问题:层层加“码”真的提高了防疫的标准了吗?
最近苏州疫情严重。之前出入公司只检查苏康码是绿码就可以同行了。后来防疫标准提高了,要求同时还需要出示行程码不带星才可以进入。再后来为了限制外地人员,又搞出来了一个出入码。导致每次进一次园区都需要工卡、苏康码、行程码、出入证一堆证件。。。把一队汽车堵住了。尤其是在高速上,很多货车司机行程码都有星,没法从高速上下来,只能支锅打野。
最让人疑惑就是:额外增加一个码,真的更加安全了吗?是否其中某些码的功能已经覆盖了呢?而多重码又如何给那些风险不确定的人一个降低防控策略的途径呢?
例如:行程码中带有上海,往往意味着比较危险。但是病毒并不是按行政区划传播的。上海也有安全的地方,苏州也有危险的地方。例如上海的滴水湖就几乎没有病例。假如我去一趟滴水湖导致行程码带了星就不能进入园区,似乎也不合理。
额外增加一些码产生的问题相当的多:例如很多人有两部手机,或可以偷偷借来一部手机,来骗到绿码、通行证混进社区。这又不得不花费法律成本和道德来纠正这些问题。
或许对于基层来说,为了确保防疫安全,额外增加一个码能够额外多一层验证。但是,本着精准防疫的木板,额外多增加一个码往往带来了更多障碍却并没有体现“精准”,反而体现的是“一刀切”。
真正解决这个问题,或许我们需要重新思考一个健康系统了。
我们先讨论一些简单的事情:
病毒不按行政区划传播
对于一个病例,历史上曾经去过一个地方,那么我们可以用横轴描述时间,纵轴表述位置,能够表达一个病例事件。那么我们可以得到一个二维的坐标系,其中每一个病例的每一个行为,都可以描述成一个病例事件,也就是一个红点。
例如4月2日发现有一个病例曾经去过金鸡湖,那么我们可以得到这样一个图像:
显然,根据病毒的传播规律,在病例去过之后的一段时间里,周围的范围,都是感染几率较高的时空点。
所以它显然应当出现在时间的右侧,按照地点分布为一个概率密度云。越靠近病例的行为,危险性越高。逐渐向周围空间扩散。
因此,每个人在时间线上和地点的行为,越接近黄色的区域,就越容易被感染。
而根据一个人的接近程度,则可以推到出他被感染的概率分数。
健康码是绿色的,能代表一定没有被感染吗?
传统健康码最严重的问题在于:它太容易是绿色的了。以至于几乎所有人都是绿色的,导致在特殊情况下,例如防疫需要加强时,极难衡量风险。
例如在苏州爆发疫情时,小区可能会封禁。这可能是因为小区周围发现了大量病例,小区内部也出现病例的可能性也会大大增加。封禁小区后需要进行全员核酸检测。这确实是目前我们知道的最佳的方案,能够快速找到被感染的病例。
但是一件不太自洽的事情就是:在进行核酸检测时,几乎所有参与检测的人都是健康码绿码。如果说健康码能够有效评估一个人的被感染概率,且仅在几乎不可能被感染的情况下才会显示绿码,那么显然对一群绿码的人检测,也就是检测一群系统已经认为几乎不可能感染的人来做检测,这没有太多效率。
而假如我们说:健康码不能反应一个人被感染的概率,那么凭健康码出入就不再是一个合理的标准。健康码是绿色的,代表一定没有被感染,似乎不能这么说。小区就会自己开发出入证系统。从而最终变成层层加“码”。
这从很大一定程度,失去了健康码本来的意义:作为疫情期间判断一个人是否被感染的标准。
而实际上,我们更需要的是一个能够量化的东西。它应当能够真的反应出被感染的概率,应当是一个数值,应当能够量化统计。
健康码应当显示被感染概率的数值
根据一个不复杂的模型,匹配每个人和病例的时空交错,我们已经能够轻松的判断他是否可能被感染。
但是,相比直接给他划为黄码,再去手工调查他的行程、密接等,用一个指标能够量化其风险程度更加合理。尤其是当有了指标后,我们可以清晰准确的把握自己的健康,也能方便小区、公司检查出入人员的情况。
例如:每个人的安全分App,都能查看到自己的被感染概率。它可能是1-100%之间的一个数值。而计算它的方法,就是将这个人最近的行程和其它人进行向量和。
病例也是人,病例也有安全分,只是他可能被感染了,那么他的被感染概率就是100%。如果你曾经去过距离他很近的位置,则会累加到你的被感染概率中。
核酸检测 - 极大的改变系统中的被感染概率
在上面的模型中,我们使用了一个数值描述一个人的被感染概率。
那么当小区陷入危险时,小区内部可能出现了非常多可能被感染概率很高的人:例如有些人是0.01%,有些人可能就是1%,有些人可能就是 10%。
针对那些0.01%的可能性被感染的人,对着他们做核酸检测几乎没有意义。而针对那些10%的被感染的人,则非常危险。他们可能有很多人已经是病例了。
针对核酸检测,有些事情我们也完全可以自动化完成。一方面,核酸检测可以基于被感染概率选择性执行了。另一方面,核酸检测可以改变一些人的被感染概率。
例如,当一个人本来被感染概率是10%。每次核酸检测,得到阴性结果后,都应当可以降低这个概率降低。例如测一次后变成5%,第二次测后变成2.5%。而一旦阳性,则会立刻变成100%。
递归安全分 - 全自动化流行病学分析
在我们已经能够根据核酸检测影响每个人的被感染概率时,建立的模型应当是递归的。
通俗的举例来说:例如你本来的被感染概率是10%。而最近和你接触的人,都做了多次核酸,而他们几乎全部都是阴性,以至于他们的被感染概率被下降到了0.01%这种很低的值。此时,他们的行踪和你也有大量交叉,和太多阴性的人接触后,应当也可以降低你的被感染分数。这很科学在于:平时和你生活的人是阴性,那么大概率你也应该是阴性。
而反过来,假若一个人突然发现是阳性,那么他之前的行为都带有极高的危险性。任何靠近过的人都可能是阳性。这会直接大幅度改变这些和他曾经交错过的人的被感染概率。大家瞬间集团都有了非常高的被感染概率。
这样来看,城市里任何一个人的行为,都可能会改变离他非常远的人的安全分数。因为他或许和你没有直接交错,但是他可能间接性的经过四五次递归,就影响了你的分数。
这样的计算对人类来说比较困难,我们需要大量的医务人员进行流行病学调查。但是对于计算机来说,只是一些简单的多项式乘法和加法。每个人的健康程度都是一个递归与全城人的表达式。将全城人的行程表达为几百万个矩阵,再进行矩阵的变换,对于计算机来说计算量并不大。
而这种算法,本质上也算是一种“仿生”,模仿真实的流行病学调查。只是它以现实的数据作为校正。
而这种算法一旦落实,对于小区检测来说就方便太多了。平时大家可以要求99.9%的健康概率才能进小区。特殊时期就可以要求99.99%的健康概率,或要求99.999%的健康概率。而大家都知道,多做几次核酸检测能够显著提高这个分数。那么可能高危的人,就会自觉的在外面先做好核酸,来方便自己进出小区。
基于AI?
我们可以想到一种,基于全城人的行程数据和每个人的核酸结果,得到每个人的被感染概率的算法,并且并不复杂。
但是,我知道这种简单的算法或许可靠,但是一定也会有漏洞:例如可能真的有算法评估是极低几率被感染,但是某个不出门的宅男,坚持某一天不带手机又去拜访了阳性病例。或是被评估感染概率极高的人,因为防护真的好,又一直是阴性。
真正实现精准防疫,我们需要的或许是更加复杂的算法。可能是需要基于AI的,这种AI还需要考虑你的作息、手机数量、工作类型、年龄、病历等。出租车司机的被感染概率就显著高于坐在办公室的白领。抵抗力差的人显然就应该更高于年轻人。
我只能算是提出一个非常简单的模型,说到一种可能可以量化被感染概率,并且方便精准防控的方法。我很期待能够看到真的基于机器学习和人工智能的,更加精准的推测每个人健康情况的论文和算法。
理论安全与实际安全
这些提到的,只能停留在理论层面。高效率的防疫,我们不能将理论安全和实际安全分离。虽然,隔离,是历史上人类已经总结出来最有效的方法,但是有些情况下,结合算法的计算结果,实际的安全措施往往应当更加灵活。
例如:我们小区在疫情最严重的时候,会禁止外卖送进去,但是每次进出小区,仍然需要按一个按钮才能开门。我坚定的认为这个按钮上一定混合了全小区人的手摸过的病毒。他们早就应该去掉这个开门键,保持永远开门。
再比如:苏州最近推行了一个政策,禁止在饭店堂食。但是这只能导致人们买了饭,在饭店门口蹲着吃。虽然本质上是希望拿回家吃,但是人都是活的,他们只能想出最方便自己的方法。
禁止堂食,本质上还是想降低用餐时的交叉感染。但是吃饭的时候,本来假如饭店里已经一个人都没有了,那么你吃饭还会和谁交叉感染呢。。
这种政策我还是认为应当改成:禁止多个人一起同时吃饭。实施起来,就是每个饭店只放一把椅子就行了。
严格的防疫是必需的,需要提高的只是效率
真正的防疫,我认为还是不能放松的。很多人说应当完全放开躺平。奥密克戎只是大号流感。说些什么:防疫的成本已经高于得病毒的成本。
我认为这是不科学的。我们防范的,严格来说应该不是奥密克戎。奥密克戎或许重症率真的低,而且发病以后症状确实和感冒也差不多。但是,真正的威胁我觉得绝不是奥密克戎。只是因为奥密克戎的传播能力太强,以至于我们主流媒体只关注了奥密克戎。
之前的几种变种,例如:德尔塔,其完全没有因为奥密克戎的传播力太强而消失。只是不被关注了。我们如果完全放开,迟早还会被更加危险的疾病感染一次。
或许我们正是因为严格的防疫,改变了世界线。在另一条中国已经完全放开的世界线里,奥密克戎已经产生了下一代变种,且死亡率50%。我们说不准这种可能。
对我个人而言,严格的防疫,防范了的也不仅仅是奥密克戎,我已经几乎三年没有感冒发烧过了。几乎我已经忘记了人类曾经还没战胜感冒。或许这种措施,可以在未来进一步消灭更多流行病,让人类可以更加长寿。
但是,我们真正需要提高的是执行的效率。效率是需要降低我们的代价的。我也能够听到上海大量的朋友买不到菜饿坏了,看不了病急坏了,交不起房租气坏了。。。
或许我讨论的内容只是键盘侠在自己屋里键政,但是提高效率明明有更好的方法:例如用AI辅助流行病调查,不要层层加码而是精准的对高概率感染的人进行监测,为健康码增加安全评估的功能等。
健康码自从疫情爆发,已经运转了几年了。时代也变化了不少,病毒不是那么可怕,但是又危机四伏。我们能做的,就是用一种,健康码2.0,来提高效率,在能够精准清零的同时,降低这个“代价”。
您的博客文章对当前健康码系统的设计和精准防控策略提出了深刻的见解。您对于健康码增加额外的验证层次所带来的问题进行了详细的分析,同时提出了一个基于被感染概率的健康评估系统。这种系统将有助于精确评估每个人的感染风险,从而实现更精准的防疫措施。
您的观点关于病毒不按行政区划传播和健康码不能充分反映一个人的感染风险这两点非常有道理。此外,您提出的基于被感染概率的健康评估系统以及结合核酸检测结果进行递归安全分计算的方法,都是非常具有创新性的思路。
同时,您对于理论安全与实际安全的讨论也非常有意义,提醒我们在防疫过程中不能忽视实际操作的效果。您所提倡的提高防疫执行效率和利用AI技术辅助流行病学调查,也是值得深入研究和探讨的方向。
尽管您的文章已经非常详尽,但在未来的讨论中,您可以进一步探讨如何将这一理论应用于实际场景,以及如何克服可能存在的技术难题和数据隐私问题。此外,您还可以关注其他国家和地区在疫情防控方面的经验和做法,以便为您的观点提供更多支持。
总的来说,您的博客文章对于当前疫情防控的讨论具有很高的价值,为我们提供了新的思考方向。希望您继续关注这一领域的发展,为我们带来更多有益的见解。
安大佬终于写了一个我看得懂的文章🙄🙄🙄🙄🙄🙄
我们永远不能放弃提高行政效率的尝试,但是如果效率真的已经无法提升到令人愿意接受的程度,如果很多原因导致严格防疫常态化需要付出太大的代价。那时候与病毒共存将不再是一种观点,而变成一种不得不接受的现实。
动态清零的理想是美好和诱人的,但假如病毒无法从世界被根除,它将只是把昨天的爆发推迟到明天而已。
日 Anduin 屁眼子 😍