许多国家现在正在放松对冠状病毒的限制，尽管未来存在很大的不确定性。恢复正常是一项复杂的挑战，需要政治家们做出极其困难和有风险的决定，在不危及生命的情况下尽量减少社会经济成本。各国政府必须在一系列情况下权衡短期影响和长期后果，而不能采取一刀切的解决办法。我们强调了三个政策挑战，要求采取多学科方法，并建立新的、协调的、透明的数据基础设施，以避免在COVID-19研究中重复最近的失败，并反映其他领域的成功。

第一个挑战是关于社会距离和其他干预措施的决策的空间协调。随着政府努力公平对待公民，许多国家正在采取全国性或有时是全国性的措施。然而，感染模式在地理上具有聚集性，而且常常超越政治和行政边界。一个后果是，COVID-19病例记录较少的社区(通常位于经济实力较弱的农村和人口稀少地区)，被迫遵循针对经济恢复能力较强的富裕城市的感染热点地区制定的政策。当前的研究表明……的重要性集群和超级传播事件在推动大流行方面，但无症状传播的程度仍不清楚。因此，瑞典学校缺乏数据收集构成了一个问题错过了评估开放学校对传染病影响的机会这对许多国家重新启动计划至关重要，并将有助于避免新的感染浪潮。

第二个挑战是时间滞后——阳性检测往往反映了发生在十多天前的感染，今天的决定的结果将需要几周时间才能完全得知。流行病模型还必须处理人们由于公布的预测而改变行为的问题。由于混杂因素，向处于大流行后期阶段的国家学习是困难的。根据当前确诊病例、医院床位占用和/或死亡人数设计应对措施将落后并失败。反复试验的方法总是导致以金钱或生命为代价过高或低估所需的预防水平。因此，每天都应该收集关键数据和相关的元数据，比如检测结果的等待时间和公共政府建议。

第三个也是主要的挑战是设计有效政策所需信息的复杂性。虽然最大限度的封锁在短期内可能挽救大多数生命，但从长期来看可能会产生相反的效果，例如会导致家庭暴力、酒精消费、贫困、犯罪和暴力的增加饥饿．负面反馈可能因人口密度、社会经济因素和获得医疗保健的情况而在不同地区有所不同。因此，各国应在提供卫生数据的同时提供关键的社会经济参数。

科学家和其他专家已经用一系列的方法来应对这些挑战。他们有生产超过13万篇预印本和期刊文章仅仅几个月。COVID-19研究的规模已经达到了其他领域需要数十年才能达到的水平，这保证了与成熟数据密集型领域提供的基础设施类似的基础设施。研究人员已经多次解决了搜索、收集和组织数据的相同问题，浪费宝贵的时间和资源。

解决这些挑战的一个重要步骤是在世界各地紧急汇编和标准化与covid有关的数据。除了能够向研究界提供开放和易于获取的数据以实现高效建模之外，新的全球数据基础设施还将有助于发现数据缺口。至关重要的是，数据必须是透明的，并且可以追溯其来源。缺乏可追溯性导致了新冠肺炎时代的第一个研究丑闻，与《柳叶刀》和《新英格兰医学杂志》(NEJM)撤回了两篇论文这影响了政策决定，影响了数百万人的生活。

过去几十年的生物多样性和基因组研究表明，开放获取和有组织的数据库使全世界的整个科学界受益，并有助于推动我们知识的边界。成功的例子包括国家生物技术信息中心,全球生物多样性信息设施,Nextstrain这是一个实时跟踪病原体演变的开源项目，现在也有助于追踪COVID-19的引入。数据挑战包括Kaggle比赛该项目定期吸引数千个团队和个人，可以促进数据收集和方法开发，还可以帮助研究人员从越来越多的COVID-19论文中导航和提取见解。

2019冠状病毒病危机可能成为我们利用人工智能和其他数据驱动方法试图应对的最大全球挑战。与20世纪导致技术突破的几次危机不同，现在的进展将取决于大流行期间收集的数据的质量和数量。随着世界各国对各种政策进行测试，我们敦促科学界和决策者在保护患者诚信的同时，就收集和提供必要的标准化数据达成一致。组织COVID-19数据是一项投资，不仅可以帮助我们摆脱这次大流行，还可以帮助我们摆脱未来可能出现的大流行。