對臺灣地區、香港特別行政區和日本的感染情況與“發燒”搜索指數進行了分析，發現一個可能可以幫助預測感染高峰期的方法：

 

　　1. 將Google搜索指數分為疫情期間和非疫情期間，非疫情期間的發燒指數平均數為

 

　　，將疫情期間的搜索指數做以下處理后加總，計算一個數值

 

　　其中S的含義是這樣的：如果發燒的搜索是發燒人口的一個相對穩定的比例，且在非疫情期間發燒人口是總人口的相對穩定的比例，那么S就正比于疫情感染的人口占總人口的比例，我們把它叫做“超額發燒搜索指數累計面積”

 

　　2. 下圖列出了臺灣地區、香港特別行政區以及日本的“超額發燒搜索指數累計面積”，即下圖橙色面積、藍色面積和灰色面積。

 

　　

 

　　我們發現在這三個地區，當疫情達到頂峰時，這個“超額發燒搜索指數累計面積”的數值全部剛好達到80。這兩個地區第一波疫情結束時，香港特別行政區的面積達到了160，臺灣地區的面積達到了200，日本的最終面積是250。

 

　　3. 如果用百度搜索指數做類似的研究會有什么效果呢？我使用了本輪疫情進入群體感染最快、最早的石家莊、邢臺和保定做了計算：

 

　　

 

　　可以算出，從疫情開始后計算，石家莊的“超額發燒搜索指數累計面積”已經達到了76，邢臺已經達到了67，保定也達到了71。由此來看，百度搜索指數和Google指數分別算出的“超額發燒搜索指數累計面積”，至少是在一個差不多的數量級上。

 

　　4. 考慮到保定、石家莊、邢臺等地的發燒指數仍然在上升，以及百度搜索指數和Google指數的差異，我們比較保守地將100作為疫情達峰時的“超額發燒搜索指數累計面積”，將250作為第一輪疫情結束時的“超額發燒搜索指數累計面積”。那么我們通過每個城市的搜索指數累計增長，累計速度，就可以算出現在每一個有疫情的城市疫情達峰的時間，以及疫情結束的時間。

 

　　這是計算的結果，列出了所有能在明年春節前達峰的城市以及這些城市在達峰前已經感染的人口比例（截止至12月10日）。

 

　　

 

　　2022年12月12日更新：

 

　　

 

　　數據不足，方法簡陋，供參考。