要注意的是，心率是评分中唯一一个可以直接评分的项目，其他项目都需要先做一些判断。但是，由于判断被分解为多个相互独立的元素，每个元素都很容易评估，即使是那些仅受过少量训练的医师，在评估时也不太可能产生很大的分歧，因此阿普加评分产生的噪声很小。

阿普加评分展示了指南是如何发挥作用的，以及为什么指南能减少噪声。与规则或算法不同，有了指南仍需判断——决策不是直接进行计算。医师在阿普加评分的每一个项目上都可能存在分歧，因此在最终结论上也可能存在分歧。然而，指南成功地减少了噪声，因为它在预先定义好的维度上将一个复杂的决策分解成了许多简单的子判断。

如果用第9章讨论的简单预测模型来看待这个问题，我们就很容易看到指南的优势所在。临床医生是根据几条预测性线索来判断新生儿的健康状况的。情境噪声可能在其中发挥作用：就在某一天，或者就在某种情绪状态下，临床医生可能会关注一些相对不那么重要的预测因素，或忽略一些重要的预测因素。阿普加评分能够将医生的注意力集中在5个已经过实践验证的重要维度上。然后，评分标准清晰地描述了该如何评估每条线索，这大大简化了根据每条线索做出判断的过程，从而降低了噪声。最后，阿普加评分还规定了如何给各个预测因素赋权，并产生所需的总体判断，这个过程就是一项机械性的工作，而人类临床医生在给这些线索赋权时会存在差异。关注重要的预测因子，简化预测模型，以及进行机械性汇总——所有这些都降低了噪声。要注意的是，心率是评分中唯一一个可以直接评分的项目，其他项目都需要先做一些判断。但是，由于判断被分解为多个相互独立的元素，每个元素都很容易评估，即使是那些仅受过少量训练的医师，在评估时也不太可能产生很大的分歧，因此阿普加评分产生的噪声很小。

阿普加评分展示了指南是如何发挥作用的，以及为什么指南能减少噪声。与规则或算法不同，有了指南仍需判断——决策不是直接进行计算。医师在阿普加评分的每一个项目上都可能存在分歧，因此在最终结论上也可能存在分歧。然而，指南成功地减少了噪声，因为它在预先定义好的维度上将一个复杂的决策分解成了许多简单的子判断。

如果用第9章讨论的简单预测模型来看待这个问题，我们就很容易看到指南的优势所在。临床医生是根据几条预测性线索来判断新生儿的健康状况的。情境噪声可能在其中发挥作用：就在某一天，或者就在某种情绪状态下，临床医生可能会关注一些相对不那么重要的预测因素，或忽略一些重要的预测因素。阿普加评分能够将医生的注意力集中在5个已经过实践验证的重要维度上。然后，评分标准清晰地描述了该如何评估每条线索，这大大简化了根据每条线索做出判断的过程，从而降低了噪声。最后，阿普加评分还规定了如何给各个预测因素赋权，并产生所需的总体判断，这个过程就是一项机械性的工作，而人类临床医生在给这些线索赋权时会存在差异。关注重要的预测因子，简化预测模型，以及进行机械性汇总——所有这些都降低了噪声。类似的方法已被用于许多医学领域，比如用森特评分（Cetor score）来指导链球菌性咽喉炎的诊断。病人如果出现以下症状或体征即得1分：咳嗽（Cough）、有渗出物（exudates，指喉咙后部有白色斑块）、颈部淋巴结肿痛（odes）、体温高于38摄氏度（temperature）。这些症状的首字母组合刚好是Cetor的前4个字母。这一指南由森特及其同事总结得出。根据病人的得分，医生可以决定是否推荐用咽拭子诊断链球菌性咽喉炎。使用该量表进行评估和评分相对直接，这样一来，有些人就不必接受链球菌性咽喉炎的测试和治疗了。

同样，乳腺癌诊断领域也制定了一套根据乳腺影像报告和数据系统（Breast Imagig Reportig ad Data System，BI-RADS）进行诊断的指南，从而减少了对乳房X线片解读时出现的噪声。一项研究发现，BI-RADS提升了乳房X线片的评估者之间的一致性，这就表明，对于存在明显变异性的领域，指南可以有效地减少噪声。在病理学领域，关于人们使用指南来减少噪声，也有很多成功的例子。

伤脑筋的精神病学诊断

就噪声而言，精神病学是一个极端的例子。当使用相同的诊断标准诊断同一位患者时，精神科医生经常意见不一致。因此，至少从20世纪40年代起，减少噪声就成为精神病学界的头等大事。我们将看到，尽管指南在不断完善，但在减少噪声方面，诊断指南的作用非常有限。类似的方法已被用于许多医学领域，比如用森特评分（Cetor score）来指导链球菌性咽喉炎的诊断。病人如果出现以下症状或体征即得1分：咳嗽（Cough）、有渗出物（exudates，指喉咙后部有白色斑块）、颈部淋巴结肿痛（odes）、体温高于38摄氏度（temperature）。这些症状的首字母组合刚好是Cetor的前4个字母。这一指南由森特及其同事总结得出。根据病人的得分，医生可以决定是否推荐用咽拭子诊断链球菌性咽喉炎。使用该量表进行评估和评分相对直接，这样一来，有些人就不必接受链球菌性咽喉炎的测试和治疗了。

同样，乳腺癌诊断领域也制定了一套根据乳腺影像报告和数据系统（Breast Imagig Reportig ad Data System，BI-RADS）进行诊断的指南，从而减少了对乳房X线片解读时出现的噪声。一项研究发现，BI-RADS提升了乳房X线片的评估者之间的一致性，这就表明，对于存在明显变异性的领域，指南可以有效地减少噪声。在病理学领域，关于人们使用指南来减少噪声，也有很多成功的例子。

伤脑筋的精神病学诊断

就噪声而言，精神病学是一个极端的例子。当使用相同的诊断标准诊断同一位患者时，精神科医生经常意见不一致。因此，至少从20世纪40年代起，减少噪声就成为精神病学界的头等大事。我们将看到，尽管指南在不断完善，但在减少噪声方面，诊断指南的作用非常有限。1964年，一项针对91名患者和10名有经验的精神科医生的研究发现，两名医生意见达成一致的可能性只有57%。在另一项早期的研究中，两名州立医院的精神科医生单独对426名患者进行诊断，结果显示，他们在诊断精神疾病的类型时，诊断的一致性只有50%。另一项涉及153名门诊病人的早期研究发现，医生们在诊断方面的一致性只有54%。这些研究并没有明确噪声的来源。然而有趣的是，一些精神科医生倾向于将患者划分到特定的诊断类别中。例如，有些精神科医生更有可能诊断患者患有抑郁症，而另外一些则更有可能诊断患者患有焦虑症。

我们很快将看到，精神病学中的噪声水平仍然很高。为什么会这样？专家们给不出一个唯一且明确的答案，这意味着他们对噪声的解释本身就充满噪声。诊断类别过于宽泛无疑是其中一个因素。但是，为了初步揭示其中的原因，研究人员让一位精神科医生先面诊一位患者，在短暂休息后，再让另外一位精神科医生进行一次面诊。两位精神科医生随后会面，如果发现彼此意见不一致，再讨论具体的原因。

“医生之间的不一致”有很常见的原因：他们来自不同的学派，接受过不同的训练，拥有不同的临床经验，采用不同的面诊方式。“接受过发展心理学训练的临床医生，可能会将幻觉解释为受虐待所致的创伤经历的一部分”，但“具有生物医学背景的另外一位临床医生，可能会将幻觉解释为精神分裂过程的一部分”。这种差异就是模式噪声的例子。

然而，除了医生之间的不同，噪声的主要成因是“术语不够准确”。这种情况再加上专业人士对精神病学术语的普遍不满，促成了1964年，一项针对91名患者和10名有经验的精神科医生的研究发现，两名医生意见达成一致的可能性只有57%。在另一项早期的研究中，两名州立医院的精神科医生单独对426名患者进行诊断，结果显示，他们在诊断精神疾病的类型时，诊断的一致性只有50%。另一项涉及153名门诊病人的早期研究发现，医生们在诊断方面的一致性只有54%。这些研究并没有明确噪声的来源。然而有趣的是，一些精神科医生倾向于将患者划分到特定的诊断类别中。例如，有些精神科医生更有可能诊断患者患有抑郁症，而另外一些则更有可能诊断患者患有焦虑症。

我们很快将看到，精神病学中的噪声水平仍然很高。为什么会这样？专家们给不出一个唯一且明确的答案，这意味着他们对噪声的解释本身就充满噪声。诊断类别过于宽泛无疑是其中一个因素。但是，为了初步揭示其中的原因，研究人员让一位精神科医生先面诊一位患者，在短暂休息后，再让另外一位精神科医生进行一次面诊。两位精神科医生随后会面，如果发现彼此意见不一致，再讨论具体的原因。

“医生之间的不一致”有很常见的原因：他们来自不同的学派，接受过不同的训练，拥有不同的临床经验，采用不同的面诊方式。“接受过发展心理学训练的临床医生，可能会将幻觉解释为受虐待所致的创伤经历的一部分”，但“具有生物医学背景的另外一位临床医生，可能会将幻觉解释为精神分裂过程的一部分”。这种差异就是模式噪声的例子。

然而，除了医生之间的不同，噪声的主要成因是“术语不够准确”。这种情况再加上专业人士对精神病学术语的普遍不满，促成了《精神疾病诊断准则手册（第3版）》（Diagostic ad Statistical Maual of Metal Disorders, DSM Ⅲ）于1980年改版完成。该手册首次提出了明确而详细的精神疾病诊断标准，朝着引入诊断指南迈出了第一步。

DSM Ⅲ促使大量的研究关注诊断是否存在噪声。DSM Ⅲ也被证明有助于减少噪声。但这本手册远没有达到完美。即使在2000年对第4版——DSM Ⅳ（初版于1994年出版）进行了重大修订之后，仍然有研究表明其中存在大量噪声。一方面，艾哈迈德·阿博拉亚（Ahmed Aboraya）及其同事得出结论称：“精神疾病诊断标准的使用已被证明能提高精神疾病诊断的可靠性。”另一方面，仍然存在着一个严重的风险，即对同一个病人要施以多种诊断，才能决定他是否应该入院治疗。

该手册的第5版——DSM Ⅴ于2013年发布。美国精神病学学会曾希望DSM Ⅴ能够减少噪声，因为其标准更客观、更清晰。但精神科医生的诊断仍然表现出明显的噪声。例如，塞缪尔·利布利奇（Samuel Lieblich）及其同事发现“精神科医生就患者是否患有重度抑郁症很难达成一致”。DSM Ⅴ的现场试验发现其“一致性仅达到最低水平”，这“意味着，在实验条件下，训练有素的专业精神科医生对患者是否患有抑郁症达成一致的可能性只有4%～15%”。另外一些现场试验表明，DSM Ⅴ实际上使情况变得更糟了，在所有主要领域中，一些诊断，比如混合性焦虑与抑郁障碍的噪声反而增加了。“DSM Ⅴ如此不可靠，以至于它在临床实践中显得毫无用处。”

在精神病学中，使用指南之所以很难取得成功，主要原因似乎是《精神疾病诊断准则手册（第3版）》（Diagostic ad Statistical Maual of Metal Disorders, DSM Ⅲ）于1980年改版完成。该手册首次提出了明确而详细的精神疾病诊断标准，朝着引入诊断指南迈出了第一步。

DSM Ⅲ促使大量的研究关注诊断是否存在噪声。DSM Ⅲ也被证明有助于减少噪声。但这本手册远没有达到完美。即使在2000年对第4版——DSM Ⅳ（初版于1994年出版）进行了重大修订之后，仍然有研究表明其中存在大量噪声。一方面，艾哈迈德·阿博拉亚（Ahmed Aboraya）及其同事得出结论称：“精神疾病诊断标准的使用已被证明能提高精神疾病诊断的可靠性。”另一方面，仍然存在着一个严重的风险，即对同一个病人要施以多种诊断，才能决定他是否应该入院治疗。

该手册的第5版——DSM Ⅴ于2013年发布。美国精神病学学会曾希望DSM Ⅴ能够减少噪声，因为其标准更客观、更清晰。但精神科医生的诊断仍然表现出明显的噪声。例如，塞缪尔·利布利奇（Samuel Lieblich）及其同事发现“精神科医生就患者是否患有重度抑郁症很难达成一致”。DSM Ⅴ的现场试验发现其“一致性仅达到最低水平”，这“意味着，在实验条件下，训练有素的专业精神科医生对患者是否患有抑郁症达成一致的可能性只有4%～15%”。另外一些现场试验表明，DSM Ⅴ实际上使情况变得更糟了，在所有主要领域中，一些诊断，比如混合性焦虑与抑郁障碍的噪声反而增加了。“DSM Ⅴ如此不可靠，以至于它在临床实践中显得毫无用处。”

在精神病学中，使用指南之所以很难取得成功，主要原因似乎是“某些疾病的诊断标准仍然模糊，难以操作”。一些指南通过将判断分解成不同的标准来减少分歧，进而减少噪声，但如果这些标准是相对开放的，噪声仍然可能存在。考虑到这一点，我们呼吁制定更标准的诊断指南，具体的改进包括：（1）明确诊断标准，舍弃模糊标准；（2）给出症状及其严重程度的“参考定义”，其依据的理论是“当临床医生对症状是否存在能够达成一致时，他们更有可能在诊断上也达成一致”；（3）除开放式谈话外，对患者进行结构化访谈，建议在访谈指南中纳入24个筛选问题，如焦虑、抑郁和饮食失调等问题，以便医生做出更可靠的诊断。

这些改进建议听起来不错，但能够成功地减少多少噪声，其结果尚未可知。一位观察者曾说：“诊断过程依赖患者的主观症状、临床医生对症状的解读，而且缺乏客观的测量手段（如血液测试），这些因素都在精神疾病诊断中埋下了不可靠的种子。”从这个层面上说，要想减少精神病学中的噪声，困难重重。

在这一特定问题上，现在做出自信的预测还为时过早，但有一点很清楚，一般来说，医学诊断指南在减少偏差和噪声方面非常成功。它们帮助了医生、护士和病人，极大地改善了公共卫生。因此，医学界需要更多的指南。“某些疾病的诊断标准仍然模糊，难以操作”。一些指南通过将判断分解成不同的标准来减少分歧，进而减少噪声，但如果这些标准是相对开放的，噪声仍然可能存在。考虑到这一点，我们呼吁制定更标准的诊断指南，具体的改进包括：（1）明确诊断标准，舍弃模糊标准；（2）给出症状及其严重程度的“参考定义”，其依据的理论是“当临床医生对症状是否存在能够达成一致时，他们更有可能在诊断上也达成一致”；（3）除开放式谈话外，对患者进行结构化访谈，建议在访谈指南中纳入24个筛选问题，如焦虑、抑郁和饮食失调等问题，以便医生做出更可靠的诊断。

这些改进建议听起来不错，但能够成功地减少多少噪声，其结果尚未可知。一位观察者曾说：“诊断过程依赖患者的主观症状、临床医生对症状的解读，而且缺乏客观的测量手段（如血液测试），这些因素都在精神疾病诊断中埋下了不可靠的种子。”从这个层面上说，要想减少精神病学中的噪声，困难重重。

在这一特定问题上，现在做出自信的预测还为时过早，但有一点很清楚，一般来说，医学诊断指南在减少偏差和噪声方面非常成功。它们帮助了医生、护士和病人，极大地改善了公共卫生。因此，医学界需要更多的指南。