gtag('config', '118983626-1');

這個算不算陰謀論——CDC故意誇大疫情?

就地躲避疫情期間,每天最關心的就是數字,又有多少人被確定患有新冠肺炎,又有多少人嗚呼哀哉……看着看着就暈了:美國的疫情發展似乎和所有國家都迥然不同,累計病例曲線一直高昂着頭,絕沒有拐點;而每天新增病例曲線一直在2萬到4萬之間震蕩,每兩三天就一個拐點,不過往下拐以後緊接着就往上拐……看着看着就心裡發毛:這樣下去何時是個頭啊?

昨天在微信群里看到數據吐槽中心一篇署名槽點挖掘機的文章《美國應無恙——被污染的數據背後》的文章。

這篇文章很長,很專業,列舉了大量數據、表格和曲線,進行了大量有理有據的分析,可信度比較高。為了幫助非專業的讀者理解,老朽把文章的主要觀點和論據簡單歸納如下:

1.新冠肺炎確診病例存在重複計數的情況。美國有3類化驗室可以進行新冠核酸檢測,分別是商業化驗室、公共衛生化驗室以及臨床化驗室,採用至少3種不同的化驗方法。這些化驗室是獨立向上報告測試結果,最後在CDC匯總。由於各州無視重複檢測的問題,將每一宗核酸檢測陽性結果都視為一個新增病人,所以如果有人為了確診而採用了幾種不同的化驗方法,或者在患病過程中多次化驗以觀察病情變化,或者在不同的化驗室化驗,就都會被重複計數。

2.從45日開始,CDC將疑似病例也計入確診病例。CDC所說的Probably Case指的是:

  • 符合臨床標準和流行病學證據,但未對COVID-19進行確認性化驗;
  • 或符合重要記錄標準,但未對COVID19進行確認性化驗。

也就是說,這些只是疑似病例,不是確診病例。甚至連死亡病例中根本沒進行過核酸檢測,只是有發燒、咳嗽癥狀,也被納入了統計。如此綜合下來,美國的確診和死亡數據已經遭遇了極嚴重的污染,一天天喪失可信度。

3 民主黨為了阻止特朗普連任,早已經到了不擇手段的地步了。彈劾不成就在新冠肺炎上大作文章。而站在民主黨一邊,誇大疫情,是CDC的一種政治抉擇。也正因為這樣的原因,特朗普跟CDC的專家們也是漸行漸遠,兩邊開始相互對罵,特朗普時不時就威脅說要炒掉CDC的各路專家,就是這個原因。

上面這3個觀點需要數據來支持。為了查明被CDC誇大的數據和實情之間有多大差異,《美國應無恙——被污染的數據背後》一文的作者從三大化驗系統收集了從2020年第14周(3/29 – 4/4)至第20周(5/10 – 5/16)的全部統計數據,發現從第14周到第20周,美國三大化驗系統的合計陽性診斷數為86.87萬例,而同期CDC發布的新冠確診數合計為130.61萬例,較陽性檢測結果數據高了50.3%。如果單看第20周(5/10 – 5/16),三大化驗系統合計的陽性檢測結果為8.89萬例,而CDC發布的確診病例為16.37萬例,較陽性檢測結果數據高出84%。

以下圖表是第14周至第20周的美國商業化驗室抗體陽性檢測數據趨勢:疫情高峰第14周(3/29 – 4/4)被檢人數54.1萬,檢測出陽性病例125154宗,陽性率為23.1%。一個半月以後的第20周(5/10 – 5/16),被檢人數88.4萬,檢測出陽性病例70080宗,陽性率為7.9%。即使其中有很多重複計數,還是可以看到疫情已經得到極大控制。可是CDC還是報每周16萬新增確診病例。

其實,根據第20周的陽性檢測結果8.89萬例可以對美國現在的實際確診人數做一個合理推測。首先,目前住院人數1.51萬人,他們每周必須進行一次核酸檢測,屬於重複計數,應該從確診人數中扣除;剩下的確診病人假定每人都會做兩次檢測,以驗證第一次的陽性檢測結果是否正確。這樣算起來,(8.89 – 1.51)÷ 2 = 3.69萬例,大概就是美國第20周的真正的新增確診病例數量。

這個數字也可以用門診量來印證:美國和新冠肺炎有關的門診分為兩類,一類是ILI(發熱病人門診)另一類是CLI(肺炎病人門診)。在第12周達到峰值時ILI門診量84534宗,CLI門診量107625宗,合計19.2萬宗;到第20周時ILI門診量下降到11736宗;CLI門診量下降到35359宗,合計4.7萬宗。扣除其中患有感冒、流感和普通肺炎的病例以後,真正的新冠病人門診量基本上為4萬宗左右,和前面的分析一致——大約只是CDC公布的數字的四分之一。

老朽在此順便向讀者朋友推薦一下,咱們華人圈裡有一群熱心人自費辦了一個名為“一畝三分地”的網站https://coronavirus.1point3acres.com,每天公布新冠肺炎的統計數字,但是他們沒有具體說明數據的確切來源。他們的數字和約翰霍普金斯大學公布的官方數字差別很大,老朽覺得比較靠譜,所以現在每天查閱一畝三分地的數字,不再相信約翰霍普金斯大學了。

 

記者 湯毅堅

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.

%d bloggers like this: