新研究显示，美国的疫苗数量可能被高估了

作者：Marcia Frellick

2021年12月9日 -- 今天在《自然》杂志上在线发表的一篇论文解释说，更大的调查并不一定更准确。在预测第一剂量的COVID-19疫苗剂量的情况下，一些最大的调查出现了偏差。

由英国牛津大学博士生Valerie C. Bradley领导的作者写道，增加数据规模会放大调查偏差，这种效应被称为大数据悖论。

该小组重点调查了对疫苗的态度和行为的三项调查。DelphiCFacebook（每周获得约25万个回应，2021年1月至5月有超过450万个回应）；Census Household Pulse（每两周获得约7.5万个回应，2021年1月至5月有60万个回应）；以及AxiosCIpsos Coronavirus Tracker5，最小的是每周1000个回应。

这些调查被用来帮助填补信息收集方面的空白，因为疾病预防控制中心收集的是关于接种疫苗的实际数据，但它往往是延迟的。实时数据可以帮助形成围绕疫苗和信息传递的政府政策。

但最大的调查是高估了超过调查提供的统计不确定性，作者写道。

论文称，到2021年5月，DelphiCFacebook将吸收率高估了17个百分点，Census Household Pulse高估了14个百分点，与（CDC）的一个基准相比。

AxiosCIpsos在线小组有大约1000个回应，也高估了吸收率，但只高估了4.2个百分点。

在某些情况下，这两项大型调查对一个措辞几乎相同的问题得到了非常不同的结果。例如，DelphiCFacebooks对2021年3月底起接受疫苗的意愿的州级估计，平均比人口普查户的估计低8.5个百分点，差异高达16个百分点。

然而，AxiosCIpsos与CDC的基准密切一致。

作者写道，我们的核心信息是，数据质量比数据数量更重要。

除了对防治COVID的努力造成损害外，这些调查还陷入了一个流行的误区--认为数据规模可以克服数据数量少的问题，布拉德利说。

她说，这两项大型调查对COVID疫苗接种的估计不仅有偏差，而且对其错误的数字过于自信。

是什么导致了这些差异？

作者说，造成这种差异的原因之一是，这三项调查采用了不同的设计和招募方法，这可能会在估计中引入不同的偏差。

加权也是一个因素。

作者写道，白人成年人和拥有大学学位的人的比例过高，解释了DelphiCFacebook的部分误差。

种族群体在调查中的代表性不足。对结果进行加权以反映这一点将使Delphi-Facebook与其他调查更加一致。

共同作者、牛津大学的Seth Flaxman博士说，Facebook的调查没有对教育或种族进行调整，而人口普查的调查也无法对政治党派进行调整。

然而，归根结底，大型在线调查遗漏了一些人，无论怎样调整都无法解决这个问题。弗莱克斯曼说，如果你没有互联网接入，你就不会被包括在内。

他说，农村地区的人更不可能被包括在内。衡量疫苗的接受情况、使用情况和犹豫不决的程度是很难的，而且在接种疫苗方面存在的同样障碍使人们不太可能被纳入这些调查中。

弗莱克斯曼说，虽然有理由质疑其他调查的估计，从社会距离到人们犹豫不决的原因，但我们知道唯一错误的估计是关于吸收和直接相关的问题--犹豫不决和意愿。

他说，这些调查帮助社区了解如何集中精力，准确的信息是至关重要的。他说，如果调查显示，例如，人们正在花费精力消毒表面，那么我们就迫切需要将COVID-19在空气中传播的信息传达出去。