临床流行病学公式
归因危险度百分比（AR%）：AR%=（暴露组发病率 - 非暴露组发病率）/暴露组发病率×100% 。人群归因危险度（PAR）：PAR=全人群发病率或死亡率 - 非暴露组发病率或死亡率 。人群归因危险度百分比（PAR%）：PAR%=（全人群发病率或死亡率 - 非暴露组发病率或死亡率）/全人群发病率或死亡率×100%。
公式原理与适用场景第一种公式$OR = （a/c）/（b/d）$基于比值比较原理 。在流行病学研究中 ，通常使用四格表来呈现数据 ，其中$a$代表病例组中暴露的人数，$c$代表病例组中非暴露的人数 ，$b$代表对照组中暴露的人数 ，$d$代表对照组中非暴露的人数 。
计算人群归因危险度的核心公式为：PAR = （O - E） / O，其中O表示总病例数 ，E为不能归因为暴露的病例数。
对照组发病率-实验组发病率/对照组发病率×100% 。流行病学是研究特定人群中疾病 、健康状况的分布及其决定因素 ，并研究防治疾病及促进健康的策略和措施的科学，是公共卫生及预防医学的基石 。它被视为公共卫生研究的基础方法论 ，同时在循证医学中做为辨别疾病因素和最佳临床治疗途径的科学理论。
百度的新冠数据报告存在问题
〖壹〗 、深层问题：数据审核与产品优化机制缺失用户质疑“两年多未发现错误”反映出百度在数据管理上的疏漏：缺乏基础校验：现有确诊数值异常（远超合理范围）本应通过简单对比（如与分地区数据总和）被快速识别 ，但长期未修正，说明数据审核流程存在漏洞 。
〖贰〗、百度发布的新冠数据报告确实存在问题，主要问题在于其现有确诊数量的计算方式存在逻辑瑕疵 ，具体表现为：计算方式不当：百度报告中提到的现有确诊数量 ，是采用累计确诊减去累计治愈与累计死亡的方式来计算的 。
〖叁〗 、百度发布的疫情实时大数据报告，存在问题引起关注。某读者指出 ，现有确诊数值的计算方式存在疑问。报告中提到的现有确诊数量 ，采用累计确诊减去累计治愈与累计死亡的方式来计算 。然而，这种方法在逻辑上存在瑕疵 。现有确诊数量的准确计算 ，应当是直接汇总各地的确诊病例总数。
〖肆〗 、哈佛大学相关研究通过分析武汉医院停车场图片和百度搜索数据 ，推测2019年秋季武汉已流行新冠病毒，但百度回应称该研究非常牵强和不严谨 ，并指出其数据引用和分析存在明显问题 。
...斯坦福学霸自制动画,用最简单的方式解释疫情常见词
〖壹〗、体现：在疫情数据中 ，指数增长体现为后一天的确诊病例数是前一天的15-25倍 。
王为民对新型冠状肺炎按照1传m人的计算公式
〖壹〗 、以此类推，经过n轮传播后 ，总人数为$2^n$人。因为每一轮的总人数都是上一轮的2倍 ，符合指数增长规律，初始值为2（第一轮的总人数），指数为轮数n ，所以总人数公式为$2^n$ ，而这里$m = 1$，$m + 1=2$ ，也符合$（m + 1）^n$的公式 。
