作者：财叔

今天，大家热议有一个名为“城市数据团”的小程序，披露了全国各地的奥密克戎感染进度。

根据这款小程序的数据，100%达峰的城市有河北的石家庄市、邢台市、保定市，甘肃的临夏回族自治州，新疆的喀什地区、和田地区，共6个地区。

从大城市看，北京78%，处于一线城市的领头阳，武汉60%，成都55%，重庆50%，天津40%，广州23%，深圳15%，上海和南京都是14%，杭州8%。

不过需要说明的是，100%达到峰值，并不是100%人口都感染了。

这款小程序的这些数据是如何得来的呢？

主要是从搜索指数中推测。

实际上，从11月开始，越来越多的地区的病例出现了大幅度失真。我们虽然能在网络上看到石家庄、保定、北京等大面积感染的情况，但是在卫健委的病例发布中却看不到这样的数据。

微博上有一个帖子，一位网友说当天他所在城市的卫健委披露确诊一例阳性，他打趣说，可能这一例就是他妈妈。

另一位同城的网友则认为，这一例可能是她确诊的妈妈。

这表明，官方已经开始放弃之前的确诊和疑似病例的大规模统计方式。

那么搜索指数怎样判断一个城市是否出现了群体感染，以及何时第一轮群体感染达到高峰呢？

数据团开发公司上海脉策数据科技有限公司首席经济学家陈沁表示，早在十多年前，就有研究使用Google搜索指数来预测流感爆发情况。这些研究后面证明可能在预测上确实会存在问题，但是在实况监测上一直做得很好。

例如下图列出了从2022年以来中国香港特别行政区、中国台湾地区、新加坡和日本的“发烧”搜索指数与当地每周病例之间的关系。

搜索指数与新增病例数量高度相关

其中，中国香港特别行政区和中国台湾地区的搜索指数是“發燒”，新加坡用的是“fever“，日本则用了“発熱”。

可以看到，当这些地区进入与疫情共存的阶段后， “发烧” 搜索指数的上升，从时间上看基本都和当地的新增病例数同步，或者领先一周左右。

从上升幅度看，除了新加坡的第一波病例带来的搜索指数与后两次疫情的病例增长略有错位以外，其他的三个国家或地区，不同波次的病例增长基本与“发烧”指数的搜索保持同比例。

那么，此时的北京、石家庄、保定的“发烧”搜索指数，分别是什么样的呢？

部分城市发烧搜索指数

陈沁认为，上海、长春和乌鲁木齐的例子显示 “发烧”搜索指数与较大规模的奥密克戎疫情高度相关。且当确诊人数不能完全反映当地实际状况时，“发烧”搜索指数依然忠实地呈现了疫情到底扩散到了什么程度。

最后，根据搜索指数，依据一定的公式计算和推导，通过每个城市的搜索指数累计增长，累计速度，就可以算出现在每一个有疫情的城市疫情达峰的时间，以及疫情结束的时间。

以下是100个城市的数据：