疫病地图这种统计工具的本质就是，将空间地理和感染病人密度这两个变量结合在一起，通过密集程度就可判断出感染者在地理空间上的共性和疾病的传播轨迹，从而可以针对性的采取防治措施，同时也有利于灾后的补救建设。

窝在家里的你是不是被这样的地图所吓倒？准备复工的你是不是也在替自己和老板担心？

每次传染性疾病的爆发都不可避免的伴随着大众恐慌，恐慌来源于信息不透明，可能来自于无知。

“新冠肺炎”疫情爆发从报告第一位病患后已近三个月，期间无数热点牵动各界的心弦，在这个过程中各家互联网公司都结合自身业务共克时艰，在信息公开传播方面体现了长足的进步。

而百度、腾讯和360等公司在内都同时推出了自家的“疫情地图”，除了以统计数据的形式实时公开疫情的发展状况，还以可视化图表的形式降低统计数据的认知门槛。

然而各家的疫病地图除了对疫情传播情况起到实时的普及作用，由于疫病地图有统计上的知识门槛，让部分民众在对疫病状况的理解上出现严重偏差，在各类社交软件上几乎每天都可以看到对流行病学地图的误读和恐惧。

图：某微信群对于疫病地图的恐慌情绪

所以我们有必要对流行病学数据地图的来龙去脉稍作梳理和科普。

1. 起源：疫病地图是怎么拯救伦敦流行病的

1853~1854年伦敦爆发了一场危及数万人的霍乱，10天之内就有500人死亡，流行病学医生John Snow通过疾病传播地图确认了疾病传染的原因，成为流行病学史上疫病地图和统计学在公共健康方面发挥作用的典型性案例。

霍乱爆发的背后是伦敦不断活跃的商业和迅速增加的人口，于此，公共卫生条件每况愈下。再加上市政建设明显不足，城市缺乏完善的下水道系统，居民生活区粪便堆积,极易污染饮用水源；脏物污水肆意排放，污染水源地（如泰晤士河）等等，最终酿成霍乱。

更重要的，在政府层面居民的公共饮水缺乏统一的管理主体，社会学家和公共政策专家将其称之为公共管理缺位问题。

霍乱疫情在1953年夏天爆发后，又在1954年气温回暖后重新爆发。当时中央卫生局任命的调查委员会经过调查后，确定了“瘴气传染论”，认为疾病的传播和大气的流动有紧密相关。也有专家认为下水道的污浊空气是传染源，这有点类似于本次新冠状病毒疫情期间部分人对于“气溶胶传播”的误读。

而流行病学家约翰·斯诺（John Snow）与亨利·怀特黑德对1854年伦敦布劳德街做出调查，确认了霍乱“水源传播说”。他通过疾病地图的手段发现，基于感染病人的地理分布状况。所有的病人都密集的围绕着某个水源点，由此推断霍乱的传播可能与水源洁净程度有紧密关联。

这与官方学术权威的“瘴气传播论”或者“下水道传播论”大相径庭。

历史上都是如此，代表官方的学术权威和年轻的学术后生，在关键问题上往往很难达成一致，而学术争论又会迅速地演变成社会各界关注的公共议题。

图：流行病学家John Snow绘制的伦敦霍乱传播地图

有趣的是一番争论之后，官方虽然口头未承认“水源传播说”，但是在实践治理上却逐渐倾向于从水源问题上入手。1954年伦敦霍乱疫情逐渐稳定后，伦敦采取了一系列措施强化公共水源管理，包括对水源地泰晤士河的治理、污水处理等一系列手段等，最后将污水引起的霍乱彻底消灭。

再看，疫病地图这种统计工具的本质就是，将空间地理和感染病人密度这两个变量结合在一起，通过密集程度就可判断出感染者在地理空间上的共性和疾病的传播轨迹，从而可以针对性的采取防治措施，同时也有利于灾后的补救建设。

疫病地图出现的初期，是作为一种研究流行病学传播方式和科学管控技术手段出现的，在伦敦霍乱之后，疫病地图作为一种常规的流行传染病研究手段开始进入到科学研究工具库中。

2. 互联网公司的疫病地图和日渐强化的数据意识

在本次新冠病毒的疫病地图服务中，最有代表性的是百度、360以及腾讯健康的产品，百度推出了“新型冠状病毒肺炎疫情实时大数据报告”“发热门诊地图”、360推出了360疫情查询服务，并在7天前推出了360“疫情小区一键查询”服务、腾讯健康则推出了“患者同小区”更小范围的疫情地图。

图：百度的实时疫情传播情况热力地图

对于一个面向大众的疫情通报工具来说，最重要的有三点：数据来源、数据覆盖面和疫情相关辅助性功能。

百度疫情地图突出了宏观性的全局掌控力，数据来源来自于国家卫健委、各省市卫建委的公开数据，最细可以切分到以市为单位的感染情况。而且在工具页面添加了谣言澄清、热点新闻等疫情相关辅助性功能。

总的来说，百度的疫情可视化工具更加强调信息的传播和整合性，突出了百度在信息方面的强大聚合能力。

360的疫情工具和百度疫情大数据报告类似，同样以各级卫健委的公开数据作为数据源，在辅助工具上添加了“疫情工具箱2.0”等，在心理健康疏导、医疗产品购买、社会关怀和官方联系等方面进行了信息汇总，为用户提供服务。

腾讯健康的“患者同小区”地图的数据来源是各地区卫生健康委员会的公开信息。其数据覆盖面可以细化到小区，在辅助工具方面同时提供了“免费义诊”“新冠自查”“口罩攻略”“心理自测”“热门科普”和“疫情辟谣”等各种实用工具，从功能的覆盖性上位于头部位置，精细到小区维度的数据切片为用户的疫情防控方案提供了更精细的参考，这得益于腾讯健康在医疗领域深度的积累。

从数据可视化的角度来说，人对于图像的感知和理解程度往往强于文字。所谓“一图胜千言”就是基于此种现象，这也是在现代科学研究、数据新闻和调查研究行业中图表扮演者重要角色的主要原因。

在我国的数据公开历程中，经历了从数字发布到可视化的历程，不断降低统计数据的接触门槛，民众也开始关注数据，是公共意识和现代化治理方面非常可喜的进步。

但是不论是统计数据还是基于数据的可视化结果，都需要以统计的专业视角来看待。对于没有接受过统计训练的大众来说，对如何解读统计数据进行基础的科普是必要环节，否则很容易陷入“统计陷阱”中。

3. 用科学眼光正确看待疫病地图

上一节分析的三家产品都采用了热力地图的形式，来展示各省的疫情传播情况。如图例所示，颜色越深代表确诊感染人数越多。这种数据表示方法同样起源于欧洲，而且首次出现的时间还早于伦敦霍乱出现的点状疫病图。

图：历史上首张热力统计图，来源于法国

1826年，法国男爵Charles Dupin发明了在使用连续的黑白底纹，来显示法国识字分布情况的方法，可能是第一张现代形式的主题统计地图。右图为律师Andr´e-Michel Guerry对英国和法国犯罪情况进行的比较研究。

这种图表以地理区域为单位，以颜色的深浅来表示变量的高低，如果不仔细读图，往往会形成一种整个区域都已经有严重感染情况的误解。看到“山河遍地一片红”就认为疫情已经有非常严重的蔓延，而不思考疫情感染的确诊和治愈人数在流行病学上的统计意义，是造成误解的主要原因。

疫病地图在对民众了解疫情的实时状况，推广防疫意识起到了降低门槛的作用，但是由于技术门槛，在社交媒体上出现了大量对疫病地图的误读，甚至在复工复产的关键节点，在一定程度上加重了恐慌的情绪。

图：腾讯健康中某社区的新冠病毒感染情况

另外一种情况，也是更常见的是对小区感染情况点状图的误读。以上图为例，最常出现的评论是“太恐怖了，不敢回城里上班了，但是没工资只能吃土”或者“某市到处都是感染的，完全不敢出门了”诸如此类。一般民众的恐慌情绪因为统计知识的匮乏被流行病学地图上的小红点放大。

从目前的防疫手段看，对于已经有病例出现的小区，卫生部门和基层大多采取了严控出入的封锁手段。从疾病传播角度来分析，如果没有高危的接触史，而且严格遵循戴口罩和勤洗手的防护手段，感染的概率也没有大多数民众在看到疫病地图和统计数据时想象的那么可怕。

更重要的是，公众再看疫病地图时候，往往会本能的忽视基数和比例问题，数十平方公里的案例被挤压在手机屏幕当中时，直觉的感受就是感染者的密度十分大。然而考虑到大多数人的行动轨迹和基层防疫的严格程度，大多数人不会与受感者的小区产生直接交集，更遑论与受感者发生接触，过度恐慌实无必要。

总而言之，严格遵循防疫规程，根据政府建议正常复工，把疾病地图作为一个参考手段，而非增加自身压力的压力源。当是更理性的选择，在非常时期每个人贡献力量的方式有所不同，科学防控，积极复工，也是为抵抗疫情做贡献。

作者：编程浪子，智能相对论（ID：aixdlun）

本文由 @智能相对论 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议