13、利用数据科学助力医疗系统抗击新冠疫情

利用数据科学助力医疗系统抗击新冠疫情

1. 引言

新冠疫情自爆发以来，相关的讨论广泛却又杂乱无章。如今，媒体上充斥着关于疫情现状、风险、防护措施以及未来情况预测的报道。政治、医疗、社会和经济等多方面的因素影响着全球官方的信息传达目标，且这些传达的内容往往与世界卫生组织（WHO）等权威机构的建议相冲突，这直接影响了公众对信息的利用和公共卫生需求。

目前，关于新冠疫情的讨论主要集中在医疗系统可能面临的负担以及政治措施（如封锁、宵禁和关闭非必要企业）导致的经济损失。虽然新冠疫情的流行病学细节尚未完全明确，但有一点很清楚，即与新冠相关的死亡主要影响老年人以及患有心血管疾病、呼吸系统疾病和糖尿病等基础疾病的人群。

为了回答“如果某人新冠检测呈阳性，其死亡的可能性有多大？”这个问题，我们需要考虑以下三个关键指标：
- 病例死亡率（CFR） ：用因新冠死亡的人数除以确诊的总人数。例如，若有20人死亡，200人确诊，则CFR为10%。需要注意的是，这只是确诊死亡人数与确诊病例数的比例，并非实际感染人群的真实死亡风险。
- 粗死亡率（CMR） ：指人群中任何一人死于新冠的比例，并非仅针对感染或确诊的人群。计算公式为死亡人数除以总人口数。例如，在1000人的人群中有20人死亡，CMR即为2%，无论实际确诊的人数是多少。
- 感染死亡率（IFR） ：用因疾病死亡的人数除以实际感染的总人数。例如，若有10人因感染死亡，而实际感染人数为500人，则IFR为2%。计算IFR需要知道实际感染的总人数和死亡总人数。

根据一些初步研究，新冠病毒的病例死