2020年初，Steam平台上的游戏《瘟疫公司》玩家数量激增，这一现象意外成为新冠疫情暴发的早期预警信号，该游戏模拟病毒传播机制，玩家需通过策略让病原体感染全球，随着现实疫情发展，游戏在1月底中国疫情暴发时销量突破50万份，2月全球疫情扩散期间更登上Steam畅销榜首，数据科学家发现，游戏热度曲线与多国疫情时间线高度吻合，意大利等国的玩家搜索量峰值甚至早于官方确诊病例激增，虽然游戏开发商明确声明其并非预测工具，但这一案例揭示了游戏数据作为社会情绪"温度计"的潜力——大众通过虚拟疫情演练，无意识中反映出对现实风险的集体预判，这种"游戏行为学"为公共卫生监测提供了新思路，表明非传统数据源可能捕捉到官方统计前的社会动态变化。
Steam与疫情数据的关联
Steam用户行为的变化
Steam是全球更大的数字游戏发行平台之一,拥有数亿活跃玩家，在2020年初，随着新冠疫情的爆发，许多国家开始实施封锁和社交隔离政策，导致大量人群居家时间增加，这一变化迅速反映在Steam的玩家在线数据上：
- 在线人数激增：2020年2月至3月，Steam的并发在线用户数创下历史新高，2020年3月15日，Steam同时在线玩家突破2000万，远超以往记录。
- 游戏时间延长：玩家平均游戏时长显著增加，尤其是在疫情严重的国家和地区，如中国、意大利和美国。
这些数据表明,当人们被迫减少外出活动时，线上娱乐（尤其是游戏）成为主要的消遣方式，Steam的活跃用户数据可以间接反映社会活动的变化，进而推测疫情的影响范围。
地区性数据与疫情传播的关联
更令人惊讶的是,Steam的玩家在线数据在某些地区的变化甚至早于官方报告的病例增长。
- 意大利的早期信号：2020年2月底，意大利成为欧洲疫情的重灾区，但早在2月中旬，Steam的意大利玩家在线时间就开始显著上升，这可能反映了当地居民因担忧疫情而减少外出。
- 美国的数据波动：美国各州的封锁政策实施时间不同，而Steam的数据显示，在 正式宣布封锁前，某些州的玩家在线时间已明显增加，这与后来的病例激增趋势高度吻合。
这些现象表明,游戏平台的数据可能比传统统计 更快地捕捉到社会行为的变化，从而为疫情预测提供早期信号。
大数据在疫情预测中的潜力
非传统数据源的独特优势
传统疫情监测依赖于医疗机构的病例报告,但这一过程通常存在滞后性，相比之下，像Steam这样的平台数据具有以下优势：
- 实时性：玩家在线数据几乎是实时更新的，能够迅速反映社会行为的变化。
- 覆盖范围广：Steam在全球拥有大量用户，数据可以细化到不同国家和地区。
- 无意识行为数据：玩家的在线行为是自然发生的，不受调查问卷或官方统计的主观影响。
与其他数据源的对比
在新冠疫情期间,除了Steam，其他非传统数据源（如谷歌搜索趋势、社交媒体活动、交通流量数据）也被用于疫情预测。
- 谷歌搜索趋势：关键词如“发烧”“咳嗽”的搜索量增加，往往预示着病例上升。
- 苹果地图数据：出行请求的减少可以反映封锁政策的效果。
Steam数据的独特之处在于,它不仅反映人们对疫情的担忧，还直接体现了居家行为的增加，从而更直接地关联到社交隔离的程度。
可能的机制与科学解释
行为经济学的视角
从行为经济学角度看,人们在面临不确定风险时，会本能地减少外出并寻找替代性娱乐方式，当疫情开始传播但尚未被官方确认时，部分敏感人群可能已经自发减少社交活动，转而投入游戏，这种“超前行为”使得Steam数据成为疫情传播的早期指标。
数据建模的可能性
如果能够将Steam的玩家在线数据与历史疫情数据进行对比分析,理论上可以建立预测模型。
- 时间序列分析：观察玩家在线高峰与病例报告之间的时间差。
- 地理空间分析：比较不同地区的玩家活跃度与疫情严重程度的相关性。
这种模型虽然不能替代医学检测,但可以作为辅助工具，帮助公共卫生部门更早地发现潜在风险区域。
挑战与局限性
尽管Steam数据在疫情预测中展现出潜力,但也存在一些挑战：
- 数据混杂因素：玩家在线时间的增加可能受多种因素影响（如新游戏发布、节假日），需排除干扰。
- 样本偏差：Steam用户主要是年轻男性，可能无法完全代表全体人口的行为模式。
- 隐私与伦理问题：如何在不侵犯用户隐私的前提下利用这些数据，仍需谨慎考虑。
未来展望：游戏数据与公共卫生
新冠疫情的爆发让世界意识到,传统监测体系之外的数据可能具有重要价值，游戏平台、社交媒体和其他数字足迹数据可能被整合到公共卫生预警系统中。
- 多源数据融合：结合Steam、谷歌搜索、移动通信数据，构建更全面的疫情监测 。
- 机器学习应用：利用AI分析玩家行为模式，自动识别异常信号。
这种“数字流行病学” 有望在未来的公共卫生事件中发挥更大作用。
