在流行病学中，数字往往被视为最具权威性的证据。病例数、发病率和患病率直接影响政策制定、资源分配和公众认知。然而，公共卫生中最重要的发现之一却常常被忽视——数据的缺失本身。

当监测系统报告病例很少甚至没有病例时，人们往往认为疾病并不严重或已得到控制。但实际上，“没有数据”往往反映的是系统性限制，而非真实的疾病状况。

病例漏报在全球范围内依然普遍存在。医疗服务可及性不足、诊断工具匮乏、实验室能力有限、报告延迟以及行政障碍，都可能导致真实的疾病负担无法被记录。

这种情况会带来严重后果，例如：

因此，流行病学不仅要分析已有数据，更要学会识别数据缺口的意义。专业人员需要不断追问：哪些人群没有被纳入监测？是否存在地区性或社会性盲区？监测是被动还是主动？病例报告是否受到制度因素影响？

“没有证据”绝不等于“没有问题”。历史上，许多疫情都是在监测体系和诊断能力改善后才被重新认识的。

优秀的流行病学并非只依赖现有数据，而是能够理解缺失的信息、潜在的不确定性，以及这些因素应如何影响决策。