新媒体运营实务(用数据预测城市感染峰值,其原理是什么,拐点何时出现?)
12月25日,国家卫健委发布说明,从即日起,不再发布每日疫情信息,将由中国疾控中心发布相关疫情信息,供参考和研究使用。我们发现,石家庄、保定、张家口这些城市,两个关键词的曲线在12月19日左右产生了交叉。
用数据预测城市感染峰值,其原理是什么,拐点何时出现?
12月25日,国家卫健委发布说明,从即日起,不再发布每日疫情信息,将由中国疾控中心发布相关疫情信息,供参考和研究使用。
距离国家卫健委2020年1月20日发布第一个疫情通报,已经1070天。与此同时,一个在社交媒体上广为流传的“全国各城市达峰进度表”,则成为人们了解本地疫情发展的参考。它的预测是基于什么原理,何时会出现拐点呢?
数学模型预测疫情峰值
12月5日起,全国多地取消常态化核酸检测、进入公共场所不再扫“场所码”。自此,一个城市的感染者、确诊者、康复者到底有多少,谁也说不清。身边不断传来“阳”的消息,许多人处于焦虑之中。
12月中旬,一个“全国各城市达峰进度表”在社交媒体上疯传。数据是结合百度搜索指数,经过复杂计算后预测出不同城市第一波疫情的达峰日期。
我查了一下,这款小程序名叫“数据团+”。在小程序上选择想要查询的城市,便可以显示所预测的该城市“疫达峰”可视化进度图表。如小程序显示北京第一波高峰到达日为12月17日,第一波高峰结束日为1月12日。当日预测规模为50.12万人,累计预测比例为55.26%(源自12月25日数据)。
数据预测原理是什么?
这种从统计学角度做流行病的预测和观察所得出的宏观趋势,具有一定的参考价值。
科学精神就是大胆假设,小心求证。那么,这种假设的原理是什么?
根据小程序早期版本上的说明,其预测方法使用了多个平台的症状关键词搜索数据,总体来说,是看超额搜索指数的覆盖面积,当覆盖面积达到一定阈值后就代表人口感染达到一定阈值,感染自然达峰、结束。
每个城市的参考值,被称为超额发烧搜索指数计面积S。S是一个每天数据的累计和,S=S1+S2+……。而每天的S,是由疫情期间百度指数均值减去非疫情期间百度指数均值,它们的差再除以非疫情期间百度指数均值,而这里百度指数所用的关键词,就是“发烧”。
我们以石家庄为例,通过百度指数,可以查到“发烧”一词在疫情之前的平均指数为161,而在11月7日之后,“发烧”一词的搜索指数增长很快。比如11月11日达到250,11月22达到321,12月4日是604,12月9日是936,12月17日是1009。自此,发烧一词的搜索指数达到顶峰,开始逐渐回落。
是谁做的这项预测?
根据“数据团+”上的提示,其研发者为知乎平台上的账号“chenqin”。这个账号不简单。这是一位拥有115万粉丝的大V,其标签定位为“数据帝“,认证信息是“人文盐究员”,在人口经济学、经济学方面有突出贡献,是2021新知答主。
公开资料显示,账号的运营人陈沁,毕业于复旦大学经济系,曾任教于复旦大学经济学院,现任BBD Index首席经济学家。曾在China Economic Review、《经济研究》《经济学季刊》《金融研究》等权威期刊发表过诸多论文。
他较早用搜索指数来监测新冠在全国各地的传播思路,是出现在11月10日的一篇文章中。他在文中表示,对于世界上的其他国家,用fever之类的google指数来看,能看出很明显的趋势。但当时国内与国外情况不同,所以用搜索指数来检测新冠在全国各地的传播不太现实。
12月10日,他在一个回答中提到:在全世界范围内,可以看到各个东亚国家、地区的搜索指数和当地病例情况高度相关:其中香港特别行政区和台湾地区的搜索指数是“發燒”,新加坡用的是“fever“,日本则用了“発熱”。可以看到,当这些地区进入与疫情共存的阶段后, “发烧” 搜索指数的上升,从时间上看基本都和当地的新增病例数同步,或者领先一周左右。
12月11日,他正式公布了预测感染高峰期的方法,并附上了所有能在明年春节前达峰的城市以及这些城市在达峰前已经感染的人口比例,从而引发全网关注。
陈沁表示,疫情达峰时间的推算,原本只是搜索指数的一次尝试,初衷是觉得有趣,但无心插柳,竟然能帮助许多人缓解焦虑。焦虑来自哪里?来自未知。既然和疫情共存了,那么不怕它不来,肯定得来,就怕它在计划外乱来。那么有一个数据,虽然简陋,但也比没有数据好,至少大致上是和真实趋势吻合的。
关于数据的准确性
以我所在的石家庄为例,我所认识的亲戚、朋友、同事等,在12月中旬,大都阳了一个遍,与软件的预测基本吻合。
12月20日,有网友反馈:他在武汉,小程序预测的是12月19日到达高峰,19日之前的美团优选都是晚上11点后才能下单,并且要到第三天才能到提货点。20日当晚8点,他上美团优选一看,所有的都能下单,并问了团长下单后什么时候可以到货,回复说第二天中午就能到。那说明配送的人已经恢复并到岗,物流配送已经正常了。之前只能晚上11点后下单,他特意问了的,不是因为卖光了,而是因为人手不够送不过来,只能停卖。所以,得出结论,武汉的高峰确实是在19日达顶。
青岛市卫健委12月23日晚通报,青岛正处于高峰来临前的快速传播阶段,目前每日新增感染量为49万人-53万人。这是全国各地首个大城市将日感染量估算到50万级的规模,突破了以往的计算模式。而将这一数据与“数据团+”相比照,基本吻合。
达峰后的拐点在哪里?
”数据团+“的原理,就是根据人们的关键词搜索习惯,来判断一个城市现在疫情发展处于什么阶段。此前,陈沁锁定的是“发烧”这个词汇(后期涉及数据污染,又尝试了“发冷”等词汇),来判断一个城市感染的峰值,以及后期的结束时间。
我在此基础上,考虑到,发烧属于感染前期症状,而咳嗽属于退烧甚至转阴后的后期症状。以我个人为例,转阴之后一周多时间,还在不断咳嗽。周围大部分人也是如此,大家会去搜与咳嗽相关的解决方案。
因此,把这两个关键词对比分析,会不会得出一个城市达峰后的拐点呢?或者作为后感染时代的一个标志?
我拿以下城市进行对比:
一类是河北的城市。这些城市属于感染较早,并且已经完成达峰。
我们发现,石家庄、保定、张家口这些城市,两个关键词的曲线在12月19日左右产生了交叉。
在这个日期之前,是发烧搜索高于咳嗽。而在这个日期之后,咳嗽高于发烧。那说明,这个时间点,就是转阴的人数高于阳性新增人数的一个标志。同样,北京也是如此。
第二类是一些此前疫情控制较好的城市,比如广州、杭州、南京等。从两个关键词曲线对比,它们还处于平行上升状态,说明新增阳性感染者是多于转阴康复者,整个城市还处于感染上升期。
第三类是一些在12月初仍然实行严格管控的城市。比如有媒体报道,12月1日威海市民暴风雪中做核酸。还曾有网友在微博上反映,他们的快递在山东滞留时间较长,原因就是疫情管控。
通过对比威海、临沂等地数据,我们会发现,这两个关键词曲线基本处于平行状态,说明疫情发展还是在持续走高,发烧的人处于上升期,而咳嗽转阴的人数相对较少。
“医疗大数据”的使用
事实上,运用统计学的专业知识进行大数据分析、预测的案例并不少见。国家统计局每个月发布的宏观经济数据如全国CPI(居民消费价格指数)和PPI(工业生产者出厂价格指数)等,便是在对相关主体进行抽样调查的基础上进行的。
另外,相关机构通过对人口基数和增速进行统计后,对人口规模的预测也属于统计学的应用。
而此次“疫达峰”所属的医疗卫生领域,则是统计学大数据适用的一个相对特殊的领域。
国外“医疗大数据”的一个典型案例,就是谷歌流感趋势(GFT)。谷歌公司发现,每年大约有9000万美国居民使用互联网来查询与自身相关的疾病、药物或者医院信息,而关于流行性感冒的搜索量可以及时地反映当时流感的现状;因此,他们使用互联网搜索记录来即时预测美国疾控中心延迟发布的疑似流感病例占比。该研究利用2003-2007年这五年的流感数据做模型,其推论在2008年的测试数据中得到很好验证,之后很长一段时间的流感预测结果也与实际情况非常一致。
我身边也不乏大数据助力医学的例子。比如有医生通过大量收集患者声音,预判诊断新患者病情。有医生通过收集舌苔状态及颜色,通过对比,给新患者开出中医药方。
回归到本次模型预测的价值本身,北京社科院研究员、中国人民大学智能社会治理研究中心研究员王鹏在接受《北京商报》采访时表示,就模型所测的月份上的峰值,在宏观角度上可以为线下防疫提供参考。“一方面各地通过感染情况,提前做好医疗资源、物资储备、人员调度等,也为市民日常生活防护进行一定的提醒;另一方面,这种模型对全国各地‘疫情峰值’进度都有一定预测,为全国一盘棋、疫情发展阶段不同的地区合作调配资源等提供了参考。”
本文部分资料来自“数据团+”小程序、百度指数、知乎平台、《北京商报》相关报道