先由这张图开场
https://i.imgur.com/uLqTllI.jpg
借用韩国的确诊/死亡数据
众所皆知，确诊死亡会有延迟
上图可以很明显得看到之间的时间差
借由下两张图，可以看到
https://i.imgur.com/WJMvVjt.jpg
https://i.imgur.com/U0PtfU4.jpg
死亡高峰出现在确诊高峰的7天后
先前我有提过
当疫情正在炎上时，每天新增大量的确诊数(分母)
但因为死亡延迟的关系，死亡数还没起来(分子)
因此致死率会被低估(稀释)
反之则是高估
所以疫情走完一个波后，再回头分析才是比较准确的
那疫情中又要怎么分析呢？
可以参考同个数据站的方法
https://i.imgur.com/3klCPds.jpg
死亡数/(10天前)确诊数
应该不难理解？
死亡会延迟7天，所以就用7天前(该网站用10天前)的确诊数当分母
今天的确诊人数，会贡献7天后的死亡人数
当然不会每个人都刚好7天死，但这是大数据的趋势
下图分析了三组计算方式，分别是
(数值皆使用7天平均)
1.当天死亡数/当天确诊数
2.当天死亡数/7天前确诊数
3.当天死亡数/10天前确诊数
https://i.imgur.com/LK8JLYr.jpg
可以发现第1组数据有很明显的波动
疫情炎上时低估
(3/17为疫情高峰后趋缓)
疫情趋缓时高估
如前述
而第2、3组数据幅度较小
同理，若回到台湾数据
假如以今天的死亡数/今天的确诊数
肯定是不恰当的
而是应该以一周前的确诊数做为分母
https://i.imgur.com/BVP7y9A.jpg
当天死亡/当天确诊，会造成低估
实际上致死率应该在0.06~0.1%之间
且确诊数若遇到瓶颈，则致死率数据亦会失真
某人想以死亡人数回推确诊人数(黑数)
很大的一个前提是，致死率一致，且要用对数据
还记得刚刚才说，因为死亡会延迟7天，由死亡人数推得的确诊人数，会是7天前的！
O月X日，死亡50人，且(一周前)确诊10万人
若致死率没有变化
X月O日，死亡100人，可合理推测(一周前)确诊人数约在20万上下
若想以当天死亡推当天确诊，则非常容易低估或高估(上上图第一组数据那般)
再者
致死率还真就不是一致的...
https://i.imgur.com/EAu9lnn.jpg
即便以短期(一个月)来看
2月底~3月底0.08%~0.11%
0.11/0.08=1.375，差距不小
4月过后也从0.09%~0.14%(0.17%极端值就不看了)
因此假设致死率一致(稳定)这件事儿本就不切实际
且后续没有数据可监控致死率是否改变
(因为确诊数瓶颈=黑数，造成致死率失真，无法修正致死率)
台湾目前确实还需要监控确诊数跟死亡数
要确认致死率是否有异常(没数据如何保证omicron对台湾人如国外一样无害？)
若是确诊数瓶颈(北部饱和)持续扩大
致死率失真扩大
那就少了一个可监控的数据，挺可惜的
但以死亡人数去推得的确诊人数，也是没办法去计算致死率的(因为前提已假设致死率一
致)
以上说明