主题：关于新冠（奥密）是不是大号流感的数据讨论 -- 唐家山

实际上，我觉得如果倾向于判“否”的话，应该用英国2015年的跃变和英国2020年的跃变进行比较。如果用均方差来做，差异反而会更大。不过，这些超出了我的能力和精力。

我放在了百度网盘里，贴一个网盘链接。

链接：https://pan.baidu.com/s/1b2cuhcOs6mIkNG_Gz-lgAw

提取码：alfm

说新冠流感化的人总是拿出死亡率做证据。我没有去查证，不过我相信这个数据偏差不会太大，否则也不会被大肆宣传。可是单一指标往往不能反映事物的全部特征，以单一指标作为唯一决策依据，鲜有不翻车的。除了死亡率，传染性疾病还有一个重要的特征：传染性。传染病三个字说出了新冠的两个核心特征：是病（自然属性）、会传染（社会属性）。这三个字就构成了一个模型

传染病=(死亡率,传染性)=(D,R0)

把流感和新冠套入模型

流感=(D_f, R0_f)

新冠=(D_c, R0_c)

目前大家公认D_f=D_c，R0_f < R0_c，所以很多人说新冠是大号流感。看起来是不是完美得证？但是这个模型是一个静态模型。在现实世界中，D和R0不一定是常数，可能是随时间不断变化的。而且随着感染人数的增加，变化的速度越来越快。这个变化会让D和R0越来越温和，还是越来越糟糕，没有人知道。在现实世界里，实际的模型是

传染病=(D(t), R0(t))

流感=(D_f(t), R0_f(t))

新冠=(D_c(t), R0_c(t))

目前人类已经建立了持续监测流感传播情况的机制。季节性流感的传播规模大致是一年数百万人，根据监测结果，在这个传播规模下病毒没有发生明显的进化，因此目前流感的D_f(t)和R0_f(t)可以认为是常数D_f(t)=D_f(0)，R0_f(t)=R0_f(0)。而新冠病毒目前已经感染了数亿人，病毒还在快速进化中，D_c(t)和R0_c(t)还在不断变化。虽然在宏观上存在选择压力，但是微观层面的突变是随机的。人类对传染病大流行的认识还很有限，无法总结出D(t)和R0(t)的变化规律。因此不能简单的根据目前新冠病毒若干变种的死亡率接近流感，就认定病毒会按照人类预想的方向变化，会毒性越来越低，然后盲目的把新冠当做流感。

很多人说“奥密克戎死亡率低”，这句话是非常有迷惑性的。奥密克戎不是一个变种，而是一群变种，这些变种都叫奥密克戎。为什么它们都叫奥密克戎？明面上的解释是希腊字母不够用了。但以我小人之心揣测，会不会有人希望造成“新冠病毒已经不再变异”的假象？

我相信新冠病毒最终会变成和今天流感病毒差不多的样子。但最终是哪一天呢？只有当那一天来临的时候人们才会知道，今天的人是无法预测的。因为这一天的到来是病毒进化和人类防疫共同作用下的结果，而这两个东西都是人类难以预测和控制的。如何判断那一天是否来临呢？我想有几个观察点：一是新的变种不再出现，二是病毒的毒性和传播性趋于稳定，三是感染者获得免疫，不再重复感染，四是感染人数不再增长。

首先，非常钦佩阁下坚持不懈地把英国的开放数据以大多数人能看得懂的分析方式呈现给大家。

其次，我觉得在技术手段上可能还有提高的余地。我不敢自称为在这个方面的专家，不过类似的时间序列的趋势和变异性分析也是日常工作之一。我的观察主要有：

1. 对2021年新增的所谓超额死亡的解释，您提供了一种可能。那么有没有其它可能呢，比如2020年造成的医疗资源的挤兑，造成其他病人无法就医，或治疗情况不佳，引起附带死亡，这种情况不一定是直接因感染Covid而去世的。还有就是有多少人是在2020年感染，然后在2021年去世的，或者反复感染去世的。这个所谓的Knock on effect是如何考虑的？记忆长度有多长？其实，我们一般在工作中是用滑动平均法来去除这种记忆因素的影响。当然，目前困境是样本太少，只有两年。

2. 原有的多年序列是否已经存在一个趋势，这个趋势如果比较大的话，应该首先去除，然后再用诸如MK Test等方法测试趋势的统计的显著性。

3. 最有挑战的一方面就是研究的这个系统实际上已经发生了质变，因此无法从长期的（比如超过2年）的数据中做出有意义的分析。这种质变包括但不限于：病毒致死能力，公共医疗应对能力，人群免疫能力等。

还有就是，英国ONS只公开了他们能公开的内容，其它一些对决策具有决定意义的数据我们是看不到的（我们在疫情中每天晚上的公报中可见一斑），比如因感染Covid住院人数，Covid感染后平均预后情况等，这在建模中非常重要。如果单单从已经公开的片面数据中，用相对简单的分析，有可能会得到与真实情况截然相反的推论。

无论如何，我想无论服务于英国还是中国的公共医疗专家们都肯定在这方面的分析水平不比我差，加上他们拥有我们看不到的数据，我对他们各自提出的对相关国家的防疫措施的建议还是很有信心的。可能在英国还有一个额外的好处就是你可以申请信息公开，如果需要更多的数据做研究的话。不过，这方面从来不容易，因为涉及到伦理规则的制约，最终能否拿到和拿到多少是个未知数。

最后， 我想说的就是，您所做的工作对于想了解英国信息的普通民众还是有很大意义的。要做进一步的归因话研究，这些数据以及您所使用的方法，在专业人员看来，说服力还欠缺了一些。

在判定问题上，判“否”相对容易，判“是”更难一些。

你的回复很专业，我的分析确实比较粗疏，有些地方可能存在过分简化的情况。

刚才我在回复tq10河友时说了，判“否”相对容易一些。如果想论证“新冠”和“流感”存在不同之处，只要给出一个指标显著不同就行。但是判“是”就会比较困难，需要做更多的细致分析。我做的三个结论，1. 早期新冠不是流感，2. 2022年英国的新冠倾向于不是流感，都是判”否”。只有第三个关于香港的，结论是open的。如果香港的数据出来，倾向于“是”，那确实有必要再做进一步的分析。不过，这已经超出我的能力了。

说个政治不正确的冷酷无情的话：应死尽死一批人后，就相当于大号流感了。

那些对病毒敏感的人群，自身已经有各种病症各脏器很脆弱的人群，年老器官衰竭而免疫力低下的人群，等等吧。上述人群在美国，如果得不到有效保护及治疗，就是刚放开时超额死亡的重点对象。换言之，如果国内放开，上述人群只能自求多福了。

不过，说到清零，也一样有超额死亡。只说一条，清零期间，医院紧闭大门，那些平常乌央乌央的病人，得不到及时救治，会不会小病变大病，大病变棺材？

主要是来自新加坡卫生部官网的两张图表。

这一张是新加坡2016-2022.6的死亡率，由于最后一组数据把2020年和2022前半年的数据放在一起了，用图表示会有些失真。

值得关注的是这一张图，官方说明如下：

至少在新加坡，德尔塔和第一波奥密带来的死亡跳变是差不多的。

[URL=https://www.moh.gov.sg/resources-statistics/reports/report-on-excess-mortality-during-the-covid-19-pandemic-up-to-june-2022

]REPORT ON EXCESS MORTALITY DURING THE COVID-19 PANDEMIC UP TO JUNE 2022[/URL]

日本的也是两张图。

Excess and Exiguous Deaths Dashboard in Japan

第一张图是2010-2021年的数据。日本的数据比较奇怪，2020年死亡人数比2019年还下降了一点，2021年才开始攀升。这个是跟日本开奥运会有关系吗？

第二张图是统计2010-2022年每年前31周的死亡人数。由于这个数据不是全年的数据，可能会有些失真。但是从这张图上看，2022年日本的死亡人数还在持续增加，2022年以奥密为主，所以从日本的数据来看，奥密带来的死亡率并没有显著下降。

总的来说，日本的新冠跳变不算大，特别是和2011年的跳变差不多。但是我查了一下资料，2011年3月11日东京地震死亡了27593人（当年总死亡人数1252055人）。如果考虑到这个因素，新冠带来的死亡应该还是比流感相关的死亡要高不少，是否达到显著这个级别，我不能确定。

现在是一方无论怎么解释，拿出什么数据，都是无法说服对立的另一方。就算新冠是大号流感，难道大号流感就不死人了吗？就不需要封控吗？流感到底大到多少号？或者说新冠到底小到多少号，就能不死人，或者死多少人而大家都能接受？所以这已经不是技术问题，而是程序正义问题了。

就是说通过什么样的决策机制，得出什么样的结论，采取什么样的措施，当地人民才能暂时接受，顺利执行，审察效果和再做调整？

大家不要忘记中国是人民代表大会制，当然也离不开中国共产党的领导。那么各地的人大在党的领导下应该起到什么样的民主决策的作用，才是走出当下封也不是，放也不是的困境的关键。

因为病毒，医疗系统收到了巨大的影响。

看看社会新闻就知道了。

1. 医院的大夫被抽调去抗疫，无人看病，造成慢性病患者无法看病，加重病情，加速死亡

2. 社会面被隔离在家，小病就扛，小病拖大，死亡。

3. 医院防控，无法住院和及时医治，死亡。

4. 隔离，子女无法照顾老人，慢性病无法买药，加速死亡

5. 急病，去医院大夫太忙，医治不及时，死亡。

我认为这些的影响面都比新冠大。这些人都该死吗？