为何新一轮大规模新冠浪潮未被数据捕捉——《华尔街日报》

美国已无法准确统计新冠病例数。

过去两年疫情期间，几乎所有人都密切关注着每日报告的新冠病毒感染人数。

在网页上搜索"新冠"或"冠状病毒"，首先显示的图表就是报告的确诊病例数。这个数字也是美国疾病控制与预防中心新冠数据追踪系统中的首要指标。

这个统计数据与真实感染情况相去甚远，且偏差可能越来越大。

如今大量家庭自测结果通常不会上报卫生机构，因此从未纳入病例统计。曾经直接汇总检测数据的州立检测中心也大幅缩减。

近期奥密克戎变种及其亚变种引发的感染普遍症状较轻。症状轻微或无症状感染者可能根本不会接受检测。各州现在平均每周仅报告三次病例数据，25个州甚至改为每周报告一次。

这意味着数据不仅失准，还存在严重滞后。

“几乎所有人都认同我们在低估病例数，“约翰霍普金斯大学流行病学教授克里·阿尔索夫表示，“这让我们很难依据这些数字做出应对。”

理解疫情不能仅看病例数。另一个关键问题是重症转化率。如果感染基数不明，就无法测算住院治疗的比例。

本月纽约市一处检测点，美国在家庭检测试剂充足的情况下仍遭遇最新一波新冠疫情。图片来源：Ismail Ferdous/Bloomberg News住院人数也不是完美的衡量标准。某人可能因腿部骨折送急诊，同时检测出轻症新冠阳性。该病例会被计入新冠确诊住院病例——并占用医院床位和个人防护装备资源——但未必属于重症。

在马萨诸塞州，医院已开始上报新冠是否为患者住院的主要原因——1月份约50%的病例属于此类。很难确定其他州与马萨诸塞州的情况有多相似，但这为更精准的统计如何改善疫情评估提供了又一例证。

在美国又遭遇一波新冠疫情的当下，可靠的病例数估算尤为重要。根据美国疾控中心数据，按官方病例数计算，这波疫情规模适中，每日约11万人感染。这比德尔塔疫情期间每日16.5万例或2020-21年冬季每日25万例的规模要小。

但若对漏报进行修正，对真实感染数的估算表明，美国可能正经历疫情爆发以来第二严重的感染潮。

每日病例数通常被称为报告或确诊感染数。在疫情的任何阶段，都有许多感染者从未被报告或确诊。病例统计始终存在漏报，而这一差距正在扩大。

美国疾控中心定期通过检测抗体来估算人群新冠感染率，抗体能显示免疫系统是否曾对抗过病毒。该机构估算的感染人数远超报告病例数。华盛顿大学健康指标与评估研究所将此类数据与其他疫情指标结合，推算出每日实际感染人数的粗略估计值。该研究所的研究方法上月刊登于《柳叶刀》医学期刊。

四月底，IHME估算美国日增感染人数在28.7万至73.8万之间。

这仅是一家机构的估算——且区间范围极大、不够精确。但该数字表明当前美国感染规模已超过除去年12月奥密克戎波峰外的任何疫情阶段。

疫情初期由于检测极难获取，报告病例数也远低于实际感染数。但IHME估计，到2020年冬季时，约50%至66%的感染者最终被纳入统计。

IHME主任克里斯托弗·默里表示，自家庭检测普及后，“总体趋势非常明显…病例检出率大幅下降”。根据其4月份的估算，实际报告感染比例可能低至5%-20%。

IHME在疫情早期的感染预测曾因未能准确预判病例趋势而受到批评。但本文引用的数据并非预测值，而是对既往疫情的回顾性估算。

“我担心的是我们正陷入一个信息黑洞，缺乏足够数据，因此人们会提出像IHME这样的信息源，”明尼苏达大学传染病研究与政策中心主任迈克尔·奥斯特霍尔姆表示。

部分国家已证明更精确的感染率估算是可能的。

例如英国国家统计局定期开展调查，收集鼻咽拭子样本，以捕捉无症状和轻症新冠病例。该调查持续显示病毒传播浪潮的规模远超美国病例统计所反映的水平。

这种方法也存在缺陷。作为抽样调查存在典型误差范围，且部分民众拒绝参与。英国已缩减了部分监测工作，但其准确性仍远高于仅统计临床检测病例的做法。

IHME的默里博士对此表示认同：“作为一个国家，我们未投资英国国家统计局这样的监测系统实在令人费解。真实的感染数据本可以改变我们的认知方式。”

部分州会报告家庭自测的疑似病例，若更广泛地统计家庭检测结果或能提升数据质量。某些地区已开始采用废水监测来追踪病毒传播趋势，但许多州尚未建立此类监测点。

试想，如果有关于病例的优质数据，我们本可以更好地理解去年冬季爆发的奥密克戎疫情。这些数据本可以证实，对许多人来说，特别是那些通过疫苗接种或先前感染获得免疫力的人，症状较为轻微。

但那些对疫情感到深切担忧的人，可能因为自身有较高风险的医疗状况或家庭成员无法接种疫苗，本可以获得更准确、更及时的潜在风险衡量标准。

而了解奥密克戎病例的绝对数量本可以预示住院人数的激增和每日高达2500人的死亡浪潮。本月，美国已超过100万新冠死亡病例。

致信乔什·祖姆布伦，邮箱：[email protected]

刊登于2022年5月28日印刷版，标题为《病毒病例再次上升，数据却变得更糟》。