對(duì)待數(shù)據(jù)的三大致命錯(cuò)誤

2020年3月4日零點(diǎn)前的幾分鐘，我們發(fā)郵件給美國(guó)各州以及哥倫比亞特區(qū)政府，詢(xún)問(wèn)一個(gè)簡(jiǎn)單的問(wèn)題：經(jīng)過(guò)新冠病毒檢測(cè)的人到底有多少？

當(dāng)時(shí)，美國(guó)已有差不多150人確診、11人死亡。而CDC（美國(guó)疾病控制與預(yù)防中心）卻停止了公開(kāi)發(fā)布全國(guó)檢測(cè)數(shù)據(jù)。沒(méi)有這部分?jǐn)?shù)據(jù)，也就無(wú)法對(duì)確診病例數(shù)據(jù)進(jìn)行解讀——是只有很少的人病了？還是只有很少的人做了檢測(cè)？令人震驚的是，我們發(fā)現(xiàn)得到檢測(cè)的人非常有限。

我們意識(shí)到，缺乏檢測(cè)的結(jié)果可能是災(zāi)難性的。于是我們發(fā)起了The Atlantic的疫情數(shù)據(jù)追蹤項(xiàng)目。去年春天開(kāi)始，項(xiàng)目志愿者每天從美國(guó)的每個(gè)州和區(qū)域收集疫情數(shù)據(jù)。我們以為政府已經(jīng)擁有這些數(shù)據(jù)，希望通過(guò)一些報(bào)道來(lái)督促政府公開(kāi)這些數(shù)據(jù)。

但隨后，我們發(fā)現(xiàn)CDC的數(shù)據(jù)非常不完善，而白宮甚至在使用我們項(xiàng)目的數(shù)據(jù)。長(zhǎng)達(dá)幾個(gè)月的時(shí)間，美國(guó)政府完全不知道到底有多少人確診、多少人住院、多少人死亡。而這個(gè)臨時(shí)的、志愿的數(shù)據(jù)追蹤項(xiàng)目，卻成為了事實(shí)上的全美疫情數(shù)據(jù)來(lái)源。

數(shù)據(jù)可能看上去是一個(gè)太技術(shù)的迷思。如果把疫情造成幾十萬(wàn)人死亡的原因歸結(jié)于數(shù)據(jù)，看上去更像甩鍋。但是，政府正是通過(guò)數(shù)據(jù)來(lái)了解現(xiàn)狀的。某種意義上，數(shù)據(jù)就是聯(lián)邦政府眼中的現(xiàn)實(shí)。當(dāng)想象中應(yīng)該存在的數(shù)據(jù)，與實(shí)際上存在的數(shù)據(jù)之間出現(xiàn)了巨大的鴻溝，就把全美國(guó)的抗疫政策與行動(dòng)帶到了溝里。

（截止文章發(fā)出前一周）疫情數(shù)據(jù)追蹤項(xiàng)目統(tǒng)計(jì)了全美國(guó)范圍內(nèi)3.63億例檢測(cè)、2800萬(wàn)例確診和51.5148萬(wàn)例死亡。過(guò)去一年教訓(xùn)不斷，我們知道了美國(guó)公共衛(wèi)生政策癡迷于數(shù)據(jù)，卻又遠(yuǎn)離數(shù)據(jù)。我們知道了這些政策背后的數(shù)據(jù)可能既無(wú)法理解，又不能指導(dǎo)行動(dòng)。我們知道了疫情數(shù)據(jù)的產(chǎn)生方式，決定著我們到底是否能全面了解疫情。

而改變看待數(shù)據(jù)的方式，就能夠防止災(zāi)難再一次發(fā)生。

在2020年3月之前，美國(guó)并不缺疫情應(yīng)對(duì)預(yù)案，很多預(yù)案還強(qiáng)調(diào)數(shù)據(jù)驅(qū)動(dòng)決策制定的重要性。但是這些預(yù)案大多建立在詳細(xì)、可靠的數(shù)據(jù)已經(jīng)存在的基礎(chǔ)上。他們很少關(guān)心這些數(shù)據(jù)是如何產(chǎn)生的。

去年3月份，政府停止公開(kāi)病毒檢測(cè)數(shù)據(jù)。當(dāng)我們開(kāi)始匯總各州的數(shù)據(jù)，很快就發(fā)現(xiàn)檢測(cè)做的一團(tuán)糟。首先，由于CDC最初發(fā)放的新冠病毒檢測(cè)盒存在缺陷，并對(duì)什么人才能接受檢測(cè)制定了過(guò)于嚴(yán)格的標(biāo)準(zhǔn)，導(dǎo)致各州基本檢測(cè)不了多少人。

除了這些問(wèn)題外，還存在一大困擾。數(shù)據(jù)系統(tǒng)需要經(jīng)過(guò)精確的校準(zhǔn)，才能產(chǎn)生詳細(xì)的統(tǒng)計(jì)數(shù)據(jù)。但是在美國(guó)，各州分別“創(chuàng)造”了各自的數(shù)據(jù)并上報(bào)聯(lián)邦政府。這些數(shù)字在某種意義上可能都是“準(zhǔn)確”的，但是各州數(shù)據(jù)間的不統(tǒng)一，使得極難直接統(tǒng)計(jì)出全美國(guó)的數(shù)據(jù)。

疫情數(shù)據(jù)追蹤項(xiàng)目最初的工作，就是去理解數(shù)據(jù)中的不一致并進(jìn)行調(diào)整，讓各州的數(shù)據(jù)可以統(tǒng)一起來(lái)。因?yàn)槊恳豁?xiàng)疫情數(shù)據(jù)的產(chǎn)生都經(jīng)過(guò)了曲折的過(guò)程。像檢測(cè)數(shù)據(jù)，最初只是玻璃瓶或?qū)嶒?yàn)室機(jī)器中的分子反應(yīng)，之后要經(jīng)過(guò)數(shù)層人類(lèi)觀測(cè)、鍵盤(pán)輸入、計(jì)算機(jī)處理，然后才到達(dá)政府。在從市、到州再到聯(lián)邦數(shù)據(jù)庫(kù)的過(guò)程中，數(shù)據(jù)可能經(jīng)過(guò)了各種不同方式的處理。經(jīng)過(guò)這個(gè)過(guò)程，最終形成了看似金玉其外卻可能敗絮其中的數(shù)據(jù)。

理想的疫情應(yīng)對(duì)措施，建立在這些數(shù)據(jù)完全可靠、輸入到高度優(yōu)化的流行病學(xué)模型中、并能指導(dǎo)行動(dòng)的前提下?！癈DC的缺位讓我們?cè)跀?shù)周里因?yàn)槿鄙俦匾臋z測(cè)而盲目行事，”退伍軍人事務(wù)部的一位醫(yī)學(xué)顧問(wèn)表示，“模型與現(xiàn)實(shí)的區(qū)別是，在模型中我們根據(jù)已知情況來(lái)設(shè)定參數(shù)，而現(xiàn)實(shí)中的參數(shù)卻是一本糊涂賬?！?/span>

后續(xù)的學(xué)術(shù)研究發(fā)現(xiàn)，早期的確診病例數(shù)只是實(shí)際數(shù)量的10%、甚至5%。盡管已經(jīng)有現(xiàn)成預(yù)案可以進(jìn)行數(shù)據(jù)分析，但政府（錯(cuò)誤的）認(rèn)為這些數(shù)據(jù)很容易獲得，導(dǎo)致沒(méi)能夠在一開(kāi)始就將實(shí)際情況暴露出來(lái)。

去年春末，疫情數(shù)據(jù)追蹤項(xiàng)目開(kāi)發(fā)出一種簡(jiǎn)單的可視化方式，來(lái)一覽疫情數(shù)據(jù)——通過(guò)一排四個(gè)圖表來(lái)分別體現(xiàn)檢測(cè)數(shù)、住院數(shù)、死亡數(shù)。

圖：美國(guó)全國(guó)新冠疫情統(tǒng)計(jì)（七天平均線）

四個(gè)維度分別為（從左至右）：日檢測(cè)數(shù)、日病例數(shù)、當(dāng)前住院數(shù)、日死亡數(shù)

這個(gè)圖表看起來(lái)權(quán)威并且全面。但這些數(shù)據(jù)的產(chǎn)生過(guò)程教育我們，每個(gè)維度的數(shù)據(jù)都只能代表某一個(gè)特定時(shí)刻。當(dāng)你看著這些圖表，你看到的不是當(dāng)下的實(shí)況，而是對(duì)過(guò)去某個(gè)瞬間的記錄。

項(xiàng)目研究發(fā)現(xiàn)，不同維度的數(shù)據(jù)是按照不同速度發(fā)展的。以病例數(shù)和檢測(cè)數(shù)為例，根據(jù)這兩個(gè)數(shù)據(jù)可以算出“檢測(cè)陽(yáng)性率”，像封城、重啟等抗疫措施經(jīng)常是基于這一數(shù)據(jù)做出的。但是，病例數(shù)可能會(huì)增長(zhǎng)很快，檢測(cè)為陰性的數(shù)據(jù)變化的則慢一些。除此之外，檢測(cè)與確診的日期也可能并不一致。獨(dú)立的州比較容易校正這類(lèi)問(wèn)題，但是跨州之間就比較難。更甚，當(dāng)檢測(cè)為陰性的結(jié)果出來(lái)的有所延遲，會(huì)讓檢測(cè)陽(yáng)性率看上去比實(shí)際情況更高，影響學(xué)校和商業(yè)的重啟。

死亡數(shù)也會(huì)受到上報(bào)系統(tǒng)流程的影響，而很多人可能都沒(méi)有意識(shí)到這一點(diǎn)。根據(jù)CDC的預(yù)估，死亡中位數(shù)可能要在人死亡了20天之后才會(huì)匯報(bào)到州政府，中間存在巨大的時(shí)間差。約四分之一的死亡病例會(huì)在6天之內(nèi)上報(bào)，但也有另外四分之一的上報(bào)時(shí)間是在45天之后。而且，根據(jù)一位流行病學(xué)家對(duì)加利福尼亞州數(shù)據(jù)的研究，這種延遲還不是恒定的。數(shù)據(jù)反映的可能是好幾周前的情況，這個(gè)問(wèn)題讓疫情爆發(fā)期的實(shí)際死亡人數(shù)難以得到準(zhǔn)確評(píng)估。

我們最信任、也認(rèn)為不會(huì)有大問(wèn)題的數(shù)據(jù)，是受到衛(wèi)生與公共服務(wù)部監(jiān)管的住院數(shù)據(jù)。實(shí)際上，目前所有醫(yī)院都被要求匯報(bào)給衛(wèi)生與公共服務(wù)部，我們可以很好的了解到全美范圍內(nèi)有多少新冠患者被收治入院。

這讓聯(lián)邦政府可以針對(duì)性提供幫助，為最有需要的醫(yī)院提供人員、藥品和防護(hù)用品。這才是用精準(zhǔn)數(shù)據(jù)幫助政策制定者的良好范例。

數(shù)據(jù)似乎極大程度上代表了真相。政策制定者以“數(shù)據(jù)驅(qū)動(dòng)”為榮，并發(fā)誓要“遵循科學(xué)”。但花了一年深入數(shù)據(jù)后，我們認(rèn)為數(shù)據(jù)沒(méi)什么特別的。

數(shù)據(jù)只是以定量方法得出的定性結(jié)論。數(shù)據(jù)驅(qū)動(dòng)思維并不一定比其他形式的推論更精確，尤其是當(dāng)沒(méi)搞清楚數(shù)據(jù)從何而來(lái)，數(shù)據(jù)中的不一致甚至?xí)a(chǎn)生誤導(dǎo)。

這個(gè)問(wèn)題從一開(kāi)始就為抗疫帶來(lái)了阻礙。在去年三月初，很明顯新冠病毒應(yīng)該已經(jīng)擴(kuò)散到美國(guó)。而CDC還在嚴(yán)格控制什么人才能接受檢測(cè)，缺乏清晰檢測(cè)數(shù)據(jù)，意味著政府根本還沒(méi)認(rèn)清現(xiàn)實(shí)。

今天，問(wèn)題依舊存在。在2021年3月1日舉辦的記者會(huì)上，CDC主任提醒公眾注意病毒新變種。她暗示，全美國(guó)范圍內(nèi)的病例數(shù)和死亡數(shù)都在上升，可能就是由于病毒新變種。但是通過(guò)疫情數(shù)據(jù)追蹤項(xiàng)目，我們知道這個(gè)“新變種引發(fā)疫情新高潮”的說(shuō)法并不成立。如果死亡數(shù)現(xiàn)在上升，說(shuō)明病例數(shù)的上升應(yīng)該在一個(gè)月前。而實(shí)際上，一個(gè)月前的病例數(shù)是快速下降的，這并不相符。

相反，通過(guò)對(duì)數(shù)據(jù)的密切跟進(jìn)可以了解到，由于要檢查死亡證明，很多州的數(shù)據(jù)上報(bào)存在嚴(yán)重延遲。同時(shí)，德州等地又被暴風(fēng)雪擊垮了。這使得他們的上報(bào)數(shù)據(jù)直線下降，死亡數(shù)反常的快速減少，而當(dāng)工作完全恢復(fù)后，數(shù)據(jù)便又快速反彈。不出所料，CDC主任發(fā)言后，日均死亡數(shù)很快就回落了25%。

換句話說(shuō)，并不是這些州的疫情在2月份變?cè)懔?，而是?2月延續(xù)到1月的高峰期遠(yuǎn)比當(dāng)時(shí)認(rèn)為的更嚴(yán)重。不應(yīng)該在沒(méi)有充分考慮數(shù)據(jù)產(chǎn)生背景的情況下，就直接解讀眼前的數(shù)據(jù)。

數(shù)據(jù)是極具魅力的。你看著圖表或者表格，可能會(huì)感覺(jué)自己像掌握了制勝密碼一樣無(wú)所不能。但事實(shí)上，你更像是一個(gè)清潔工，看著水從下水道流向污水處理廠。當(dāng)然，久而久之你也能知道哪個(gè)下水道口格外難聞，而哪個(gè)離污水處理廠更近，但你不應(yīng)該自欺欺人，以為自己了解水里都有什么。

為了避免下一次數(shù)據(jù)災(zāi)難，除了花精力塑造未來(lái)，我們的公共衛(wèi)生系統(tǒng)也必須要花同樣的精力去理解當(dāng)下。疫情或任何危機(jī)的管理，就在于根據(jù)盡可能好的信息，做出盡可能不壞的決策。這些信息可能是各種形式的，不是只有數(shù)據(jù)。但一旦你要參考數(shù)據(jù)，就一定要知道數(shù)據(jù)是如何產(chǎn)生的，不然就很有可能會(huì)被誤導(dǎo)。

TalkingData——用數(shù)據(jù)說(shuō)話

每天一篇好文章，歡迎分享關(guān)注