6.2.1 结构性不平等：种族、性别、教育、收入对疾病风险与预后的调节效应

文档摘要

6.2.1 结构性不平等：种族、性别、教育、收入对疾病风险与预后的调节效应在公共卫生建模与临床预测系统落地的最前线，我们常被问到一个看似朴素却直击本质的问题：当一个XGBoost模型在测试集上AUC达到0.89，而它对低收入黑人女性患者的预测校准误差（Brier Score）却高达0.32——这到底是模型“不准”，还是我们根本没在建模？这不是一个性能调优问题，而是一次方法论层面的拷问。结构性不平等从来不是模型输入里的一个“协变量”标签，它是一套嵌套在数据生成机制（Data Generating Process, DGP）中的、具有因果方向性与测量异质性的调节结构（moderating architecture）。