北京大学国家发展研究院根据大数据模型估算，截至今年1月11日，中国全国冠病感染率累积约64%，感染人数累积约9亿。

经济观察网星期五（13日）报道，北京大学国家发展研究院马京晶等人组成的课题组近日发布一份冠病疫情感染报告，分析本轮疫情的传播特征、民众感染后的症状、人群和地区间差异等。

报告显示，在“新十条”出台后大概13天，即去年12月20日，全国多地疫情就已达峰，到12月底各地感染均已过峰。截至1月11日，全国感染率累积约达到64%，感染人数累积约9亿。

在区域感染差异上，报告显示本轮累积感染率最高的前三名省份均属于西部地区，第一名甘肃省约达91%，第二名云南省约84%，第三名青海省约80%。

报告课题组成员北京大学国家发展研究院副教授马京晶说，在互联网上北上广疫情声量很大，但数据估计西部地区感染率可能更高。

马京晶解释，这些感染率是模型估计数据，是根据网络平台上对感染冠病后相关症状的搜索量计算而得。简单来说，就是网上对“发烧”“咳嗽”等症状搜索上升了，也就代表感染率上升。

感染率的原始数据主要由脉策数据提供，该公司抓取了中国国内多家网络平台上关于冠病症状的搜索数据，在这些数据基础上，课题组成员计算了全国、各省、各城市的感染率。

马京晶说，完全准确的数据现下不可能得到，通过此类大数据方法可以快速全面的估算各地感染率，而且成本较低。虽然此类方法会受到一些影响搜索的随机因素或固有习惯影响，跟现实有一定差距，但在疫情暴发期间，快速全面了解全国各地的大致感染率，对相关部门进行医疗资源的调配可以起到重要作用。

除了大数据方法外，课题组还使用问卷调查方法，在疫情高峰期在全国进行了问卷调查，共获取有效样本11443人。

马京晶解释，“大数据方法可快速估算出每日各地的感染率，但想要服务于医疗资源调配，还需要了解感染后各种症状出现的可能性、用药率、就医率、住院率等。这些数据可以通过问卷调查实现。”

她认为，大数据与问卷调查小数据相结合，能非常快速、方便地估计出各地每天大概有多少人有买药、就诊、住院等需求，相关政府机构也可使用这样的方法，疫情暴发时能及时预测到发生地区、感染规模等。

此外，报告显示，绝大部分受访的感染者都出现了发烧、咳嗽咳痰、鼻塞流涕、咽痛、味觉嗅觉改变、腹泻等一种或几种症状。感染后最为常见的症状是发热，受访的感染者有82%出现了发烧症状，其中最高体温在38.5度及以上的占比高达75%，发烧持续天数在三天及以上的占比达46%。

在转阴时间上，全国样本中约一半感染者在感染后5-7天症状消失并转阴，约20%的感染者需要更久。

在主观感受上，受访者中有76%的感染者认为感染后的难受程度要高于自己以前最严重的流感或感冒。

对于感染症状调查的意义，马京晶认为，在这轮疫情之前很多人认为感染后大部分是无症状，但得了一次后发现其实很难受，课题组希望能把大家感染后的症状经历给讲出来。