详细内容或原文请订阅后点击阅览
Covid-19：数据质量以及建模和分析的注意事项
GAO 的发现COVID-19 大流行的迅速蔓延和严重程度凸显了拥有描述 COVID-19 潜在轨迹的高质量数据、分析和模型的重要性，以帮助了解该疾病在美国的影响美国疾病控制与预防中心 (CDC) 正在与州、地方、学术界和其他合作伙伴合作，使用多个监测系统收集美国境内的 COVID-19 数据。这些监测系统的数据有助于了解疾病，但决策者和分析人员必须了解其局限性，以便正确解释它们。例如，据 CDC 和其他机构称，由于多种原因，报告的 COVID-19 病例数的监测数据不完整，并且低估了真实病例数。有多种方法可以分析 COVID-19 数据产生不同的见解。例如，一些方法可以帮助比较疾病对不同人群的影响。其他分析方法也有助于解决 COVID-19 死亡报告不完整和不一致的问题。例如，分析人员可以检查死亡人数，超出没有大流行的情况下通常预期的死亡人数。检查所有原因造成的高于预期的死亡人数有助于解决报告 COVID-19 死亡人数的局限性，因为总死亡人数可能比特定原因造成的死亡人数更准确。
来源:美国政府问责局__技术评估产品信息美国政府问责署的发现
COVID-19 疫情的迅速蔓延和严重程度凸显了拥有高质量数据、分析和模型来描述 COVID-19 的潜在发展轨迹的重要性，有助于了解该疾病在美国的影响。美国疾病控制与预防中心 (CDC) 正在与州、地方、学术和其他合作伙伴合作，使用多个监测系统收集美国 COVID-19 数据。这些监测系统的数据可能有助于了解该疾病，但决策者和分析人员必须了解其局限性，才能正确解读这些数据。例如，根据 CDC 和其他机构的说法，由于多种原因，关于已报告 COVID-19 病例数量的监测数据并不完整，而且低估了真实的病例数。
分析 COVID-19 数据的方法有很多，可以得出不同的见解。例如，一些方法可以帮助比较该疾病在不同人群中的影响。其他分析方法也有助于解决 COVID-19 死亡报告不完整和不一致的问题。例如，分析人员可以检查在没有疫情的情况下超出正常预期的死亡人数。检查所有原因导致的死亡人数高于预期有助于解决 COVID-19 死亡报告的局限性，因为总死亡人数可能比特定原因导致的死亡人数更准确。下图显示了根据 CDC 国家卫生统计中心的数据，截至 2020 年 1 月 1 日至 6 月 27 日的几周内的实际死亡人数，并与基于前几年数据的预期死亡人数进行了比较。从 3 月底开始超过此阈值的死亡人数被视为可能与 COVID-19 疫情有关的超额死亡人数。
截至 2020 年 7 月 14 日，2020 年每周死亡率高于预期
截至 2020 年 7 月 14 日，2020 年每周死亡率高于预期 PersonsT@gao.gov