Hány amerikai hal meg a COVID-19 miatt? A Biodefense szakértő elmagyarázza, hogyan lehet megérteni a modelleket

A Forbes-közreműködők véleménye saját.

covid-19-ben

AFP a Getty Images-en keresztül

A modellek a COVID-19 járvány közepette kerülnek a címlapra, és nem, nem olyanok, amilyeneket a kifutón sétálva találna. Statisztikai modelleket alkalmaznak annak meghatározására, hogy pontosan mikor térhetnek vissza a dolgok a normális helyzetbe. Valójában a Fehér Ház nemrégiben bejelentette a „legjobb eset” forgatókönyvét, amely szerint az Egyesült Államok 100 000–240 000 halált szenved.

Tehát aggódnunk kellene? Az előrejelzett halálozások azóta lefelé módosultak és változni fognak. Bár bizonyosan vannak érdemei ezeknek a modelleknek, hasznos emlékezni a Mark Twain által népszerűsített mondatra: „Háromféle hazugság létezik: hazugság, átkozott hazugság és statisztika.” A modellek matematikát és statisztikai algoritmusokat használnak a jövő előrejelzésére, és gyakran tévednek. Ahogy a minap Robert Redfield, a CDC igazgatója megemlítette: „A modellek csak olyan jóak, mint feltételezéseik.”

A modellek közösek?

Fontos a statisztikai modelleket perspektívába helyezni. Amikor értesül a COVID-19 modelljeiről, vegye figyelembe néhány más modellt, amelyekkel rendszeresen együttműködünk. Minden este a helyi hírekben előrejelző modellezésen alapuló időjárás-előrejelzést hallgatunk. Hányszor feküdt le, és másnap reggel friss hótakarót várt, ehelyett arra ébresztett, hogy az iskolák megelőzően bezártak egyetlen hópehely hiánya ellenére? Az időjárás-előrejelzések folyamatosan javulnak, mert hatalmas mennyiségű adat áll rendelkezésre a feltételezéseik folyamatos frissítéséhez.

Vegyünk egy másik modellt, amellyel mindennap bombáznak minket: a tőzsdei jóslatok. Alkalmanként egy elemző fején találja a szöget (és így zseniálisnak fogják nevezni), akárcsak alkalmanként valaki eléri a főnyereményt, vagy megnyeri a lottót. Kíváncsi vagyok, hány piacfigyelő jósolta meg a legutóbbi piaci út dátumát és idejét. Még Warren Buffett sem igazán tudja, hogy a részvények milyen irányba haladnak egy adott napon, héten vagy hónapban.

Hogyan fejlesztik a modelleket?

Ha modellt szeretne készíteni annak megjóslására, hogy hány haláleset következhet be egy új influenzajárvány miatt, akkor egy olyan ismert járvánnyal indulna, mint az 1918-as vagy egy újabb. Ön megadná a világjárványban elhunyt személyek százalékos arányát, és extrapolálná a mai világ egyénekének hasonló százalékát.

Nem állhat meg azonban itt, mert a világ 1918 óta jelentősen megváltozott. Feltételeznie kellene a világ sűrűbben lakott városai és a széles körű nemzetközi utazások miatt a megnövekedett terjesztési lehetőségeket. Ezután megbecsülné a vakcinával, vírusellenes kezelésekkel vagy antibiotikumokkal szembeni védekezés miatt bekövetkező halálozások csökkenését a bakteriális tüdőgyulladás szövődményei esetén. Ezenkívül figyelembe venné a társadalmi távolságtartás miatti spread csökkenését is.

Ez csak „a szalvéta hátulja”, és nem is közelíti meg azokat a kifinomult számításokat, amelyeket epidemiológiai modellező kollégáim fejlesztenek. Azonban, amint láthatja, egy modell bizonyos tényekkel indulna, de aztán feltételezések rétegeként szőne a tények tetejére.

A jelenlegi COVID-19 járvány esetében néhány modell Kínából vagy Európából származó tapasztalatokon alapult, majd extrapolálták az Egyesült Államok lakosságára. Az USA lakossága azonban sok szempontból eltér. Még az Egyesült Államokban élő lakosság is, például Los Angeles és New York City, számos szempontból jelentősen különbözik egymástól, például életkor szerinti megoszlás, faji összetétel, etnikai hovatartozás, nem, alapbetegségek, elhízás, genetika, levegőminőség, környezeti tényezők, táplálkozási tényezők, dohányzás, a népsűrűség és számos más változó. Az egyik változó legkisebb változása jelentősen megváltoztathatja a megjósolt eredményt. Tehát mindig fontos feltenni a kérdést: „Milyen feltételezéseket használtak a modell kidolgozásához?”

A jelenlegi modellek fő problémája a tesztelés hiánya. Az eddig meghalt fertőzöttek százalékos arányának kiszámításához mind a COVID-19 okozta halálozások számára, mind a fertőzöttek teljes számára szükség van. Mivel nincs átfogó tesztelésünk, nem igazán ismerjük a fertőzöttek teljes számát. Ezért még a halálesetek sem pontosak. Ez hatalmas kihívást jelent a jövőbeli halálesetek megbízható előrejelzése szempontjából.

A modelleknek van bármilyen segédprogramjuk?

Mindez nem jelenti azt, hogy figyelmen kívül kellene hagynunk a modelleket vagy önelégültnek lennünk. A modellek nagyon hasznosak lehetnek, amennyiben megértjük a mögöttes feltételezéseket és felismerjük azok korlátait.

Ami a legfontosabb: a modellek segíthetnek a tervezésben. Segítenek abban, hogy az erőforrásokat, például a lélegeztetőgépeket és a maszkokat, prioritássá tegyük és elosztjuk azoknak a forró pontoknak, ahol újabb fertőzési hullámok fordulhatnak elő. Az időjárás-előrejelzésekhez hasonlóan a betegség modellezése is adatalapú. Az adatok javulásával a modellek is javulni fognak.

Arra számítana, hogy New Yorkból Los Angelesbe repül egy repülőgéppel? Természetesen nem. Ugyanezen okból a szkeptikussággal kell szemlélnie a modelleket. Egyik sem lesz pontosan helyes, de mindaddig hasznosak lehetnek, amíg a megfelelő kontextusba helyezzük őket. Gondoljon rájuk, mint egy újabb adatra, egy újabb „nyílra” a „tegezünkben”, hogy reagáljon erre a kitörésre.

A prediktív modellek nyers módja a jövő magyarázatának és előrejelzésének, de ahogy Yogi Berra mondta: "Nehéz előrejelezni, különösen a jövőt illetően."