对COVID-19大流行及其广泛影响的多学科研究已成为世界范围内的紧迫工作。为进一步和加深全球对危机的了解，《哈佛数据科学评论》(哈佛数据科学计划的开放访问平台)正在出版一期特刊，以数据科学的角度研究新型冠状病毒及其影响。

该问题涵盖了广泛的主题，涉及SARS-CoV2大流行中迅速出现的社会，流行病学，政治和教育问题。文章包括：

与生物统计学家和流行病学家进行的关于Covid-19的对话

David Banks(杜克大学)，Susan Ellenberg(宾夕法尼亚大学)，Thomas Fleming(华盛顿大学)，M。Elizabeth Halloran(华盛顿大学)，Andrew Lawson(华盛顿医科大学)南卡罗来纳州)和兰斯·沃勒(埃默里大学)(Lance Waller)(埃默里大学(Emory University))

五位主要的生物统计学家和流行病学家对大流行的可能范围和持续时间，我们需要的医疗应对措施以及他们对美国和世界的一些影响进行了辩论。他们还讨论了大流行对高等教育的可能影响。

冠状病毒指数：公众理解的初步调查

Alexander Podkul( Optimus)， Scott Tranter(Optimus)，Liberty Vittert(华盛顿大学，圣路易斯)，Alex Alduncin(Optimus)

我们目前在社会上与众不同的原因是基于对指数增长的理解和“展平曲线”的思想。作者介绍并讨论了两个调查实验，它们通过检查公众计算和理解指数增长的能力来探索公众的统计素养。这些发现可用于帮助针对大众的更好的有效地面交流策略。

流行病暴发期间抗感染治疗的贝叶斯适应性临床试验

Shomesh Chaudhuri(QLS顾问)，Andrew W. Lo(麻省理工学院)，萧丹英(麻省理工学院)和Xu Qingyang(麻省理工学院)

在COVID-19大流行中，监管机构应如何调整通常漫长的临床试验和批准流程，以解决寻找治疗和挽救生命的紧迫性?作者提出了一个以患者为中心的贝叶斯适应性框架，以优化抗感染疗法和疫苗的临床试验开发路径。他们的研究为监管机构，政策制定者和临床研究人员提供了一个合理，系统，透明，可重复和实用的框架，以评估在任何流行病暴发期间假阴性的成本远远超过其消极成本的抗感染疗法的功效。误报。

估计疫苗和其他抗感染治疗开发计划成功的可能性

药物或医疗器械开发计划的经济价值通常由以下方法计算：如果计划成功，则评估该计划的累积收入，公司依靠该数据来制定有关要推行哪些计划以及如何为其筹资的业务决策。

在本文中，作者提供了2000年1月1日至2020年1月7日期间使用43,414个独特的三联临床试验，药物和疾病的疫苗和其他抗感染治疗剂的临床试验结果的估计值，产生了2,544个疫苗项目和6,829个针对传染病的非疫苗计划-同类最大的数据集。随着世界各国政府开始制定更系统的战略来应对COVID-19以后的流行病，决策者可以使用这些估算值来确定最有可能因私营部门的参与而不需要公共部门支持的领域。