当我们回顾 COVID 大流行病时，事后诸葛亮会告诉我们什么？我们会将这十年之交铭记为最终给大流行病防范带来真正变革的一年，还是我们最终回归“常态”会阻碍我们的进步？
尽管流行病学家长期以来一直警告全球大流行病的可能性，但他们的告诫在很大程度上被忽视了。然而，工业化动物养殖 practices、人畜接触增加、全球化、生物多样性减少和其他因素都指向另一种具有大流行潜力的动物源性疾病（从动物传播给人类的疾病）的可能性。
当前 COVID-19 大流行病的一线希望是，如果我们正确利用我们所学到的知识，它可以帮助我们更好地为未来的疫情爆发做好准备。特别是，我们可以更好地利用我们在大流行病防范方面拥有的最关键资源之一：真实世界数据。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关当今塑造我们世界的发现和想法的具有影响力的故事的未来。
实时洞察的重要性
这场大流行病创造了大量数据，可以帮助我们为未来的疾病爆发做好计划。关于美国大流行病应对措施的大量研究提供了对各种行动方案的益处和后果的洞察，我们可以利用这些知识来应对未来。
主要经验教训之一是医疗保健系统需要具有实时可见性。虽然观察人士再次和再次声明，检测的无效推出是（并且仍然是）美国在领先于 COVID-19 方面最大的失败之一，但还有大量的其他数据可以提供对病毒传播的洞察。我们需要改进收集、共享和分析这些真实世界数据，以便我们能够快速识别 COVID-19 症状、识别有效治疗方法并更快地跟踪传播。
例如，当大流行病开始时，公共卫生组织传播的信息将喉咙痛、呼吸急促、咳嗽和发烧确定为症状。然而，几个月后，其他症状，如皮疹和皮肤变色（例如在脚趾和脚上）被认为是该病毒的潜在指标。此外，被称为“沉默性缺氧”——COVID-19 导致危及生命的低血氧水平，但呼吸没有任何明显的外部影响——在医生知道要注意它之前就夺走了许多患者的生命。
为什么我们不能更早地识别这些症状？医生记录患者就诊情况的电子健康记录 (EHR) 不允许以简单有效的方式大规模共享数据。如果可以在国家层面挖掘去识别化的患者数据，人工智能和机器学习算法本可以比孤立的研究人员在小患者群体中工作更快地识别模式。研究人员没有全面检查 COVID-19 数据，而是在六个月内发表了超过 23,500 篇论文——信息丰富，但对于任何个人来说，数据量都太大，无法解析并识别有价值的研究。
集中数据访问不仅可以加速 COVID 症状的识别，还可以快速研究有效的治疗方法。研究人员可以使用真正强大的数据库来分析和识别哪些治疗方法对具有各种潜在疾病或病史的患者最有效。
此外，在共享数据库中使用机器学习技术可以生成预测性洞察，显示社区中先于疫情爆发的模式，并帮助指示应在何处以及何时实施封锁和社会疏远命令。一些国家已经在使用非常规数据源，如去识别化的手机和健身追踪数据，来预测 COVID 疫情爆发。例如，德国正在使用去识别化的跟踪应用程序来识别日常习惯中的异常情况，例如经常活跃的用户跳过锻炼或散步，以预测社区何时可能即将经历疫情爆发——并在疫情恶化之前阻止它。
以色列的经验提供了一个很好的例子，说明如何分析和共享真实世界数据。通过迅速向一半以上的人口推出辉瑞疫苗并跟踪结果，该国能够证明，由于疫苗，严重感染和住院人数显着减少。这种真实世界的证据是理解疫苗如何在受控临床试验之外和更大规模人群中发挥作用的关键。
这些措施仅代表政策制定者可以采取的基本措施，以提供实时洞察。而且这些好处不仅可以用于大流行病防范；挖掘和分析去识别化的数据可以用于识别对抗从精神健康问题到慢性疾病的任何数量疾病的有效策略。
事后诸葛亮、远见卓识和洞察力
当下一个具有大流行潜力的新型病毒不可避免地出现时，我们在未来几个月和几年内实施的变革和准备工作将决定我们是否能够更好地管理另一场像 COVID-19 规模的危机。必须采取紧急行动，因为我们的医疗保健系统在各个层面都继续经历数据共享中断。虽然 COVID-19 检测已大幅增加，但各组织仍然难以共享检测结果，因为一些机构仍然依赖传真机来传递及时信息。在对抗持续的大流行病时，在检测后几周交付的结果对于预防疾病传播几乎没有作用。如果我们要有远见来预防下一次大流行病，我们就必须实现实时洞察，并认识到研究过去事件的重要性。
虽然像英国这样的一些国家已经投入大量资源来对额外的 COVID-19 基因组进行测序，但美国在全球排名第 32 位，以每 1,000 例 COVID 病例完成的序列数量计算。不仅无法识别突变病毒，而且也无法轻易识别该水平病毒流行病学的任何重大转变，这将继续阻碍我们预测和预防传播的能力。
虽然对于大流行病防范和预防的最佳行动方案总是会有不同的意见，但我们需要创建一个更有效的讨论论坛，并且必须继续鼓励多学科之间的对话，以权衡各种方案的潜在社会、经济和生理影响。这些讨论不应等到下一次大流行病到来才开始。相反，我们必须建立并充分资助智库和委员会，以设想可能的 сценарии 和应对措施。
我们应该寻求回答重要问题，例如：各种社会经济水平的企业可以承受多久的停业？哪种类型的援助最有效？儿童错过一年学业或以虚拟方式上学的长期影响是什么？隔离如何影响不同年龄组、收入水平以及城乡环境人群的精神健康？哪些策略可以减轻这些影响？可以从拥有复杂数据捕获系统的国家吸取哪些教训？
有了正确的数据进行分析——以及正确的专家来分析这些数据——我们完全有能力回答这些问题，并收集必要的见解来了解 COVID-19 的持续影响。有了这些知识，并全球认识到无效应对的后果，我们将有动力和手段采取适当的预防措施，并在未来大流行病开始之前就预防它。
这是一篇观点和分析文章。