预警误报一多，最常见的反应是去动阈值：把触发线往上抬一抬，报警少了，好像问题就解决了。可不少高误报根本不是阈值的事，抬阈值只是把症状压下去，代价是漏掉真正该报的人。要先分清，误报到底是阈值没调好，还是一开始就把量表选错了。
先说阈值这一侧。如果用的量表本身适配、常模也对，只是触发线卡在了一个大量普通人都会越过的位置，那确实是阈值问题——调整切点、改用百分位而不是原始分、给单题危机项和总分设不同规则，都能把误报压回合理范围。橙星云的预警支持多量表、多条件组合触发，也允许对不同量表分别设切点，正是为了让机构不必靠一个万能阈值去硬扛所有场景，这种情况下阈值是可以就地优化的。
但另一类高误报，根子在量表选择，光调阈值治不好。最典型的是拿一个宽口径的筛查量表直接当预警来用。筛查量表的设计初衷就是宁可多报、不肯漏掉，本就偏敏感；把它接到预警上，误报高几乎是必然，怎么调阈值都按下葫芦浮起瓢——线抬高一点就开始漏报，放低一点误报又回来。还有几种常见的错配：量表针对的人群和实际受测者对不上，成人量表用在低龄学生身上，常模不匹配，分数自然乱；或者测的构念跟你想预警的风险压根不是一回事——用一个测量一般情绪困扰的量表，去预警自伤这种特定风险，命中的自然一大半是无关的人。
这里还藏着一个容易被忽略的算术：像自伤、自杀这类真正的高危信号，在整个受测群体里本就是低发生率事件，哪怕量表相当准，只要被触发的人数远多于真实高危的人数，误报比例就压不下来。这不是把线挪一挪能解决的，得让触发条件更贴近那个具体风险，把撒网的范围收窄。
分清是哪一类，再决定调阈值还是换工具
判断的办法不复杂：把最近一批被判为误报的记录调出来看。如果命中的多是同一类「其实没什么事、分数却偏高」的普通人，而且他们的高分集中在量表某几道过于敏感的题上，那多半是量表偏敏感或选错了构念，该换更贴合目标的工具，或者在单一量表之外加一层组合条件、二次确认，别让一道题就把人推上预警；如果误报散布得比较随机、换个切点就能明显改善，那更像阈值问题。真正降误报的顺序，是先确认量表选对了、用在了对的人身上，再回头细调那条触发线。
把每一次误报都归咎于阈值，容易陷进反复调线又反复漏报的拉锯。误报是提示，提示的可能是线画错了，也可能是尺子拿错了——先看尺子，再看线。