UDOSTĘPNIJ | DRUKUJ | E-MAIL
Witamy Eyala Shahara wezwanie do ponownego przeglądu dokumentów dotyczących szczepionek przeciwko COVID-19. Właściwie zacząłem na długo przed tym, jak Eyal ujawnił tę informację – jeszcze przed pojawieniem się szczepionek.
Pod koniec strasznego roku 2020, bardzo wpływowy artykuł pojawił się w Nauka. Trafiło na pierwsze strony gazet w najważniejszych mediach na całym świecie. Gazeta zatytułowana „Wnioskowanie o skuteczności interwencji rządowych w walce z COVID-19” Wkrótce zaczęto go wykorzystywać na całym świecie, aby uzasadniać coraz bardziej autorytarną politykę.
Przykuło moją uwagę, ponieważ ostatnim autorem był czeski matematyk Jan Kulveit. Razem z moimi dwoma kolegami, Ondřejem Vencálkiem i Jakubem Dostálem, napisaliśmy następującą odpowiedź:
"Wszystkie modele są błędne, ale niektóre są przydatne„To słynne powiedzenie, zwykle przypisywane George’owi Boxowi. Dziś powiedziałby zapewne, że wszystkie modele są błędne, a niektóre wręcz niebezpieczne. Naszym zdaniem, tak właśnie jest w przypadku tego badania”.Wnioskowanie na temat skuteczności interwencji rządowych w walce z COVID-19"1 które pojawiło się w Nauka i przyciągnął szeroką uwagę na całym świecie.
Celem badania jest zrozumienie skuteczności interwencji niefarmaceutycznych (NPI) w kontrolowaniu pandemii COVID-19. Autorzy analizują dane dotyczące całkowitej liczby przypadków i zgonów z 41 krajów (głównie europejskich) w okresie od stycznia do końca maja 2020 r. Opracowują szacunki skutków 8 różnych NPI (takich jak ograniczenie zgromadzeń, zamknięcie szkół itp.), które zostały wdrożone w wielu krajach w badanym okresie. Wpływ każdej interwencji niefarmaceutycznej jest kwantyfikowany poprzez zmniejszenie współczynnika reprodukcji zakażeń R w momencie wprowadzenia NPI w danym kraju.
Wyniki spotkały się z szerokim uznaniem, ponieważ zdają się wskazywać, że wszystkie NPI generalnie działają, a skala efektu wydaje się być zgodna ze zdrowym rozsądkiem (np. im bardziej ograniczymy zgromadzenia, tym większą redukcję R uzyskamy). Rządy na całym świecie z radością przyjmą wiadomość, że wprowadzone przez nie ograniczenia były uzasadnione. Ale czy rzeczywiście tak było?
W rzeczywistości nie wiemy, a niniejsze badanie nie pomaga nam się tego dowiedzieć. Twierdzimy, że w modelu występuje poważny błąd, który czyni go bezużytecznym. Patrząc na jedyne równanie w tekście artykułu (patrz sekcja „Krótki opis modelu”), widzimy, że autorzy założyć podstawowy (nieobserwowalny) współczynnik reprodukcji R0,c być stały w czasie dla każdego kraju. Ten podstawowy wskaźnik reprodukcji jest następnie mnożony przez wpływy NPI i dopasowywany do danych. W ten sposób model zakłada, że każda zmiana w dynamice epidemii jest spowodowana przez NPITo mylące, ponieważ jest to błędne koło. Jeśli chcesz skwantyfikować skutki interwencji, nie możesz zakładać, że wszystkie obserwowane skutki są spowodowane właśnie tą interwencją.
Również to założenie o stałej wartości R0,c Sugeruje to, dlaczego autorzy zdecydowali się przerwać modelowanie po zniesieniu jakiegokolwiek wskaźnika NPI. Wskaźniki NPI są zazwyczaj znoszone wraz z ustępowaniem epidemii. Zatem wskaźniki NPI są obecne, gdy R jest wysokie, i nie występują, gdy R jest niskie. W przypadku danych z dłuższego przedziału czasu (w tym letniego okresu niskiej zapadalności i złagodzenia wskaźników NPI), prosty model, którego użyli autorzy, pozwoliłby na naukę… ujemny Efekt – że NPI przyspieszają epidemię. Było to ewidentnie niepożądane, dlatego autorzy zdecydowali się nie wykorzystywać danych z lata do dopasowania modelu. Taka strategia modelowania jest wysoce wątpliwa.
Aby w pełni wyjaśnić naszą tezę, przeprowadziliśmy następujący eksperyment. Wzięliśmy oryginalny zestaw danych2 i wynaleźli nowy NPI, który nigdy nie istniał. Załóżmy, że od momentu wprowadzenia tego nowego NPI każdy obywatel był zobowiązany do noszenia koszulki z napisem „Stop-Covid”, aż do zniesienia tego NPI.
Wybraliśmy losowo datę jednolicie z okresu, w którym modelowano dany kraj, i „narzuciliśmy” ten wskaźnik NPI dla koszulek na dane (patrz odnośnik [3] dla oryginalnego zestawu danych z dodanym NPI dla koszulek). W każdym razie nie zmieniliśmy liczby przypadków ani zgonów. Taki NPI nigdy nie istniał, więc nie mógł mieć żadnego wpływu. Następnie uruchomiliśmy oryginalny model (patrz odnośnik [4] dla linku do GitHub do wersji, której użyliśmy) bez zmiany żadnych parametrów. Wynik pokazano na rysunku 1. Koszulki prawie sprawiły, że pandemia zniknęła!
Jak to możliwe? Każda epidemia ma swoją wewnętrzną dynamikę. Najprostszy model SIR generuje pojedynczy szczyt liczby aktywnych przypadków. Jeśli chcemy odtworzyć taki szczyt za pomocą prostej funkcji wykładniczej (co robią autorzy), współczynnik w wykładniku (tj. empiryczny numer reprodukcji) musi spadek w czasie od początku pierwszej fali. Zatem zakładając, że każdy wpływ na liczbę reprodukcji wynika z NPI, model nie może wyprodukować niczego innego niż przypisanie pozytywny efekt (tj. obniżenie R) na dowolny NPI. Nawet na taki, który nie istnieje, jak pokazaliśmy.
Zatem naszym zdaniem model ten jest mylący i bardzo niebezpieczny, ponieważ może być wykorzystywany przez rządy do uzasadniania wstecznego każdy NPI, które postanowili narzucić ludziom. Nie twierdzimy, że niektóre/wszystkie NPI nie miały pozytywnego wpływu. Mówimy tylko, że ten model nie jest sposobem na sprawdzenie tego.
Rysunek 1Noszenie koszulki z napisem „Stop-Covid” sprawia, że pandemia znika.
Naszą odpowiedź wysłaliśmy w formie listu do redakcji NaukaOdpowiedź nadeszła: bardzo im przykro, ale nie mogli opublikować naszego listu. Nie podali powodu.
Skopiowałem więc i wkleiłem ich własne „oświadczenie o misji” do wiadomości e-mail — coś w stylu „Rodzina czasopism naukowych „Science” realizuje cel AAAS, jakim jest usprawnienie komunikacji między naukowcami, inżynierami i opinią publiczną.Przypomniałem im, że żadna komunikacja nie została ulepszona poprzez cenzurowanie głosów sprzeciwu.
W końcu łaskawie pozwolili nam opublikować naszą odpowiedź w formie e-listu, ukrytego pod materiałami uzupełniającymi do oryginalnego artykułu. E-list nie może być cytowany, nie zawiera ilustracji i nie pojawi się w wynikach wyszukiwania.
Wersję naszej odpowiedzi w języku czeskim opublikowaliśmy pod tytułem „Czy środki powstrzymujące pandemię działają? Tak, Ministrze!” na stronie internetowej Czeskiego Towarzystwa Statystycznego. Zaowocowało to niezwykle uprzejmym listem od autora — i cichym zakazem publikacji w głównych mediach.
No i to tyle. Macie jakieś lepsze historie z czasów COVID-19?
Referencje
- JM Brauner i wsp., Science, 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
-
Tomas Fürst wykłada matematykę stosowaną na Uniwersytecie Palackiego w Czechach. Jego specjalizacją jest modelowanie matematyczne i Data Science. Jest współzałożycielem Association of Microbiologists, Immunologists, and Statisticians (SMIS), które dostarcza czeskiej opinii publicznej rzetelnych informacji opartych na danych na temat epidemii koronawirusa. Jest również współzałożycielem czasopisma „samizdat” dZurnal, które koncentruje się na ujawnianiu nieuczciwości naukowej w czeskiej nauce.
Zobacz wszystkie posty
