撰稿人：Lia ／ 責任編輯：Zaphyra
2020年3月11日，世界衛生組織（WHO）正式宣布，由新型冠狀病毒引發的COVID-19疫情，已構成全球性的大流行（Pandemic）。在此之後的數年間，數據－以確診病例、住院人數與死亡人數等不斷攀升的曲線形式呈現－成為了全球社會最為渴求、也最具影響力的資源。各國政府的封鎖決策、醫療資源的分配、乃至民眾的個人行為，都高度依賴這些即時更新的統計數字。然而，這場史無前例的全球公衛危機，也殘酷地暴露了現行公共衛生數據收集、分析與共享體系的深層脆弱性。數據的定義不一、報告延遲、統計口徑的差異以及檢測能力不足所造成的系統性低估，共同構成了一場「數據的迷霧」，嚴重阻礙了各國制定及時且有效的應對策略。
在這場迷霧中，幾個核心指標的內在缺陷尤為突出。首先，「每日新增確診病例」是最受關注的數據，但它在疫情初期，因檢測能力嚴重不足，僅能反映出病毒傳播的「冰山一角」，大量輕症與無症狀感染者被遺漏，導致公眾與決策者對病毒的真實傳播速度產生嚴重誤判。其次，「住院人數」雖能更好地反映疫情的嚴重程度與醫療系統的壓力，但在各國乃至各地方之間，其報告標準卻存在巨大差異。例如，部分地區統計的是「因COVID-19而住院」的人數，而另一部分則統計「住院時檢測呈陽性」的所有病患，兩者之間存在顯著差異。最後，「死亡人數」被認為是相對最可靠的滯後指標，但也同樣面臨初期檢測不足導致的低估，以及後續因回溯統計「疑似死亡病例」而造成的數據曲線人為性陡增，進而干擾了對疫情趨勢的準確判斷。為彌補官方統計的不足，流行病學家後續普遍採用「超額死亡率」（Excess Mortality）作為評估疫情真實衝擊的黃金標準。
COVID-19的經驗凸顯了公共衛生情報體系現代化的迫切性。在美國，一個高度去中心化的公衛體系，導致數據從數千個地方衛生部門，以不同的格式與時效性，層層匯報至聯邦層級，造成了嚴重的數據整合與分析延遲。這場危機已成為全球性的警鐘，促使各國重新審視其數據基礎設施的投資。在美國國內，疾病控制與預防中心（CDC）啟動了「數據現代化倡議」（Data Modernization Initiative），旨在建立一個更為整合、快速與標準化的全國性公衛數據平台。在國際層面，世界衛生組織也正積極推動一項新的《大流行病協定》，其核心目標之一，便是建立一套全球性的規則與標準，以確保在未來的公衛危機中，各國能夠進行更及時、透明與可靠的數據共享。這場疫情的慘痛教訓是：在與新型病原體的賽跑中，準確、即時的數據情報，與疫苗和藥物同等重要。
全文
Lia. Independent Media 台北報導
在21世紀的第三個十年之初，人類社會集體陷入了一場前所未有的焦慮。人們每天的生活，似乎都被螢幕上幾條不斷變動的曲線所定義－紅色的線代表著確診病例，藍色的線代表著死亡人數。這些冰冷的數據，以前所未有的方式，支配著我們的日常生活、國家的經濟命脈與全球的政治互動。它們是政府下令封城的依據，是醫院分配呼吸器的參考，也是我們決定是否要拜訪年邁親人的權衡。數據，在這場與COVID-19病毒的戰爭中，被賦予了羅盤的重任，人們期望它能指引我們穿越這場歷史性的迷霧。然而，隨著時間的推移，一個令人不安的現實逐漸浮現：我們所依賴的這個羅盤，其指針時常搖擺不定，讀數充滿了噪音與延遲。這場大流行，不僅是一場與病毒的對抗，更是一場對我們收集、解讀與運用數據能力的嚴峻考驗。
解讀曲線：疫情核心指標背後的陷阱
在全球抗疫的過程中，公眾與決策者主要依賴幾個核心指標來判斷局勢。然而，每一個看似客觀的數字背後，都隱藏著複雜的統計陷阱。
「每日新增確診病例」無疑是曝光率最高的指標。然而，這個數字的可靠性，完全取決於一個國家的檢測能力與策略。在疫情爆發初期，全球絕大多數國家都面臨著檢測試劑嚴重短缺的困境，檢測能力只能集中於有明顯症狀的重症患者。這導致了大規模的系統性低估，無數輕症與無症狀感染者，如同冰山在水面下的龐大基座，從未進入官方的統計視野。另一個衡量檢測充分性的指標是「陽性率」，即陽性檢測結果佔總檢測數的比例。高陽性率通常意味著，只有症狀最明顯的人群得到了檢測，社區中存在大量未被發現的感染者。
「住院人數」則被視為衡量疫情嚴重性與醫療系統負荷的更佳指標。但即便是這個數據，也因統計口徑的不統一而變得模糊。例如，一個因車禍入院的病人，在入院篩查時被發現為COVID-19陽性，他是否應被計入「新冠住院人數」？各國、各州甚至各家醫院，對此都有不同的標準。有的統計「因新冠而住院」的病例，有的則統計所有「住院時攜帶新冠病毒」的病例，這兩種統計方式所得出的數字，可能會有天壤之別。
「死亡人數」是整個疫情中最令人悲痛、也是最滯後的指標。通常，從感染到出現症狀、住院、再到不幸去世，會有數週的時間差，這使得死亡曲線的變化，總是比感染曲線晚幾個節拍。此外，死亡人數的統計也同樣面臨挑戰。在疫情初期，許多在家中或養老院去世的病人，若未經檢測，便不會被計入官方的新冠死亡統計。而後續，當一些地區將這些「疑似死亡病例」回溯性地加入統計時，又會造成單日死亡人數出現人為的、不反映真實疫情趨勢的劇烈波動。為此，流行病學家與公共衛生專家，更傾向於使用「超額死亡率」（Excess Mortality）這一指標。它透過比較疫情期間的總死亡人數與過去同期的歷史平均死亡人數，來估算疫情造成的直接與間接死亡總和，被認為是衡量一場大流行真實衝擊的最可靠的黃金標準。
數據的碎片化：美國面臨的獨特挑戰
如果說數據的內在缺陷是全球性的問題，那麼數據的「碎片化」，則是美國在應對疫情時所面臨的一個尤為突出的挑戰。與許多擁有中央集權式公衛體系的國家不同，美國的公共衛生系統是一個高度去中心化的聯邦制結構。數據的收集，始於全國數千個獨立運作的郡、市級地方衛生部門。這些部門再將數據上報給各自的州衛生廳，最後由州一級匯總給聯長的疾病控制與預防中心（CDC）。
這套如涓涓細流匯成大河的數據傳導鏈，在現實中暴露了諸多弊病。首先，各個層級之間缺乏統一的數據標準與報告格式，有的地方用電子系統，有的仍依賴傳真，導致數據的整合極其耗時且容易出錯。其次，數據的上報存在明顯的「週末效應」，許多地方部門在週末人手不足，數據報告會出現延遲，導致每週一、週二的數據通常會人為性偏低，而週中則會出現補報性的高峰。這種有規律的波動，增加了判斷真實疫情趨勢的難度，這也是為何專家們反覆強調，應關注「七日平均值」而非單日數據。這種數據傳輸的遲滯與不暢，直接導致了聯邦政府在制定全國性應對策略、調配呼吸器與個人防護裝備等關鍵醫療資源時，缺乏一個及時、準確的全國性視野，如同在濃霧中指揮作戰。
從數據到決策的鴻溝
公共衛生數據的最終目的，是為有效的決策提供依據。然而，COVID-19的經驗表明，在數據與決策之間，存在著一道巨大的鴻溝。不準確、不完整、不及時的數據，直接導致了許多國家的防疫政策，長期處於被動應對的狀態。許多封鎖與社交距離限制措施，往往是在醫院不堪重負、死亡人數急劇攀升之後才遲滯性（belatedly） 實施，而那時，社區傳播的「火勢」早已蔓延開來。
此外，數據呈現方式的混亂與官方口徑的搖擺，也嚴重侵蝕了公眾的信任。當公眾看到數據被反覆修正，對同一指標的解釋口徑不一時，便容易產生困惑甚至懷疑，這為各種不實資訊的傳播提供了土壤，也極大地增加了推行疫苗接種、口罩強制令等必要公衛措施的社會阻力。
為下一次大流行修補訊息網絡
歷史上，每一場大流行在帶來毀滅的同時，也迫使人類社會進行痛苦的反思與變革。黑死病催生了現代公共衛生的雛形，1918年大流感則推動了全球流行病監測網絡的建立。今天，COVID-19的慘痛經歷，正以前所未有的力度，推動著全球公共衛生情報體系的現代化。
在美國國內，CDC已啟動了其「數據現代化倡議」（Data Modernization Initiative），目標是投入數十億美元，徹底改造陳舊的數據系統，建立一個能夠從地方到聯邦，進行快速、自動化、標準化數據交換的全國性公衛訊息高速公路。在國際層面，WHO成員國之間關於制定一項具有法律約束力的《大流行病協定》的談判，也正在艱難地進行中。該協定的核心支柱之一，便是建立一套所有簽約國都必須遵守的、關於病原體監測與數據共享的透明化規則。
COVID-19的教訓是清晰而深刻的：在21世紀，一個國家的公共衛生安全，不僅僅取決於其擁有的醫院床位與疫苗研發能力，更取決於其數據情報的收集、分析與傳遞能力。在與下一個未知病原體的競賽中，數據的流動速度，將直接決定我們拯救生命的速度。為此而進行的投資，不是成本，而是對未來最根本的安全保障。
資料來源
World Health Organization (WHO)：WHO Director-General's opening remarks at the media briefing on COVID-19 - 11 March 2020
https://www.who.int/director-general/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march-2020
Centers for Disease Control and Prevention (CDC)：CDC’s Data Modernization Initiative
https://www.cdc.gov/data-modernization/index.html
Johns Hopkins Coronavirus Resource Center (Archived)：Mortality Analyses
https://coronavirus.jhu.edu/data/mortality
The New York Times：How to Understand the Covid-19 Numbers
https://www.nytimes.com/2020/04/05/us/coronavirus-outbreak-data-explained.html
The Lancet：COVID-19 pandemic and the patchwork of public health data systems in the United States
https://www.thelancet.com/journals/landig/article/PIIS2589-7500(20)30144-X/fulltext
Our World in Data：The COVID-19 pandemic: a retrospective on the data that guided our response
https://ourworldindata.org/covid-retrospective
The Economist：The pandemic’s true death toll
https://www.economist.com/graphic-detail/coronavirus-excess-deaths-estimates