在整个新冠疫情期间，各国政府始终依赖数据建模和预测来指导政策应对。
卫生专家妮娜·施瓦尔贝和内森尼尔·休珀特警告说，如果只把模型作为单一指标，可能无法全面了解疫情对更广泛社会造成的整体健康影响。
新冠肺炎是一个世纪以来最严重的公共卫生危机，但矛盾的是，公共卫生考量并非应对导致该疾病的病毒 SARS-CoV-2 全球传播时的首要政策驱动因素。相反，政治领导人很大程度上将优先地位让给了数学模型。这些模型将描述性流行病学、病毒传播动态和人类行为因素作为输入，并结合对众多未知或不确定参数的判断，以应对这类快速演变的卫生危机所伴随的巨大不确定性和数据缺口。作为更广泛的科学和公共卫生证据基础的一部分，这类模型可以为决策提供有用的参考。然而，如果模型只关注单一指标（例如新冠肺炎死亡人数），就可能无法充分认识相关的权衡取舍以及疫情对社会整体健康造成的影响。
推动当前大部分应对方式的早期新冠肺炎模型，其准确性值得怀疑。首先，这些模型没有考虑病毒在复杂城市环境中传播时的现实条件。例如，纽约市的实时住院数据显示，病毒最早、最严重地冲击了低收入社区，其中的家庭成员在医学上更为脆弱。模型没有考虑不同地区在这些风险因素方面的差异。其次，模型假设大多数感染新型冠状病毒的人都会出现症状或住院。这一假设抬高了预测死亡率。第三，模型对拟议缓解措施（例如关闭学校、保持社交距离）影响传播动态的效果作出假设。然而，这些措施如今正应用于各种社会经济和文化环境，却从未经过系统评估，其政策目标也没有得到明确定义。
在许多以往案例中，传染病模型对病例数、死亡人数和社会动荡的预测都高于实际情况，其中包括2009年的H1N1流感大流行和2014年的埃博拉疫情。风险被高估，可能会让政策制定者看起来取得了成效，因为无论采取何种缓解措施，都会显得奏效。然而，即使是当今最复杂的流行病模型，也明确排除了各国采取针对单一目标的策略时产生的复杂权衡取舍，并且没有考虑其他健康影响以及经济或伦理因素。
此外，并不存在适用于所有情况的解决方案。各国拟议的疫情缓解措施必然各不相同，取决于各国的人口年龄结构、卫生系统能力、新冠肺炎相对于其他疾病的风险，以及其他假设，包括已有多少人感染、病毒传播速度有多快。模型可以为新冠肺炎相关讨论提供参考，但它们只是作出稳健公共卫生决策所需的众多依据之一。除了政策制定者应清晰、公开地讨论模型的不确定性和局限性之外，独立科学专家还应持续审查影响政策的疾病模型。这些工作还必须辅以对拟议缓解策略证据基础的充分了解，并评估这些策略对新冠肺炎及其他健康相关决定因素或“影响因素”的实时影响，例如停课、失业、贫困以及就医行为的变化。这就需要考虑任何拟议策略对其他健康结果可能造成的影响，例如心理健康问题、家庭暴力以及无法获得常规预防性和治疗性医疗服务。
公共卫生的目标是最大限度地促进健康与福祉。对于新冠肺炎，政策制定者不应只关注减少新冠肺炎死亡人数，而应考虑疫情期间及之后对公共卫生造成的全部影响。这包括考量风险和替代方案，并透明说明影响政策制定者决策的选择与权衡。单靠病毒数学模型无法做到这一点。
作者感谢巴巴克·普尔博赫卢尔、丽莎·怀特、埃德蒙·吴、苏珊娜·莱赫蒂迈基、安娜·马特森、贾斯汀·西尔弗曼、亚历克斯·沃什伯恩和凯瑟琳·霍兰德对本文的贡献。
