首先说判断，供精后代相遇的可能性可以估计，但是在中国现有的公开资料中，一般不能算出一个可靠的全国统一的百分比。
原因不在于数学难，而在于关键数据不完整。
精源的使用人数，出生人数，后代成年之后的居住地，迁移情况以及是否相互认识，这些变量并未形成一个向公众开放的数据库。
所以，网上说“概率很小”或“几乎必然会遇到”,都说统计模型说的太多了。
模型首先定义了“相遇”的含义。
如果仅仅是生活中的擦肩而过，几乎无法计算，因为大多数人不知道对方和自己是供精血缘的关系。
如果是发展成为伴侣，并且双方没有经过正规的遗传咨询或者检测发现的话，那就是另外一种可能。
如果是指婚前经过筛查发现有近亲风险，模型还需要加入到就医、检测以及主动披露等方面。
这三个事件不能混合在一个数字中。
最简单的方法是，将同一捐精者的后代人数作为家庭规模，再将这些人分配到人口总数中。
假设人口是随机分布的，年龄相近，生活圈是相互独立的，后代越多，相互接触的机会就越大。
但是现实中分布不是随机的。
供精家庭一般集中在可以提供辅助生殖的地方，孩子长大后可能在同一个城市上学、工作或结婚。
有的人会一直留在出生地，有的人跨省迁移，这使得同一精源的后代接触的可能性很大。
城市人口大小，婚配半径，年龄结构，教育和就业流动，都会影响结果。
因此，模型至少要分开计算“全国的随机抽样”与“同区域的生活”。
还应区分捐精者所对应总出生人数和同时间段内有效暴露的人数。
一个孩子长大后，遇到同龄人的机会很少。
进入大学，就业与婚恋阶段后，社交范围才逐渐扩大。
若模型仅以总人口比例为公式，则会低估或低估一些年龄阶段风险。
精子库的管理中精源的使用上限或者捐精次数的上限本身就是为了减少同一供精源过度扩散所带来的医学与伦理的风险。
具体标准，记录方式及执行要求，请以国家卫健委和省级卫健行政部门发布的现行规定为准。
这种限制并不意味着降低相遇的概率。
它只是降低了同一个捐精者形成大后代的可能性，使得精子库可以根据冷冻样本，使用记录以及受者信息来追溯。
供精过程往往涉及双盲与知情同意问题。
双盲并不代表机构无记录，而是捐精者，受者家庭及临床使用过程中不直接互相承认身份。
知情同意并不意味着任何人都能自行查看精源的来源。
个人信息的保护，人格的保护以及辅助的生殖伦理需要机构在身份的保密和医疗的安全之间做出边界限制。
这也是统计模型容易忽视的部分。
模型也许知道一个精源使用了多少次，但不知这些后代以后会不会知道他们的出生方式，也不知他们会不会主动去做遗传检查。
如果将来有疑似的血缘关系，首先应该通过批准医疗机构或者人类精子库来进行规范的咨询以及必要的医学检查，而不是自己找捐精者或者向个人索要精源。
非法渠道提供的供精资料，来源不能核实，也不受双盲筛查冷冻样本监管和保护。
问题出在哪里?
出在理论人数和可识别事件之间有很长的一段链子。
要看到一个真实的相遇，需要先有同一个精源生出多个后代，再有年龄与生活区域的重叠，然后还要有足够接近的接触，最后双方或者机构能识别这个关系。
其中没有任何一个环节没有数据，最后百分比只能是情况估计。
更加严谨的做法，是给出区间，并确定假设。
比如分别设置了低使用量，区域集中以及跨省流动等，然后观察后代的数量变化影响结果。
这比引入一个看起来很准确的小数点要诚实。
精子库设立审批，资质管理，年检，供精记录及监管检查，可以改善模型需要的数据基础，但不会将所有的后代信息变为公开的名册。
跨省调配若涉及精源，也应依现行审批与供精管理规定办理，不可将不同地区公开宣传或者零散信息拼接为全国统计;
一般人判断一个“相遇几率”的时候，可以先看三个。
它是否表明统计对象为偶遇，婚配或医学发现?
它是否说明了样本的范围、时间和使用人数的来源。
它是否将人类精子库记录的数据、公开的人口数据以及个人隐私界限分开。
没有这些说明的话，概率更像是表达态度，而不是家庭决策中的统计结果。
对准备进行供精辅助生育的家庭而言，真正能够核实的是正规的机构资质，知情同意的文件，精源的使用以及随访的管理是否符合现行规定。
对捐精者与后代而言，也不应将一个无可靠数据支持的数字当作确定发生或不会发生的证明。
本文仅作为公益健康的科普，不构成医疗建议，任何医疗活动请到卫健委批准的正规医院(人精子库)就诊。
