“约翰·霍普金斯大学发布的最新统计数据显示……”
“According to the Johns Hopkins University tracker……”
随着全球疫情爆发，约翰·霍普金斯大学的疫情地图数据高频出现在了各大媒体报道中。该地图还登上过顶尖医学期刊《柳叶刀》。就连美国副总统彭斯在卫生部门开会时，背后也是这一疫情地图。
2020年2月27日，在华盛顿的卫生与公共服务部举行的新型冠状病毒工作会议。图自美联社/安德鲁·哈尼克。而在这些数据背后，团队主要成员是两名中国留美博士生。近日，南都记者采访了两名开发者、约翰·霍普金斯大学系统科学与工程中心一年级的博士生董恩盛、杜鸿儒。南都：多家国内外媒体援引了你们的数据，有人称这比美国疾病控制和预防中心(CDC)公布的数据都更及时、完善，你们怎么看？杜：美国疾控中心的更新相对滞后，而且他们周六日不更新，所以不能持续地为用户提供数据。此外，我们的疫情地图推出时间很早，许多用户在推出后就持续追踪使用，形成了一种习惯。董：其实我们与疾控中心的数据是一种互补的关系。疾控中心的数据有权威性，但我们的数据在可靠的基础上更加及时。我们比CDC最好的地方在于，我们的数据精度较高，精确到了县市级。杜：解决了之前的数据更新问题，可以进行自动化的信息抓取。接下来想提升数据的精度，将德国、法国和南美洲的国家数据呈现细致到省区级的精度。董：截至4月7日上午11点，网站已有161亿总点击量。随着新冠肺炎席卷全球，部分国家官方疫情信息公布较慢，尤其是在非洲、南美洲。因此，从访问量和来源看，这些地方的部分民众也会经常访问我们的疫情地图。不过，现在做疫情可视化地图的机构太多了，尽管我们的更新速度很快，但像德国、法国等国的部分机构将数据精确到省市级别，因此来自欧洲的访问量减少了。但如果要了解世界整体的变化，一般都是看我们的地图。董：老板（注：导师劳伦·加德纳，Lauren Gardner）是研究疾病传播过程的专家，我们就跟着她一起做。同时，我们的初衷是，希望通过追踪数据，可以观察一场疫情从生到死的过程。董：25人左右，主要负责的还是我们两个人和导师。外围成员主要负责服务器维护、编程处理、媒体沟通等。南都：在制作过程中有没有发现数据变化的特点、规律？董：基本上每次服务器瘫痪，都是在疫情有所变化的时候。可以说，我们服务器宕机的节点与全球疫情变化的节点呈正相关关系。第一次大约是武汉的疫情数据标准（注：临床发现的新冠肺炎病例也加入到确诊病例中）发生变化的时候，大家发现人数突然猛增，很多人到我们的网站上看；第二次是意大利疫情爆发的时候，许多意大利民众涌入网站，当时意大利的用户数还超过了美国的；后来第三次高潮，主要是美国疫情爆发，大家都挺关注美国的数据。董：之前困难是从来没有受到过这么多关注（笑）。因为流量太大了，经常把我们的系统整崩溃了。像3月12日，一天的全球访问量就有20亿。为此，我们已经换了至少三台服务器。 董、杜：世界卫生组织、美国疾病预防控制中心、欧洲疾病预防控中心、中国国家卫健委、当地新闻报道和卫生部门，以及丁香园等。目前，我们使用了半自动化的实时数据流策略。我们会与计算机系的朋友合作，让他们运用机器学习、自然语言处理等技术在网上搜索相关信息，但为了确保数据准确性，我们还会进行人工比对核实和手动更新。董：我之前有可视化经历，所以在技术思路上相对成熟。但在数据来源和数据结构搭建上还是遇到一些困难。一是数据的半自动化比较费事；二是需要考虑地图上点的放置，不同国家的数据层级等问题。一些小功能的增加其实会让数据有很大变动，或是增加服务器的负担。杜：举例来说，我们后来增加了数据更新时间。这其实是有难度的，因为我们的用户来自世界各地。后来，我们把地图时间调整为格林尼治时间（注：全世界的时间标准），但相应的也需要把以前的数据做很大的调整。从制作到第一次发布大约花了六、七个小时，但之后每一次改进花的时间都非常多。董、杜：增加更多的可视化工具、进行进一步的数据公开。其中，可视化可能会精确到美国郡县级（注：相当于中国的市级单位），但因为涉及到隐私问题，我们也会再考虑。举例来说，我们之前在处理钻石公主号的患者标记位置时，就遇到了一个“隐私乌龙”。当时，部分钻石号旅客撤回到美国。由于患者具体位置不明，我们就选择将点标记在美国相对而言的一个地理中心——堪萨斯州。但有些美国人比较喜欢探索，会放大地图，放大到最后发现这个点落在他们小区上。他们以为自己小区竟然有新冠肺炎病例，但实际上不是这样的。小区上报给当地卫生部门，又再层层上报，最后我们学校的新闻官告诉我们赶紧调整一下。于是，我们将点暂时放回了钻石公主号最后的停靠位置，日本横滨港。现在我们的处理是，地图放大到一定程度，标记的点就看不到了，不让他们把自己家和这个点形成对应关系。董：这其实是跟国际媒体的报道有关系。一开始大家把钻石公主号的所有案例归结为日本当地的案例，之后又把日本国内的案例与钻石公主号分开了。我们就重新调整了数据，这也造成可视化的时候，日本统计数据有了断崖式下降。但这个不是数据本身的问题，而是初期全球统计的一个偏差。杜、董：我们两个的主要方向是疾病模型，也就是用数学模型和计算机代码来解释一些流行病学、公共健康方面的问题。研究侧重的不是医学本身，而是对全球流行病的发展趋势做基本判断和推测。董：一开始是发现学校内部发了新闻稿件，接着学校主网站的头版头条推送了我们的疫情地图。后来开始出现了“逆向传播”的现象，比如我的朋友会转发给我，说“要不你看一下这个东西，挺好的”，我的西班牙助教也是前几天问我有没有看过这个图，是他一个西班牙朋友推荐给他的。我就告诉他们是我们做的。董：其中有个小故事。我们之前有一篇关于麻疹的文章，当时处于向《柳叶刀》投稿过程中。但这时新冠肺炎爆发了，几乎《柳叶刀》所有编辑都在忙新冠肺炎的文章。我们老板（注：导师）就比较着急，发邮件问《柳叶刀》主编关于麻疹文章的进展如何。主编回应说他们忙于新冠肺炎文章，但天天都在看我们的地图。于是，我们老板觉得必须有一篇文章向大家介绍，做疫情可视化地图的经过，让大家了解我们的数据来源和处理过程，对我们有信心。南都：还有其他疫情可视化的工具让你们印象深刻的吗？董、杜：国内可视化做的比较好，比如丁香园。他们也方便了学生、学者的研究。我们的新冠肺炎可视化是在中国以外比较早的一家，所以反而是其他国家、机构学习到了我们的可视化成果。杜：我们现在还在研究新冠肺炎的疾病模型，想研究疾病是怎么爆发的、增长速度如何、真正开始的日期等。董：其实，疫情可视化地图只是我们研究过程的一个辅助工具，没想到引起这么大关注。这导致我们的工作重点也偏向可视化，但其实我们想做更多的流行病学分析。* 南方都市报（nddaily）原创内容未经授权，不得转载。
▊ 南都福利社南都君将送出3本《工作不焦虑》。美国创新领导力中心（CCL）大中华区顾问委员会陈朝晖、海尔集团副总裁杜镜国作序推荐。要成为高效能人士，首先要做的是破除焦虑。本书提出了"压力+纠结=焦虑"的公式，并给出了"唤醒、专注、超然与释放"四步解决方案，手把手指导构建韧性思维，帮助我们不断调整自己，轻松愉悦地完成工作。戳链接，查看参与方式。
点击图片，34元