Get best of the week

Mengapa sangat sulit untuk membangun model distribusi COVID-19 yang bagus?



Dan di sinilah kita, selama pandemi, kita melihat keluar dari jendela kita, seperti ikan akuarium. Semua orang memikirkan satu hal: seberapa buruk itu akan berakhir? Dan segera pikiran kedua: serius, berapa lama lagi aku harus hidup di ruang sempit seperti itu?

Kita semua membutuhkan jawaban. Mengingat jumlah penelitian dan data yang dikumpulkan tentang coronavirus baru, tampaknya jawabannya harus muncul.

Dan memang ada jawaban. Masalahnya adalah ada sobekan di dalamnya . Sebagai contoh, Pusat Pengendalian dan Pencegahan Penyakit AS menggunakan model-model yang, dilihat dari prediksi yang, dalam kasus terbaik, 200.000 orang Amerika akan mati karena virus. Sementara itu, sebuah laporan dari Imperial College London menjadi berita utama dengan skenario yang mengerikan, yang menyatakan bahwa 2,2 juta orang Amerika akan mati jika tidak ada yang mengubah perilaku sehari-hari mereka.

Menit Perawatan UFO


Pandemi COVID-19, suatu infeksi pernapasan akut yang berpotensi parah yang disebabkan oleh coronavirus SARS-CoV-2 (2019-nCoV), telah secara resmi diumumkan di dunia. Ada banyak informasi tentang Habré tentang topik ini - selalu ingat bahwa Habré dapat diandalkan / bermanfaat, dan sebaliknya.

Kami mendesak Anda untuk kritis terhadap informasi apa pun yang dipublikasikan.


Sumber resmi

, .

Cuci tangan, rawat orang yang Anda cintai, tinggal di rumah kapan saja memungkinkan dan bekerja dari jarak jauh.

Baca publikasi tentang: coronavirus | kerja jarak jauh

Singkatnya, ini adalah penghambur - kira-kira sama dengan jumlah orang yang meninggal akibat cedera dan kekerasan setiap tahun dan jumlah orang yang meninggal ketika Komunis Tiongkok menekan pemberontakan kontra-revolusioner dari tahun 1950 hingga 1953 [penulis, tampaknya, mendapat perang Korea dengan Cina perang saudara / kira-kira. diterjemahkan.]. Dengan kata lain, perbedaan antara kehidupan sehari-hari dan peristiwa yang akan mengubahnya selamanya.

Jadi dari mana datangnya celah yang begitu lebar? Begitulah, sayangku, adalah sifat pemodelan makhluk buas ini. Menggunakan model matematika untuk memprediksi masa depan adalah alat yang berguna bagi para ahli, bahkan ketika ada kesenjangan antara hasil yang mungkin. Namun, tidak selalu mudah untuk memahami hasil dan bagaimana hasilnyaberubah seiring waktu , dan kebingungan ini dapat membahayakan pikiran dan perasaan Anda. Oleh karena itu, kita perlu berbicara tentang apa yang termasuk dalam model pandemi. Mungkin memahami ketidakpastian akan membantu Anda memilah semua angka-angka ini.

Bayangkan sebuah model matematika sederhana yang memprediksi hasil penyebaran coronavirus. Sangat mudah untuk membangun - ini adalah hal yang dilakukan karyawan kami selama konferensi jarak jauh. Jumlah orang yang meninggal karena virus adalah fungsi dari jumlah orang yang dapat terinfeksi, kecepatan penyebarannya, dan persentase orang yang dapat dibunuh oleh virus. Dengan kata lain (matematis):





N() = N( ) * _ * _

Cukup mudah. Sampai Anda mencoba mengisi data yang hilang. Kemudian ternyata tidak ada tempat yang bisa diletakkan angka tertentu. Setiap nilai tergantung pada pilihan yang berbeda dan kurangnya pengetahuan. Dan jika masing-masing elemen model berfluktuasi, maka keseluruhan model akan memiliki masalah yang sama agar tetap stabil, seperti seorang jurnalis yang menulis tentang data setelah terlalu lama teleconference selama isolasi diri.

Pertimbangkan hal mendasar seperti entri data. Berbagai negara dan wilayah mengumpulkan data dengan berbagai cara. Tidak ada spreadsheet tunggal yang akan diisi sekaligus, dan yang memungkinkan kami untuk dengan mudah membandingkan jumlah penyakit dan kematian di dunia. Bahkan di AS, dokter mengatakan jumlah kematian akibat COVID-19 diremehkan.

Ketidakkonsistenan yang sama berlaku untuk tes virus. Beberapa negara menguji semua orang yang mau. Di yang lain, tidak . Ini memengaruhi pengetahuan kita tentang berapa banyak orang yang benar-benar mendapatkan COVID-19, dan berapa banyak orang yang menemukannya.

Selain itu, virus itu sendiri bertindak tidak terduga, merugikan beberapa kelompok lebih dari yang lain - demografi lokal dan kesehatan masyarakat akan sangat menentukan hasil dari dampak virus pada masyarakat.

"Kami, orang-orang yang terlibat dalam perawatan kesehatan, kadang-kadang bekerja dengan kurangnya informasi, mencoba membuat perkiraan terbaik berdasarkan informasi yang sangat tidak lengkap," kata Bill Miller, profesor epidemiologi di Ohio State University.

Tingkat kematian




Beberapa orang meninggal karena COVID-19. Dan ini, mungkin, akan menjadi pernyataan tanpa syarat terakhir kami. Namun, "beberapa" bukan angka, dan Anda tidak dapat membangun matematika di atasnya.

Masalahnya adalah bahwa menghitung persentase kematian akibat virus sejak awal tidak akurat. Dalam kelompok yang berbeda, ini bisa sangat berbeda. "Usia adalah faktor yang sangat penting, jadi kita harus menghitung kematian dengan mempertimbangkan komposisi demografis Amerika Serikat dan adanya penyakit kronis," kata Ray Wannier, biostatist di University of California di San Francisco. Penyakit kronis dapat memperburuk efek COVID-19.

Dengan kata lain, tidak ada angka kematian tunggal - ada banyak dari mereka. Angka kematian AS akan bervariasidari angka kematian di negara di mana, katakanlah, lebih sedikit pasien dengan diabetes. Hal yang sama dapat dikatakan tentang koefisien di Amerika Serikat - jika virus menyebar di kota dengan pinggiran tempat tinggal lansia, tingkat kematian yang dihitung akan lebih tinggi daripada jika pusat distribusi berada di kota dengan populasi muda.

Tetapi mari kita beralih ke statistik internasional. Apakah angka kematian dari COVID-19 di Cina atau Italia memungkinkan kita untuk memperkirakan angka kematian di AS? Tentu saja, informasi ini akan berguna - tetapi hanya akan mengurangi ketidakpastian, dan tidak akan memberikan kepastian yang lengkap.

Tentu saja, kita masih belum tahu angka kematian yang pasti di wilayah itu. Karena berbagai alasan, dimulai dengan serangkaian data kasus dasar. Angka bukanlah fakta. Ini adalah hasil dari banyak kesimpulan subyektif, yang pertama-tama harus ditulis secara terperinci dan transparan, dan kemudian mulai dianggap sebagai fakta. Ini mempengaruhi bagaimana data dikumpulkan, dan apakah proses pengumpulannya berubah dari waktu ke waktu.

Ada juga masalah data yang tidak terkumpul atau tidak akurat. Untuk menentukan tingkat kematian, Anda perlu membagi jumlah orang yang meninggal karena penyakit dengan jumlah kasus. Tetapi kami tidak memiliki angka pasti untuk orang sakit - secara matematis, kami tidak tahu penyebutnya. Dan sejujurnya, angka pertama, pembilangnya, juga tidak diketahui oleh kita - namun, kita berasumsi bahwa angka itu mendekati kenyataan.


« » COVID-19. - , , .

Di dunia yang ideal, kami akan memeriksa semua orang untuk tanda-tanda infeksi dengan virus corona baru, untuk mengetahui dengan pasti berapa banyak orang yang memilikinya dan berapa banyak yang mati karenanya. Namun, kami sampai pada situasi ini hanya dalam beberapa kasus. Ambil contoh, The Diamond Princess, salah satu kapal pesiar yang dikarantina setelah pecahnya COVID-19. Hampir semua penumpang lulus tes (3063 tes untuk 3.711 orang). "Diamond Princess" telah menjadi laboratorium hidup, dengan kondisi pengumpulan data yang biasanya tidak bertambah di dunia nyata. Para peneliti tidak hanya dapat mengetahui berapa banyak orang yang sakit, tetapi berapa banyak yang tidak memiliki gejala - dan karenanya, berapa banyak orang yang tidak akan diuji, tidak akan didiagnosis, dan tidak akan diperhitungkan jika mereka berada di darat.

Hasil percobaan yang tidak biasa ini menunjukkan adanya sejumlah besar orang yang membawa virus dan tidak tahu tentang hal itu - dan, oleh karena itu, angka kematian sebenarnya lebih rendah daripada mengikuti dari data. Di antara populasi Puteri Intan, tingkat kematian untuk orang dengan diagnosis dan gejala adalah 2,3%, namun, jika semua diagnosis diperhitungkan - bahkan untuk mereka yang tidak memiliki gejala - maka koefisien akan menjadi 1,2% . Di Islandia, pada 13 Maret, Genetika deCODE mulai menawarkan pengujian gratis untuk semua orang, bahkan orang tanpa gejala. Pada 29 Maret, deCODE mendeteksi 71 orang yang terinfeksi dalam 8694 tes, termasuk yang tanpa gejala.

Sementara itu, rasio gejala - jumlah orang dengan gejala relatif terhadap jumlah orang tanpa mereka - juga sangat penting, tetapi pada saat yang sama kita hanya bisa menebaknya. Sebuah laporan dari Imperial College London menunjukkan bahwa dua pertiga dari kasus cukup simptomatik untuk dirasakan dan diisolasi oleh orang yang terinfeksi. Dalam data dari "Puteri Intan" ditemukan bahwa pada saat diagnosis, gejala muncul pada setengah dari orang . Rasio gejala aktual mempengaruhi perhitungan tingkat kematian.

Namun, data dari "Puteri Intan" juga tidak sempurna - mereka tidak memeriksa semua orang, bagian demografis penumpang kapal pesiar tidak mewakili populasi yang lebih luas, dan beberapa pasien masih bisa mati, yang akan meningkatkan tingkat kematian. Namun, tidak ada data yang lebih realistis dapat ditemukan di darat. Data dari Islandia tidak dipublikasikan dengan rincian metodologi yang sama. Di Amerika Serikat, pengujian skala besar baru saja dimulai. Jika hanya orang sakit yang diuji, seperti yang dilakukan di sebagian besar negara bagian, angka kematian tidak akan mencerminkan perilaku sebenarnya dari virus - masalah penyebut kembali mengangkat kepalanya. Selain itu, pengujian di AS menghadapi masalah tambahan - kurangnya tes dan fakta bahwa beberapa laboratorium swasta tidak mempublikasikan jumlah hasil negatif.

Angka kematian yang sebenarnya juga dipengaruhi oleh kemampuan kita untuk mencegah orang sakit meninggal. Dan itu tergantung pada kemampuan rumah sakit. Dengan akses tanpa batas ke tempat perawatan intensif dan ventilasi mekanis, banyak orang dengan gejala serius dapat bertahan dari infeksi. Tetapi di AS tidak ada sumber daya yang cukup, dan jika permintaan melebihi pasokan - seperti yang sudah terjadi di beberapa bagian negara - maka orang yang akan bertahan hidup ketika mengakses ventilator akan mati. Ini dapat menyebabkan efek domino. Orang-orang yang membutuhkan perawatan darurat yang tidak terkait dengan virus juga akan menderita dari kekurangan sumber daya di rumah sakit, dan kematian mereka, bahkan tidak terkait dengan COVID-19, akan menambah statistik kematian secara keseluruhan, meskipun mereka dapat dicegah, dan meskipun mereka tidak boleh dimasukkan statistik pada COVID-19.

"Kematian akan sangat dipengaruhi oleh apakah kita mengalami kekurangan pasokan dan personel, dan belum jelas seberapa fleksibel sistem perawatan kesehatan kita nantinya," kata Wagnier.

Dan ada juga tingkat infeksi




Hampir semua yang kita bicarakan tentang angka kematian juga berlaku untuk tingkat infeksi: semua perkiraan tergantung pada pengumpulan data, pengambilan sampel, dan tingkat gejala. Tetapi untuk mengetahui tingkat infeksi, Anda masih perlu memahami seberapa sering virus ditularkan dari satu orang ke orang lain. Anda mungkin pernah mendengar istilah seperti itu sebagai angka reproduksi dasar (disingkat R 0 ) - ini adalah jumlah rata-rata infeksi sekunder yang terjadi setelah satu individu yang terinfeksi berada dalam populasi yang terdiri dari individu yang benar-benar sensitif terhadap penyakit ini.

Begini masalahnya: penularan virus pasti akan sangat berfluktuasi, dan tergantung pada berbagai karakteristik perilaku sosial, perincian lingkungan lokal, dan keputusan politik. Di berbagai negara, semua ini akan berbeda. Dan bahkan di berbagai negara bagian AS. Selain itu, parameter ini akan berubah seiring waktu tergantung pada tindakan yang kami ambil untuk memerangi virus. Dalam malaria , misalnya, R 0 lebih besar di tempat-tempat di mana ada banyak genangan air.

Karena itu, pemodelan hasil distribusi potensial COVID-19 harus mencakup banyak skenario transmisi virus yang berbeda. Dan mereka tidak akan tepat; itu akan menjadi kisaran peringkat tertentu. Dalam skenario ini, beberapa perkiraan diperhitungkan, yang masing-masing pada gilirannya juga dapat berubah (serius, ini hanya regresi tanpa akhir).

Variabel pertama adalah koefisien kontak - pada kenyataannya, berapa banyak orang yang terinfeksi berinteraksi dengan selama periode waktu tertentu. Hanya parameter ini yang tunduk pada orang, dan itulah sebabnya semua orang dikunci dan berbicara tentang jarak sosial. Koefisien kontak rata-rata adalah heterogen - bervariasi dari orang ke orang, tergantung pada faktor-faktor seperti situasi dengan habitat dan pekerjaan, dan juga bervariasi tergantung pada bagaimana sistem perawatan kesehatan merespons dan di mana semuanya terjadi. "Bayangkan perbedaan antara dataran tinggi negara pedesaan dan distrik bisnis kota besar," kata Miller.

Kemudian muncul rasio roda gigi. Ini adalah cara untuk membayangkan jumlah orang yang terinfeksi dengan bertemu orang yang terinfeksi. Ini juga merupakan target yang bergerak. Virus tidak menyebar sesuai dengan pola yang seragam seperti "dua kasus baru per orang". Proses ini berjalan dalam lompatan tidak teratur, seperti kerumunan warga pinggiran kota yang menerkam rak dengan kertas toilet. Sam Scarpino, seorang profesor di Northeastern University yang menjadi model penyakit menular, menyebut ini "peristiwa super-proliferasi" - situasi di mana faktor yang biasanya lebih tergantung pada lokasi tindakan daripada pada orang-orang tiba-tiba melonjak jumlah kasus. Ingat konferensi Biogen, yang pada titik tertentu bertanggung jawabuntuk 77 dari 95 kasus yang didiagnosis di Massachusetts. Atau seorang wanita yang sendirian menghancurkan strategi penahanan yang efektif di Korea Selatan.

Ingat rasio gejalanya? Beberapa menyarankan bahwa pembawa dengan gejala menginfeksi lebih sedikit orang daripada yang tanpa gejala, sehingga rasio ini juga mempengaruhi tingkat penularan.

Virologi juga penting ketika menghitung jumlah transfer ke kontak. Di sini Anda perlu mempertimbangkan berapa lama virus dapat bertahan hidup di permukaan (dan pada permukaan apa itu muncul), dan seberapa jauh ia dapat terbang di udara. Dengan COVID-19 yang baru, ada peringkat yang berbeda untuk kedua faktor.. Masih ada perbedaan antara tubuh dan perilaku manusia. Misalnya, perokok mungkin lebih berisiko terkena infeksi dan komplikasi. Dan meskipun ini sebagian besar disebabkan oleh efek merokok pada paru-paru dan apa yang dilakukan virus di dalam tubuh, itu juga memengaruhi fakta bahwa perokok sering meletakkan tangan mereka ke mulut , sehingga meningkatkan risiko penularan.

Akhirnya, masih ada durasi penularan - berapa lama seseorang bisa menyebarkan virus , dan selama periode penyakit itu menular ? Itu tergantung pada biologi virus dan sistem kekebalan individu, kata Mark Weir, direktur Program Lingkungan, Epidemiologi, dan Kesehatan Universitas Negeri Ohio.

Semua parameter ini digunakan untuk memperkirakan R 0, nomor reproduksi dasar.

Dan jika angka reproduksi dasar menunjukkan kerentanan seluruh populasi, maka masih ada angka reproduksi yang efektif, tergantung pada persentase populasi yang rentan terhadap virus. Salah satu alasan tingginya kerentanan populasi terhadap coronavirus baru adalah bahwa virus ini persis apa yang baru. Tidak ada yang pernah memilikinya sebelumnya.

Selain itu, model yang baik perlu memikirkan masalah seperti infeksi ulang: jika orang yang menerima virus dan pulih dari virus memperoleh kekebalan terhadapnya, maka persentase populasi yang rentan berkurang. Namun sejauh ini, kita tidak tahu banyak tentang kekebalan setelah infeksi .

Dan kami bahkan belum menyebutkan perubahan kerentanan ini saat membuka vaksin. Tapi kami sudah memiliki detail yang cukup.

Campur semuanya menjadi model


Untuk membuat model, Anda perlu mengumpulkan semua variabel ini (dan variabel lain yang editornya tidak izinkan kami bicarakan), memperhitungkan ketidakpastiannya, korelasi bersama, dan banyak hal lainnya. Ini mungkin menjadi hal yang agak rumit.

Dan semua faktor ini dapat dipengaruhi oleh semua upaya untuk mengganggu penyebaran virus - jarak sosial, mencuci tangan, menutup sekolah, mengurangi jumlah operasi bedah yang tidak mendesak, dll. Ini adalah hal besar yang tidak diketahui, mampu secara radikal mengubah bentuk wabah - dan juga bervariasi tergantung pada negara, negara bagian dan bahkan kota.



Ini seperti memanggang kue. Dengan resep normal, itu dapat dilakukan dengan cukup sederhana dan mengharapkan hasil yang bermakna dan dapat diprediksi. Tetapi jika resep tersebut mengandung instruksi seperti "tambahkan tiga hingga 15 apel, atau steak, atau irisan kecambah Brussels, tergantung pada apa yang Anda miliki" ... ini pasti akan memengaruhi rasa pai, bukan? Anda dapat membuat asumsi tentang kebenaran bahan dan jumlahnya. Tapi ini hanya asumsi, bukan fakta yang pasti. Dan jika Anda membuat terlalu banyak asumsi saat memasak, Anda mungkin tidak mendapatkan apa yang ingin Anda lakukan. Dan Anda belum tentu tahu bahwa Anda salah.

Selama beberapa bulan mendatang, Anda akan menemukan banyak prediksi berbeda tentang hasil pandemi COVID-19. Tidak semuanya akan sama. Tetapi hanya karena mereka didasarkan pada asumsi tidak berarti bahwa mereka tidak berguna.

"Semua model salah, kami hanya berusaha membuatnya kurang tidak benar dan bermanfaat hari ini," kata Weir.

Kami ingin makan, jadi seseorang harus memasak. Pastikan untuk bertanya dari bahan apa dan dari jumlah berapa kue ini dibuat.

More articles:


All Articles