysis: Almroth Wright’s 1904 analysis of typhoid vaccine evidence

在十九世纪末，军队面临着一个比敌军士兵更致命的无形敌人：伤寒热。这种通过受污染的食物和水传播的细菌感染摧毁了军事营地，在南非战争中夺走的英国士兵生命甚至超过了敌军火力。为了应对这一问题，一位名叫阿尔莫斯·赖特（Almroth Wright）的科学家开发了一种由灭活细菌制成的疫苗，希望在士兵病倒之前保护他们。然而，证明一种新药是否有效绝非易事，尤其是当数据来自充满混乱的现实世界而非受控实验室时。科学家经常面临堆积如山的个人报告，每一份都带有自身的缺陷，这使得很难看清全貌。这就是“元分析”（meta-analysis）这一概念进入故事的方式。可以将它想象成一种收集许多独立的、微小的研究并将其结果合并为一个更大、更清晰视图的方法，从而让研究人员能够看到在仅观察单一报告时可能被掩盖的模式。今天，这种方法是现代医学的基石，但其起源却根植于一场关于谁能最好地解读伤寒疫苗证据的激烈辩论。

几十年来，历史书一直将统计学家卡尔·皮尔逊（Karl Pearson）归功于在1904年完成了首次医学元分析。故事是这样说的：皮尔逊拿走了关于伤寒疫苗的现有数据，重新排列了数据，并得出结论认为该疫苗几乎没有提供保护作用，从而有效地终结了关于其广泛使用的争论。然而，对原始记录的新审查表明了一个不同的时间线和一个不同的英雄。本文作者维维安·麦卡利斯特（Vivian McAlister）认为，真正的先驱实际上是阿尔莫斯·赖特本人，也就是皮尔逊所批评的那个人。在皮尔逊接触数据之前，赖特就已经收集了来自医院和军事营地的零散报告，检查了它们的可靠性，并将它们结合起来得出了一个强有力的结论：疫苗是有效的。

赖特的工作始于19世纪90年代末和20世纪初的战壕与野战医院。他收集了志愿接受注射的士兵的报告，并将他们与未接受注射的人进行对比。他知道数据并不完美；两组人群并非完全匹配，且记录有时也显得凌乱。但他相信，通过共同观察这些数字，一个清晰的趋势将会显现。他将这些发现整理成表，计算了死亡率和感染率的差异，并估计该疫苗将伤寒死亡风险降低了50%至75%。他还发现，它使患病人数减少了约一半，并使已患病者的死亡概率降低了约52%。赖特在1904年展示了这一综合分析，认为证据已经足够强大，足以支持向每位士兵提供疫苗。

争议始于一名寻求反对赖特推动全民接种疫苗的军事军官，他要求卡尔·皮尔逊审查同样的证据。皮尔逊并没有查看赖特的完整收藏。相反，他选择了一个较小的数据子集，重新排列了数字，并应用了一种对大多数医生来说并不熟悉的复杂统计方法。皮尔逊得出结论，疫苗与生存率之间的联系很弱。他的报告被用来阻碍疫苗的采用，而两人之间由此引发的公开争论变得如此激烈，以至于使讨论停滞了数年。皮尔逊将赖特的反对意见斥为缺乏统计学理解，而赖特则认为皮尔逊忽略了证据的关键部分。

几十年后，本文通过重新审视原始数据来观察谁才是正确的。作者使用旨在合并研究结果的现代计算机软件，对赖特汇集的完全相同的报告进行了重新分析。结果令人震惊。当使用今天的标准方法合并数据时，疫苗仍然显示出巨大的益处。分析证实，接种过疫苗的士兵死于伤寒的可能性远低于未接种者，感染该疾病的可能性也远低于未接种者，并且如果确实患病，其生存率也高得多。对完整数据集的现代重新分析产生的结果与赖特最初的估计几乎一致。甚至当作者仅查看皮尔逊所选择的特定研究时，疫苗仍然显示出高度的有效性，这与皮尔逊最初认为保护作用微不足道的结论相矛盾。

本文还强调了关于我们如何信任科学的一个关键教训。皮尔逊的工作在数学上很精密，但它依赖于证据的一个狭窄切片，且其方法可能会掩盖真实的效果。赖特的方法虽然缺乏现代统计加权，但在范围上更为全面，且对数据的局限性表现得更为诚实。他理解疫苗之所以有效，是因为这种模式在不同的群体和不同的环境下都保持一致，即使数字在不同地方略有差异。作者指出，赖特1904年的综合分析与现代重新分析之间的高度一致性，表明赖特的直觉是正确的。他在“元分析”一词出现之前，就已经成功地完成了这项工作：汇集、评估并综合了证据。

这场历史争议的后果是真实且悲剧性的。由于皮尔逊的报告导致了辩论陷入僵局，英国军队在第一次世界大战开始时并未强制接种疫苗。结果，伤寒卷土重来，夺走了数百名本可以获救的士兵的生命。相比之下，根据不同的证据和领导层进行接种的加拿大军队，其病例和死亡人数要少得多。本文不仅仅是在纠正历史书上的一个名字；它是在将荣誉归还给那个首先向我们展示如何通过观察许多细小的证据片段来寻找挽救生命的真相的人。它提醒我们，统计学的目标不是创造复杂的理解障碍，而是通过澄清证据，使挽救生命的疗法能够得到认可和应用。赖特1904年的报告在医学史上的地位比随后的重新分析研究更为稳固，这证明了有时最强大的工具仅仅是愿意将所有事实整合在一起的意愿。