“流感疫苗效力监测看板”又迭代了一版。
早上那版我想应该没什么可以往下挖的吧，就只是过一段时间更新一下数据。但我突然注意到，为什么全局的VE会比南方、北方的VE都要低呢？
我首先想到的是辛普森悖论，那纸笔手算了一遍南北的权重，怎么算都怎么不对。到底是什么拉低了全局的VE呢？然后把南北的样本数量一加，坏事了，和全局的样本数不对，差了有百来号人。
review了一下脚本，原来区分南北是依赖硬编码的字典 dict[str, list[str]] ，但忽略了可能有海外IP的投票者，在抓到的数据里面，没有不匹配这个字典的数据存在。
那就单独拎出来，也算一下感染率和VE。一算就惊呆了，未知区域的VE是-10.71%。虽然权重不高，但这就拉低了全局的VE值。难道这一百来号人是在国内接种了流感疫苗，然后在国外“感冒”了？那就和之前我判断EV低的原因有关，就是投票“已患流感”的不一定就是流感。所以我需要一些信息来揪出这些“乱投”的人。
我下载了完整的《2025年第49周第886期中国流感监测周报.pdf》里面有很多数据都有用，能进一步分析投票的数据。
——————
根据第49周监测数据，我国南方省份流感检测阳性率为54.5%，北方为44.3%，全国平均为49.8%。(也就是说，每两个发烧咳嗽去医院的人，就有一个真的是流感。)
同期国外，有93%的“感冒症状”都不是流感。
目前国内A型流感中，A(H3N2)亚型占比高达99.6%，是绝对的流行优势株。但国内主流的鸡胚株疫苗，对当前流行毒株的匹配度仅为49.9%。(这可能是VE的天花板)
——————
所以我让Gemini在页面的最下面，套用流感检测阳性率，去推算投票中“真·流感”的感染率。VE就不更新了，因为分子分母一起乘，VE也不会改变。而未知区域的一百来号人，很可能都是在国外，如果确实如此，那么这部分数据中有93%的“已感染票”都可以作废。