Modeller gir objektive estimater
En stor fordel med modeller er at de er objektive. I statistikk og matematikk er det spørsmålene man ønsker å få svar på, som legger føringer for hvilke modeller som er aktuelle å bruke. Derfor opererer for eksempel Folkehelseinstituttet med flere ulike modeller for covid-19 som passer de ulike formålene. Folkehelseinstituttet har brukt en metapopulasjonsmodell basert på Engebretsen og medarbeidere (11) for situasjonsforståelse og prediksjoner, og en individbasert modell basert på Di Ruscio og medarbeidere (12) for å se på effekter av skolestenging og andre isolerte tiltak. Modell og metode velges også ut ifra hvilke egenskaper man ønsker at estimatene og metoden skal ha (gjennomsiktighet, forklarbarhet, mulighet for usikkerhetsestimat m.m.).
For at modeller skal være i overensstemmelse med tidligere observasjoner, blir de kalibrert til data, slik at de valgte parameterne er de som best reflekterer virkeligheten gitt forutsetningene lagt til grunn for modellen. Modeller kan sammenliknes og evalueres på prediksjonsfeil, slik at man på en objektiv måte kan ta modellvalg som form på modellen, hvilke parametere som skal inngå og hvilke verdier disse skal ha. I tillegg kan man kombinere mange modeller for å se hvilke utfall som er robuste til valg av modell, og hvilke som ikke er det. Å kombinere mange modeller er for eksempel hyppig brukt i klimamodellering (13).
Som mennesker er vi dårlige på å håndtere det ukjente og store tall
Det finnes også litteratur om, og metoder for, å evaluere smittespredningsmodeller i sanntid (14, 15). Centers for Disease Control and Prevention har jobbet med ulike modelleringsteam for å forbedre influensaframskrivninger, med fokus på å finne gode, standardiserte evalueringsmetoder som tar hensyn til treffsikkerhet på nettopp de målene som er viktigst for beslutningstakere (15).
Matematisk modellering av pandemier gir objektive framskrivninger basert på ulike antakelser, som kan etterprøves og evalueres ved hjelp av statistiske modellvalgskriterier. Estimater fra modellering er derfor uvurderlige i en situasjon preget av usikkerhet, nye utfordringer – og et ukjent virus – der man ellers ville vært nødt til å basere seg på erfaring og intuisjon. Som mennesker er vi dårlige på å håndtere det ukjente og store tall. Matematikk, statistikk og modellering gir oss mulighet til å samle informasjonen vi har, og på en systematisk måte bruke den til å gi kvantitative svar på det vi lurer på. Dette henger sammen med at statistikk er et grunnleggende og høyt verdsatt verktøy i medisin for å kunne etterprøve studier og objektivt vurdere ulike behandlinger. Matematisk modellering kan imidlertid ikke forutsi framtidige hendelser som påvirker pandemien. Det gir ikke mening å evaluere en modell hvis antakelser om tiltak og liknende ikke stemmer overens med virkeligheten.