人（rén）民网旧（jiù）金山4月17日电 （邓圩 杨志宏）来自美国华盛（shèng）顿大学的一项流行病数据研究（jiū）表明，“封城”令武汉的新（xīn）冠（guàn）肺炎疫情基本传染数R0从2.7-4.2降到1，有效地（dì）阻（zǔ）断（duàn）了更大规模（mó）疫情暴发。

新冠疫情蔓延以来，R0、拐点、放平曲线，变成大家耳熟能详的热词。“约（yuē）翰斯（sī）·霍普金斯大学如何（hé）成为全球（qiú）疫（yì）情数据网红”“全球超100万人（rén）感染新冠！自然（rán）杂（zá）志揭秘帝国理工如何预测疫情趋势”“斯坦福教（jiāo）授声明疫情很快终（zhōng）结，不（bú）必恐慌”……这样标题的报道（dào）经（jīng）常出现。

很（hěn）少有一个时刻（kè），专业化的流行病学数据研究（jiū）这样吸引大（dà）众关注；很少有一个时期（qī），公众意识到（dào）准（zhǔn）确理解数据变化（huà）对自己影响重（chóng）大。流行（háng）病学数据研（yán）究项目是怎么兴（xìng）起的？数（shù）据（jù）是怎么（me）产生（shēng）的? 数据研究（jiū）和（hé）决（jué）策（cè）如何（hé）发生互动（dòng）？人民网美西记（jì）者就这些问题先后采访了（le）美国华盛顿（dùn）大学陈迎庆教授和罗切斯特大学罗杰波（bō）教授。

数（shù）据研究显示武（wǔ）汉“封城”效果（guǒ）显著

在最近发（fā）表的一篇论文（wén）中，美国西雅（yǎ）图华盛顿大学陈迎（yíng）庆教授研究团（tuán）队（duì），用统（tǒng）计模型（xíng）分（fèn）析了（le）新冠病（bìng）毒在武汉市的早期传（chuán）播情（qíng）况。这个模型依据病毒传播（bō）自然史，用每天（tiān）新发病数，提出（chū）了疑似的发病前（qián）无症状传染途径。按照（zhào）他（tā）们的分（fèn）析，估算新冠病毒早期基本传染数（shù）R0约为2.7-4.2。但2020年1月23日开始，武汉封城后的4-5天内，实际传染数很快降至1，证明了“封（fēng）城”策略有效阻断更大规模（mó）的暴发。

陈迎庆教授也（yě）是美国ASA（美国统计（jì）协会）会士，他的（de）研究项目更多关注于（yú）全球。在新冠疫情暴发期间，他的（de）团（tuán）队（duì）另一项研究（jiū）以肯尼亚为研究对象，采集数（shù）据研究（jiū）新冠疫情对艾滋病预防的影（yǐng）响。他认为，在（zài）人类社会（huì）活动如（rú）此发达的今天，任何传染病（bìng）都具（jù）备（bèi）了全球传染的（de）可能。陈（chén）教授关心的颗（kē）粒度是多元化、多层次的，可以细致到病毒本身的基（jī）因序列演化和个人行为差异，也（yě）可以涵盖社区防疫、各国以及世界卫生组织（WHO）的政策影响（xiǎng）。“更重要的（de）一点是，这些项（xiàng）目是（shì）动态的，会随着时间不断地调整项目的数据采集（jí）和分析方向。”他说（shuō）。

大数（shù）据能够对（duì）控制流行（háng）病有（yǒu）用，还取决（jué）于一（yī）些（xiē）条件。“能够（gòu）及时、准确地采集各（gè）种（zhǒng）数据，是有效的（de）治疗和预（yù）防的前提。”陈教授举例说，中国的传（chuán）染病数（shù）据（jù）检测系统很发达（dá），过（guò）去也做（zuò）得很成功，尤其是2009年内蒙爆发猪流感（gǎn）的时候（hòu），运作很有效。因为很有效，所以早期就（jiù）遏制住了，也没有引起公众注意和恐慌。“这次COVID-19的隐匿性太强大（dà），很多感（gǎn）染者前期（qī）并没有症状，很容易造成检（jiǎn）测系统的错失和被动。”他说。

始于九十年代人（rén）类（lèi）基因组的研究，借助于日益（yì）提高（gāo）的计算能力（lì）和算法，大大推动了利（lì）用大数（shù）据来研究人类健康和公共卫生的发（fā）展。传染病（bìng）预防（fáng）是遏制传（chuán）染病进一步传播的关键，预防措施取决于对传染病本（běn）身的了解（jiě），从而对现（xiàn）有手段和资（zī）源的掌握、调度和实施。所以，大数（shù）据研究（jiū）往往能够未雨绸（chóu）缪。

“抗（kàng）击（jī）新冠病毒（dú）已经进行了几个月，世界各（gè）国人民已经付出了（le）巨（jù）大（dà）牺（xī）牲（shēng），未来可能要进行长（zhǎng）期的艰苦努力，相信大数据研究一定会继续积极促进科（kē）学决策，为人类文明胜（shèng）利战胜新冠病（bìng）毒做出贡献。”陈教（jiāo）授认（rèn）为（wéi），这次新冠肺炎疫（yì）情灾害的影响是前（qián）所未（wèi）有的。道高一尺，魔高一（yī）丈。当人类的抵御手段加强，病毒的（de）感染和（hé）致病能力（lì）也会（huì）加强。人类已经无法回到小国相邻鸡犬相闻、老死不相往来的（de）时（shí）代。要阻断病毒（dú）流行，需要更（gèng）多的全球合作和协调，重视数据采集和共享，提（tí）高公共卫生（shēng）决策（cè）和疾病预防的反应。

大数（shù）据（jù）研（yán）究促进科学（xué）决策

美国罗切（qiē）斯特大学罗杰波教授目前（qián）正在研（yán）究比对不同城市的公（gōng）交系统对疫情蔓延（yán）的影响，比如纽约和洛杉矶，华盛顿和西雅图。通过比（bǐ）对不同城市（shì）的应对，检（jiǎn）查（chá）公交系统和干预手段在疾（jí）病流行中的（de）影响，测定预（yù）防干预效（xiào）果。

罗教授指出，在（zài）数据采（cǎi）集（jí）方面，直接的追踪固然是个（gè）好办（bàn）法，问（wèn）卷调查也是一个（gè）好办法（fǎ）。但（dàn）是由（yóu）于各种社会和心（xīn）理因素对（duì）结（jié）果的干扰，数（shù）据需要“清洗”才能（néng）相对准确。罗教（jiāo）授希望采（cǎi）用观（guān）察、间接、不干预的（de）方式获取数据，例如调查谷歌搜索中，在特定时间、特定区域查找疾病关（guān）键词的频度，了解流行病区域分布（bù）情况；在（zài）社交媒体追踪人们情绪和关注点数据等。这是获（huò）取更准确研究结果的一个（gè）办法。

他介（jiè）绍，学术上大数据与流行（háng）疾病传染研（yán）究项目的（de）兴（xìng）起有很多因素，根本动（dòng）力来自于（yú）用大数据研究促进社（shè）会健（jiàn）康的公益目的，来自（zì）于对（duì）疾病预防的意义。

事（shì）实上，并没有一（yī）个机制或者“文件”保（bǎo）证这（zhè）些研究机（jī）构的研究数据和成果（guǒ）能（néng）被（bèi）运用于（yú）决策。但（dàn）他们的确在决策中发生了重要（yào）作用。包括人们熟悉的疫情数（shù）据（jù），目前被（bèi）引用最多的就是约翰·霍普金斯大（dà）学（xué）的（de）疫（yì）情数据，华盛顿大学（xué）的疫情数据，以及以留学生和硅谷工程师为技术团队的“一亩（mǔ）三分地”疫情数据，这些数（shù）据因为实时更新快，统计准确而（ér）为大家所信服。

来（lái）自美（měi）国疾病控制与预（yù）防中心CDC的（de）一份报告显示，正在（zài）美（měi）国流行（háng）的疫情让全美（měi）50个州选择隔离在家的政策。但（dàn）很少为人（rén）所知，正是来自加州旧金山湾区圣塔克拉拉县的一份（fèn）独特的早期（qī）研究报告帮助当（dāng）地官员（yuán）们（men）意（yì）识到危机（jī）来（lái）临，并制定了美国首个防疫点，也成为美国最早宣布进（jìn）入（rù）紧急状态（tài）、最早命令居家隔（gé）离（lí）、最早全州“关（guān）闭”的地方。

今年2月底，1例（lì）无武（wǔ）汉（hàn）旅（lǚ）行史的新冠疫情患者在圣（shèng）塔克拉（lā）拉县发现，按照当时（shí）的（de）政策，任何无武（wǔ）汉旅行史的（de）人、或者（zhě）无确认接触过已知（zhī）感染者（zhě）的人不（bú）能获得新（xīn）冠病毒检测。但这位患（huàn）者令当地敏（mǐn）感意识到这可能已（yǐ）经是社区扩（kuò）散（sàn）的开始。

圣塔克拉拉（lā）县（xiàn）卫生局（jú）紧急上报美国CDC，联合加州卫生厅（tīng）和CDC，一起做（zuò）了小规（guī）模的流行（háng）病盯梢监（jiān）视（shì）调（diào）查（chá）。从3月4日到3月15日进行的小（xiǎo）规模（mó）研究，印证了社区传（chuán）播的判断。“这很重要。因为它表明，这种疾病（bìng）在（zài）社区中有传（chuán）播，而且（qiě）这种（zhǒng）疾病（bìng）的传播范围可能比以前所了解的（de）更广，”圣塔克（kè）拉拉县卫生副（fù）局长乔治?韩博士说。“正因为如此（cǐ），我们能够（gòu）将这些数据作为一（yī）项数（shù）据，告知（zhī）我们（men）如何向公众提出（chū）建议和命令。”

美国（guó）流行病（bìng）数据研究机构如何运行？

陈（chén）迎庆说，通常情况下（xià），决（jué）策机构本身不会参与大数据（jù）科研项目（mù）的日常运作，但可（kě）以请求为项目提供数据支持、模型分析和（hé）疫（yì）情预报（bào）。无论是联（lián）邦（bāng）政府还（hái）是地方政府（fǔ），直（zhí）接行政干预很（hěn）少。有些时候，政府会用特定（dìng）的招标来资助一些项（xiàng）目（mù）和（hé）科研网络。不（bú）同的研究团队（duì），会（huì）通过（guò）各种方式来进行交（jiāo）流和（hé）学习。流行病数据（jù）研究的生态（tài）圈整体是有活力的，既有竞争也有合作。

流行（háng）病数（shù）据研究（jiū）公（gōng）开向全社会提供（gòng），政（zhèng）府在学界研究（jiū）中寻求决（jué）策的参（cān）考和依据，实际上（shàng）是（shì）长期以来形（xíng）成的社会生态链。

而所谓国家级研究机构，比如NSF（美国国家科学（xué）基金会）、NIH（国立卫（wèi）生（shēng）研究院）、CDC的研究机构（gòu）等，这（zhè）些“国家队”往往（wǎng）并不（bú）解决（jué）尖端创新问题。罗杰波教授告诉记者，像NSF、NIH这（zhè）些机构（gòu），内部负责管理资金、负责项目的科学家，他们的研究目标并不是攻克这个专业的顶尖问（wèn）题，他们最重（chóng）要的责任是（shì）始终不（bú）脱离学术界，始终（zhōng）保持对学（xué）术界创新和动态最（zuì）敏感的触觉。一旦（dàn）碰到相应问题（tí），这些机（jī）构一定要（yào）最清楚去找（zhǎo）谁来解（jiě）决。

不以营（yíng）利为（wéi）目（mù）的，参与政府招标（biāo）项目也（yě）“非主流”，项目研究的经费从哪里来？陈迎庆教授告诉记者，项目的经（jīng）费来源很多样。在美国（guó），美国国立卫生研究院和疾控中心是项目最主要的经费资助机构。其他各种基金（jīn）会（huì），还有（yǒu）各类高校、科（kē）研（yán）机构以及商业机构，都投（tóu）入大量经费（fèi）支持此类研究。

对学者来说（shuō），只要把研（yán）究触角放到（dào）新领域，致（zhì）力于新研究，就会有“新钱”（新投（tóu）资）。罗杰波教（jiāo）授解（jiě）释（shì），创新的、尖端的（de）研究（jiū）和探索往往是获得（dé）更（gèng）多资（zī）金的资（zī）格。学术界回馈社会的方式，主要途径包（bāo）括发表论文，不仅仅是刊登在“核心”期（qī）刊，而是去增加（jiā）全社会对问题（tí）的认识（shí），促进社会大众建立（lì）基于科学研究的共识。