CDC对于①疑似病例的定义为：符合“支持性实验室证据”（supportive laboratory evidence）并且无“确诊或可能病例”史。

而其所谓“支持性实验室证据”，意为：在样本血液中检测到自然感染（natural infection）的新冠病毒抗体（antibody），或在尸检样本中检测新冠病毒特异性抗原（specific antigen），或在未通过美国“临床实验室改进修正法案”（CLIA）认证的试验中检测到新冠病毒核糖核酸（RNA）或特异性抗原。

在②可能病例方面，CDC将其分为三种情况：1.符合临床标准（Clinical Criteria）和流行病学关联（epidemiologic linkage）但没有“确认性”或“推定性”实验室证据、或2.符合“推定性实验室证据”、或3.符合重要的记录标准，但没有新冠病毒相关的“确认性实验室证据”。

所谓“推定性实验室证据”（Presumptive laboratory evidence）是指，“在由CLIA认证的实验者进行的测试中，通过验尸获得的呼吸道样本中检测到了新冠病毒的特异性抗原”。

而“确认性实验室证据”（Confirmatory laboratory evidence）指，“通过CLIA认证的实验者进行的‘分子扩增实验’（molecular amplification test），在死者呼吸道样本或临床标本中检测到了新冠病毒RNA”，或通过基因组测序检测到新冠病毒。

而符合“确认性实验室证据”则为③确诊病例。

对于支撑“病例”定义的“实验室证据”，CDC也将其分为上述三种

按照CDC的统计标准，其数据包括②可能病例和③确诊病例以及对应的死亡人数，而排除了①疑似病例及其对应的死亡者（Suspect cases and deaths are excluded）。

换言之，①“疑似病例”中的三种情况，均被排除在CDC的统计数据之外了：在样本血液中检测到自然感染的新冠病毒抗体，或在尸检标本中检测新冠病毒特异性抗原，或在未通过美国“临床实验室改进修正法案”（CLIA）认证的试验中检测到新冠病毒RNA或特异性抗原，但均无“确诊或可能病例”史的对象。

而对于疑似病例，上文提到的各管辖地可能会选择将其备注，进行流行病学调查，以确定其是否“升级”为②可能病例和③确诊病例。

此外，CDC的上级部门——“美国卫生与公众服务部”（HHS）也在发布“高质量的、及时的全美疫情信息”。

不过，HHS提供的信息显然不如CDC全面。其“保护公众数据中心”也仅仅展示了最近7天“确诊总数”、“死亡数”等数据及变化趋势。令人惊讶的是，观察者网19日查询时发现，其最新一次更新数据是在10月5日——仅数据发布就滞后达至少14天。

HHS在“数据免责声明”中称，其数据“或许（may）与各州和各地区数据有所不同。这也许（may be）是因报告数据的方式（如报告病例的日期等）或计算指标的方式不同所导致的。”而有关任何特定地区的更多数据，则还需到“相关的卫生部门网站”查询。

HHS也通过其“保护公众数据中心”系统发布美国疫情数据 截图自其网站

更受“青睐”的JHU

在我们日常浏览美国疫情相关报道时，还经常能看到这样的话：据美国约翰斯·霍普金斯大学统计数据……

那么，为何相比CDC等提供的联邦政府官方数据，约翰斯·霍普金斯大学（JHU）的数据更受“青睐”呢？换言之，约翰斯·霍普金斯大学与CDC在数据统计标准上又存在什么差异，从而导致上述现象呢？

约翰斯·霍普金斯大学是一所主校区位于美国马里兰州的研究型私立大学，也是美国第一所研究性大学。2020年1月22日，该校系统科学与工程中心（CSSE）制作了可视化“全球新冠病毒监测地图”。

该校称，随着疫情发展，早在去年2月1日，其数据更新方式就由最初的“手动”（manually）转变为“半自动”（semi-automated）模式——利用计算机程序，自动从数据源中抓取数据，编入数据库并以简洁的形式呈现给大众。

约翰斯·霍普金斯大学的可视化疫情数据地图 截图自其网站

而对于其监测地图的数据来源，JHU称，中国大陆及港澳台地区疫情数据的主要来源是中国数字医疗健康科技企业“丁香园”（DXY），而丁香园的数据来源为“国家卫健委、各省市区卫健委、各省市区政府、港澳台官方渠道公开数据”；而在美国数据方面，JHU称其数据源为“各州县的卫生部门、1point3acres、Worldometers.info等数据聚合网站以及各地方媒体的报道等。

不过观察者网查询发现，上述作为JHU信源的数据聚合网站，其重要数据源也是“各地卫生部门”。更为有趣的是，作为JHU信源的数据网站“1point3acres”，反过来也将JHU的数据作为其信源之一。

尽管如此，与CDC相比，JHU还是凭借着相对迅速、多方数据源等特点，建立起被广泛认为“更胜一筹”的疫情监测数据体系，其数据也被世界各大新闻媒体广泛参考。

不过需要提一句，事实证明：这些看起来“相对可靠”的信息搜集标准也无法成为JHU数据的“完美护身符”。2020年4月14日，其疫情数据就曾发生“乌龙事件”。当天，其数据显示“美国1个多小时内新增10万例确诊”。不过观察者网当时就发文指出，这是由于JHU在统计佛罗里达州数据时出现失误所导致的。

其实，JHU的“乌龙”源自于其数据源“1point3acres”的失误——其平台一位志愿者的手动输入错误：将“103”错误输成“102103”。尽管该错误数据在12分内就被修复，但JHU将之抓取后，便随即迅速在媒体上传播开来，最终引发“乌龙”。

JHU疫情监测地图创始人之一劳伦·加德纳（Lauren Gardner）曾在去年4月证实了“JHU与1point3acres合作”，该合作为“乌龙事件”埋下了伏笔

综上所述，无论是CDC还是约翰斯·霍普金斯大学的疫情数据，对其而言，上文提到的“60个美属管辖地”卫生部门“报上来的”各地数据，可谓是最为重要的数据源之一。

既然如此，接下来需进一步探讨这些问题——美国各州县卫生部门统计的疫情数据，其报告给CDC数据的准确性又当如何？

换言之，若美国各州县各自的统计标准本就有差异或问题，那么，无论是CDC还是JHU，这些以各州县数据作为重要信源的所谓美国“疫情整体数据”，其准确性又能剩下多少呢？