在大流行的最初几周，在多种媒体上复制了几个视觉流行病学模型，以供公众理解和说服暴露曲线和传染图和COVID-19预测曲线。使用模型作为预测工具来“拉平曲线”，已成为公众对大流行缓解行为参数背后原因的简称，这些参数包括社交距离措施、戴口罩和居家令。这种注入以证据为基础的科学转化为政治行动和政策是令人振奋和值得赞扬的。
虽然这些模型对于指导快速的公共卫生反应是有用的，但它们是基于功利主义的思维:对整个人口最好的结果。它们是依靠统计建模假设来指导应急计划的粗略方法。它们将社会领域缩小为一个可计算的实体，使文化多样性被同质化。虽然在这场危机中，考虑整体人口是明智的，但有充分的证据表明，在这场宏大的社会实验中，一些社区承受着不成比例的健康负担。了解统计曲线之外的负面健康结果，或者打个比方说，使曲线“增肥”，将是未来研究的一个重要目标。
在大流行的最初“居家”阶段，一些社区，如非裔美国人和美洲原住民社区的感染率和死亡率远高于整体人口。这归因于先前存在的健康差异，如糖尿病、肥胖和心脏病的患病率升高。虽然贫困和卫生不平等往往是一致的，但我怀疑这只是大流行对脆弱社区造成的损失的一部分。“拉平曲线”和降低传播的主要手段是:呆在家里、保持社交距离、经常洗手和戴口罩。这些是一般的个人行为修正决定，使他们的社会环境无关紧要。
然而，社区并不是个人的集合。文化规范和实践不容易符合政府官员强制或建议的单一文化行为模板。在大流行消退后，我们需要在实地建立可靠的知识，了解在大流行的早期阶段在受影响最严重的社区“使曲线变平”的成功和失败。什么样的社会节奏被打乱了，什么样的行为改变是困难的?它们是否与基础设施(如自来水、交通)、财政支持模式(如危险工作、发薪日)、大家庭生活和照顾、对政府的不信任、宗教承诺或其他文化特定活动有关?
科学家可以与受病毒破坏最严重的社区合作，以了解在大流行的早期阶段与一刀切的规定措施的脱节。这意味着做公共卫生研究与特定的社区作为正式参与者，从制定问题集和提出有关失败/成功的问题，到分析初步卫生数据并决定还需要了解哪些内容。这可以导致基于更脆弱社区的复杂性的更有效的政策反应，而不是依赖于一刀切的数学模型。了解疾病反应并为更好的结果制定更好的反应，需要倾听人们的意见。来自当地参与的见解甚至可以帮助建立符合当地背景和社会规范的模型，使其更有效和更具预测性。
对大流行后研究的资助应着眼于“使曲线变肥”，以理解和解释统计模型和公式驱动的对策所不能代表的社区中的异常卫生数据。成功的研究项目将在地方一级建立能力，使它们能够充分参与假设，收集，分析数据并提出了限制接触和确保社区健康的更好做法。来自合作研究的具有社会影响力的科学可以更好地为社区认为有效和信任的健康建议提供信息。
学习如何与病毒共存并公平地减轻其影响可能需要不同的生活方式，以获得更社会公正的健康结果。