实际上，流行病学本身是数据科学最重要的分支之一。在流行病疫情防控上，数据科学不止是统计每天的疫情数据，另外它还是理解流行病的传染特性、传染规律和控制策略的有效性的重要手段。

想要了解数据科学的作用，就需要从流行病的定义谈起。传染病是指由特定的传染物（比如病毒、细菌），通过从受感体（人、动物、植物）直接或间接地传播给易感体，使易感体被传染的疾病。

英国霍乱大暴发，多亏了数据科学

19世纪中期，英国本土暴发了霍乱。当时科学家、医生和政府官员对霍乱不了解，一筹莫展，眼睁睁看着疫情蔓延。这时，一些医生观察到，病人的分布常常是穷人区域里的比较多，且散发恶臭的地方比较容易得病，于是便提议用除臭剂来阻止霍乱流行，更有官员提出要把恶臭的地方彻底清掉。

但清洗伦敦后，霍乱开始了第二次暴发，死亡人数比第一次多了3倍之多。问题出在哪里呢？当时人们做了很多观察，但都没有做统计意义上的分析。此时一位医生约翰·斯诺，他走访了死亡患者的家庭，了解有患者家庭和无患者家庭间的区别，对比他们的生活条件、周边环境、生活方式有什么根本不同，收集了很多数据。

利用这些数据，约翰·斯诺最终确定霍乱暴发和水源有关。随后，通过拒绝饮用伦敦苏荷区宽街与苏克莱星街交汇处的一处水井，伦敦霍乱患病率开始降低。

纪念斯诺而保留的水泵和他当年调查绘制的地图，图自网络

30年后，德国的微生物学家罗伯特·科赫发现霍乱的病原体“霍乱弧菌”，它能够存活于水中，从而用科学证明了约翰·斯诺的假设。

斯诺通过比较两个人群组在统计意义上的不同，找出区分它们的关键因素，从而找到致病的原因，这个方法在统计学里叫做“假设检验”。斯诺以此为基础创建了一门非常伟大的学科叫流行病学（Epidemiology），他也被称为“流行病学之父”。为了纪念他，宽街的那口水井的水泵一直保留到现在，水井对面的酒吧被命名为“约翰·斯诺”。

研究流行病，就要找到病原、病的生成期、潜伏期、传染性、严重性、确诊性、病毒传播的模式、风险分析、干预政策的设计和评估、疫情分析和预测。流行病学中的数据科学不一定很复杂。就目前暴发的新冠肺炎疫情，伦敦帝国理工学院的科学家做了一系列研究。

2020年1月18日，伦敦帝国理工学院发表了第一份对武汉的疫情分析，预测患者接近4000人，而当时武汉确诊的病例是41例。 科学家通过离开武汉到了国外确诊的病例有7个，同时从国际航空报告里知道武汉每天有3300人出国。

科学家把每天出国的3300人作为一个在武汉抽样的样本，患病周期是10天，所以总体样本空间有33000人，其中7人是确诊病例，这样就可以算出感染的概率（7/3300*10）。

根据这个概率，可以计算出武汉的感染人数，虽然这是非常粗略的估计，但它却有统计学上的意义。

用动态数据模型来指导疫情防控

疫情每天都在变，健康的人变成感染的人，患者治愈了或不幸去世了，每天都有在动态变化。

要掌握疫情的发展，特别是要了解干预政策怎样影响疫情的动态变化，就要建立流行病的动态模型（SIR模型），这又是数据科学非常重要的问题。

上个世纪二十年代，两位既是传染病学家也是物理学家的英国科学家科马克（W.O.Kermack）和马肯德莱克（A.G.Makenclrick），他们是把人群分为还未被感染的（易感人群，Susceptibles）、感染了的（传染人群，Infectives）、不再被/会感染的（免疫/死亡人群，封闭了的）群体，这三个群体之间的动态关系。就可称为SIR模型。

现在很多预测模型，千变万化，但共同点就是在刻画三个人群之间的动态变化的规律。研究这个规律，我们要看：

（1）从易感者（S）到感染者（I），这个叫感染的传播过程。我们要研究让易感者避免被感染，控制易感人群变成传染人群的速度，这便和干预措施有很大关系。

（2）从感染者（I）到不传染（R）, 或叫被移除。不传染有各种情况：一部分是治好了，一般来说病毒性的疾病治好了就有免疫力，不会再被传染；一部分不幸死亡了，也不能再传染；还有一部分我们能够有很好的办法隔离起来，比如方舱医院，让感染者不再传染别人，也可以算是被移除的。

另外，还要看三个动态变化人群之间的关系：

①在给定时间（t）里，易感人群还有多少；

②被传染人群有多少（即已被感染并会传染的人数，我们每天报的疫情有确认的受感者，但报的是发现就诊的， 通常这只是真正受感染的很少的一部分）；

③已经治愈的和死亡的数据有多少。这个数目比较确定。

如何创建动态系统数学模型？首先假设模型里每个人是在不断游走的，没有什么限制，接触概率是相同的。我们来研究在这样的环境里，传染病是怎么传播的。

然后开始有干预政策，不让人群那么自由的流动，减少人与人的接触，这样的模型就要做些改变。在动态模型里，我们要找到感染速度、恢复速度等一系列特征量。

感染速度：S→I rate = b*StIt

感染速度（S→I rate），是描述易感者被感染的转换过程的特征。

这个感染速度与两个因素成正比：①被感染人群的大小；②易感人群大小。

所以，感染速度等于易感人群（St）与感染人群（It）的乘积，还要再乘上感染速率参数（b）。

感染速率参数与两个因素有关：与传染接触的概率有关。人群接触少的，参数就会小一点。艾滋病是靠性传染，传染接触的概率一般不大， 而新冠病毒是靠飞沫传染，传染接触的概率就大，要控制人与人的接触就难一些；与疾病传染性有关，也就是说，一旦接触后被感染的概率有多大，