数字暴露提醒并不是公共卫生的万能答案
后新冠时代技术领域一个持续存在的习惯，是默认某个曾经用应用程序解决的问题，今后也应总是用应用程序来解决。围绕一艘邮轮上的汉坦病毒暴露展开的新讨论，暴露了这种想法的局限性。在一艘受汉坦病毒影响的邮轮上有三人死亡后，相关部门开始积极寻找已经离船的29个人。这项工作具有全球性、劳动密集性和时效性。乍看之下，它也像是数字接触者追踪本应擅长处理的情形。
但接受 WIRED 采访的专家认为，这恰恰是应用程序式接触者追踪最没用的疫情类型。约翰斯·霍普金斯大学流行病学家 Emily Gurley 说，这次汉坦病毒疫情里应用程序没有用，因为病例数量很少，官员需要精确追踪所有接触者，才能阻止传播。这个说法很好地纠正了一个常见假设：更多数据收集自动就会带来更好的疫情管理。
公共卫生应对取决于工具是否与问题形状匹配。新冠疫情创造了一种环境，在那里广泛、自动化的近距离记录看起来很有吸引力，因为感染范围广、接触者众多，而且公共卫生系统承受着规模压力。在这种背景下，即便不完美的警报也能帮助识别可能暴露的人群，并促使他们自我隔离。与之相比，一个与特定场景相关的小规模疫情则是完全不同的问题。
为什么小规模疫情需要精确，而不是近似
在有限的暴露事件中，官员会从已知感染者出发，谨慎向外追踪，重建每个人去过哪里、可能接触过谁。这个过程比自动通知系统慢，但它的设计目标是精确。当病例数量足够少时，公共卫生机构可以尝试全面追踪，而不是统计近似。
这种区别很重要，因为基于应用程序的追踪，尤其是基于蓝牙近距离识别的系统，并不能生成那种在局部封闭疫情中所需的精确接触链证据。手机可以在没有上下文的情况下记录接近。它们可能漏掉暴露，也可能夸大暴露。它们适合标记可能的接触，但未必适合建立疫情调查人员所需的那种精确人际地图，尤其是在目标是找出每一位有风险者，而不是发出笼统提醒的时候。
WIRED 的报道指出，在新冠疫情期间，基于应用程序的追踪更多是为了了解人群中哪些部分可能受到影响，并给人们一个自我隔离的机会。这与识别在一艘船和一群已知旅客相关的暴露之后，每一个都需要直接跟进的人，有着根本性的不同。
新冠时代的经验并未被顺利推广
新冠经历也显示，数字接触者追踪在现实中的效果并不一致。根据文章，这些工具在欧洲一些管理更精细的国家效果更好，但在美国并未减缓传播。这个参差不齐的结果很重要，因为它说明，即便在数字追踪本来要应对的场景中，结果也高度依赖治理、公共卫生整合、公众配合和技术准确性。
换句话说，问题从来不只是手机能否检测到接近，而是围绕这种检测构建的系统，能否把嘈杂信号转化为可操作的公共卫生行为。如果在一场全球大流行中，面对海量关注和前所未有的应急措施，这一点都很难做到，那么要在一个更小、更要求精确的追踪问题上依赖类似工具，就更难成立了。
想把疫情期间的基础设施复用于后续疫情，是可以理解的。自2020年起，各国政府、平台公司和公共卫生系统都投入了大量精力来建设暴露通知框架。Apple 和 Google 启用了基于蓝牙的系统，用来在有人后来检测出新冠阳性时，识别其他人是否曾与其接近。既然这些能力已经存在，就很容易想象它们会成为未来疾病事件的长期数字工具。
但这里描述的汉坦病毒案例提醒我们，公共卫生技术并不是可在不同疾病或不同疫情类型之间随意替换的。为一种流行病学模式设计的系统，可能并不适合另一种。
