KOPĪGOT | DRUKĀT | SŪTĪT E-PASTU
Es sveicu Eyal Shahar pieprasīt atkārtotu pārskatīšanu Covid vakcīnas dokumentiem. Patiesībā es sāku ilgi pirms tam, kad Ejals paziņoja par savu rīcību — pat pirms vakcīnu parādīšanās.
Briesmīgā 2020. gada beigās ļoti ietekmīgs raksts parādījās ZinātneTas nonāca virsrakstos lielākajos plašsaziņas līdzekļos visā pasaulē. Laikraksts ar nosaukumu "Secinājumi par valdības intervenču efektivitāti cīņā pret COVID-19" drīz vien valdības visā pasaulē izmantoja, lai attaisnotu savu arvien autoritārāko politiku.
Tas piesaistīja manu uzmanību, jo iepriekšējais autors bija čehu matemātiķis Jans Kulveits. Kopā ar diviem kolēģiem Ondřeju Venčaleku un Jakubu Dostālu mēs uzrakstījām šādu atbildi:
"Visi modeļi ir nepareizi, bet daži ir noderīgi"skan slavens teiciens, ko parasti piedēvē Džordžam Boksam. Mūsdienās viņš, iespējams, teiktu, ka visi modeļi ir nepareizi, un daži pat ir bīstami. Mūsuprāt, tas attiecas arī uz šo pētījumu."Valdības intervenču efektivitātes noteikšana cīņā pret COVID-19"1 kas parādījās Zinātne un guva plašu uzmanību visā pasaulē.
Pētījuma mērķis ir izprast nefarmaceitisko intervenču (NPI) efektivitāti Covid-19 pandēmijas kontrolēšanā. Autori analizē datus par kopējo saslimšanas gadījumu skaitu un nāves gadījumu skaitu 41 (galvenokārt Eiropas) valstī laikā no 2020. gada janvāra līdz maija beigām. Viņi sniedz aplēsi par 8 dažādu NPI (piemēram, cilvēku pulcēšanās ierobežošana, skolu slēgšana utt.) ietekmi, kas tika ieviesti daudzās valstīs pētītajā periodā. Katra NPI ietekme tiek kvantificēta ar infekcijas reprodukcijas rādītāja R samazināšanos NPI ieviešanas laikā attiecīgajā valstī.
Rezultāti ir plaši atzinīgi novērtēti, jo tie, šķiet, parāda, ka visi NPI kopumā darbojas, un efektu lielums, šķiet, atbilst veselajam saprātam (piemēram, jo vairāk jūs ierobežojat pulcēšanos, jo lielāks R samazinājums tiek panākts). Valdības visā pasaulē būs ļoti priecīgas dzirdēt, ka to noteiktie ierobežojumi bija pamatoti. Bet vai tie bija pamatoti?
Patiesībā mēs nezinām, un šis pētījums nepalīdz mums to noskaidrot. Mēs apgalvojam, ka modelī ir liktenīgs trūkums, kas padara to nederīgu. Aplūkojot vienīgo vienādojumu raksta pamattekstā (sk. sadaļu “Īss modeļa apraksts”), mēs redzam, ka autori uzņemties pamatā esošais (nenovērojamais) pamata reprodukcijas skaitlis R0,c līdz būt nemainīgs laikā katrai valstij. Šis pamata reprodukcijas skaitlis pēc tam tiek reizināts ar NPI ietekmi, un tas tiek pielāgots datiem. Tādējādi modelis pieņem, ka jebkādas izmaiņas epidēmijas dinamikā ir saistītas ar NPITas ir maldinoši, jo ir apļveida teorija. Ja vēlaties kvantificēt intervences ietekmi, nevarat pieņemt, ka visi novērotie efekti ir saistīti ar pašu intervenci.
Arī šis pieņēmums par konstantu R0,c liek domāt, kāpēc autori izvēlējās pārtraukt modelēšanu, tiklīdz jebkurš NPI tiek atcelts. NPI parasti tiek atcelti, epidēmijai mazinoties. Tādējādi NPI ir klātesoši, kad R ir augsts, un to nav, kad R ir zems. Ar datiem no ilgāka laika intervāla (ieskaitot vasaras periodu ar zemu izplatību un atvieglotiem NPI), autoru izmantotais vienkāršais modelis apgūtu negatīvs efekts – ka NPI paātrina epidēmiju. Tas bija acīmredzami nevēlami, tāpēc autori izvēlējās neizmantot vasaras datus modeļa pielāgošanai. Šāda modelēšanas stratēģija ir ļoti apšaubāma.
Lai mūsu viedoklis būtu pilnībā skaidrs, mēs veicām šādu eksperimentu. Mēs paņēmām sākotnējo datu kopu2 un izgudroja jaunu NPI, kāds nekad nepastāvēja. Pieņemsim, ka no šī jaunā NPI ieviešanas brīža katram pilsonim bija jāvalkā T-krekls ar uzrakstu “Stop-Covid”, līdz šis NPI tika atcelts.
Mēs vienmērīgi izvēlējāmies nejaušu datumu no perioda, kurā tika modelēta konkrēta valsts, un “uzspiedām” šo T-krekla NPI datiem (sākotnējo datu kopu ar pievienotu T-krekla NPI skatiet atsaucē [3]). Mēs tik un tā nemainījām saslimšanas gadījumu un nāves gadījumu skaitu. Šāds NPI nekad nepastāvēja, tāpēc tam nevarēja būt nekādas ietekmes. Pēc tam mēs palaidām sākotnējo modeli (saiti uz GitHub uz mūsu izmantoto versiju skatiet atsaucē [4]), nepieskaroties nevienam parametriem. Rezultāts ir parādīts 1. attēlā. T-krekli gandrīz izskauda pandēmiju!
Kā tas ir iespējams? Katrai epidēmijai ir sava iekšējā dinamika. Vienkāršākais SIR modelis rada vienu aktīvo gadījumu skaita maksimumu. Ja mēs vēlamies reproducēt šādu maksimumu ar vienkāršu eksponenciālo funkciju (ko dara autori), tad koeficients eksponentā (t. i., empīrisks reprodukcijas numurs) ir samazināt laikā no pirmā viļņa sākuma. Tādējādi, pieņemot, ka jebkurš ietekme uz reprodukcijas skaitli ir saistīta ar NPI, modelis nevar radīt neko citu kā vien piešķirt pozitīvs ietekme (t. i., R samazināšanās) uz jebkuru NPI. Pat uz neesošu, kā mēs esam parādījuši.
Tādējādi, mūsuprāt, modelis ir maldinošs un ļoti bīstams, jo valdības to var izmantot, lai retrospektīvi attaisnotu jebkurš Viņi izvēlējās uzspiest iedzīvotājiem NPI. Mēs neapgalvojam, ka dažiem/visiem NPI nav bijusi pozitīva ietekme. Mēs tikai sakām, ka šis modelis nav veids, kā to noskaidrot.
Skaitlis 1Valkājot kreklu ar uzrakstu “Stop-Covid”, pandēmija izzūd.
Mēs nosūtījām savu atbildi kā vēstuli žurnāla redaktoram. ZinātneAtbilde pienāca: viņi ļoti atvainojas, bet nevar publicēt mūsu vēstuli. Viņi neminēja iemeslu.
Tāpēc es nokopēju un ielīmēju viņu pašu “misijas paziņojumu” e-pastā — kaut ko līdzīgu “Zinātnes žurnālu saime veicina AAAS mērķi uzlabot komunikāciju starp zinātniekiem, inženieriem un sabiedrību.Es viņiem atgādināju, ka nekāda komunikācija nekad nav uzlabota, cenzējot pretējās balsis.
Galu galā viņi laipni atļāva mums publicēt savu atbildi kā e-vēstuli, paslēptu aiz oriģinālā raksta papildmateriāliem. E-vēstuli nevar citēt, tajā nav atļauts iekļaut skaitļus, un tā neparādīsies nevienā meklēšanā.
Mēs publicējām mūsu atbildes versiju čehu valodā ar nosaukumu "Vai pandēmijas ierobežošanas pasākumi darbojas? Jā, ministr!" Čehijas Statistikas biedrības tīmekļa vietnē. Tas mums nopelnīja ļoti pieklājīgu vēstuli no autora — un klusu aizliegumu plašsaziņas līdzekļos.
Tas arī viss. Vai ir kādi labāki Covid apskati?
Atsauces
- Dž. M. Brauners u. c., Zinātne, 10.1126/science.abd9338 (2020).
- https://github.com/epidemics/COVIDNPIs/blob/1.3.6/merged_data/data_final_nov.csv
- https://gist.github.com/DostalJ/92e134f9ab4032289b77172d0e6ff583
- https://github.com/epidemics/COVIDNPIs/blob/1.3.6/notebooks/main_results.ipynb
-
Tomass Firsts pasniedz lietišķo matemātiku Palacku Universitātē, Čehijas Republikā. Viņa pieredze ir matemātiskajā modelēšanā un datu zinātnē. Viņš ir Mikrobiologu, imunologu un statistiķu asociācijas (SMIS) līdzdibinātājs, kas sniedz Čehijas sabiedrībai uz datiem balstītu un godīgu informāciju par koronavīrusa epidēmiju. Viņš ir arī samizdata žurnāla dZurnal līdzdibinātājs, kas koncentrējas uz zinātniskās negodprātības atklāšanu Čehijas zinātnē.
Skatīt visas ziņas
