Covid-19: Simuleringsmodeller ved epidemier

Ivar Sønbø Kristiansen, Emily Annika Burger, Birgitte Freiesleben De Blasio Om forfatterne

Kommentarer

(3)
Per Henrik Zahl
Om forfatteren

Å spå om fremtiden med dårlige data og dårlige modeller er vanskelig.

England bommet på Tyskland sin produksjon av stridsvogner med en faktor på 4 i 1942/3. I sin etterretning bommet USA på militæret i Sovjetunionens andel av BNP med en faktor på 2,5. Bedre er det ikke i medisin når man modellerer influensa (1). Etter rundt 50 år med modellering og overvåking (med gode data) varierer dødeligheten med en faktor på minst 2,5. Enda verre kan det være med Covid-19. Her vet man nesten ingenting om prevalens og dødelighet ligger kanskje i områder 0,05 til 1 % (1). Det blir rundt 40 millioner dødsfall (som ved Spanskesyken) hvis 60 % blir syke med 1 % dødelighet. Men disse er meget gamle. Hvis forventet gjenstående levealder er 5 % av ved spanskesyken, så blir effekten 1 % av hva man så ved spanskesyken. En prosent! I beste fall blir det som ved mild influensa.

Litteratur:

1. Ioannidis, J. A fiasco in the making? As the coronavirus pandemic takes hold, we are making decisions without reliable data. Stat 17.03.2020. https://www.statnews.com/2020/03/17/a-fiasco-in-the-making-as-the-corona... Lest 30.03.2020.

Per-Henrik Zahl
Om forfatteren

John PA Ioannidis etterspør mer og bedre data for å forstå Covid-19 epidemien og advarer mot at tiltakene som nå gjøres ikke er basert på evidence (1). Foreløpig mangler data om prevalens (leger må prioritere testing av syke fremfor å samle inn data til forskning fra asymptomatiske) og letalitet kan ikke studeres før alle syke enten er friske eller har dødd. Myndighetene må gjøre tiltak basert på de data man har.

Kunnskap om tidligere epidemier kan og bør også brukes. Forskere siterer statistiske modeller som estimerer infeksjonsrater, antall døde, og epidemiens varighet, men ingen konsensus finnes (2). Forskere er ikke enige. Hvem skal vi tro på? Forskjell mellom forskerne skyldes ikke data, men hvordan forskere modellerer data. Usikkerheten i prognoser kan ikke gies med en modell. Usikkerheten er representert ved hele variasjonsbredden til hva eksperter mener, inkludert hver ekspert sin usikkerhet (2). Antall nye Covid-19 syke i USA om 14 dager varierer med en faktor på 50 (fra 10 000 til 500 000 syke) når man spurte dem sist uke. Hvis man sammenlikner alle ekspertenes mest sannsynlig estimater, varierte de med en faktor på 7 (fra 10 000 til 70 000). Covid-19 sin ukjente natur er en selvfølgelig forklaringen, men også mangel på kunnskap om hvordan folk vil beskytte seg mot infeksjon. Når de viktigste parametrene i modellene er ukjente, blir det vanskelig å planlegge ut fra modeller, tenker jeg.

Men man kan ta antall syke i dag (2383) og si at om en uke vil man trenge rundt 2383/20=120 respiratorer (5% blir alvorlig syke).

Og istedenfor å telle letalitet i prosent av alle syke, burde man oppgi letalitet etter f eks 65 år og sammenlikne med influensa. Nesten ingen under 65 år dør av Corona. Ti prosent letalitet hos de eldste er høyt , og 100 ganger høyere enn hos unge (3). Kanskje burde man isolert alle på sykehjem og informert eldre i Norge bedre?

Litteratur:

1. Ioanidis JPA. A fiasco in the making as the coronavirus pandemic takes hold we are making decisions without reliable data. Statsnews 17.03.2020. https://www.statnews.com/2020/03/17/a-fiasco-in-the-making-as-the-corona...

2 Boice J, Wiederkehr A. Infectious Disease Experts Don’t Know How Bad The Coronavirus Is Going To Get, Either. 538.com.

3 Begley S. New analysis breaks down age-group risk for coronavirus — and shows millennials are not invincible. Statnews 18.03.2020. www.statnews.com/2020/03/18/coronavirus-new-age-analysis-of-risk-confirm...

Sunniva Larsen
Om forfatteren

Takk for god lesing. Jeg finner ikke kildekoden til modellen. Kunne dere tydeliggjøre link hvis den er ute, eller legge ut koden på github slik Imperial College har gjort hvis dere ikke allerede har gjort det?