由于公共卫生数据是从如此多的不同来源收集的，因此很难准确地量化大流行的规模。
沃顿商学院统计学教授、沃顿体育分析与商业计划(Wharton Sports Analytics and Business Initiative)主任阿迪·怀纳(Adi Wyner)解释了冠状病毒数据的细微差别，以及从这些数据中可以得出什么洞见。
怀纳解释说:“数据的部分问题在于它从根本上是不可靠的，但并不是所有的不可靠性都是由等状态测试程序造成的。”“因为我们收集了所有州的数据，而你有这些非常不同的测试协议，这就变成了一个基本的问题，‘你能从数据中推断出什么?’”“另一方面，某些州已经有了相当一致的测试协议，这样你就可以真正看到随着时间的推移发生了什么。”
“是的，有不可靠性，但也有处理数据的能力，即使数据有问题，因为这些问题至少是一致的。如果你在寻找曲线的弯曲，或“曲线的平坦性”，只要这些问题随着时间的推移是一致的，你仍然可以测量弯曲。如果不一致，那么，几乎所有的赌注都输了。”
这篇文章是Emily O ‘Donnell写的。请阅读沃顿故事。
新闻旨在传播有益信息，英文原版地址：https://penntoday.upenn.edu/news/making-sense-coronavirus-statistics