随着COVID-19疫情继续蔓延，全国各地的官员不得不就开设和关闭学校、企业和社区设施做出决定。他们在很大程度上依赖有关大流行的信息——从住院统计数据到检测结果——来为这些决定提供信息。但华盛顿大学统计和社会学教授Adrian Raftery说，有关COVID-19的不同事实和数据可能描绘出这场大流行的不同图景。
“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，比如某个特定地区的确诊病例数量或死亡人数，”拉特说。“就全面、准确地总结COVID-19的流行情况和创业、上学等风险而言，这些数据来源都不是完美的。每个人都有自己的优点和缺点。”
Raftery是美国国家科学院、工程学院和医学院6月11日发布的一份新指南的第一作者，该指南旨在帮助全国官员在作出公共卫生决定时理解这些不同的COVID-19数据来源。
官员寻找COVID-19统计有很多可供选择:确诊病例,死亡,住院治疗,重症监护室入住率,急诊,抗体测试,nasal-swab测试和检测结果呈阳性的比例,仅举几例常见的数据收集和分发的医院和公共卫生机构。但官员们在做决策时并不一定掌握所有这些统计数据，也没有足够的信息来解释这些数据。
Raftery说:“我们希望这份指南能够帮助决策者及其顾问解读新冠肺炎数据，并理解每个数据源的利弊。”
例如，新型冠状病毒阳性检测结果的数量可能低估了它在一个社区的真实流行率。许多感染者没有症状，不太可能去做检测，甚至有症状的人也无法接受检测和医疗护理，拉特说。另一个例子是，一个地区COVID-19死亡人数并没有反映该疾病目前的流行情况，因为死亡人数比病例数落后了数周。此外，Raftery说，一些死亡病例可能被误归为COVID-19。
指南强调了官员在评估特定COVID-19数据点的有用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
某些数据源是否存在系统性偏差
考虑数据来源的不确定性类型，由于样本大小、数据收集方式和调查对象等因素
是否会因为报告数据的延迟、疾病的病程和其他因素而出现时间滞后
“没有完美的数据来源，但所有这些数据来源仍然对直接影响公共健康的决策有用，”Raftery说。
Raftery在统计方法方面做了大量工作，以衡量和估计其他病毒的流行情况，包括艾滋病毒在非洲的流行情况。虽然艾滋病毒和新型冠状病毒会导致不同类型的疾病，但这两种病毒在易感人群中传播的方式，以及不同类型的社交距离——艾滋病毒使用安全套，新型冠状病毒使用身体距离和口罩——可以减少传播的方式，都有相似之处。COVID-19还产生了与艾滋病毒/艾滋病相同类型、具有相同局限性的数据来源，如检测结果、住院率和死亡率。
随着时间的推移，可能会从人口中所谓的“有代表性的随机样本”中收集有关COVID-19的更有启发性的数据。在代表性抽样中，人们对一种疾病进行随机调查，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，可以对某些人群进行更大规模的抽样。Raftery说，代表性抽样避免了偏差，可以更准确地估计该疾病在某个地区的流行程度。
Raftery说:“随着我们对COVID-19的了解越来越多，了解它是如何传播的，了解不同的人群是如何或多或少地易感的，我们可能会更多地采取代表性抽样的方法。”印第安纳州已经做了类似的调查，其他州也应该效仿。但是，官员们还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——只要官员们能够了解每一项数据的优缺点。”
这份指南是由美国国家科学院的社会专家行动网络(简称肖恩)完成的第一部。肖恩是一个八人委员会，由美国国家科学院负责，旨在在疫情期间就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，并率先发起了这个项目。
该指南的合著者是普林斯顿大学(Princeton University)经济学和公共事务教授珍妮特•库里(Janet Currie);哈佛大学公共卫生教授玛丽·巴塞特;还有乔治敦大学的教务长罗伯特·格罗夫斯。肖恩和它的努力是由国家科学院和国家科学基金会资助的。
