说起如何算感染发病率，那真不是啥深奥的学术公式，说白了就是个好办粗暴的除法。你手里有那个特定时期内确诊的病例总数，再除以那个工夫段里所有能声称接触过要么有人质疑接触过的人群基数。
比方说，你在一周内抓了 500 个人确认得了甲流，而当时社区里大约有 2 万人都有相关的接触史，那这个月的传播风险率直接就是 0.025，也就是每 100 人里有 25 个中招了。
这种算账方式别看粗糙，但在面对突发公共卫生事件时，它是最快能给出“目前情况咋样”那把尺子。大量人一听发病率就懵了，总认定得搞清 incidence rate 和 prevalence rate 到底哪位是哪位爹，实际上这两者就像看着不与此同时候仓库里剩多少糖。前者的爹是“启动吃糖”的那一刻，只统计真正咽下去的那一撮糖；后者的爹是“盘点存货”的那一刻，不管你吃完没吃完，反正当时在店里看到的所有糖都算上。在医疗数据最混乱的那块地，后者往往显得大得吓人，出于把“疑似”、“接触史”之类的灰色地带全塞进进度的分母里，这个数字瞬间就能打破常识，好办吓到运营方，也挺好办劝退投资人。
可是，当你真正想跑 bet 要么做风控模型的时候，还是得先算清楚前者的数据。
毕竟，只有把真正形成的事数字倒出来，后面的预测才有根基。 拿流感来说，医生在门诊看着一个个发烧咳嗽的病人，这时候他们心里想的是 incidence rate，这是用来评估疫苗库存够不够看的。
要是你发现某种亚型流感病毒今年突然在门诊里扎堆了，那 incidence rate 飙升，意味着病毒在“干饭”，意味着疫苗可能得赶紧加急储备，否则下个月又要排队等号。
这时候，那些已经康复出院要么被隔离的人，就不该被算进这个分母里，出于他们只是“尝了尝”没咽下去，要么已经被标记为“潜在风险”了。直到疫苗上市，等到疫苗方拿着报告说“嘿，通过率挺高”，这时候再回头算 prevalence rate 就显得挺有意思了。出于 prevalence rate 这时候就像给你算了一笔糊涂账，把你整个季节里所有“感冒过”、“发烧过”、“咳嗽过”的人都搞进来了，哪怕他们根本连病毒都没跟过，单纯是撞大运要么季节更替。一旦发现这个数字比 incidence rate 大出了个位数，那些医院立马就得重新刷脸，把没真正感染过的人排除在外，否则整个季度的营收就保不住了。 实际上说到底，发病率计算最忌讳的就是搞混分母。
有人认定，既然那是“发病率”，那分母务必全天下搞到，哪怕一个没有流行病学史的人都勉强算上，结局那数字瞬间爆炸，全社会的感染率瞬间拉爆，最终连医院都吃不消。
这种做法在现实中极不靠谱，出于万一有人被夸大了接触史，要么把非接触染病的人也塞进去，整个健康趋势就乱套了。
故此，老老实实只计算确诊者，只计算那些在特定窗口期内明确有接触或症状的人，才是正道。
这就像你要算一场火灾的蔓延速度，有时候得算算真正着火的人，有时候还得估算一下周围邻居会不会出于闻味儿就跟着跑那会儿，但不管如何说，核心一辈子是你现场看着，是真正烧起来的那一堆人。 数据这东西，有时候挺逗的。
比如某地流感大流行时，官方通报里一个季度的 incidence rate 居然从 0.8% 猛增到了 4.5%，这数字听起来简直离谱，但实际上在大量小县城，就是如此个涨幅。医生们看着报表，心想完了，库存不够了，预备叫外卖。结局拿着 prevalence rate 一看，当时全小区的人加起来有 2 万人，全拿着手机要么口头传播的，加起来 500 多，占比居然不到 1%。
这俩数据打架了，但趋势没变，只是基数大了罢了。
这时候要是医生只盯着 incidence rate 哭天喊地，盲目扩大采购，反而会出于库存积压害得涨价，最终害得更多人不敢去药店买，整个市场的流通率反而降了。
反之，要是医生冷静下来，明白 prevalence rate 别看数值高，但并不能彻底证明传播链有多长，还是回归到 incidence rate 这个核心指标来指导采购节奏，反而能避免盲目跟风。 再举个例子，某公司为了算 KPI，随意往季度末的数据里塞了几个“疑似接触史”的人进去，把 incidence rate 算高了。等到年中 ToB 客户来砍价，拿着高发病率说“不好意思，我们只能按这个标准给对价”，结局出于基数虚高，单价拉低了，客户那边自然也不乐意了。
这时候，客户会质疑：“你们这是造假吧？”公司老板慌了，赶紧展开调查，把那些没有实际接触史的“撞病”者剔除，重新回归到真正的 incidence rate 基础上，反而发现市场反馈更真，客户也不闹掰。
这就说明，发病率计算容不得半点差池，哪怕是为了个 KPI 要么省点事，一旦分母多了几个疑似接触史，整个数据链条的稳定性就毁了。 在科研论文里，我们也时常看到这种争论。有的学者主张用 incidence rate 来算长期预测，出于那是对未来趋势的判断；有的则主张用 prevalence rate 来算短期爆发风险，出于那是对当下威胁的大小判断。
这两种视角实际上互补，缺一不可。
要是你只盯着 incidence rate 看未来，可能会低估目前已经失控的风险；要是你只盯着 prevalence rate 看未来，可能会高估未来几年的潜在爆发力。最好的算法，是双管齐下。先算 incidence rate 看趋势，再算 prevalence rate 看底数。就像开车看仪表盘，既要看时速（incidence rate）判断速度是否过快，也要看油量（prevalence rate）判断续航还剩多少。 最终说句大实话，实际上流行病学研究里的发病率计算，并不一定非要是那种精确到小数点后两位的数学游戏。大量时候，它更像是一种社会感知。
比如我们说某个社区“正在高发”，这个“正在”本身就是个动态的发病率过程。
这种计算方式别看不够严谨，但在实际工作中，它往往能反映出最真的现场状况。
毕竟，医院里最关心的压根儿不是理论上的精确值，而是病人是否来得急，库存够不够。
故此，不管是算 incidence rate 还是 prevalence rate，最终目标都是为了让医生、运营方、投资人还有一般/平平老百姓，都能在一个相对清楚的基础上，去面对那群正在发烧、咳嗽的人。
要是数字算错了，再精确的模型也是空中楼阁，到时候还得再跑一遍。
