近期美國參議院投票表決，不建議強制所有企業員工接種疫苗，是否該接種疫苗應由每個人，和他們的醫生共同做決定。基於對大部分人好的角度出發，為何接種疫苗這種利大於弊的事情會引發爭議呢？請看林博士的採訪精華：
強制接種疫苗合理嗎？
Jojo：12月8號美國參議院投票表決，不建議強制所有企業員工接種疫苗。他們表示，是否該接種疫苗，應該由每個人和他們的醫生共同做決定。另一方面，英國也在討論是否要給國民健保署所有員工強制接種。英國上議院委員會表示，沒有足夠的證據支持這樣做。請教林博士您怎麼看待這個問題呢？
林曉旭博士：政府在制定政策時，應該要全方位的考慮政策帶來的效應。
譬如疫苗強制令，會有多少員工對這政策感到不滿？有多少人可能會因此辭職或被迫辭職？有多少人可能因為打疫苗而遭到歧視，造成心理傷害？在推行政策的過程中，需要多少的資金？要撥多少錢給社區，額外培訓社區人員讓他們不斷的鼓勵人來打疫苗？所以一個政策出來，是需要多方考量的。
《英國醫學期刊》上登了一篇觀察研究，就是在質疑英國政府強制推動疫苗是考慮是不健全的，也明確指出英國國民健保署的工作人員，剩下5.4％的人沒打疫苗。他們不想被強制打疫苗是有多方原因的。
別看5.4％數據好像很小，但實際上人數約有12萬人。那麼如果這些人都辭職，健保署要重新培訓這麼多人的話，政府需要花2億7千萬英鎊。這樣是不是得不償失？而新人能否完成好工作，這在培訓過程中都是挑戰。
美國方面，美國參議院也不建議強制疫苗令，民間的反彈也很大。總體上人們都希望健康方面的決定權應該在自己手中，自行判斷身體條件是否需要打疫苗，不能簡單地說不打疫苗者是對他人不負責任。
有一點想特別強調，所謂無症狀感染是沒有任何科學證據的。目前為止也沒有任何實質的證據證明無症狀患者會傳播病毒。
而且，核酸檢測（PCR）的假陽性很高，因為我過去是設計PCR實驗的。當時若有大量樣品進來的話，陽性的樣品肯定會考慮假陽性的比例有多少，所以一些特別關注的陽性樣本是要重新檢測的。
但是現在社會上，把實驗室、臨床檢測的手段大面積推向社會，這個其實會帶來很大的數據偏差。而且無症狀感染者體內的病毒量非常低，譬如PCR檢測機器一般設置是35到40個cycle，當你超過32個cycle後，後面其實就是很微量的RNA了。
在這種情況下，很多人是弱陽性、假陽性。大部分的無症狀感染者檢測出來也都是非常弱的陽性，他體內病毒沒有積極複製，不會釋放出大量的病毒，就不會造成傳播。
利弊權衡，應從人性角度出發
Jojo：全球強制打疫苗的作法，雖然讓少部分人冒風險，但是大部分人可以從中得到好處。為了大多數民眾著想，這種做法看上去好像挺好但又引起很大爭議，想請教林博士您怎麼看待這個問題呢？
林曉旭博士：實際上就是基於利大於弊的考量出發。但實際上從哪種角度判斷利益呢？對哪一部分的人群是有益的，有利的程度如何，方案本身的弊端，是否能夠充分的確認？因為大家有時候很習慣，不同的研究部門或者政府機構都會說做評估弊端風險，第一個問題就是確認到底有哪些風險？因為疫苗推廣的過程中，一定會牽扯到是否有夠長的時間來觀察疫苗，它對人群長期的副作用，研究報告是否做完整，有沒有足夠的動物實驗去進行補充等等。對不同的高危人群，是否有足夠的時間去判斷風險，這些就是首要考量的因素。
譬如我吃麥當勞是利大於弊，怎麼說呢？我不考慮麥當勞的營養成分，只知道麥當勞能夠解決飢餓。那我及時的把麥當勞給更多人，對很多人會有很大的好處。從利益角度上說，大量生產麥當勞能讓更多人填飽肚子，這個是利大於弊。但反過來說，會不會帶來肥胖、消化不良等問題，這些弊端有沒有確認清楚呢？在你大面積向全社會推廣麥當勞前，有沒有搞清楚麥當勞是否可能會有營養方面的副作用呢？而當我們經常說利大於弊時候，往往就把人變成一個數字了。
在公共健康政府部門的官員眼裡，只把人群數字化。沒有從人性的角度去考慮問題，只認為對大部分人有利的事情，但是沒有考慮到其他部分的人，對他造成的傷害有多重？如果能在做決策前做些調整，就能避免對這些人造成更大的傷害。所以做政策的人不能只是專注於統計模型或是預測模型，反而忘記判斷對社會起到的效應，就是一定要從人性和利弊兩方面考量。大家常提到降低風險的問題，那麼相對風險呢？假設藥物的用藥風險超過1代表風險加大，小於1代表風險降低。若用這個藥治療患者兩年，那10％的用藥者會死亡，15％沒有用藥者死亡。因此這個藥物能降低死亡風險33％，相對風險是67％。若只告訴單一數據的話，就造成錯誤的印象，因為不知道具體數字是如何。
從另一角度看絕對風險差值，也就是10％對15％的話，實際上絕對風險差就只有5％。因為服用這個藥物兩年，絕對的好處是降低死亡風險5％，另一個跟絕對風險差值相對應的概念，叫做益一需治數。就是需要治療多少人才能看到效果，而剛才同樣的數據，等於是要給20個人用藥兩年，才能夠防止1個人死亡。現在媒體基本不談實際數據的，譬如輝瑞或默德納的疫苗保護率90％，但是看絕對風險差和益一需治數的話，輝瑞疫苗的數據差不多是119。也就是要給119人施打疫苗才能避免人不被感染，所以概念上就完全不同，不像人們想像的那樣。
剛才提到輝瑞疫苗的數據，益一需治數是119。而諾瓦瓦克斯是79，就是說給79人施打疫苗，能夠避免1個人被感染。那從數據來看，是否實際上諾瓦瓦克斯的保護率比輝瑞還高呢？就是從不同的數據角度，去思考可能會有不同的觀察效果。如果政府要談利弊，一定要把完整數據告訴民眾，然後再談其它的。譬如孕婦打疫苗的問題。從數據統計上看好像對孕婦有利，避免她們被感染，可是有可能受到傷害的孕婦呢？如果是容易流產階段施打疫苗，風險很高的怎麼辦？輝瑞公司的生物動態學分析疫苗打入人體後，疫苗在人體分布的數據。發現經過24小時後，有大量疫苗的酯類成分會在卵巢裡面累積，而這些數據卻沒有向西方社會公布，人們都不知道。所以不能總是籠統的談利弊，一定要針對具體個人、團體，從人性的角度出發，再談利弊。
這個話題包含很多方面。我認為現在的決策者不能只看數據模型，不能把人數字化，一定要從人性關懷的角度去看。所謂的弊端對人們有多大的傷害，在政策執行的過程中，能否減少對人們的傷害，這個基本原則一定要堅持。
🎯數據來源：
[1]《英國醫學期刊》：Evidence is insufficient to back mandatory NHS staff vaccination, says House of Lords committee
[2]cebm.net：Microsoft Word – AppraisalSheets_RCT_zh-tw.docx
