為何新一輪大規模新冠浪潮未被數據捕捉——《華爾街日報》

美國已無法準確統計新冠病例數。

過去兩年疫情期間，幾乎所有人都密切關注着每日報告的新冠病毒感染人數。

在網頁上搜索"新冠"或"冠狀病毒"，首先顯示的圖表就是報告的確診病例數。這個數字也是美國疾病控制與預防中心新冠數據追蹤系統中的首要指標。

這個統計數據與真實感染情況相去甚遠，且偏差可能越來越大。

如今大量家庭自測結果通常不會上報衞生機構，因此從未納入病例統計。曾經直接彙總檢測數據的州立檢測中心也大幅縮減。

近期奧密克戎變種及其亞變種引發的感染普遍症狀較輕。症狀輕微或無症狀感染者可能根本不會接受檢測。各州現在平均每週僅報告三次病例數據，25個州甚至改為每週報告一次。

這意味着數據不僅失準，還存在嚴重滯後。

“幾乎所有人都認同我們在低估病例數，“約翰霍普金斯大學流行病學教授克里·阿爾索夫表示，“這讓我們很難依據這些數字做出應對。”

理解疫情不能僅看病例數。另一個關鍵問題是重症轉化率。如果感染基數不明，就無法測算住院治療的比例。

本月紐約市一處檢測點，美國在家庭檢測試劑充足的情況下仍遭遇最新一波新冠疫情。圖片來源：Ismail Ferdous/Bloomberg News住院人數也不是完美的衡量標準。某人可能因腿部骨折送急診，同時檢測出輕症新冠陽性。該病例會被計入新冠確診住院病例——並佔用醫院牀位和個人防護裝備資源——但未必屬於重症。

在馬薩諸塞州，醫院已開始上報新冠是否為患者住院的主要原因——1月份約50%的病例屬於此類。很難確定其他州與馬薩諸塞州的情況有多相似，但這為更精準的統計如何改善疫情評估提供了又一例證。

在美國又遭遇一波新冠疫情的當下，可靠的病例數估算尤為重要。根據美國疾控中心數據，按官方病例數計算，這波疫情規模適中，每日約11萬人感染。這比德爾塔疫情期間每日16.5萬例或2020-21年冬季每日25萬例的規模要小。

但若對漏報進行修正，對真實感染數的估算表明，美國可能正經歷疫情爆發以來第二嚴重的感染潮。

每日病例數通常被稱為報告或確診感染數。在疫情的任何階段，都有許多感染者從未被報告或確診。病例統計始終存在漏報，而這一差距正在擴大。

美國疾控中心定期通過檢測抗體來估算人羣新冠感染率，抗體能顯示免疫系統是否曾對抗過病毒。該機構估算的感染人數遠超報告病例數。華盛頓大學健康指標與評估研究所將此類數據與其他疫情指標結合，推算出每日實際感染人數的粗略估計值。該研究所的研究方法上月刊登於《柳葉刀》醫學期刊。

四月底，IHME估算美國日增感染人數在28.7萬至73.8萬之間。

這僅是一家機構的估算——且區間範圍極大、不夠精確。但該數字表明當前美國感染規模已超過除去年12月奧密克戎波峯外的任何疫情階段。

疫情初期由於檢測極難獲取，報告病例數也遠低於實際感染數。但IHME估計，到2020年冬季時，約50%至66%的感染者最終被納入統計。

IHME主任克里斯托弗·默裏表示，自家庭檢測普及後，“總體趨勢非常明顯…病例檢出率大幅下降”。根據其4月份的估算，實際報告感染比例可能低至5%-20%。

IHME在疫情早期的感染預測曾因未能準確預判病例趨勢而受到批評。但本文引用的數據並非預測值，而是對既往疫情的回顧性估算。

“我擔心的是我們正陷入一個信息黑洞，缺乏足夠數據，因此人們會提出像IHME這樣的信息源，”明尼蘇達大學傳染病研究與政策中心主任邁克爾·奧斯特霍爾姆表示。

部分國家已證明更精確的感染率估算是可能的。

例如英國國家統計局定期開展調查，收集鼻咽拭子樣本，以捕捉無症狀和輕症新冠病例。該調查持續顯示病毒傳播浪潮的規模遠超美國病例統計所反映的水平。

這種方法也存在缺陷。作為抽樣調查存在典型誤差範圍，且部分民眾拒絕參與。英國已縮減了部分監測工作，但其準確性仍遠高於僅統計臨牀檢測病例的做法。

IHME的默裏博士對此表示認同：“作為一個國家，我們未投資英國國家統計局這樣的監測系統實在令人費解。真實的感染數據本可以改變我們的認知方式。”

部分州會報告家庭自測的疑似病例，若更廣泛地統計家庭檢測結果或能提升數據質量。某些地區已開始採用廢水監測來追蹤病毒傳播趨勢，但許多州尚未建立此類監測點。

試想，如果有關於病例的優質數據，我們本可以更好地理解去年冬季爆發的奧密克戎疫情。這些數據本可以證實，對許多人來説，特別是那些通過疫苗接種或先前感染獲得免疫力的人，症狀較為輕微。

但那些對疫情感到深切擔憂的人，可能因為自身有較高風險的醫療狀況或家庭成員無法接種疫苗，本可以獲得更準確、更及時的潛在風險衡量標準。

而瞭解奧密克戎病例的絕對數量本可以預示住院人數的激增和每日高達2500人的死亡浪潮。本月，美國已超過100萬新冠死亡病例。

致信喬什·祖姆布倫，郵箱：[email protected]

刊登於2022年5月28日印刷版，標題為《病毒病例再次上升，數據卻變得更糟》。