国家科学院发布指南，帮助政府官员理解COVID-19数据

随着COVID-19大流行的持续，全国各地的官员不得不就学校、企业和社区设施的开放和关闭做出决定。他们在很大程度上依靠关于大流行的信息——从住院统计数据到检测结果——来为这些决定提供信息。但华盛顿大学(University of Washington)统计和社会学教授阿德里安·拉夫蒂(Adrian Raftery)表示，关于COVID-19的不同事实和数据可以描绘出不同的疫情图景。

他说:“COVID-19大流行正在社区产生关于这种疾病的许多不同类型的数据，比如特定地区的确诊病例数或死亡人数。”“就全面准确地总结2019冠状病毒病的流行情况以及开办企业或学校等某些事情的风险而言，这些数据源本身没有一个是完美的。每个人都有自己的长处和短处。”

拉夫提是一篇新的指南该报告由美国国家科学院、工程和医学院于6月11日发布，旨在帮助全国官员在作出公共卫生决策时理解这些不同的COVID-19数据来源。

寻找COVID-19统计数据的官员有很多选择:确诊病例、死亡、住院、重症监护病房占用率、急诊室就诊次数、抗体检测、鼻拭子检测和阳性检测结果比率——这是医院和公共卫生机构收集和分发的一些更常见的数据点。但官员们在做决定时不一定掌握所有这些统计数据，也不一定有足够的信息来解释这些数据。

“我们打算通过这份指南帮助这些决策者及其顾问解读有关COVID-19的数据，了解每个数据源的优缺点，”Raftery说。

例如，新型冠状病毒的阳性检测结果可能低估了其在社区中的真实流行率。拉夫蒂说，许多感染者没有症状，不太可能去检查，甚至有症状的人也可能得不到检查和医疗。另一个例子是，一个地区的COVID-19死亡人数不能反映该疾病当前的流行程度，因为死亡人数比病例数晚几周。此外，拉夫提说，一些死亡可能被错误地归因于COVID-19。

该指南强调了官员在评估特定COVID-19数据点的有效性时应考虑的一些标准，包括:

• 评估数据对一个社区或地区的代表性
• 某些数据来源是否存在系统性偏差
• 考虑数据来源的不确定性类型，因为像样本量，数据是如何收集的，以及调查的人群
• 是否存在由于报告数据延误、疾病病程和其他因素造成的时间延迟

“没有完美的数据来源，但是所有这些数据来源对于直接影响公共卫生的决策仍然是有用的，”Raftery说。

Raftery广泛从事统计方法的工作，以衡量和估计其他病毒的流行，包括艾滋病毒在非洲的流行。尽管艾滋病毒和新型冠状病毒引起的疾病类型不同，但这两种病毒在易感人群中传播的方式以及社交距离的类型——艾滋病毒使用安全套、新病毒使用身体距离和口罩——都有相似之处冠状病毒可以减少传播。COVID-19还产生了与艾滋病毒/艾滋病相同类型的数据源，具有相同的局限性，如检测结果、住院率和死亡率。

随着时间的推移，可能会从人群中所谓的“有代表性的随机样本”中收集到更多有关COVID-19的数据。在有代表性的抽样中，人们被随机地调查一种疾病，根据科学家和官员对一种疾病的流行程度和易感性的了解，某些人群的抽样量可能比其他人群更大。Raftery说，代表性抽样避免了偏见，可以更准确地估计该疾病在一个地区的流行程度。

“随着我们对COVID-19的了解越来越多，了解它是如何传播的，了解不同人群是如何或多或少易受感染的，我们可能能够更多地向有代表性的抽样方向移动，”Raftery说。印第安纳州已经做了类似的调查，其他州也应该效仿。但官员们也可以利用医院和机构目前提供的统计数据和数据来源做很多事情，只要官员们能够意识到每一份数据的优点和缺点。”

该指南是美国国家科学院社会专家行动网络(sean)首次完成的，sean是一个由美国国家科学院负责的八人委员会，旨在就大流行期间与社会和行为科学相关的问题提供快速的专家援助。Raftery是SEAN的成员，并领导了这个初始项目。

---

---