Siin on põhjus, miks koronaviiruse suremuse mudelid muutuvad - ja miks see ei tähenda, et me reageerisime üle

Pandeemia modelleerimine on tõesti raske. Kes oleks osanud arvata?

Adobe Stock / Angelina Bambina

Ei läinud kaua, kui paljud meist said aru, et koronaviiruse pandeemia saab olema surmav jõud, mis muutis meie elu väga olulisel moel, võib-olla väga pikaks ajaks. Kuid mõnede suuremate prognooside kohaselt võib COVID-19 tõttu hospitaliseerimise ja surma määr olla veidi parem, kui eksperdid algselt arvasid.

Märtsi lõpus prognoosis Washingtoni ülikooli meditsiinikooli tervisemeetikute ja hindamise instituudi (IHME) sageli viidatud mudel, et USA näeb umbes 81 000 surma, kuid võib-olla kuni 162 000. Aprilli alguseks oli mudel mõnevõrra nihkunud. Ehkki see ennustas endiselt, et kannatame umbes 81 000 surma, langes kõrgeim hinnang umbes 136 000-ni. Samuti vähendati selle hinnanguid haiglate ICU voodite ja ventilaatorite vajadusele.

Kas see tähendab, et reageerisime koolide, ettevõtete ja peaaegu tervete linnade sulgemisel liiga palju? Noh, ei. Nagu selgub, on selliseid projektsioone ülimalt keeruline kokku panna ja enamik neist eksivad ühel või teisel viisil. Kuid isegi kui mudel ei kajasta tegelikkust täielikult, ei tähenda see, et sellest ei saaks abi olla. Prognooside muutus ei tähenda tingimata, et tegite midagi valesti - tegelikult võib see tähendada, et tegite midagi õigesti.

Mis on nakkushaiguste leviku mudeli loomine?

Lühike vastus: palju.

Pikk vastus? Noh, olge valmis. Põhimõtteliselt on olemas mõned peamised mudelid, mida teadlased saavad luua, ütleb keskkonnateaveteaduste professor, Columbia ülikooli Mailmani rahvatervise kooli kliima- ja terviseprogrammi direktor Jeffrey Shaman.

Esimene liik on matemaatiline mudel, mis kirjeldab keerukat edastamisprotsessi mingis konstruktsioonis, näiteks seda, kuidas linna inimesed nakatuvad uue koroonaviirusega, ütleb Shaman, kes on juhtinud Columbia ülikooli tööd COVID-19 mudelite loomisel. .

Mõnes matemaatiliste mudelite tüübis, mida nimetatakse agendipõhisteks mudeliteks, suudavad teadlased arvestada paljude erinevate teguritega, millel on üksteisele mõju. See tähendab, et mudel mõõdab erinevaid üksikuid osalejaid, kes käivad tööl, käivad poes jms ja arvutavad, kuidas nende haigusseisund - olenemata sellest, kas nad on nakatunud või mitte - muutuvad aja jooksul, lähtudes sellest, kellega nad veel kokku puutuvad ja keda millisesse keskkonda nad lähevad.

Sellised matemaatilised mudelid on arvutuslikult kallid, ”ütleb Shaman ja nad peavad tegema inimeste käitumise ja viiruse toimimise kohta üsna palju eeldusi, mis võivad tegelikult tõsi olla või mitte.

Matemaatilistest mudelitest on lihtsustatud versioonid, mida nimetatakse sektsioonmudeliteks, mida teadlased võivad sellisel juhul kasutada. Üks väga levinud on SI või SIR mudel, mis hindab teatud olukorras vastuvõtlike, nakatunud ja paranenud isikute arvu aja jooksul, selgitab Shaman.

Seda tüüpi mudeli abil proovite mõõta „inimeste liikumise määra eri ruumide vahel vastuvõtlikkusest, nakatumisest kuni populatsioonist eemaldumiseni, kuna nad on tervenenud või surnud,” Amesh A. Adalja, MD, Johns Hopkinsi tervisekaitsekeskuse vanemteadur, ütleb SELF.

Näiteks veebisaidil avaldatud mudel Rahvusvaheline nakkushaiguste ajakiri USA ja Hiina teadlaste poolt, läheneb WIRANi haiguspuhangu modelleerimisele SEIR (vastuvõtlik, paljastatud, nakatunud, eemaldatud) lähenemisviis. Ja praegu eetris olevas uuringus kasutasid Sherman ja tema kaasautorid dünaamilist metapopulatsiooni mudelit, mis toimib umbes nagu osakondade mudelite võrgustik, et uurida rolli, mis kergete või asümptomaatiliste nakkustega inimestel oli haiguspuhangu levitamisel Hiinas.

Teine suurem mudeli tüüp on statistiline mudel, mis loob prognoosi sellest, milline võib olukord tulevikus mingil hetkel välja näha, tuginedes andmetele, mille oleme juba varem juhtunu kohta kogunud. IHME loodud sageli viidatud COVID-19 mudel on üks sellistest statistilistest mudelitest, mida kasutatakse ennustamaks haiglavarustuse vajadust ning uue koronaviiruse põhjustatud surmade määra USA-s ja kogu maailmas.

Kõik need mudelid peavad võtma arvesse erinevaid viiruse ja selle nakatatavate inimeste tegureid, näiteks seda, kui kiiresti haigus levib, mitu inimest nakatub iga nakatunud inimene ja kui pikk on inkubatsiooniperiood, ütleb dr. Adalja, kelle töö hõlmab pandeemiaks valmisoleku hindamist. Kuid alguses on need vaid eeldused - ja me ei pruugi mõnda aega teada, kui täpsed need oletused on. "Kõik need mudelid põhinevad teatud eeldustel, mida tuleb puhangu ilmnemisel täpsustada," ütleb ta.

Reaalajas leviva uue viiruse mudeli loomine on tõesti väga raske.

Nakkushaiguse leviku ja mõju mudeli loomine võtab alati palju aega ja keerulisi oletusi. Kuid sellised koronaviiruse taolised olukorrad pakuvad väga unikaalseid väljakutseid, mis muudavad täpsete prognooside loomise selle kohta, mis võib juhtuda.

Võtame näiteks hooajalise gripi. Kuigi see on nakkushaiguse sündmus, mis toimub samal ajal, üritavad teadlased luua statistilisi prognoose selle kohta, kui raske see konkreetne gripihooaeg saab olema, ei muutu meie ravi- ja ennetuspraktikad aastast aastasse nii palju, ütleb Shaman. See hõlbustab gripihooaja kulgemise täpsema mudeli loomist.

Kuid uue koronaviiruse puhul "peame eeldama, mida ühiskond teeb," ütleb ta, sealhulgas kui antakse sotsiaalseid distantseerimiskorraldusi, kui hästi inimesed neid järgivad ja kui inimesed hakkavad uuesti tööle minema.

Teised suuremad väljakutsed on seotud testimisprotsessiga, ütleb Shaman. Me teame, et kellegi nakatumise ja selle sümptomite ilmnemise vahel, mis viivad teda testima, on aega - enamikul juhtudel kuni 14 päeva. Nii et testitulemusi vaadates ei näe ta, näiteks, mis juhtus umbes kaks nädalat tagasi, mitte näiteks mõne viimase päeva jooksul rakendatud uute poliitikamuudatuste tulemus ja kindlasti mitte see, mis praegu tegelikult toimub.

Samuti mängib rolli testide kättesaadavus ja see, kui inimesed otsustavad testimist otsida. Näiteks varem haiguspuhangu ajal ei pruugi kerge külmetushaige pidanud vajalikuks või isegi mõelnud COVID-19 testi teha. Kuid hiljem, kui selle viiruse peameele peame kõigile, on palju tõenäolisem, et keegi, kellel on isegi kerged sümptomid, otsib testimist. Samuti, kui testide nõudlus on suur, kuid kõigi jaoks pole piisavalt teste, siis ei pruugi see teile anda täielikku ülevaadet positiivsete testide määrast. Veelgi enam, mitte kõik riigid ei esita saadud negatiivsete testide hulka.

Kõik need muutujad aitavad teadlastel saada parema pildi juhtumite tegelikust arvust ja levikust - ja kõik need muutuvad üsna pidevalt. Sellel on reaalne mõju sellele, kuidas valitsused, haiglad ja üksikisikud pandeemiaks valmistuvad.

Näiteks on testimisprobleemid raskendanud olemasolevate andmete täpset tõlgendamist ja haiglaravi määra hindamist. Esialgu näitasid teiste riikide (näiteks Hispaania) andmed, et väga suur hulk uue koronaviirusega nakatunud inimesi vajaks haiglaravi, ütleb dr Adalja. Ja CDC andmetel oli haiglaravi määr esialgu üsna kõrge (mõnes vanuserühmas üle 30%). Kuid hiljuti on haiglaravi määr USA-s olnud palju madalam. Miks siis esialgsed prognoosid valed olid?

"Me teame, et testimispiirangute tõttu alahinname paljusid juhtumeid," ütleb dr Adalja. Ja kui see nii on, siis "see tähendab, et me hindame üle külalislahkuse ja surmajuhtumite suhet".

Nende numbrite võimalikult õigeks saamine on uskumatult oluline, kui olete näiteks haigla planeerija. See number võib öelda, et teil on vaja "nii palju haiglavoodeid, nii palju ICU voodeid, nii palju ventilaatoreid", ütleb dr Adalja. "Ja see võib olla vale, kui teie haiglaravi määra üle hinnatakse."

Sellised mudelid olid loodud aja jooksul muutuma.

Haiguse kohta rohkem teada saades, rakendatakse kohalikku sotsiaalset distantseerivat poliitikat ja kui näeme, kuidas inimesed tegelikult käituvad, on prognooside muutumine täiesti normaalne.

"Pidage meeles, et mudelid ei asenda endiselt reaalse maailma andmeid. Need on vahendid, mida poliitikakujundajad kasutavad erinevate stsenaariumide vahemike väljamõtlemiseks, ”ütleb dr Adalja. "Nad pole raudsed; peaksite eeldama, et mudelid muutuvad, kui rohkem andmeid tuleb. " Tegelikult on enamik mudeleid ühel või teisel põhjusel vale, ütleb ta. Samuti on oluline meeles pidada, et kõigil mudelitel on ebakindluse piirkond või hulk võimalikke tulemusi, mitte ainult üks konkreetne tulemus, ütleb Shaman. Ja mida kaugemale tulevikku vaatame, seda ebakindlamad on prognoositud tulemused.

Kahjuks, kui leiate uudise või lihtsalt säutsu, mis räägib koronaviiruse mõju mudelist, ei saa see lihtsalt võtta arvesse mudeli üksikasjade või teadlaste töötatud andmete täielikku keerukust , Ütleb dr Adalja. Tihti lähevad tõlkes kaduma nii mudeli nüansid ja eeldused kui ka paljud võimalikud tulemused.

Kuid mõnikord, nagu ka käesoleval juhul, on mudelite vahetumise põhjus tegelikult julgustav. "Kui inimesed räägivad kõvera lamestamisest, toimub see inimese sekkumise tõttu," ütleb Šamaan. See ei ole ravi ega vaktsiin, vaid see on midagi, mida inimesed - inimesed nagu sina ja mina! - teevad, millel on tõeline mõju haiguspuhangu kulgemisele ja teadlaste prognoosidele meie tuleviku jaoks.

Need varased mudelid võtsid küll arvesse sotsiaalseid distantseerumismeetmeid, kuid see pole nii lihtne kui võrrandisse lihtsalt ühe numbri lisamine. Peate mõtlema, millal tellimused paika pannakse, kas need on tõelised tellimused või lihtsalt ettepanekud, ja kui hästi inimesed neid korraldusi tegelikult täidavad. Simulatsioonikaartide seerias, mille on loonud Washington Post kasutades Johns Hopkinsi ülikooli süsteemiteaduse ja -tehnika keskuse teadlaste andmeid, näete, et rangel sotsiaalsel distantseerimisel on kõverale palju olulisem mõju kui pooleldi katse korral, nii et teadsime alati, et sellest oleks abi.

Kuid sotsiaalse distantseerumise arvestamine ja selle tegeliku jõu hindamine kõveral on olnud natuke keeruline väljakutse ja isegi IHME mudel nägi varakult oma sotsiaalse distantseerumise mõõdikute värskendusi, mis on muutnud selle veelgi keerukamaks. Näiteks sotsiaalse distantseerumise mõju määramiseks IHME mudelis ühendavad teadlased nüüd mitme muu mudeli tulemused, tuginedes kolme sotsiaalse distantseerumise meetme hinnangutele (koolide sulgemine, koju jäämise korraldused ja ebaoluline ettevõtete sulgemine). . Seejärel kasutavad nad kõiki neid väärtusi nii lühi- kui pikaajalise suremuse mudeli loomiseks.

Mõned inimesed võivad näha prognooside erinevusi pärast mudeli muudatusi ja tõlgendada neid märgina, et meie sotsiaalne distantseerimine ja ebaoluliste ettevõtete sulgemine oli ülereageerimine. Kuid see on vale järeldus. Kui see on midagi, siis see on märk sellest, et sotsiaalne distantseerumine on olnud edukas - võib-olla isegi rohkem kui esialgsed mudelid prognoosisid. Tegelikult, nagu Šamaan ütleb, tähendab see "kõvera lamestamiseks".

Mida peaksite nendelt mudelitelt ära võtma? Tea, et kogu riigi ja kogu maailma teadlased töötavad kõvasti, et leida vastuseid, mis hoiaksid paljusid meist võimalikult turvaliselt. Nad saavad mudelite abil prognoosida, milline on tulevik ja milliseid ettevalmistusi peame tegema. Kui me neid mudeleid näeme, mõjutab see, kuidas me selle teabe alusel tegutseme, prognoositavat tulemust. See on meeldiv meeldetuletus, et isegi pandeemia korral, mis paneb meid enamasti abitust tundma, saavad paljud meist siiski midagi teha: koju jääda.