"每天抽 15 支烟"那个著名比喻，主语其实是"缺乏社会连接"

先说这个传播很广的说法。 美国公共卫生传播里使用过这样的表述：**缺乏社会连接**的死亡风险，可与每天**最多** 15 支烟相比。 注意两处：主语是"缺乏社会连接"不是"孤独"，而且是"最多"。它的依据混合了社会连接／隔离、独居和孤独等**不同构念**的观察性死亡效应量比较，**不是随机因果换算**。 先看一个看起来很硬的数字：Twenge 等分析了约 **104.98 万名** PISA 学生，比较 2000、2003、2012、2015、2018 年的数据；其中 **2012–2018 年，37 个国家有 36 个**的学校孤独指标上升。（那个 104.98 万是多波次分析的总样本量，不是只属于 2012–2018 这一段。） 三十六比三十七。这强力支持了二〇一二至二〇一八年**在校青少年、学校情境中的孤独指标**上升——但仅限于这个范围。 外推在这里就停了：PISA 测的是在校青少年在学校情境里的孤独,它说不了全民,也说不了成年人和老年人。 而当你去看别的年龄段，图景就散了。 一项跨时元分析对一九七六到二〇一九年的 emerging-adult 样本**估计**上升约 0.56 个标准差。但**美国老年人的长期资料没有支持 2000 年代后孤独普遍迅速上升**。 所以更准确的说法是：**某些青年和青少年样本出现上升；而美国老年人的长期资料，没有支持 2000 年代中期到 2010 年代中期出现普遍迅速的上升。** 疫情期间呢？纵向元分析给出的平均变化**约为 SMD=0.27**——但异质性 **I²≈98%**。 这个数字得解释一下。I² 接近 98%，意味着研究间的差异几乎全部不是抽样误差，而是真实的分歧。汇总平均变化确实为正——报告称之为**平均较小但高度异质的上升**——但研究间的真实变化幅度极不一致，另有一些自然实验／纵向研究**没有发现显著的孤独变化**。 那健康后果呢？这里不同结局的证据强度差异很大。 Holt-Lunstad 等对 70 项前瞻研究、合计超过三百四十万人所做的**死亡结局**元分析给出调整后效应：孤独约 OR 1.26，社会隔离约 1.29，独居约 1.32。 看起来很一致。但请注意——**这三个不是一回事**。孤独、隔离、独居、独处，四个概念不能互换。孤独是主观的关系缺口，社会隔离是客观社会联系不足，独居是居住状态。 然后看一项被报告定位为「高质量反例」的研究。 ELSA 对五十岁以上人群做了充分调整之后：**高社会隔离的 HR 是 1.26（1.08–1.48），而孤独的 HR 是 0.92（95% CI 0.78–1.09）。** 孤独那一项的置信区间跨过了 1。报告把它定位为一个**高质量反例**，原话是「至少在这一队列，孤独不是独立的死亡预测因素」。这表示该模型未检出独立显著关联，**不能据此说一般人群里的关联已经消失**。 UK Biobank 那边观察到孤独与 56 种疾病中的 30 种有关联，但用孟德尔随机化去做因果检验时，**大多数不被支持**。 我不是要说孤独无害。空结果不等于无害，而且这些研究里混杂、反向因果、中介效应、竞争风险和失访都很难排除——痴呆可能是反向的，抑郁是双向的。用于识别「孤独→硬health结局」的固定效应、传统工具变量或自然实验文献仍然很少（孟德尔随机化是目前最常见的 IV 型策略）。 我要说的是：**「孤独独立、直接导致大多数慢性疾病」这个强版本目前没有站住**——但孤独仍被视为健康风险的强预测标志，以及可能的部分因果因素，其中抑郁那条最接近双向因果。 （上图：依本文所据报告中 Feng 2026 元分析的相关系数绘制） 再说两个被用滥的数字。 **邓巴数 150。**它最初来自一九九二年的一个估计，约 147.8，而那是**跨物种外推**——从非人灵长类的新皮层相对体积与典型群体大小的关系，推到人类群体规模。 二〇二一年有人重新估计，得到的均值约 69–109 和 16–42，而 95% 区间是 **4 到 520**、以及 2 到 336。 区间宽到这个程度，**"精确的 150"就无法确证**。 **社交媒体与孤独。**Feng 二〇二六年**针对青少年与青年**的元分析：59 项研究、**67 个独立样本**、n≈81,344。总体相关 **r=.16**，异质性 **I²=97.01%**。 拆开看更有意思：问题性使用 r=.29，使用时长 r=.07，主动使用 r=.02，被动使用 r=.23——而**主动和被动这两项都未达显著**。 所以那个流传很广的"被动刷比主动发更伤人"的说法，在这份元分析里没有复制出来。现有证据也**还不足以推出普适的「每天 30 分钟」剂量阈值**；效应会随年龄和使用目的而变，而二〇一三年的单平台结果也不能永久外推到二〇二六年的多平台算法环境。 最后一件事，关于那个常被引用的「美国人的核心讨论伙伴网络从 1985 到 2004 剧烈萎缩了」——注意 GSS 那个题目测的是「与谁讨论重要事情」，不是密友数，也不是孤独感。 **访员效应、问卷实施差异和异常数据，使这个趋势结论至少严重脆弱。** 写完之后我的结论是这样的。 孤独是真实的，与之相关的健康和福祉负担也确实可观。而「孤独流行病」这个说法**至少有两种**完全不同的含义，证据强度差很远：作为「高流行率 + 高健康负担」的公共卫生隐喻，证据较强；而作为「各国各年龄段持续急剧上升」的趋势陈述，**证据不足**，现有证据也不足以支持把它单一归因于手机。 数据也没有锁定手机是共同原因。 把这两种含义分开，我认为是有用的。一项二〇二五年的研究提示，人们对独处的负面信念可能影响独处之后的孤独体验——但它**不证明**媒体制造了孤独疫情。 主要来源： Twenge 等，PISA 跨国青少年孤独趋势 https://pubmed.ncbi.nlm.nih.gov/34294429/ Holt-Lunstad 等，孤独与死亡率元分析 https://pubmed.ncbi.nlm.nih.gov/25910392/ Liang 等，UK Biobank 与孟德尔随机化 https://www.nature.com/articles/s41562-024-01970-0 Lindenfors 等，重新估计邓巴数 https://pubmed.ncbi.nlm.nih.gov/33947220/ Feng 等 2026，社交媒体与孤独元分析 https://link.springer.com/article/10.1007/s00127-026-03175-4