【#請讓我先校正我自己-#認真解讀數字意義】下午我轉了則迷因段子，簡短地寫上了「喔別」。非關立場，我覺得這件事上我做錯了。在這邊我希望能道歉彌補，也透過這則貼文，回歸粉專該有的樣貌。
我做不對的地方是，當資訊複雜難消化，第一時間我該爬梳國際案例，比較目前幾種選項的執行優劣，同時也該嘗試徵集專家學者智慧，創造討論讓大家更安心，而不是創造對立。但上面那些我沒有做到，反而第一時間迷因式、鬆散地轉貼一則嘲諷式譬喻：這不僅不夠尊重辛苦的指揮中心和一線防疫人員，也不符合大家對粉專的期待：這不是現在社會所需要的。對不起我讓大家失望，希望透過這貼文，我自己先校正我自己，彙整資訊如下供討論。（感謝下午和我通過電話讓我詢問的醫師）✨
國際上，因為通報流程或採檢量能（或遇到國定假日），而造成官方數據與實際情況有時間差，這現象在英國、日本、美國華盛頓州、加州、亞利桑那州都發生過：台灣不是第一個面臨這種情況的國家。這在英文中被統稱為“#Backlog”，不只是管理數據或採集流程的問題，還有實驗室量能的問題。
【針對篩檢量能】，英國目前做法，是政府緊急在全國範圍內廣設測試站點，分散壓力，同時也增設移動型的測試點來輔助；而【針對數據統計和大眾溝通】，美國菁英型分析雜誌 The Atlantic〈大西洋〉，有兩位先鋒記者，去年找來一群基礎架構工程師和大數據科學家，結合Github與實體志工，發起一項稱為“The Covid Tracking Project”的聯合數據計畫。（連結放在留言處）
他們從一開始邀集志工手動輸入確診數據，到後來優化流程，把運行一年來的經驗公開分享。他們說到：「防疫工作、尤其在數據採集上，是複雜且消耗大量資源的。建立強大社區回報機制，第一時間公開透明是最終解方。」面臨時間差問題，他們採取幾個替代做法整理如下：
✨👉 (一)以 #移動平均值 為考量，而非看單一一天資訊👈✨
實際案例告訴他們，相較於在意「時間差」，更應該在意的是「時間差出現的延遲是否一致」。只要延遲 #合理一致 ，那數據就具有可信度。一年來的經驗之後他們寫下：「當疫情拉長，任何一個給定日期的數據，都會隨著時間推移而增加。」意思是，時間差造成的數據落差（或說校正回歸）就是會發生。只有當大批數據延遲的時間 #出現異常 才是需要注意的警訊。因此，要更多加注意的數據是「#移動平均值」，例如，從每7天或每14天平均值 #觀察趨勢，這會幫助大家解讀只從「一天」這個時間段看到的高低起伏。
✨👉 （二）#增添數據欄位 標示「數據未完整」或校正回歸。👈✨
當發生通報效率、採驗或流程問題時，如果當天採而來不及驗，他們建議增添數據欄位，直接在當天公開資訊庫標記 #數據統計未完整 data incomplete (probable cases)。最後檢驗完成時，也會再次在圖表上添加清楚筆記。綜合第一點，目前他們建議政府公開公布的圖表上面該有：*1) confirmed cases *2)incomplete (probable cases) *3)incomplete confirmed cases *4)total cases:7 days avg
*5)incomplete total cases:7 days avg 這幾個指標。
✨👉 (三) #更該加重關注陽性率解讀👈✨
林氏璧孔醫師每天衛教時間，一直在倡導的概念，和美國一年來的經驗是一致的。網站上也寫下認為我們更該關心PCR陽性率有沒有逐日下降。至於陽性率的採檢母體和認定標準，大家可以追蹤孔醫師粉專或是podcast，他有更專業的脈絡提供。先說結論，對照台灣數據，目前台灣陽性率的最高點落在5/15，當日是6.3％，陽性率之後有逐漸下降。
�
最後，為什麼會忽然出現這個說法呢？從大眾溝通的角度，今天指揮官陳時中說：「把這些案例歸在今天 #會造成很大的誤解，#對於疫情的判斷很不利，我們需要透過看每日採檢的陽性率，去研判需要採用措施的強度」
只是我感覺閱聽大眾在第一時間，忽然聽到新字眼「#校正回歸」似乎比較沒有心理準備。會冒出幾個的問題，例如今天的案例，會不會明天有校正回歸讓今天的案例攀升？我自己在第一時間聽到的心情是有些疑惑的。我很感謝大家對我的監督，督促我回歸有意義的討論溝通，我承諾下午那篇讓人誤會的迷因貼文減少發布，也請大家持續督促我🙏🙏。
那同樣的，我們是不是也可以溝通凝聚更多專業意見，讓政府和民眾流程更順暢，讓大家安心？如果大家有好的作法，或是看到國外案例分析參照，歡迎私訊或是留言給我。
最後的最後，再次感謝第一線辛苦的指揮中心和防疫人員，感謝你們辛勞和專業的付出。I don't say it enough.
希望大家平安。
數據科學家 在 【全方位學程】AI 資料科學家 - YouTube 的八卦
... <看更多>