《Science and Public Policy》：Managing the politics of health data during COVID-19: a comparative institutional analysis
编辑推荐：
本文针对COVID-19期间政府统计数据面临的政治与方法论挑战，通过比较澳大利亚、瑞典、英国和美国四种不同类型的统计系统（集中式、功利主义、多元主义和有机型），揭示了制度配置如何影响数据治理策略。研究发现，不同统计系统在应对数据缺口、协调冲突和防范政治干预方面呈现显著差异，为未来公共卫生危机数据系统改革提供了关键制度视角。
当COVID-19疫情席卷全球时，各国政府纷纷依赖统计数据来制定防控策略、评估疫情态势并向公众传递风险信息。然而，这场危机也暴露出健康数据生产与使用过程中的深层矛盾：一方面，决策者迫切需要及时、准确的数字支撑；另一方面，数据收集面临方法论挑战，政治力量对数据的解读与传播产生干预，甚至出现“信息疫情”（infodemic）——未经验证的信息快速扩散，加剧公众对量化健康数据与专家权威的质疑。这些现象引发学界对“统计政治”（politics of statistics）的反思：在危机中，国家制度如何塑造数据的治理方式？为何面临相似疫情压力，各国在数据管理策略上却产生显著分歧？
为解答这些问题，发表于《Science and Public Policy》的研究论文《Managing the politics of health data during COVID-19: a comparative institutional analysis》通过比较制度视角，深入剖析澳大利亚、瑞典、英国和美国四个国家的健康数据治理体系。研究团队提出“统计系统”（statistical systems）这一核心概念，将其定义为“特定司法管辖区内官方数据生产与使用的文化、法律与组织安排”，并构建了一个理论框架，以揭示不同制度类型如何影响疫情期间的数据政治动态。
研究主要采用定性比较方法，通过分析各国政府疫情调查报告（如澳大利亚的《Commonwealth Government COVID-19 Response Inquiry》、瑞典的《Coronakommissionen》报告和英国的《COVID-19 Inquiry》）以及对52名高级卫生官员与专家顾问的半结构化访谈（澳大利亚16人、瑞典9人、英国13人、美国14人），聚焦数据缺口、数据源竞争、政治干预与数据协调四大挑战。访谈对象涵盖流行病学建模者、政策顾问及数据传播关键角色，确保多角度捕捉制度运行实态。
统计系统类型学：理论框架的构建
研究借鉴Pielke（2007）对科学建议政治的分析，提出统计系统沿两个维度分化：知识生成原则（线性模型vs.利益相关者模型）与治理模式（有机型vs. orchestrated型）。通过交叉组合，形成四种理想类型：
- •
集中式系统（澳大利亚）：线性知识生成+高度协调治理，依赖单一权威统计机构；
- •
功利主义系统（瑞典）：利益相关者导向+明确分工治理，强调数据服务于具体政策需求；
- •
多元主义系统（英国）：利益相关者导向+有机治理，允许多部门并行数据生产；
- •
有机系统（美国）：线性知识生成+低度协调治理，各机构自主运作。
国别案例分析：制度如何塑造数据政治
澳大利亚：集中式系统的危机响应
澳大利亚在疫情初期面临显著数据缺口，尤其是针对多元文化群体与医护人员的感染数据。政府通过快速建立全科医生呼吸诊所网络（150家诊所覆盖99%邮区），在10天内实现数据收集标准化。协调机制由传染病网络澳大利亚（CDNA）主导，但联邦与州政府间的数据定义差异（如北领地使用不同疫苗接种率指标）仍带来挑战。政治干预较少，但系统透明度不足，被批评为“默认不共享数据”。改革方向指向强化中央集权，如设立澳大利亚疾控中心（CDC），以统一数据仓库与共享协议。
瑞典：功利主义系统的效率与局限
瑞典早期数据收集受制于分权式医疗体系，21个县区因资金争议延迟检测，导致“完全失败”（Coronakommissionen评）。公共卫生局（PHA）垄断数据解读权，外部专家参与限于非正式咨询，缺乏协议记录，引发“过度一致性”批评。制度强调法律框架稳定性，避免危机中突破既有规则（如生物样本收集限制）。后疫情改革建议增加国家层面数据源多样性，而非进一步集中化，体现了对分权传统的坚持。
英国：多元主义系统的冲突与协调
英国数据主权分散于多部门，早期缺乏统一标准，模型构建者被迫依赖家庭行为数据等间接指标。科学咨询小组（SAGE）下属行为组（SPI-B）与建模组（SPI-M）因数据使用发生冲突，前者批评后者“借用见解却不署名”。政治层面，“群体免疫”争论一度延缓封锁决策，媒体与非正式专家公开挑战SAGE建议，加剧公众困惑。后期通过COVID-19任务force改善部门间数据对齐，但碎片化治理本质未变，改革聚焦互操作性提升而非机构合并。
美国：有机系统的自主与政治化
美国系统高度依赖CDC、FDA、NIH等自主机构，但政治干预显著——特朗普政府被指“切割数据”以淡化疫情，且早期检测失误导致数据缺口持续。疫苗咨询委员会（ACIP与VRBPAC）内部对疫苗数据解读分歧公开化，如针对儿童加强针的风险收益辩论。外部压力要求简化建议（如教育部与HHS），部分成员批评此举削弱科学严谨性。改革方向集中于提升数据共享速度，而非改变多机构并立格局。
结论：制度作为数据政治的基石
本研究证实，统计系统类型深刻影响国家应对健康危机的能力。集中式系统（澳大利亚）利于快速协调但可能抑制多元视角；功利主义系统（瑞典）强调效率却易陷入路径依赖；多元主义系统（英国）促进辩论但难以达成共识；有机系统（美国）保障机构自主性却易受政治冲击。这些发现强调，数据治理改革需嵌入既有制度逻辑，而非简单移植他国模式。未来研究可拓展至不同政体与资源背景国家，进一步验证统计系统框架的普适性。
此研究不仅填补了比较制度分析在统计政治领域的空白，更为后疫情时代健康数据系统重构提供关键启示：成功的改革必须承认制度遗产的约束力，在技术优化与政治可行性间寻求平衡。
