哈佛大学 T.H. Chan 公共卫生学院的一组研究人员发表了一系列论文，声称居住在核电厂附近与较高的癌症发病率相关。该系列最早的一篇由 Yazan Alwadi 领导，于 2025 年 12 月发表在《环境健康》（Environmental Health）杂志上，调查了马萨诸塞州的癌症发病率。随后在 3 月份，在《自然-通讯》（Nature Communications）上发表了扩展到全国的版本，这次研究的是癌症死亡率而非发病率。此外，还有其他论文发表在《暴露科学与环境流行病学杂志》（Journal of Exposure Science & Environmental Epidemiology），涵盖了肺癌、乳腺癌和结肠癌，最近还在欧洲期刊《环境流行病学》（Environmental Epidemiology）上发表，研究的是总死亡率而非仅癌症死亡。
这些研究背后的方法描述起来非常简单。作者为每个邮政编码或县建立了一个“接近度评分”，基于与核电厂的距离——在马萨诸塞州的研究中为 120 公里，在全国范围内为 200 公里，大约分别是 75 和 125 英里。这些圆圈内的每个位置都被视为暴露，距离越近的权重越高，且圆圈重叠处暴露情况是累加的。然后，他们对癌症结果与该接近度评分加一组控制变量进行回归分析，将得到的系数转换为每个年龄和性别组的相对风险（Relative Risk），计算归因分数（Attributable Fraction），最后估算 2000 年到 2018 年间有多少死亡可归因于这些电厂。作者表示，他们的研究方法和结果“为扩大研究计划提供了科学基础和公共卫生依据”。
Deric Tilson 和 Adam Stein 此前曾称早期的研究是胡说八道，他们花了几个月时间复制该分析。作者提供了八行代码并回答了关于控制变量的几个问题——然而他们表示，这些操作并未重现结果。大部分复制工作是基于基本原理结合试错法完成的。一旦他们足够精确地匹配了第一个全国癌症死亡率研究，他们就将相同的方法应用于其他地标。
这些结果在表面上很难被认真对待。应用于 Costco 仓库时，该方法将超过 220 万例癌症死亡归因于此——这占了 2000 年到 2018 年间全国所有癌症死亡人数的 20% 以上。包括哈佛大学在内的私立四年制大学占 159 万例；公立大学占 626,212 例；超级基金（Superfund）场地占 895,258 例；州首府占 132,389 例。综合来看，仅这些地标就解释了该时期超过一半的癌症死亡。
复制研究将哈佛团队的方法应用于普通地标，发现它将巨大的癌症死亡人数归因于 Costco 仓库、私立和公立大学、超级基金场地和州首府。
职业体育场馆产生了同样奇怪的数字。居住在 NFL 体育场附近与 418,520 例死亡相关，NBA 竞技场附近与 471,794 例相关，职业棒球联盟（MLB）球场附近与 944,769 例相关，NHL 冰场附近与 126,751 例相关，MLS 球场附近与 50,889 例相关。因此，仅棒球场就比足球场造成的归因死亡多出近 19 倍。NASCAR 赛道，人们可能会预期其携带更多排放和烟雾，仅占 79,278 例。加上体育场馆，该方法将超过 785 万例死亡归因于此——占总数的四分之三。而哈佛大学本身被单独检查时，占 111,003 例死亡，而核电厂为 115,586 例。
核心问题在于，接近并不等于暴露。作者的共同作者在一次网络研讨会演示中描述了一种机制，即放射性粉尘在重新燃料期间逃逸，穿过防护罩且未被设施传感器探测到。但实测暴露情况却讲述了不同的故事。大多数受到密切监测的美国核工业工人每年接收到的剂量根本不可测量，而当工人暴露时，平均剂量仅为职业限制的 2%。如果实际在场的人员最多只能接收到法定职业限制的五十分之一，那么就没有合理的路径能让距离 5、10、25、50、120 或 200 公里的居民从同一电厂接收到可测量的剂量。
作者自己也承认了局限性，至少部分承认：在谈话中，他们将自己的论文描述为仅仅是显示相关性的生态研究，从未证明因果关系。这是一个合法的研究类别，但它提出了论文未回答的问题——暴露机制是什么。复制研究表明，答案可能是根本没有机制，而且该方法捕捉到的是完全不同的东西。
那个“其他东西”似乎就是研究方法本身。Tilson 和 Stein 报告称，无论他们测试什么地标，他们从未获得过负结果。即使他们输入随机结果而非真实的癌症数据，它仍然产生了正结果。他们得出结论，变异是始终向一个方向倾斜的随机噪声。大多数基于距离的暴露研究查看的区域要小得多——低于 10 公里，约 113 平方英里——而哈佛研究声称在 48,519 平方英里的圆圈内存在暴露，这大约相当于密西西比州的大小。在他们的描述中，该方法对辐射暴露和剂量视而不见；它只理解坐标、接近度、协变量和死亡人数，并从中产生一个数字和一个正结果，而无法解释原因。
实际后果是，这些论文并没有证明核电厂导致癌症的新机制。它们证明了巨大圆圈内数据点的相关性。作者认为，当研究设计未能识别因果机制时，复杂的统计学可以产生极其精确的胡说八道——而当这种胡说八道应用于文化上看似合理的、且产生正结果的事物时，它就格外危险。他们得出结论，该方法归因的死亡人数可能是零，而归因的劣质论文数量至少有四篇。
仍不确定的是，原作者未能用“安慰剂地标”来测试他们的方法是疏忽还是刻意选择，以及期刊的同行评审是否检查了结果对地标选择的敏感性。Tilson 和 Stein 的复制虽然彻底，但部分是试错法，他们指出作者提供的代码不足以重现发表的结果。同样的批评是否适用于文献中其他的基于接近度的研究仍是一个开放性问题，因为这次复制仅涵盖了一类方法。
对于想要了解核心结论的读者：这些研究并未建立核电厂导致癌症的结论。它们建立了一个特定的统计方法应用于癌症死亡数据时，会产生令人震惊的核电厂相关性——同时也产生 Costco、棒球场和哈佛大学的相关性。在缺乏暴露路径和能够区分信号与噪声的方法的情况下，这些相关性不具备任何证据权重。] ,