Не верьте моделям COVID-19. Они не для этого

Администрация Трампа только что обнародовала модель траектории пандемии COVID-19 в Америке. Мы можем ожидать много споров о том, являются ли его оценки смертности слишком высокими или низкими. И его широкий диапазон возможных результатов, безусловно, сбивает с толку: какое число правильное? Ответ одновременно сложен и прост. Вот трудная часть: нет правильного ответа. Но вот простая часть: правильные ответы – это не то, для чего нужны эпидемиологические модели.

Эпидемиологи обычно обращаются к моделям, чтобы предсказать прогрессирование инфекционного заболевания. Борьба с подозрениями общественности в отношении этих моделей стара, как современная эпидемиология, которая берет свое начало со знаменитых карт холеры Джона Сноу в 1854 году. Эти карты впервые доказали, что ужасная болезнь Лондона распространяется через кристально чистую пресную воду, которая поступала из насосов, а не в зловонном воздухе города. Многие люди не верили Сноу, потому что жили в мире без ясного понимания теории микробов и только самых элементарных микроскопов.

Однако в наше время проблема иногда заключается в том, что люди верят эпидемиологам, а затем злятся, когда их модели не являются кристальными шарами. Возьмем, к примеру, радикальный поворот в политике Великобритании в отношении COVID-19. Несколько недель назад в Великобритании почти не было мер социальной изоляции, и, согласно некоторым сообщениям, правительство планировало позволить вирусу распространиться среди населения, за исключением пожилых людей, которых должны были держать дома. Идея заключалась в том, чтобы позволить достаточному количеству людей заболеть и вылечиться от легкой версии болезни, чтобы создать «коллективный иммунитет».

Ситуация быстро изменилась после того, как эпидемиологическая модель Имперского колледжа Лондона прогнозировала, что без радикальных мер более полумиллиона британцев умрут от COVID-19. В отчете также прогнозируется более 2 миллионов смертей в Соединенных Штатах, опять же без вмешательства. Резкие цифры побудили премьер-министра Великобритании Бориса Джонсона, у которого сам был положительный результат теста на COVID-19, изменить курс, прекратив общественную жизнь и приказав населению оставаться дома.

Вот сложная часть: если верить эпидемиологической модели и действовать в соответствии с ней, может показаться, что она ложна. Эти модели не являются снимками будущего. Они всегда описывают диапазон возможностей – и эти возможности очень чувствительны к нашим действиям. Через несколько дней после того, как Великобритания изменила свою политику, Нил Фергюсон, ученый, возглавлявший команду Имперского колледжа, засвидетельствовал перед парламентом, что он ожидал, что число смертей в Великобритании превысит 20 000 человек. Резко меньшее число вызвало шок: один бывший репортер New York Times назвал это « замечательным поворотом », а британский таблоид Daily Mail опубликовал статью о том, что у ученого был «неоднородный» рекорд в моделировании. Консервативный сайт Федералист даже заявил: «Ученый, чья модель пандемии Судного дня предсказала Армагеддон, просто отошла от апокалиптических предсказаний».

Но не было ни поворота, ни возврата, ни даже доработки модели. Если вы читаете исходную статью , модель предлагает ряд прогнозов – от десятков тысяч до 500 000 погибших, – которые все зависят от реакции людей. Такое разнообразие потенциальных результатов, исходящих из одной эпидемиологической модели, может показаться чрезмерным и даже противоречивым. Но это неотъемлемая часть того, как они действуют, потому что эпидемии особенно чувствительны к исходным данным и срокам, а также потому, что эпидемии растут экспоненциально .

Моделирование экспоненциального процесса обязательно дает широкий спектр результатов. В случае COVID-19 это связано с тем, что распространение болезни зависит от того, когда именно вы предотвратите удвоение числа случаев. Даже несколько дней могут иметь огромное значение. В Италии два схожих региона, Ломбардия и Венето, использовали разные подходы к распространению эпидемии среди населения. Оба требовали социального дистанцирования, но только Венето на раннем этапе предпринял массовое отслеживание контактов и тестирование. Несмотря на то, что мы начали с очень схожих моментов, Ломбардия сейчас трагически захвачена болезнью, где погибло около 7000 человек, и их число продолжает расти, в то время как Венето удалось в основном сдержать эпидемию.до нескольких сотен погибших. Точно так же в Южной Корее и Соединенных Штатах был диагностирован первый случай заболевания в один и тот же день, но Южная Корея провела массовое отслеживание и тестирование, а Соединенные Штаты – нет. Сейчас в Южной Корее всего 162 смертельных случая, и вспышка, похоже, выровнялась, в то время как в США приближается к 4000 смертей, поскольку распространение вируса ускоряется.

Экспоненциальный рост – не единственная сложная часть эпидемиологических моделей. Эти модели также должны использовать параметры для включения переменных в уравнениях. Но откуда должны взяться эти параметры? Создателям моделей приходится работать с имеющимися у них данными, но у нового вируса, такого как тот, который вызывает COVID-19, много неизвестных.

Например, модель Имперского колледжа использует числа из Ухани, Китай, а также некоторые ранние данные из Италии. Это разумный выбор, поскольку это крупнейшие эпицентры пандемии. Но многие из этих данных еще не установлены, и остается много вопросов. Каков уровень атаки – количество людей, заразившихся в группе, подвергшейся воздействию, например, в семье? Есть ли у выздоравливающих иммунитет? Насколько распространены бессимптомные случаи и насколько они заразны? Существуют ли суперраспространители – люди, которые, казалось бы, заражают всех, рядом с которыми они дышат, – как это было с атипичной пневмонией, и насколько они распространены? Каковы показатели ложноположительных и ложноотрицательных результатов наших тестов? И так далее, и так далее.

Чтобы модели работали, эпидемиологи также должны оценивать воздействие таких вмешательств, как социальная изоляция. Но и здесь ограниченные данные, которыми мы располагаем, несовершенны, возможно, подвергнуты цензуре, а возможно, неприменимы. Например, в Китае был период, когда правительство вывозило инфицированных пациентов и даже их близких здоровых людей из домов и отправляло их в специальные карантинные палаты . Похоже, что это резко снизило количество инфекций в семье и в городе. Относительно небольшое количество инфицированных людей в Соединенных Штатах или Соединенном Королевстве были помещены в аналогичный карантин. В целом изоляция в Китае была гораздо более жесткой. Самолеты по-прежнему взлетают из Нью-Йорка, Нью-Джерси и других мест, даже когда мы говорим о «социальной изоляции». И еще остаются сложности. Мы даже не уверенымы можем доверять данным Китая . Статистика здравоохранения Италии, вероятно, более достоверна, но ее культура фурбизии – или нарушение правил, часть очарования страны, а также ее дисфункция – усложняют понимание того, насколько ее результаты применимы к нашим прогнозам.

Надежность модели зависит от того, как часто она проверяется и настраивается на основе данных и ее производительности. Например, многие модели, прогнозирующие президентские выборы, основаны на данных о президентских выборах с 1972 года. Это все выборы, по которым у нас есть данные опросов, но это всего лишь 12 выборов, а до 2016 года в эпоху Facebook произошло только два. Итак, когда Дональд Трамп, кандидат, который, по прогнозам, с меньшей вероятностью выиграет президентский пост в 2016 году, все равно победил, означало ли это, что наши модели с параметрами телевизионной эры больше не работают? Или просто случился менее вероятный, но возможный результат? (Если вы подбрасываете монету, вы получите четыре орла подряд примерно по одной каждые 16 попыток, что означает, что вы не можете узнать, загружена ли монета только потому, что происходит что-то, казалось бы, необычное). С этим новым коронавирусом.

Итак, если эпидемиологические модели не дают нам уверенности – а просить их об этом было бы большой ошибкой – что в них хорошего? Эпидемиология дает нам нечто более важное: способность определять и корректировать наши действия с целью формирования нашего будущего. Мы можем сделать это, обрезая катастрофические ветви дерева возможностей, которое лежит перед нами.

У эпидемиологических моделей есть «хвосты» – крайние края вероятностного спектра. Их называют хвостами, потому что визуально они представляют собой части графика, сужающиеся к расстоянию. Думайте об этих хвостах как о ветвях дерева решений. В большинстве сценариев мы оказываемся где-то в середине дерева – большой выпуклости весьма вероятных результатов – но есть несколько ветвей в крайнем правом и крайнем левом углу, которые представляют довольно оптимистичные и довольно пессимистичные, но менее вероятные результаты. . Оптимистичный прогноз пандемии COVID-19 заключается в том, что многие люди, возможно, уже были инфицированы и выздоровели и теперь имеют иммунитет, а это означает, что мы подвергаемся слишком интенсивному карантину. Некоторые люди выдвинули это как вероятный сценарий, и они не сумасшедшие: это действительно возможность, особенно учитывая, что наше тестирование недостаточно широко, чтобы знать. Другой хвост включает катастрофические возможности, такие как гибель десятков миллионов людей, как во время пандемии гриппа 1918 года или ВИЧ / СПИДа.

Самая важная функция эпидемиологических моделей – это имитация, способ предвидеть наше потенциальное будущее заранее и то, как это взаимодействует с выбором, который мы делаем сегодня. С моделями COVID-19 у нас есть одна простая и неотложная цель: игнорировать все оптимистичные ветви и этот толстый ствол посередине, представляющий наиболее вероятные результаты. Вместо этого нам нужно сосредоточиться на ветвях, представляющих наихудшие результаты, и всеми силами их обрезать. Социальная изоляция снижает передачу и замедляет распространение болезни. При этом он отрубает ветви, которые представляют собой одни из худших вариантов будущего. Отслеживание контактов выявляет людей до того, как они заразят других, обрезает больше ветвей, которые представляют собой неконтролируемые катастрофы.

В начале пандемии у нас есть недостаток в большей неопределенности, но преимущество в том, что мы заблаговременно: стоимость наших действий ниже, потому что болезнь менее распространена. Обрезая дерево от ужасных, немыслимых ветвей, мы не просто выбираем путь; мы формируем сами базовые параметры, потому что сами параметры не фиксированы. Если наши больницы не будут переполнены, у нас будет меньше смертей и, следовательно, более низкий уровень смертности. Вот почему мы не должны увязать в оспаривании номеров модели. Вместо этого мы должны сосредоточиться на параметрах, которые мы можем изменить, и изменить их.

Каждый раз, когда Белый дом выпускает модель COVID-19, у нас будет искушение погрузиться в бесконечные дискуссии о планках погрешностей, ясности в параметрах, широком диапазоне результатов и применимости базовых данных. И у средств массовой информации может возникнуть соблазн освещать эти дискуссии, поскольку это соответствует их сценариям скачек, сказал он-она-сказал. Давай не будем. Вместо этого нам следует взглянуть на пагубные ветви нашего дерева решений и срубить их все, а затем снова отрубить.

Иногда, когда нам удается отрубить конец пессимистическому хвосту, кажется, что мы слишком остро отреагировали. Непредвиденный промах может сделать модель фальшивой. Но так происходило не всегда. Это просто означает, что мы победили. И поэтому мы моделируем.

Оставьте комментарий