统计分析方法应用——Covid-19 Analyst（二）

库得克

第2节 案例

病例与感染并不相同，因为感染可能无症状，因此永远不会成为病例。本节主要关注病例，但部分讨论也将涉及感染。

全世界对病例的关注度已经超过了死亡人数。人们认为，控制病例就等于控制死亡人数。这在试管内是有道理的。病例越多，死亡人数就越多。但在试管外，情况就没那么简单了。死亡人数和病例数并不像在试管内那样相关。过分关注病例可能会导致不必要的困扰。

2.1 Covid-9病例透视

鉴于大众都接受的结论，即Covid-19是一种猖獗且致命的病毒，其致命性和传染性远超流感，因此，通过审查全球数据来首先获得全球视角是明智之举。

截至10月3日，全球报告的病例数已达3500万例。趋势如图7.1所示。病例数曾出现激增，现在似乎又再次呈现上升趋势。曲线呈线性分段，并不符合模型中使用的理论分布。

图7.1 截至2020年10月3日的每日累计病例数

病例每天增加28万例，但我们就说每天增加30万例吧。外推法并不可靠，因为可能会出现更多的突变。一切皆有可能。按照这个速度，还剩84天，到年底病例将达到6000万例，但我们假设是6500万例。没有必要减少数字。数字不应该像专家们让我们习惯的那样让我们感到恐惧。

首先，我们需要运用清晰的思维。所报道的只是数字，没有其他内容。它们并非全球实际的总感染人数。我们不知道这些数字代表什么，也永远不会知道。我们只知道每日报告上显示的数字。这些数字取决于报告的勤勉程度、检测规模、检测的准确性、感染阶段等诸多因素。所有这些因素都是不可靠的。

让我们从正确的角度来看待这些看似“巨大”且引发恐慌的数字。

据美国疾病控制与预防中心（CDC）估计，美国每年有900万至4500万人因流感病毒而患病

美国人口占世界人口的4%。这些是症状性病例，因为它们是疾病。https://www.cdc.gov/flu/about/burden/index.html

如果全球感染人数与人口规模成正比，那么可以说全球每年的流感总感染人数在2.25亿至11亿之间。当然，全球感染人数不太可能与美国感染人数直接成正比，因此这一估计仅是一种推测，而非精确事实。

另一种估算方法如下。根据https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3278149/，流感是一种高度传染性的呼吸道疾病，可导致显著的发病率和死亡率。全球每年约有9%（702,000,000）的人口感染流感，感染人数高达10亿（包括无症状感染者）。这支持了基于预测美国病例感染数的基本粗略计算。

全世界每年有0.7至10亿人感染流感，却不会因此而草木皆兵，然而对于目前估计约为6500万的感染病例，人们却每天神经紧张。这是不合理的。

我们可以认为，Covid-19的感染数据是在实施了封锁和严格保持社交距离措施的情况下得出的，如果没有这些措施，感染和病例的数量将会大幅增加。大多数国家并未实施有效的封锁措施，美国就是一个例子。针对这一点，有人可能会说，我们有流感疫苗。

但流感疫苗并非100%可靠。据估计，疫苗接种率为38%，但其可靠性难以确定。此外，非洲、东地中海和东南亚地区仅使用了5%的疫苗剂量。

https://www.acsh.org/news/2018/10/26/influenza-vaccination-global-not-same-12504

2.2 活在愚人的天堂里

2.2.1 发病率

第1节从数字的角度进行了分析。但这些数字毫无意义。它们基于的是伪科学。可以说，我们生活在一个愚人的天堂，因为没有应用报告科学。

这些是在某个时间间隔内出现的新病例。每日报告病例是发病率报告的一个例子。在这里，时间间隔是按天计算的。理论上，这些信息可以用来观察病毒传播的速度，并帮助预测医院是否会不堪重负，以及死亡人数是否会失控。

在实践中，这种报告方式仅适用于所报告的发病率为参考人群中的总发病率的情况。例如，当公众因一种新的病毒性疾病而自发前往诊所就诊时，每日报告病例是有意义的。这些病例将使我们能够了解新疾病的广泛程度、传播速度以及传播地点。统计数据是人群中自发就诊的人数。如果报告了1000例病例，那么我们就知道，人群中有1000人（不多也不少）出现了足够的症状，自发前往医疗诊所就诊。

另一种适合采用事故率报告的情况是死亡事故。

Covid-19的情况则有所不同。对于大多数国家而言，统计数据是检测出的阳性病例数，这受到检测数量的影响，而非那些因需要帮助而自行前往医疗诊所就诊且不受影响的人。病例数量取决于检测数量。

解释一下。如果在一个地区进行检测，而该地区有1000例病例，人口规模为10万人，那么在该地区，我们就有1%的病例。如果我们以某种程度的随机选择进行100次检测，我们平均会得到1例病例，加上或减去一个随机抽样误差成分。如果我们进行200次检测，我们平均会得到2例病例，加上或减去一个随机抽样成分。

不考虑检测规模就报告病例是不科学的，会导致错误的结论。欧洲目前的情况就体现了这一点，人们对第二波疫情感到相当恐慌。如果每个人都接受相同数量的检测，那么报告发病率就会有效。

然而，事实并非如此。大多数国家认为检测是控制病毒的关键，因此大幅增加了检测次数。在这种环境下，报告的发病率数据是错误的，这反映出本应更了解情况的专家们的不作为，也显示出科学研究的糟糕程度。

表7展示了病例报告如何扭曲了患病率，即人群中的病例感染情况。第2列通过绘制每日病例数来展示病例趋势，而第3列则通过绘制比例来展示趋势。

数据来源为：https://ourworldindata.org/coronavirus-testing

表7 截至2020年10月8日，病例报告与检测报告比例的比较

上表清楚地表明，病例报告提供的情况具有误导性。欧洲大部分地区之所以感到恐慌，是因为病例数量有所上升，但检测数量也随之增加。基于检测比例估算的患病率表明，患病率并没有像病例报告所暗示的那样急剧上升。美国的患病率正在下降，而非上升。原因是检测数量增加了。目前，并未出现因误导性报道而引发的大规模第二波疫情增长。病例数与检测数的比例略有上升，若仅依据病例数来衡量，比利时、意大利、法国、英国和美国的疫情形势似乎远比实际情况严峻。

上述内容存在一些注意事项

1. 检测结果并不可靠。不同国家采用的检测方法各不相同。一些国家报告的是检测次数，而另一些国家则报告的是接受检测的人数和其他采集的样本数量。
2. 测试与结果之间的延迟时间各不相同
3. 这些数据背后还有更多信息，下文将予以揭示。
4. 疫情初期无法获得测试数据，因此出现了上述左截尾现象。

尽管由于测试规模非常大，存在诸多数据可靠性问题，但我们仍有理由相信，此案例导致了错误决策。病例报告缺乏科学性、不准确且具有误导性。

2.2.2 愚人的天堂

如果从人群中抽取样本（如用于检测目的），这些样本可以估算出人群中的有症状病例数，因为阳性检测结果主要来自有症状的患者。

以英国为例。同样的论点也适用于其他国家。在第一“阶段”，估计的病例比例约为30%。如果且仅当检测样本是从英国人口中随机抽取的，那么英国将有2000万例病例，而非5000例左右。

早期患病率估计存在一些不确定性，因为检测数量较少，不太可能可靠地估计出患病率。现在，英国大约有2.5%的有症状病例，相当于170万例，而目前报告的病例约为7000例。这听起来可能很糟糕，但这也意味着病死率非常低，大约为0.11%（低于流感）。这一估计是通过计算患病率在该值附近的整个时期的死亡人数得出的。

遗憾的是，检测样本并非用于估算患病率，而是用于追踪接触者和进行隔离。因此，这些估计值只是一个大概的数字，绝不能像对待Covid-19数据那样，将其视为绝对事实。

那么，这些估计是否现实？现实是我们并不知道，因为病例报告背后的科学依据非常薄弱。

但是，从另一个角度来看，在澳大利亚，冬季有超过50%的人口会感冒，春季则有25%的人口会感冒。在医院工作的人每年会感冒六到十二次。

https://lungfoundation.com.au/patients-carers/living-with-a-lung-disease/other-lung-conditions/the-common-cold/

2.2.3 妄下结论

多年来，我们注意到专家们存在的一个主要问题是，他们过于草率地得出结论，并且不加质疑地接受他人的结论。

任何参与过股市日内交易的人都会知道，专家们是如何通过将市场事件与价格波动联系起来而轻易得出结论的。沮丧的交易者们都知道，这些理由中没有一个能得到可重复的回应。

妄下结论并非科学方法，然而Covid-19专家在整个疫情期间却一直在这么做。

本节将回顾新加坡、日本、韩国、台湾和越南所宣称的成功，以探讨这些国家在采用替代策略时是否同样成功。

新加坡

这些是2020年3月5日左右的新闻头条

新加坡成功控制了新冠病毒。其他国家能否借鉴其做法？

截至2020年3月4日，新加坡的病例情况如图7.2所示

图7.2 截至2020年3月4日的新加坡病例数。

 

结论是，新加坡在将病例数量控制在低于欧洲国家水平方面取得了巨大成功。

所提出的原因

1. 一流的卫生系统
2. 追踪和遏制措施
3. 一个对政府广泛命令基本持接受态度的小规模人口群体
4. 使用应用程序追踪系统
5. 严格的医院和家庭隔离

我们绝不能认为所有国家都遵循与其他国家相同的模式。仅仅因为一些欧洲国家在疫情初期经历了快速感染，并不意味着新加坡也会走同样的快速路线。经常旅行的人都知道，每个国家都是不同的，即使是邻国也不例外。这一错误导致人们认为新加坡战胜了疫情。科学家本应等待一段时间再得出结论。

第二个错误，也是当今的常态，就是寻找成功的理由，然后深信不疑。这并不意味着所提出的理由不是真正的理由。错误在于盲目相信那些可能只是巧合的事情，然后根据未经证实的事实采取行动。如果结论是错误的，那么可能会浪费大量资源，并造成不必要的压力。

新加坡的现实情况如图7.3所示

图7.3 截至2020年9月30日新加坡病例数

蓝线表示世界卫生组织（WHO）对新加坡成功的赞扬之处。黑线代表3月5日，大约在这个时间点，全世界都被新加坡的成功“深深吸引”。图7.2所展示的时期病例数量极少，在图7.3中甚至不构成一个小波动

数据显示，新加坡一流的卫生系统、追踪和遏制措施、人口稀少以及隔离措施并未阻止病例的发生。这里没有成功的故事。这些原因都不是新加坡独有的。意大利也有一流的卫生系统。大多数国家都实施了严格的隔离措施。

如本报告后续部分所示，这些措施均未显示出明显效果。然而，澳大利亚等国家相信其成功，甚至采用了类似的追踪应用程序。这场大流行病表明，不良科学和错误信息是多么容易蒙蔽大众。

韩国

据说韩国在没有关闭商业活动、没有居家令的情况下迅速压平了曲线。相反，其成功归因于其高频率的检测、接触者追踪以及确保其卫生系统满足需求。

图7.4展示了截至2020年10月1日韩国的病例表现情况

图7.4 截至2020年10月1日韩国的病例表现

事实是，韩国用了很长时间（两个多月）才将病例数降至曲线起始时的水平。其系统未能阻止第二波疫情的再次爆发。

正如后续报告所述，美国、意大利等许多国家的每百万人口检测次数高于韩国。检测频率不高的国家曲线下降速度更快。没有所谓的“圣杯”。

尽管如此，韩国的病例数和死亡人数并未像一些欧洲国家那样高。下一节将介绍其在名单中的排名情况。

韩国所做的，其他国家也做过。若就此断言韩国的策略是其成功的原因，未免过于草率。认为其他国家无法做到与韩国同样出色，同样也是愚蠢的。这并不意味着这些策略毫无作用。它们肯定有所作用。这只是说明没有一种万灵药。

真正的教训是西方国家基于少数国家的结论而得出的危险结论：病毒是一种猖獗的致命病毒，只能通过摧毁生命和经济的行动来控制。韩国和其他国家已经证明，这是一个愚蠢的假设，已经夺去了许多生命。

日本

日本所做的一切，其他国家也都有所涉及。但值得注意的是，至少在初期，日本并未进行过广泛的测试。

 

《世界报》于3月底首次报道了日本的成功故事。当时的情况如图7.5所示。

图7.5 截至2020年3月5日的日本病例历史

很难理解，为何根据一个上升的斜率就得出日本是成功的结论。或许专家们只是使用了一个基本的条形图，并拟合了一条课堂技术曲线，然后就得出了曲线趋于平缓的结论。图7.6展示了这样一种可能的拟合结果，但该结果却误导人们认为日本已经实现了曲线趋平。

 

图7.6 课堂曲线与数据的拟合。

截至3月25日，每百万人中进行的检测总数约为40次，每百万人中的总病例数约为9例。

在同一时间段内，马来西亚每百万人进行了589次检测，每百万人中约有50例病例

第7.2.1节已经指出，病例报告是不科学且存在缺陷的，因为病例数量取决于所进行的检测次数。马来西亚进行了更多的检测，发现了更多的病例。这一数字与检测次数的差异并不直接成正比，因为流行率也存在实际差异，且这取决于检测样本的代表性，而众所周知，这些样本并不具有代表性。

尽管不能完全保证，但可以合理推断的是，如果日本像马来西亚那样进行广泛检测，那么按照欧洲标准，可能会有16000例病例。

这些数字不应被视为绝对值，因为我们对抽样、测试可靠性以及其他因素的了解还不够充分。然而，在这个模糊的真实世界环境中，我们可以有合理的信心得出结论：病例报告显然是错误且危险的，因为它会导致错误的结论和决策。

图7.7展示了日本自最初的高兴情绪之后病例的情况。与病例数趋于平稳的结论不同，图7.6中的趋势确实在持续。最终，病例数自行下降。

 

图7.7 截至2020年10月1日的日本病例数

目前，在欧洲的第二波疫情中，病例数量因检测数量的变化而被夸大。

台湾

2020年3月初，专家们根据台湾的低检测数据，就其成功案例妄下结论。澳大利亚维多利亚州以台湾的积极策略为理由，将其成功作为自己实施封锁的依据。

事实上，在不贬低台湾的前提下，台湾除了实施旅行限制、推广洗手液等大多数其他国家已经采取的措施外，几乎没有采取任何其他行动。

“为何台湾仅有42例Covid-19病例，而邻国却报告了数百或数千例”

https://www.voanews.com/science-health/coronavirus-outbreak/why-taiwan-has-just-42-coronavirus-cases-while-neighbors-report

其病例数量较低的明显原因并未被察觉，因为人们未能认识到，当病例数量取决于检测数量时，病例报告是不科学的。

台湾的检测数量很少。当检测数量很少时，你就找不到病例。用百分比来衡量，台湾的情况与澳大利亚相似。澳大利亚的病例数量要多得多，但并未被察觉。其每日检测数量仅为几百例。从统计学角度来看，其病例数量与如此小的检测数量相一致。

这也表明了该病毒是多么无害。如果需要大量检测才能确诊病例，那么对于大多数人来说，症状必定是微不足道的。很难接受一种致命的病毒对大多数人来说没有任何值得就医的症状。很难接受世界因为只有在检测时才显现出来的病例而自我毁灭。有多少人因为感觉不适而自行前往医院就诊？

如果没有采取激进行动，台湾的死亡人数仅为7人。而采取了激进行动后，维多利亚州的死亡人数达到了701人，该州人口规模为600万，而台湾的人口规模为2400万。

越南

对于越南的低病例数，也得出了同样的结论。抛开Covid-19的宣传声明不谈，越南所做的，其他国家也都在做。就像台湾一样，检测数量很少。

这也表明了该病毒是多么无害。在一个人口9700万的国家，截至10月1日，仅出现1068例病例。原因并非因为其采取了优越的策略（如果有效，这种策略本可轻易被复制），而仅仅是因为在所研究的所有其他国家中，病例数量都取决于检测数量。

减少病例的最简单方法是停止检测。这并不能阻止感染，但由于没有与流行率估计相符的大规模医疗中心报告，因此不能认为该病毒有多危险。（死亡情况将在第9节讨论）

对越南和台湾的进一步思考

大多数国家都对其为遏制病毒所采取的措施嗤之以鼻。越南则以早期采取行动而自豪。例如，在确诊首例病毒病例后，越南就立即启动了应急计划。其他国家或许行动较慢，但采取了其他措施。在分析所有国家的数据后，没有发现任何突出的行动。专家甚至注意到越南的肥胖率较低。我们没有发现肥胖、年龄与感染和死亡之间存在任何关联。

越南之所以成功，其中一个因素是截至4月29日，越南对每例病例进行的检测次数超过了其他任何国家。这仅仅意味着病例的比例非常低，实际上仅为0.1%。这只能说明病毒可能尚未传播，或者越南由于人均检测次数较少，因此没有进行足够严格的筛查。

对于一个拥有9700万人口的国家来说，每天的检测数量只有3000次左右

柬埔寨的病例数和死亡人数也较低。它的准备程度不如越南。截至10月1日，柬埔寨的检测次数为138,584次，平均每天不到1000次检测。因此，与台湾和越南的情况一样，柬埔寨也存在两种可能性：一是病例比例非常低，那么我们必须问为什么？由于我们找不到任何证据表明任何国家采取了任何杰出举措，除了自吹自擂，唯一的另一种可能性是，由于人均检测次数较低，我们根本没有发现感染病例。如果这是真的，而且没有做出任何保证，那么这再次引出了一个问题：如果病毒如此可怕，为什么病例大多来自检测？

越南的另一个邻国老挝也是如此。

2.3 国家间的案例异质性

科学已被广泛用作遏制行动的基础。本节旨在证明，认为若不采取积极的遏制行动，我们就会达到意大利和其他高病例数国家那样的水平，这种假设毫无科学依据。各国之间存在太多差异。每个国家都是独一无二的。

图7.8是截至2020年10月1日每百万人总病例数的直方图。它显示分布高度偏斜，这意味着大多数国家并未处于极端水平。然而，我们绝不能忘记，病例数具有误导性，因为病例数取决于检测数量。

图7.8 各国监测Covid-19病例的直方图。

病例数量在每百万人口3至43000例之间（卡塔尔）。

或许卡塔尔人见面时互相摩擦鼻子的社交习惯是导致大量病例的原因！

然而，卡塔尔的总死亡人数为211人，这表明我们无法得出专家们对该病毒所得出的结论。在卡塔尔，该病毒几乎不能被称为致命病毒。

我们不能妄下结论。不仅数据质量太差，而且课堂之外还有太多谜团。

图7.9是比例的直方图。这些比例是基于测试次数得出的。

图7.9 所有监测Covid-19的国家百分比直方图。

结论是一样的。各国之间差异太大，无法仅根据少数几个异常国家的数据来做出决策。

如果病例数量取决于检测数量，那么从理论上讲，比例是报告病例的正确方式。然而，这里有一些重要的注意事项。

如前所述，比例的可靠性取决于测试在多大程度上具有代表性，以便从总体中得出推论。由于测试是为接触者追踪而设计的，因此它们不具有代表性。可靠性还取决于测试是针对每个受试者进行，还是针对可能包含多次测试的测试次数进行。

像之前那样将比例应用于全年是“愚蠢的”，因为患病率在全年中会有所变化。

一些国家的比例接近100%，如秘鲁，这令人怀疑。这意味着秘鲁的每个人都是病例。有可能其检测数字并非像大多数国家那样是通过接触者追踪检测获得的。这些数字可能是对那些主动接受检测的人进行的检测。在这种情况下，我们将使用相对于人口规模的比例。这一估计显示，秘鲁有20%的人感染了病毒，这一比例无疑很高，需要进一步调查。

我们可以得出结论，如果病例报告依赖于检测项目，那么这种报告方式是完全错误的。如果大多数情况下确实如此，那么必须使用比例。但是，按照目前样本采集的方式，这些比例可能会出错。

最重要的结论是，我们不能依赖任何关于Covid-19的统计数据。我们没有做好准备。科学能力太薄弱，需要为未来的病毒爆发做出改进。

2.4 澳大利亚和维多利亚州案例研究

2.4.1澳大利亚发病率

澳大利亚一直以令世界羡慕而自豪，认为我们做得比其他国家更好。截至2020年8月31日，世界上35%的国家每百万人口中的病例数低于澳大利亚。这些国家包括埃及、印度尼西亚（仅此而已）、斯里兰卡、也门以及在缓解病毒方面做得少得多的国家，如日本。

澳大利亚是唯一一个在首个高峰期过后才开始实施封锁的国家。如图7.10所示，病例数量正在下降。如果说有什么影响的话，那就是措施减缓了病例减少的速度。

 

图7.10 澳大利亚在达到峰值后实施封锁。

其他国家在感染开始时就开始出现病例激增，如意大利、法国和西班牙。图

7.11展示了示例。

 

图7.11 意大利和西班牙的感染多边形图。

在澳大利亚的案例中使用发病率是愚蠢的

上述内容采用了发病率报告，因为这是澳大利亚和其他国家目前唯一能够理解的方式。

当将发病率报告应用于澳大利亚的所有数据时，我们得到了如图所示的图表，7.13. 病例的大幅增加主要归因于维多利亚州。

 

图7.12 澳大利亚案例，当将比例应用于澳大利亚数据时，我们得到了如图7.12所示的不同情况

图7.13 澳大利亚测试“样本”中的病例比例（考虑测试与结果发布之间的延迟）

通过绘制比例图可以看出，人群中实际有症状的感染情况并未像病例数量所暗示的那样严重恶化。这些图还表明，措施来得太晚，而且很可能没有必要，因为比例本身已经在下降。这种情况并不罕见。感冒和季节性流感也会自行缓解。

两个波峰的比例分别为3.2%和0.7%。这意味着当前的感染人数是第一波的0.21倍。突然间，情况似乎不那么严峻了。

但这些数字对澳大利亚来说可不会令人愉快。如果基于检测规模的估计能可靠地反映澳大利亚的人口情况，那么在第一次高峰时，我们有83.2万例感染（与普通感冒的1200万+相比，这个数字很小）。在第二次高峰时，澳大利亚全国的感染人数达到17.5万，目前为2.6万。

遗憾的是，基于接触者追踪测试的比例也给出了错误的估计，因为测试抽样计划并非为估计而从统计学角度确定，而是由接触者追踪所定义。测试从未在整个人群中随机进行。

“关键信息”是，报告背后没有科学依据，这与受其专家影响的政治领导人的说法相矛盾。病例报告没有提供对潜在病例数量的估计，这意味着我们生活在一个愚人的天堂。我们需要的是将患病率转换为病例数。由于病例来自检测项目，采样计划缺乏科学依据，因此目前无法实现这一点。

2.4.2 维多利亚州病例分析

 

图7.14 3月23日至10月1日维多利亚州的病例数

首先，我们将考虑案例分析，因为这是目前的常态。

参考图7.14，如果我们仅考虑病例数，我们会得出结论：第三阶段没有产生任何差异。从开始到病情恶化之间的时间为3周。第四阶段也没有产生任何差异，因为病例数立即开始下降。至少需要7天才能观察到效果。

 

图7.15 封锁措施的效果“得到证实”，移动平均值为14。

移动平均线总是滞后的。图7.16展示了在点30处发生变化的两条直线

 

图7.16 用于展示移动平均线滞后性的基础数据。

图7.18展示了应用了14点移动平均的数据。

图7.17 对图17.16中的数据应用14点移动平均

开头的零是占位符，因为由于天数少于14天，无法计算14天平均值

变化发生在7天后（因为MA的平均年龄为7天）。与VIC的情况类似

口罩可能起到了作用。但是，对其他国家口罩有效性的分析表明，口罩并未发挥作用。口罩加上第三阶段措施可能起到了作用，但尚无证据。口罩的效果将在本报告后续部分进行阐述。

人们也可以争辩说，如果我们没有实施封锁措施，病例数量本会上升，如图7.18中的橙色曲线所示

 

图7.18 维多利亚州病例数假设性增长情况。

诸如此类的论点颇为常见，因为无法反驳其可能性。专家们常常利用这些论点来维护自己的面子，从而避免在假设性的非科学猜想上浪费时间。

图7.19展示了病例比例与测试样本量之间的关系——这是正确的方式。

图7.19 截至3月23日至10月1日维多利亚州的病例比例

 

现在第二波疫情的严重程度要小得多。两波疫情高峰之间的相对规模已经逆转。这是真实的情况，而不是病例报告所暗示的情况。

目前仍无证据表明封锁措施产生了影响。第四阶段是在疫情高峰期实施的。

考虑到缓解措施的影响大约需要7天才能显现，因此第4阶段并未产生任何影响。感染病例本已在减少。有人可能会再次辩称，是口罩在8月3日导致了感染病例的减少，但这只是猜测。此外，本报告稍后将报告的分析显示，口罩并未对减少感染病例产生可量化的影响。可以确定的是，仅第3阶段和第4阶段并非导致感染病例下降的原因。感染病例的下降很可能是在没有干预的情况下发生的。这并不反常。感冒和流感都会自行消失，热带地区除外。它们随时都可能卷土重来。为何要将其作为研究对象呢？

请回忆一下，在第一波疫情期间，澳大利亚在实施措施之前也出现了下降。我们的分析显示，其他国家也出现了类似的效果。例如，如图7.20所示，日本也出现了峰值，但随后自行下降。

图7.20 2019年12月13日至2020年6月28日期间日本的病例数

在此期间，日本没有采取任何可能产生影响的措施。读者可以查阅https://en.wikipedia.org/wiki/COVID-19_pandemic_in_Japan，以了解日本在那段时间里做了哪些微不足道的事情，但感染人数还是下降了。（现在又再次上升了）

2.4.3 理由

2020年9月10日摘录的维多利亚州政府建模报告

https://mobile.abc.net.au/news/2020-09-06/victoria-coronavirus-covid-19-lockdown-restrictions-modelling/12633906

许多流行病学家警告说，我们需要接受病毒会长期存在的事实，而且很可能每个人都会感染。但他们被指责为离谱和哗众取宠。令人发指的是为了拯救生命而摧毁生命，令人发指的是让伪科学蒙蔽了理性思维，令人发指的是任由歇斯底里演变成疯狂。