测量分数与人群估算值之间的区别——以及为何一款应用会同时展示两者，明确标注，从不混淆。
应用可以向您展示两种年龄数字之一，而大多数产品从不说明您看到的是哪种。
测量分数是对您输入值的计算。血液数据输入，确定性公式运行，数字输出。相同的输入，每次都得到相同的数字。您可以手动验证。
人群估算值是统计模型对具有您特征的人所做的预测。它通过对数千名其他人的数据拟合一条直线来构建。当您的数据不完整时，模型用队列平均值填补空缺——数字变化较小，因为更多部分与他人有关，与您自身有关的部分更少。
Delta的Corpus页面上的DELTA age属于第二种，并且如实标明了这一点。它来自「Healthspan Copilot」论文（PLOS One）：一个针对十个变量——血液检测指标加腰围、体重、血压和脉搏——的普通最小二乘回归，在包含248名参与者的CDC数据集上训练。拟合系数通过在论文自身训练数据上重新运行回归来复原；该拟合将论文中的计算示例精确复现至已发表的数字，这是复原模型即为论文模型的证据。
在信任该模型产生的任何数字之前，有两个属性值得了解。
实际年龄的权重基本为零。回归学会了仅从生物标志物预测生物学年龄——标志物相同的30岁和60岁个体获得几乎相同的估算值。这源于论文的数据集——不是实现上的错误——这也是为什么不完整的DELTA age几乎不随您的数据变化：当大多数输入缺失时，模型对所有人返回几乎相同的数字，因为该数字主要反映的是队列。
此外，部分系数在拟合至该数据集时与直觉相悖——较高的hs-CRP和较高的体重在此拟合中降低估算值；较高的HDL则提高估算值。这些是论文中的数字，被忠实地实现。它们也提醒我们，小样本队列的OLS拟合是估算，而非生理学。
因为如实呈现的估算值仍有其价值。Delta仅在附带出处的情况下显示DELTA age：一个"估算值"标签（绝不使用"已测量"一词）、模型版本字符串、随更多输入变为队列平均值而下降的置信度指示，以及论文自身的免责声明。当超过一半的输入被填补时，应用将完全停止显示该数字——主要反映训练集的数字不值得一看，更不值得做出决策。
它与Adaptive Age共存，但从不与其混淆——后者是锚定应用的确定性血液评分PhenoAge数字。不同的界面，不同的标签，不同的不确定性。当您无法分辨自己正在看哪个数字时，就是产品辜负了您的那天。
Delta中的每个分数都由纯粹的版本化计算得出——绝不由设备端语言模型进行生物标志物运算。每个输入都有出处标注或标记为已填补。每个数字都携带其方法。估算值被呈现为估算值；测量值保留其依据。
而这，归根结底，就是工具与感觉之间的全部区别。
