歧視究竟好不好呢?
歧視者,按照條件屬性(歧視因子)分類後給予差別待遇
醫學上不少疾病都要問家族史,
結果就是家中一人得大腸癌可能全家都被歧視(被歸為高風險群),
然後被高頻率檢驗檢查(相對於無家族病史者)的不平等對待...
由此觀之,歧視似乎是必要的作為?
我個人依照歧視因子與endpoint(如罹病率,工作效率...)的因果關聯把歧視再分為3類
1.偏見: 歧視因子的有無與數值和endpoint間不存在統計上相關性,甚至逆相關
比方說非我族類其心必異,某個種族比較笨之類的...
2.直接因果歧視:歧視因子為risk factor,與endpoint有直接因果相關性,
介入改變risk factor可以改變endpoint,
比方說接受專業教育程度/身心障礙與工作效率間
3.共變歧視: 歧視因子為risk marker與endpoint間無因果關係卻有統計上相關性,
其相關性來自於該歧視因子與risk factor間具共變性(covariant)
該risk factor被稱為confounder(干擾因子)
比方說統計發現某個族裔犯罪率較高,收入較差,
但仔細分析發現該族裔因經濟能力較差導致能接受教育的機會也下降...
就經濟性角度來說,
偏見不但不能增進endpoint,多數狀況反造成不利結果,應該要設法根除
直接因果歧視只要能符合比例原則,是有助於endpoint提升的(當然這部分左派會有意見..)
偶爾要考慮外部成本的問題,如孕婦勞動的議題,雇主不用負擔勞工生養育過程的成本
但少子化將讓未來雇主無勞工可雇用...
共變歧視基本上符合經濟效益,
但如果找出背後risk factor的檢驗檢查成本(區別成本)低於有效區別後產生的效益增加,
還是應該用risk factor取代risk marker,比方說前面癌症家族史問題,
如果基因檢測夠便宜,測基因再決定檢查頻率就好了...
某族裔工作效率問題則可以用學歷來取代族群區分,畢竟釐清學歷的行政成本不高
當然未來bigdata也許能更有效廉價區分...
回到原文的案例
當統計上發現男HIV患者有較高A肝罹病率,有數據做基礎基本上不是偏見
那剩下2種可能
1.男HIV為直接因果risk factor,HIV使免疫力低下? 女HIV又如何?
陳述這種狀況可能被批評為歧視HIV患者...
2.男HIV為共變相關,那篇文章採用此說
A肝乃經過糞口傳染,使A肝罹病率上升的因素應該與糞口不當接觸行為有關
所以該文推測男性HIV患者可能因男男性行為有較高比率糞口接觸行為所致
結果陳述這種狀況可能被批評為歧視男男性行為者...
或許還有一種可能,就是具有某種基因者比較容易感染A肝,HIV
然後又比較容易有男同性戀傾向,所以這不是他們的錯
但話說回來,既然具有這種基因是A肝高風險族群,
要他們注意避免糞口接觸行為仍符合他們醫療上的利益,不管有沒找出背後的基因......