在一场疫情中，一些国家的实际感染和死亡人数与官方统计和公布的数据往往存在较大甚至巨大的差异。在人们的印象中，中国、德国、韩国等国家在新冠肺炎疫情这方面的差异比较小；而美国、巴西、印度、意大利和英国等国家则存在较大或巨大的差异。美国是最多的。

——美国疾病控制与预防中心主任雷德菲尔德6月25日表示，根据调查，大约5%-8%的美国人感染过新冠病毒，而其中可能只有10%的人感染过新冠病毒。之前发现。以美国目前3.298亿人口计算，美国实际感染新冠病毒的人数可能是目前确诊病例的10倍，达到1650万到2640万之间！

——美国西北大学芬格医学院流行病学家萨迪亚·汗7月初表示，美国实际感染新冠病毒的人数可能是公开数据的10-24倍。

——4月23日，纽约州州长库默表示，该州对5个区超市和大卖场的3000名市民进行了随机检测，发现其中13.9%的人新冠病毒抗体呈阳性。据此推测，在拥有1954万人口的纽约州，可能有270万人感染或已经感染新冠病毒！而且，这还不包括参与救治新冠患者的医护人员。库莫表示，实际死亡人数肯定更可怕，过去两个月，纽约人的死亡人数远高于往年，这表明新冠病毒的死亡人数远高于官方数字。

——美国“抗疫队长”福奇5月12日在美国参议院听证会上表示，“我们大多数人都认为死亡人数很可能高于（官方）数字，我们不知道如何高是实际死亡人数几乎肯定会更高。” 他认为，实际死亡人数有可能比统计数字高出50%。

——《纽约时报》4月底报道称，美国疾控中心数据分析显示，美国因疫情造成的死亡人数远高于目前公布的数字. 疫情期间纽约的死亡人数达到了正常水平的3倍多，实际上可能已经达到了6倍！此外，美国医生和公共卫生专家也表示，美国官方统计数据未能准确记录大流行病的真实死亡人数。

——5月中旬，当巴西官方公布的新冠病毒感染人数不足20万时，伦敦帝国理工学院估计巴西实际感染人数可能已经达到这个数字的20倍以上，为4.2万人！

——6月中旬，当印度官方公布的新冠病毒感染人数仍超过30万时，俄罗斯专家判断，印度实际感染人数可能已经达到这个数字的30倍以上，达到1000万人！

从以上我们可以看出，在中国以外的一些国家和地区，疫情真相往往是一回事，而官方数据往往又是另一回事。有时，两者形成差异很大的“两张皮”。

值得注意的是，包括研究机构在内的官方统计和公布的疫情数据通常是确定性的，精确到个位数；而学术机构采用抽样调查方法获得的流行病数据一般是概率性或概率性的。模糊，一般只给出一个区间。

实践证明，了解全球疫情形势、指导一国抗疫工作，离不开各国准确发布的疫情数据；但完全依赖那些准确的数据肯定是不够的。

我们把一场疫情的实际感染人数和死亡人数与官方数据的差距称为“疫情真相与数据的差距”，简称“疫情数据的差距”。在深层次上，反映了国家相关权威机构工作人员的主客观认识水平和认知差距。在当前条件下，某个国家出现一定的“疫情数据差异”既是正常的，也是绝对的。由于疫情的复杂性，任何国家都不可能确保统计和公布的数据与客观实际完全一致。不错; 但是，如果某个国家存在巨大的“疫情数据差异”，

以完全离谱的疫情数据来认识疫情、指导防疫，会造成认识和工作上的“双重误导”，还可能引发民众对政府的信任危机。因此，人们应该提高警惕。

影响疫情数据真实性的因素有很多，包括技术因素、能力因素、经济因素、政治因素和风格因素。这是一个需要学者们探讨的大课题，本文暂不讨论。

现在来看，利用检测手段及时发现感染者，对于疫情防控来说是非常必要的。但是，将检测方法作为某国筛查感染者的唯一方法，不仅不科学，而且极其愚蠢。因为，对于一个国家来说，疫情检测很难覆盖到所有人员，即使勉强做到，也很难反映出所有人员情况的变化。在现实中，经常有一些人检测呈阴性，然后被感染并转为阳性。

根据就诊次数来统计感染人数可以吗？恐怕不完全可行，只能作为综合手段之一。这是因为一些轻症患者和无症状患者可能根本就没有去医院就诊，有的甚至可能在自己不知情的情况下被感染。

那么，什么样的方法可能最接近疫情的真实情况呢？答案是：对一定数量的有代表性的人群进行随机检测和抽样调查疫情数据为何与感知不一致?专家解读，得到更大数量的样本和“阳性”比例数据，然后再以全国总人口为基础，按等比例进行“放大样本”和地区。

另外，在疫情结束一定时间后，排除各种因素的干扰，收集所有疫情相关场所的所有数据，收集所有病例的所有信息，追加检测，一一核对，综合研判也是接近疫情真相的可行途径。. 武汉市适时对确诊病例和死亡病例数据进行修正，新增新冠肺炎死亡病例1290例。这是采用的方法。

总之，采取多种方式尽量减少疫情“真假差”，确保疫情信息透明和数据准确疫情数据为何与感知不一致?专家解读，努力控制“真假差”。在允许范围内，应该是各国抗击疫情的一个方向。

但无论如何，要记住，在很多情况下，“模糊数学”可能比“精确数学”更准确，概率结论可能比确定论结论更可靠！（正式名称，2020 年 7 月 2 日）