在最初估计12月11日至12月18日之间的美国共同案件中，几乎四分之三归因于Omicron变体，CDC在12月28日修订了该数字，仅为23％。从那时起，他们将其再次修改为38％。除了它们没有：这些估计都没有像我们使它们听起来那样精确。例如，当前估计值在31.4％至44.7％之间。
大流行期间发表的民意调查表明，对CDC的信任都在步履蹒跚卫生专业人员和公众。这些和其他民意调查并没有涉及不信任的原因，但是专家普遍同意，可信度取决于五个问题的答案：我是否有理由认为这个人或机构是：胜任，可靠，真诚，仁慈，仁慈，原则性？
在过去的两年中，事件导致许多人质疑这些判断中的每一个。对帐户的大规模修订，例如上述帐户，特别是质疑CDC的可靠性。但是这种特殊的不幸是可以预防的 - 有更好的报道。
Omicron变体迅速传播并且现在占主导地位的核心叙述已被证明是正确的。但是，尤其是鉴于围绕着库维德的大量错误信息，使数字错误进一步侵蚀了公众对一个机构的信任，即公众和媒体都应该能够依靠。这是准确性最关键的地方。
疾病预防控制中心（CDC）有两件简单的事情，以及每个新闻媒体的最初73％数字 - 应该做的，应该做不同的事情。他们俩都提高了对不确定性的透明度，这是所有新兴科学的关键部分。我们是社会科学家和记者团队的一员，他们紧密合作以鼓励更好地报告统计数据。具体来说，我们正在尝试弄清楚如何帮助没有统计专业知识的人得出更准确的结论。这是我们学到的，以及它如何改善这种情况。
首先，有关Omicron患病率的所有可视化和新闻报道都应包括置信区间。从本质上讲，统计数据是通过仔细查看该人群的随机选择子集（称为“样本”）来估计人群的科学。即使样本是完全代表性的，也总是会有一些不确定性。这就是概率的工作方式，置信区间是一种表示这种不确定性的方式。它告诉我们真实价值可能下降的范围。尽管置信区间通常被称为“错误边缘”，但它们并不意味着有人犯了一个错误。他们只是帮助我们看到所有估计中固有的可变性。
疾病预防控制中心的预测页面包括侧边栏中的此信息，但它们的视觉效果并未显示。73％的人物成为头条新闻，部分原因是它如此令人震惊，但原始估计是在34％至99％之间。这是一个真正的巨大范围，应该包含在CDC自己的可视化中，也应该包括在内。毕竟，从34％下降到23％的范围的修订似乎比从73％下降到23％的修订率要少得多。至少我们看到了报告的一些改进：关于修订的NPR故事注意到间隔仍然很大。
其次，所有报告都应集中在方法的局限性上。疾病预防控制中心的变体信息页面中的小文本注释：“（最近几周）的数据包括估计这是建模的投影，可能与以后生成的加权估计不同。”但新闻报道没有在大多数情况下包括此类警告。甚至后来的加权估计也依赖于当地的公共卫生报告，这因管辖权而异，以及归纳数据丢失的统计程序。
新闻的作用是使公众了解情况，这意味着我们不知道我们所做的事情。在公共卫生方面，这也应意味着与CDC合作，以确保每个人都遵守统计通信的最佳实践。所有这些不确定性都是科学运作方式的一部分。抛弃它不仅简化了这个故事，而且是积极的误导。
jEna Barchas-Lichtenstein博士是一位语言人类学家，领导Knology的媒体研究。它们是有意义的数学的副驾驶员，这是NSF资助的四年合作，与PBS NewShour进行了改善统计报告。
约翰·沃克利斯（John Voiklis）博士领导了关于诺科（Knology）行为，规范和过程的研究。他接受了社会和认知心理学的培训，并为研究人员和数据科学家的研究方法教授了统计数据。