COVID-19数据的起伏可能是由数据报告实践造成的

随着COVID-19病例和死亡数据的积累，研究人员观察到几乎每周都会重复出现高峰和低谷的模式。但是，究竟是什么驱动了这些模式仍然是一个悬而未决的问题。

一项研究本周发表在mSystems报告称，这些波动源于检测做法和数据报告的变化，而不是关于人们如何感染或治疗的社会习俗。研究结果表明，传染病的流行病学模型应考虑到诊断和报告方面的问题。

“获取数据的实践有时和数据本身一样重要，”纽约市阿尔伯特·爱因斯坦医学院的计算生物学家Aviv Bergman博士和马里兰州巴尔的摩市约翰·霍普金斯布隆伯格公共卫生学院的微生物学家Arturo Casadevall博士说。Bergman和Casadevall与Yehonatan Sella博士和Peter Agre博士一起在阿尔伯特·爱因斯坦大学进行了这项研究。

2003年诺贝尔化学奖得主之一阿格雷注意到，数据中精确的每周波动明显与星期几有关，这项研究由此开始。伯格曼说:“我们变得非常怀疑。

研究人员收集了从1月到6月底161天内美国全国数据中每日检测、阳性检测和死亡的总数。他们还收集了纽约市特定数据和洛杉矶特定数据，从3月初到6月底。为了更好地理解振荡模式，他们进行了功率谱分析，这是一种识别信号中不同频率的方法。(它通常用于信号和图像处理，但作者认为这项新工作代表了流行病学数据的首次应用。)

分析指出，全国新病例的上升和下降周期为7天，纽约市和洛杉矶分别为6.8天和6.9天。这些波动反映在分析中，例如，分析发现，死亡率在周末或周末较高。

研究人员对信号的一致性感到震惊，开始寻找解释。他们报告说，周末社交聚会的增加可能不是一个因素，因为从接触冠状病毒到出现症状的时间可能在4-14天之间。之前的分析也表明，患者在一周的晚些时候接受质量较低的护理，但新的分析不支持这一假设。

研究人员随后检查了报告实践。一些地区，如纽约市和洛杉矶，会根据个人死亡时间来报告死亡人数。但是国家数据公布的是死亡报告的时间，而不是死亡发生的时间。在报告死亡日期而不是报告日期的大型数据集中，明显的振荡消失了。病例报告中的类似差异解释了在新病例数据中发现的振荡。

这项新研究的作者指出，周末的互动或医疗保健质量可能会影响结果，但这些社会因素对重复的模式没有显著影响。

Casadevall说:“这些波动是公共卫生应对中出现问题的先兆。”

研究人员强调，检测数量和病例数量之间不存在联系，除非数据报告实践发生变化，否则振荡将继续存在。伯格曼说:“只要有感染者，就会一直观察到由于检测数量和报告数量的波动而产生的波动，即使病例数量下降了。”

---

---