根據數學模型，在官方記錄的5億個病例中，在大流行病的前29個月發生的COVID-19病例中，只有1/5的病例被計算在內。根據美國疾病控制和預防中心(CDC)的數據，世界衛生組織在2020年1月1日至2022年5月6日期間報告了6,190,349例死亡和513,955,910例病例。

這些數字已經將COVID-19提升到包括美國在內的一些國家的頭號殺手的位置–緊隨心髒病和癌症之後。

然而根據研究人員在《Current Science》上的報告，數學模型顯示，總體而言，病例的漏報率為1/1.2到1/4.7。這種漏報導致世界範圍內的大流行病估計從6億到24億例不等。

奧古斯塔大學喬治亞醫學院傳染病科理論和數學建模實驗室主任Arni SR Srinivasa Rao博士表示：“我們都承認對我們個人、國家和世界的巨大影響，但真正的病例數量很可能比我們意識到的要高得多。我們正試圖了解報告不足的病例的程度。”

Rao和密蘇里州聖路易斯華盛頓大學的數學教授Steven G. Krantz博士以及加州大學河濱分校社會學系Edward A. Dickson名譽教授David A. Swanson博士指出，他們的模型產生的估計病例的範圍很廣，這表明報告數字的準確性存在問題，其中包括數據篡改、無法進行準確的病例追踪及病例報告方式缺乏統一性。

Rao稱，信息的匱乏和病例報告的不一致一直是獲得大流行病影響的真實情況的一個主要問題。

數學模型使用任何可用的信息及相關因素如全球傳播率和世界上的人口數量則包含了29個月時間框架內的平均人口。Rao表示，這個平均數被稱為有效人口，它更好地考慮了那些因任何原因出生和死亡的人，因此提供了一個更現實的可能被感染的人數。

“你必須知道病人和他們的家庭、醫院和護理人員、經濟和政府的真正負擔，”Rao說道。另外，他還指出，更準確的數字也有助於評估間接影響如對潛在的長期神經和精神疾病的診斷不足，現在已知這些疾病跟感染存在直接關係。

數學專家曾在2020年大流行的早期為八個國家發表過類似的基於模型的估計，從而為他們當時所說的明顯的報告不足提供更多視角。他們的模型預測，像意大利這樣的國家，儘管他們在報告方面很勤奮但可能只捕捉到1/4的實際病例，而在人口數量巨大的中國，他們計算出了一個巨大的潛在漏報範圍，從149%到1104%的病例。

導致漏報的其他因素包括：每個感染了COVID-19的人都沒有經過測試。另外，相當大比例的人甚至是接種過疫苗和強化過的人都不止一次被感染，他們可能只在第一次去看醫生進行PCR休息，而在隨後的疾病中可能使用家庭測試甚至不進行測試。像最近發表在《JAMA》上的一份關於冰島在奧密克戎變異波前74天的再感染率的報告表明，根據PCR測試，對於那些接受了兩劑或更多劑量疫苗的人來說，再感染率在10.9%–在那些18-29歲的人中最高達到15.1%。

據報導，在他們29個月的研究時間框架結束時，全球完全接種疫苗的人數達到了51億。

美CDC報告稱，從8月到9月，美國的新病例、住院和死亡人數呈下降趨勢。