（本系列均為南方周末、南方人物周刊原創(chuàng)，限時免費閱讀中）
1月21日，導(dǎo)師建議我做一個新冠的數(shù)據(jù)展示圖（dashboard），類似船員航行時需要關(guān)注的儀表盤。我們所有的數(shù)據(jù)庫都是開源的，大家可以在Github查到所有的歷史數(shù)據(jù)，相當于我們的數(shù)據(jù)在接受全世界的審核。
世衛(wèi)的數(shù)據(jù)是一天更新一次，不像我們實時更新，因此我們的總數(shù)會比它那天那個時刻公布的要大。我們做過一個世衛(wèi)和我們數(shù)字的對比，發(fā)現(xiàn)世衛(wèi)的數(shù)字總是在第二天才追上我們前一天發(fā)布的數(shù)字。
通過這次疫情，我感受到及時公布數(shù)據(jù)的重要性，盡管不斷攀升的數(shù)字看起來很恐怖，但是可能會起到讓你待在家里不要出門的作用，這對阻斷傳染病傳播是最有效的辦法。
這是4月4日在美國紐約中央公園拍攝的臨時醫(yī)院。 （新華社/路透/圖）
每一日，你的手機都會彈出全球新冠疫情的最新統(tǒng)計數(shù)據(jù)，這其中一個信源是美國約翰·霍普金斯大學(xué)（Johns Hopkins University，簡稱JHU）。
JHU疫情數(shù)據(jù)已被多家媒體引用和報道，包括紐約時報、CNN、法新社、BBC以及新華社等。
疫情可視化數(shù)據(jù)圖由JHU土木與系統(tǒng)工程學(xué)院（CaSE）的Lauren Gardner教授和她的學(xué)生開發(fā)，目前研究團隊核心成員有三人，24小時不間斷實時更新。
JHU是一座百年名校，主校區(qū)坐落于美國大西洋沿岸馬里蘭州巴爾的摩市，距離美國首都華盛頓六十多公里。JHU醫(yī)學(xué)院和公共衛(wèi)生學(xué)院均在全美名列前茅，而醫(yī)學(xué)院的教學(xué)研究單位約翰·霍普金斯醫(yī)院連續(xù)21年被評為全美最佳醫(yī)院。
JHU“新冠病毒研究中心”官網(wǎng)顯示，該疫情數(shù)據(jù)在1月22日上線，每日平均使用量（feature requests）從1月底的2億次，在3月初上升到每日12億次，高峰時每日近20億次。
約翰·霍普金斯大學(xué)疫情數(shù)據(jù)4月4日截圖
為何一個高校開發(fā)的數(shù)據(jù)圖受到全球關(guān)注和信賴？
北京時間2020年4月3日，JHU數(shù)據(jù)圖顯示，全球新冠肺炎感染人數(shù)突破100萬，南方周末記者當天專訪了JHU土木與系統(tǒng)工程學(xué)院的董恩盛和杜鴻儒，解讀上億閱讀量背后的故事。他們是Lauren Gardner教授指導(dǎo)的博士一年級學(xué)生，從早期開始就深度參與了JHU疫情地圖的數(shù)據(jù)收集與分析工作。
杜鴻儒（左）和董恩盛（右） （受訪者供圖/圖）
1月22日上線，手動錄入到自動更新南方周末：世界衛(wèi)生組織和美國疾控中心每天也在更新全球和美國的新冠確診數(shù)據(jù)，大家為什么會信賴并使用你們的數(shù)據(jù)？你們的數(shù)據(jù)來源是哪些？
董恩盛：我們是從各個國家的官方網(wǎng)站收集數(shù)據(jù)，比如中國的數(shù)據(jù)主要來源于國家衛(wèi)健委和“丁香園”?！岸∠銏@”將每個省份的疫情情況都制成了表格，這樣便于科研工作者錄入和處理。
美國的數(shù)據(jù)不像中國是自下而上、層層上報和發(fā)布，我們會結(jié)合州郡縣市的官方網(wǎng)站、政府新聞發(fā)布會、權(quán)威部門或媒體發(fā)表在Twitter等渠道的疫情內(nèi)容進行數(shù)據(jù)挖掘。
世界衛(wèi)生組織和美國疾控中心的數(shù)據(jù)，雖然也被我們列作數(shù)據(jù)來源，但它們對于我們來說主要是核查（validation）作用，因為它們的數(shù)據(jù)更新相對滯后，也沒有像我們一樣達到郡縣級的數(shù)據(jù)精度。
所以，我們通常是今天收集好數(shù)據(jù)并發(fā)布，等第二天世衛(wèi)和疾控的數(shù)據(jù)出來再比對，目前來看，我們發(fā)現(xiàn)我們報得很及時，也很準確。
另外，我們所有的數(shù)據(jù)庫都是開源的，大家可以在Github查到所有的歷史數(shù)據(jù)，相當于我們的數(shù)據(jù)在接受全世界的審核。除此之外，我們還有公開的郵箱接受大家的建議和意見。
南方周末：我們發(fā)現(xiàn)你們公布的全球確診人數(shù)總是比世界衛(wèi)生組織多，這是為什么？比如說到4月3日，世衛(wèi)組織的全球確診人數(shù)還沒有超過百萬，但你們的數(shù)據(jù)顯示已經(jīng)超過百萬了。
杜鴻儒：世衛(wèi)的數(shù)據(jù)是一天更新一次，不像我們實時更新，因此我們的總數(shù)會比它那天那個時刻公布的要大。我們做過一個世衛(wèi)和我們數(shù)字的對比，發(fā)現(xiàn)世衛(wèi)的數(shù)字總是在第二天才追上我們前一天發(fā)布的數(shù)字。這也說明了我們數(shù)據(jù)很準確，而且比他們更新得更快。
董恩盛：此外，在我們的定義中，確診人數(shù)（confirmed cases）其實還包括了推定陽性病例（presumptive positive cases），原因是各地對推定陽性病例和疑似病例（suspected cases）等群體定義不同，很難統(tǒng)一。以美國為例，推定陽性病例意味著他們已被地方實驗室確認感染新冠病毒，但還未經(jīng)疾控中心核實納入統(tǒng)計，所以我們還是把推定陽性病例納入到確診數(shù)字中。
4月4日世界衛(wèi)生組織發(fā)布的疫情數(shù)據(jù)，確診人數(shù)也超過百萬。 （世界衛(wèi)生組織官網(wǎng)截圖/圖）
南方周末：北京時間1月23日，武漢交通“封城”，當天你們的數(shù)據(jù)圖就上線了，當時為什么有這個想法？
董恩盛：1月20日是美國的馬丁·路德·金紀念日，放了三天的小長假。到了1月21日我們課題組開會的時候，導(dǎo)師Lauren Gardner教授問我知不知道現(xiàn)在中國新冠疫情已經(jīng)非常嚴重了，我說“是的，我非常擔心，也想做些相關(guān)的研究”。
當時導(dǎo)師建議我做一個新冠的數(shù)據(jù)展示圖（dashboard），類似船員航行時需要關(guān)注的儀表盤。這方面的技術(shù)我比較熟悉，因為2019年五六月份，我跟著導(dǎo)師已經(jīng)做過一個關(guān)于美國麻疹的數(shù)據(jù)展示圖。
1月21日開始準備，教授主外我主內(nèi)。教授負責聯(lián)絡(luò)和協(xié)調(diào)資源，并對我的工作進行宏觀性的指導(dǎo)，我花了六七個小時把初代的數(shù)據(jù)圖做了出來，第二天1月22日（美東時間）上線，正好在武漢交通“封城”后發(fā)布，那個時候國家衛(wèi)健委也已經(jīng)通報了全國的新冠疫情情況。
南方周末：當時只有你一個人在做數(shù)據(jù)更新？忙得過來嗎？
董恩盛：到1月底基本上就是我一個人純手動更新數(shù)據(jù)，很花時間。我那個時候基本是不睡覺的狀態(tài)，每天要更新四五次，我還退了一門課來確保數(shù)據(jù)及時更新。
后來被感染國家數(shù)量越來越多，數(shù)據(jù)精細度要求越來越高，我一個人就漸漸吃不消了。一開始只是想做一個研究的輔助性的工具，沒想到現(xiàn)在會得到這么高的曝光量。
南方周末：地圖現(xiàn)在包括了181個國家和地區(qū)的數(shù)據(jù)，涉及不同的語言，搜集數(shù)據(jù)的過程中遇到了什么困難？
杜鴻儒：我是在1月30日左右加入，和董恩盛一起做數(shù)據(jù)更新。我們?nèi)ジ鱾€國家的衛(wèi)生部門和權(quán)威媒體網(wǎng)站一個個找，小語種國家的網(wǎng)頁直接用Google Translate整個翻譯成英文，然后將確診病例的數(shù)據(jù)轉(zhuǎn)到Excel/csv里，最后再導(dǎo)在軟件里進行數(shù)據(jù)可視化。
對于我們來說，比較麻煩的是有的地區(qū)比如某個島隸屬于英國、法國或荷蘭等，個別數(shù)據(jù)源容易錯把它們當作單獨的國家來看待。
南方周末：數(shù)據(jù)庫已經(jīng)上線兩個多月了，這期間出過錯誤嗎？
杜鴻儒：早期手動錄入的時候，免不了會出現(xiàn)一點小錯誤，但我們的郵箱會立馬收到讀者的郵件，質(zhì)問我們“你為什么錯了”。
后來我們覺得手動錄入實在不是長久之計，組里的成員熬了一周，每天至少工作15個小時，完成自動化信息收集、數(shù)據(jù)清理、更新圖表的編程工作。所以，到了3月中旬，我們的更新頻率基本可以做到每15分鐘自動爬取一遍所有的數(shù)據(jù)，每一個小時自動更新一次數(shù)據(jù)圖。
學(xué)校放假，數(shù)據(jù)不能“斷更”南方周末：目前在做類似工作的還有哪些機構(gòu)，為什么你們的關(guān)注度最廣？
杜鴻儒：其實我感覺我們做的數(shù)據(jù)圖也不能說很厲害，只是我們占了兩個優(yōu)勢：第一是我們做得比別人早；第二是借助JHU在公共衛(wèi)生和醫(yī)學(xué)領(lǐng)域排名靠前的優(yōu)勢。所以JHU發(fā)布的數(shù)據(jù)，大家都會覺得很權(quán)威的，容易取得更多的關(guān)注。
世界上第三方獨立做疫情數(shù)據(jù)收集和分析的研究機構(gòu)不多，我關(guān)注到的有哈佛大學(xué)。
哈佛大學(xué)的新冠疫情動態(tài)數(shù)據(jù) 4月4日截圖
每個研究機構(gòu)都各有所長，比如說哈佛大學(xué)的數(shù)據(jù)圖是和清華大學(xué)等機構(gòu)合作，我覺得他們的優(yōu)點在于，將確診數(shù)量做成不同深淺的顏色來表示嚴重程度，而且他們掌握了許多細節(jié)的數(shù)據(jù)去分析患者的年齡、入境時間等。不足是他們上線較晚、更新速度較慢。
南方周末：上線兩個多月來，你們的數(shù)據(jù)展示圖和最開始相比，有哪些變化？
董恩盛：有很大差別。以最直觀的疫情地圖為例，大家一開始最關(guān)心中國疫情，所以初代數(shù)據(jù)展示圖是以中國為中心。你想看世界其他地方，需要手動點擊?，F(xiàn)在打開頁面，可以直接看到整個世界的情況，不需要放大或者縮小地圖。
從整個頁面布局來說，初代數(shù)據(jù)圖只是列出了確診病例的累計總數(shù)，然后把每個國家或省份的數(shù)據(jù)單列出來。我們現(xiàn)在又增加了很多圖表，比如說你點擊一個國家，可以看到這個國家確診數(shù)字的每日變化。
從數(shù)據(jù)精細度來說，初代只對中美加澳四國是到省（州）級的，其他都是以國家或地區(qū)為單位。后來，對美國的確診、檢測數(shù)據(jù)我們做到了郡縣級（county level），當時很多人給我們寫郵件，感謝我們讓他們看到了自己生活區(qū)域的疫情。當然，這里面也有專家給我們提了一些寶貴的建議，使我們的數(shù)據(jù)展示更加便捷準確。
南方周末：除了感謝信，你們還收到了什么樣的反饋？
杜鴻儒：我們的公共郵箱大概每天能收到一兩千封關(guān)于數(shù)據(jù)圖的郵件，我的個人郵箱也會收到二三十封相關(guān)郵件。我們沒有精力逐一回復(fù)，現(xiàn)在中心已經(jīng)請了專門的人來回復(fù)這些郵件。
據(jù)我所知，美國很多州的疾控中心直接采用了我們的數(shù)據(jù)，包括馬里蘭州、佛羅里達州、俄勒岡州等，各級政要包括美國副總統(tǒng)邁克·彭斯談到新冠疫情的時候也引用了我們的數(shù)據(jù)圖。
南方周末：你們學(xué)校是不是也放假了，數(shù)據(jù)會停更嗎？會不會覺得壓力很大？
董恩盛：現(xiàn)在美國的學(xué)?；径季W(wǎng)上授課，我們的校園里面也只見花不見人了。但是我們這個項目很特殊，數(shù)據(jù)不能“斷更”，一旦更新出現(xiàn)問題，會影響到全世界。
所以學(xué)校也很重視，同時也有第三方獨立的GIS地圖軟件公司給予我們數(shù)據(jù)可視化的技術(shù)指導(dǎo)。
同時，學(xué)校還專門建立了新冠研究中心（Coronavirus Resource Center）網(wǎng)站，把學(xué)校所有和新冠相關(guān)的內(nèi)容，包括我們的數(shù)據(jù)圖、疫苗、預(yù)防等內(nèi)容都集結(jié)在里面，供公眾瀏覽。
“感受到及時公布數(shù)據(jù)的重要性”南方周末：除了數(shù)據(jù)收集、更新、可視化展示，你們是否會對這些數(shù)據(jù)加以分析，并對全球疫情的趨勢作出判斷？
董恩盛：其實這項工作之初，我們就是打算在收集數(shù)據(jù)的基礎(chǔ)上，建立流行病學(xué)模型去分析新冠疫情的未來發(fā)展趨勢。
比如說，我們一開始采用SEIR模型（記者注：構(gòu)建帶有潛伏期的傳染病模型）去分析，但是我們遇到了兩個現(xiàn)實問題：一是這個數(shù)據(jù)采集量太大了，以至于我們的工作重心不得不從建模分析轉(zhuǎn)向了數(shù)據(jù)收集；二是，對于模型來講，人口流動（mobility）的數(shù)據(jù)非常重要，因為疾病的傳播和人口的流動密不可分，然而許多國家出于保護隱私等原因，這方面的數(shù)據(jù)是難以獲取的。
舉例來說，如果我們想要證明中國采用“封城”的辦法有效延緩了新冠病毒傳播，我們起碼需要高鐵、航空等方面的一些人員流動數(shù)據(jù)。
因此，我們當時的工作更加側(cè)重于分析，如果中國是個疫情中心，將對世界上其他國家造成什么樣的影響。比如說，預(yù)估哪些國家有可能更加早出現(xiàn)輸入型的病例，美國某些州或者機場需要采用一些檢測和隔離的手段。
但是，當時初步形成的一些研究結(jié)果發(fā)表在我們的網(wǎng)站上，并沒有一對一地對受影響的地區(qū)提出建議。后期很多地方衛(wèi)生部門主動聯(lián)系我們，才慢慢建立起直接的溝通合作。
南方周末：你們的數(shù)據(jù)對流行病學(xué)家的研究有什么幫助？
董恩盛：我們提供的這些原始數(shù)據(jù)非常寶貴，許多政府和媒體機構(gòu)都在關(guān)注。這些數(shù)據(jù)也是開放的，科學(xué)家在這些數(shù)據(jù)的基礎(chǔ)上做相應(yīng)的分析，我們后續(xù)也會跟進的。
杜鴻儒：流行病學(xué)分成很多個板塊，有的科學(xué)家關(guān)心病毒基因構(gòu)成，追溯其來源，這些我不太了解，我們現(xiàn)在做的建模工作偏向統(tǒng)計分析，關(guān)心確診數(shù)量、檢測數(shù)量、死亡率、擴散速度等等。
我也看到中國國內(nèi)很多科學(xué)家在做類似的分析工作，發(fā)了很多期刊文章，我覺得這些分析越早發(fā)出來越好，它可以幫助決策者更清晰地看到疫情的嚴重程度，提供一些可行的方案建議。
通過這次疫情，我感受到及時公布數(shù)據(jù)的重要性，盡管不斷攀升的數(shù)字看起來很恐怖，但是可能會起到讓你待在家里不要出門的作用，這對阻斷傳染病傳播是最有效的辦法。
除此之外，確保這些數(shù)據(jù)的準確、盡快對疫情走勢作出判斷也非常重要?，F(xiàn)在美國的疫情已經(jīng)很嚴重了（記者注：截至發(fā)稿時間，JHU數(shù)據(jù)圖顯示美國確診數(shù)量已是全球第一，超過27萬），我們會根據(jù)我們的數(shù)據(jù)和模型來判斷，美國政府實行的這些social distancing等隔離政策是否有效，疫情拐點會在哪個時刻到來。
訂閱南方周末會員，支持原創(chuàng)優(yōu)質(zhì)內(nèi)容。成為南周會員，尊享七大權(quán)益，在一起，讀懂中國。
南方周末記者 黃思卓
