台灣新冠肺炎（武漢肺炎）疫情隨著境外移入增加，民間要求普篩的呼聲漸起，除了阿中部長於記者會表示：真到了需要「普篩」的情形，那會是「社區個案人數暴增」和「感染源不明者」如雨後春筍般出現時，才會考慮去做。學者李建璋也認為有幾個狀況：第一是本土案例開始大幅增加的時候、第二是出現社區傳染的時候、第三是檢驗覆蓋率小於50的時候，台灣才要啟動普篩。
不過仔細想想，普篩不就是為了，超前部署，防範傳染擴大嗎？乍聽之下，當社區個案人數暴增，才要啟動普篩的做法，邏輯似乎有矛盾之處。筆者試著用研究股票時常碰到的機率判斷，來探討此做法可能的合理性。
機率這一門學問在人類文明的進展中，相較在其他學問的建構，顯得相當緩慢。人類早在西元前二、三百年前的古希臘時代，就已建立幾何學的知識，知道房子、橋樑要怎麼施工才會堅固。但是對於兩個銅板出現一正一反的機率有多高，卻是直至十六世紀才有專書討論。在這長達將近二千年的歷史長河中，人類對機率學的研究呈現空白，更令人納悶的是，從早期兩河文明至古埃及出土的壁畫中，都可看到人類從事賭博的活動。也就是機率早早進入人類生活日常中，但卻遲遲無視其存在。其箇中原因，至今仍是各領域（哲學、數學、心理學、經濟學）學者討論的話題。
從心理學家角度，機率推理是人類認知的罩門，是上帝“造人”時，留下的BUG，以致於我們在遇到有關機率問題時，腦袋就會當機，而出現思考或決策的偏誤（bias）。
機率是對不確定性的度量，也是對風險的衡量。在我們日常生活中，因為機率計算錯誤，導致對風險程度的誤判，而做出不當的決策行為，其實並不少見。以下是一個常見的醫療判斷問題：假設女性乳癌的盛行率約為2%，某一醫療院所宣稱他們的檢測方法，在受檢者真的有患乳癌的狀況下，其檢測結果有90%會呈現陽性；而受檢者沒有患乳癌的情況下，其檢測結果仍呈現陽性的機率為9%。請問當一個沒有任何症狀的婦女受檢後，呈現陽性反應時，她真的得乳癌的機率有多少？
聽到以上情況，我們通常會因醫院宣稱此檢測的“準確率”高達九成，而直覺認為這婦女得癌的機率，沒九成也有個八成。然若仔細運用高中數學裡貝氏定理來計算，這其實是在求：在檢測呈現陽性的條件下，真正患乳癌的條件機率：Pr（患乳癌∣陽性反應）=？真正答案是16.9%（不知你答對了沒，若沒有，也不用沮喪。根據學者吉仁澤（Gerd Gigerenzer）表示，他曾在一場匯集160名全德國頂尖的婦科醫師的研討會，現場出示上述考題，只有不到21%的人能答對），此婦女真正得癌的機率還不到兩成呢！與直覺的八九不離十，相差甚大。為什麼直覺與事實會有這麼大的落差呢？原因就在於不確定性。 （相關報導： 蘇貞昌要韓國瑜「防疫以指揮中心為準」 趙少康曝這件事：還好當初沒聽他們的！ ｜ 更多文章 ）
醫學篩檢（Medical Screening）主要目的是在從尚未發病的健康族群之中找出可能罹患疾病的人。我們首先要認清的是：本質上，不管任何檢測都無法做出百分之百肯定的答案，一定存在不確定性。這不確定性（或是錯誤）的來源有可能是來自檢驗本身的局限，有也可能來自操作、取樣的不完美。
