大數據分析與簡單的數學思維應用

文／蕭宇軒　2022/6/2

　　疫情期間人們難免焦慮，伴隨著每日下午確診人數的報導，得到的資訊卻總是無法在腦海中成形，無疑更加深了一層壓力。 有鑒於此，筆者嘗試從政府資料開放（Open Data）平臺取得相關數據，再應用簡單的數學思維分析：你身邊存在有多少隱形的傳播者。

可能的傳染週期為5天

　　首先我們來了解Omicron變異株的性質，相較於Delta變異株，Omicron的潛伏期縮短為約3天，且從發病日前2天至後5天皆可能有傳染力。假定收到確診訊息的人都能立即自主隔離，直至無傳染力後才解隔，以此為準，我們認為每位確診者可能的傳染週期為：發病日前2天至收到確診訊息當日。

　　我們可以試想以下狀況：「 某甲是一位確診者，於5/16出現症狀（發病），某甲不以為意，想先觀察一天，直至5/17症狀加劇，於是在家人建議下前往醫院進行PCR篩檢，最後於5/18下午收到確診訊息，開始進行自主隔離。」 在此例中，某甲可能具傳染力的日期為：5/14至5/21，但某甲於5/18下午便自主隔離，因此變為5/14至5/18，傳染週期總共5天。也就是說，5/18日的確診者，5/14~5/18是其可能具傳染力的日期。

由Open Data取得的大數據進行整理分析

　　今年5月，臺北市政府教育局考量適逢疫情洪峰，為因應國中教育會考，宣布市內各級學校於5/23至5/27進行遠距教學演練，筆者利用政府資料開放(Open Data)平臺取得的數據進行整理分析，可以得到今年5月臺北市的每日確診人數。

隱形的傳播者

　　將表中資料依前述規則，對每日確診病例具傳染力的日期進行標註，最後依照日期把對應的確診人數加總，即可得到臺北市每日可能之隱形傳播者數量。例如欲計算5/18當日隱形傳播者數量，則將具傳染力日期包含18日之研判日：5/18、19、20、21、22（即5/18日後5天），上開研判日之確診人數加總，得到5/18當日之隱形傳播者有46,231人。

　　從政府資料開放(Open Data)平臺也能取得臺北市人口數，將每日隱形傳播者的數量除以臺北市總人口數，換算成百分比並取到小數點後第二位，可得每日隱形傳播者比例的估計值，從表中數據可以知道，隱形傳播者比例的洪峰約落在5/14～5/17，此時的隱形傳播者比例約為2%，代表100位臺北市民中，約有2位隱形傳播者，此時若去大賣場採購，賣場人流數標註為300人，則其中約有300x2%=6，6位隱形傳播者。

　　綜上所述，即便面對疫情洪峰，我們在固定場域內接觸的隱形傳播者，數量也許沒有想像中的多，只須將防疫措施做到位，不長時間停留在密閉場域內，相信可以有效抵禦Omicron的侵襲。

快篩改變戰局走向

　　由之前的例子不難看出，隱形傳播者的比例會受到傳播週期的長短所影響，因此，充足而便利的快篩，搭配合適的政策，可以讓確診者迅速判斷情勢並進行自主隔離，有效地切斷傳播鍊。前述例子中的某甲，狀況可能變成：「 某甲是一位確診者，於5/16出現症狀（發病），某甲不以為意，想先觀察一天，直至5/17症狀加劇，於是當天一早在家人建議下，在家使用快篩試劑呈現陽性反應，開始進行自主隔離並預約視訊看診。」 此時因為某甲於5/17一早便自主隔離，具傳染力的日期變為：5/14至5/16，總共3天。也就是說，傳染週期從5天縮短為3天。將表中資料進行修正，會發現所推估的隱形傳播者比例有可能大幅下降。

　　當然，這樣的推估過於簡單，忽略了諸多現實情況，例如無症狀感染者、確診人數是否真實...等因素，筆者只單純以簡單的數學思維配合大數據分析，將一種可能的概況供讀者參考，希冀將來聽到確診人數的報導時，能夠心裡有數。