网友成功预测上海近三日新增病例数，新冠疫情预测究竟靠不靠谱? 本文转自：上观微博上有位网

【网友成功预测上海近三日新增病例数，新冠疫情预测究竟靠不靠谱?】本文转自：上观
微博上有位网友通过自己的计算，成功预测了26、27日的上海新增病例（包括确诊和无症状）数——写文章时我看了下， 28日的数据（29日上午公布）和他的估算也差得不多。
作为一个数据爱好者，想说说这个预测有没有道理。
首先来说下他的计算方式， e^(x*d+y+ε)=确诊数。这是一个指数模型算式，简单来说，作者从一段时期的数据（确切的说是12-15日这14天）推测，新增阳性病例是在按一个规律性的指数增长，然后他自己设计了回归模型，算出平均每天增长28%这个数字。
这个算法有没有道理呢？其实如果对12-25日的数据作一个观测，肉眼就可发现每日新增病例数的增长率，围绕30%附近（下图红色直线）波动。如果相信这是一种规律的话，算出来的增长指数差异不大。比如我用另一种方法算了一下， x1=[ln(P[25日])-ln(P[12日])]/13 ，（这个公式没有用回归，比较粗暴），大概能算出新增病例每天增长31% ，如果我们用这个数字预测26日和27日，一个是2975例，一个是3516例，和实际数字2676和3500差距也不是很大， 27日的预测甚至比这位网友还更准一点。

文章图片

文章图片

但如果我们把这根曲线再往前拉一拉，看2月底到3月初的数值（红框），就会发现之前的新增病例日增长率要高得多，而且有一个明显下降的过程。
这首先说明，相比疫情之初，我们的防控手段起到了效用，有效压低了R0值。
其次，最近这半个月的增长指数比较稳定，是不是就能预测之后的数据？
这里边有两个问题，一是这个指数能不能代表全市的情况？我并不能完全肯定。一个猜测是检测人数在按指数级增长（管控范围在扩大），而病例在被检测人数中比例是比较稳定的，不过，这只能代表病例在检测人群中的比例，不能代表病例在全部人口中的比例。这个我们可以看一下下图，在闭环隔离管控内的检测阳性数值，要大大高于风险人群筛查，而从绝对人数上，应该是风险人群的数量更大。因此我认为全市性的病毒传播要远低于管控区的传播， 4月5日以后我们可以来看下这个推测对不对。

文章图片

文章图片

第二个问题，即便相信这个指数代表着全市性的规律，那么是不是能预测更久的数据？比如按这位网友推测， 4月1日上海的每日新增病例就会超过万例， 4月3日达到1万9千多例。
说实话我是不敢这么大胆的。首先是这个用过去14天数据反推的模型实在太简单了，完全没有引入其他变量，比如我上面说的检测范围。其次， 14天的时间太短了，明显忽视了防控手段有一定的滞后效应。就大家熟知的例子而言，大规模管控措施的实行成功令武汉的传染数从2.35降到接近于1 ，花了约4个月的时间，而当中也经历过病例稳定增长的瓶颈期。
经验告诉我们，新冠疫情在一个人口庞大的区域的发展趋势，是很难预测的。实际上2020年疫情爆发以来，全球各国医学专家弄出来的模型给出的预测结果，都不是太靠谱，有时上一周还很准确的模型，下一周可能就会谬以千里。
为什么新冠疫情很难预测？这是因为第一，任何基础的指数，其微小的差距在一定时间后也会变得很大。如果R0分别等于2.9和3.1 ，那么传播10轮对应的累计确诊就分别是22142和39030人。随着传播轮数的增加，结果的差异性会放得更大。