ΚΟΙΝΟΠΟΙΗΣΗ | ΕΚΤΥΠΩΣΗ | ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
Καλωσορίζω τον Eyal Shahar ζητώ επανεξέταση των εγγράφων για το εμβόλιο της Covid. Στην πραγματικότητα, ξεκίνησα πολύ πριν ο Eyal το αποκαλύψει — ακόμη και πριν εμφανιστούν τα εμβόλια.
Στο τέλος της τρομερής χρονιάς 2020, ένα εφημερίδα με μεγάλη επιρροή εμφανίστηκε σε Επιστήμη. Έγινε πρωτοσέλιδο σε μεγάλα μέσα ενημέρωσης σε όλο τον κόσμο. Η εφημερίδα, με τίτλο «Συμπερασματικά συμπεράσματα για την αποτελεσματικότητα των κυβερνητικών παρεμβάσεων κατά της COVID-19», σύντομα χρησιμοποιήθηκε από κυβερνήσεις σε όλο τον κόσμο για να δικαιολογήσει τις ολοένα και πιο αυταρχικές πολιτικές τους.
Μου τράβηξε την προσοχή επειδή ο τελευταίος συγγραφέας ήταν ο Τσέχος μαθηματικός Jan Kulveit. Μαζί με τους δύο συναδέλφους μου, τον Ondřej Vencalek και τον Jakub Dostál, γράψαμε την ακόλουθη απάντηση:
"Όλα τα μοντέλα είναι λάθος, αλλά μερικά είναι χρήσιμα«λέει μια διάσημη παροιμία που συνήθως αποδίδεται στον Τζορτζ Μποξ. Σήμερα, ίσως θα έλεγε ότι όλα τα μοντέλα είναι λάθος, και μερικά είναι ακόμη και επικίνδυνα. Αυτό, κατά τη γνώμη μας, ισχύει για τη μελέτη»Συμπερασματικά, η αποτελεσματικότητα των κυβερνητικών παρεμβάσεων κατά της COVID-19"1 που εμφανίστηκε σε Επιστήμη και έλαβε ευρεία προσοχή σε όλο τον κόσμο.
Η μελέτη στοχεύει στην κατανόηση της αποτελεσματικότητας των μη φαρμακευτικών παρεμβάσεων (NPIs) στον έλεγχο της πανδημίας Covid-19. Οι συγγραφείς αναλύουν δεδομένα σχετικά με τον συνολικό αριθμό κρουσμάτων και θανάτων από 41 (κυρίως ευρωπαϊκές) χώρες μεταξύ Ιανουαρίου και τέλους Μαΐου 2020. Παράγουν μια εκτίμηση των επιπτώσεων 8 διαφορετικών NPIs (όπως περιορισμός συναθροίσεων, κλείσιμο σχολείων κ.λπ.) που εφαρμόστηκαν σε πολλές χώρες κατά την υπό μελέτη περίοδο. Η επίδραση κάθε NPI ποσοτικοποιείται από τη μείωση του αριθμού αναπαραγωγής λοιμώξεων R κατά τη στιγμή της επιβολής του NPI στην αντίστοιχη χώρα.
Τα αποτελέσματα έτυχαν ευρείας υποδοχής, επειδή φαίνεται να δείχνουν ότι όλοι οι μη παραγωγικοί δείκτες (NPIs) λειτουργούν γενικά και τα μεγέθη των επιπτώσεων φαίνεται να συμφωνούν με την κοινή λογική (π.χ. όσο περισσότερο περιορίζετε τις συγκεντρώσεις, τόσο μεγαλύτερη μείωση του R επιτυγχάνετε). Οι κυβερνήσεις σε όλο τον κόσμο θα χαρούν πολύ να ακούσουν ότι οι περιορισμοί που επέβαλαν ήταν δικαιολογημένοι. Αλλά ήταν;
Στην πραγματικότητα, δεν γνωρίζουμε, και αυτή η μελέτη δεν μας βοηθά να το ανακαλύψουμε. Υποστηρίζουμε ότι υπάρχει ένα μοιραίο ελάττωμα στο μοντέλο που το καθιστά άχρηστο. Εξετάζοντας τη μόνη εξίσωση στο κυρίως μέρος της εργασίας (βλ. την ενότητα «Σύντομη περιγραφή μοντέλου»), βλέπουμε ότι οι συγγραφείς υποθέτω ο υποκείμενος (μη παρατηρήσιμος) βασικός αριθμός αναπαραγωγής R0,c να είναι σταθερός στο χρόνο για κάθε χώρα. Αυτός ο βασικός αριθμός αναπαραγωγής πολλαπλασιάζεται στη συνέχεια με τις επιπτώσεις των Μη Παραγωγικών Δανειακών Πόρων (NPI) και προσαρμόζεται στα δεδομένα. Έτσι, το μοντέλο υποθέτει ότι οποιαδήποτε αλλαγή στη δυναμική της επιδημίας οφείλεται στους μη παραγωγικούς δείκτες (NPIs)Αυτό είναι παραπλανητικό επειδή είναι κυκλικό. Αν θέλετε να ποσοτικοποιήσετε τις επιπτώσεις μιας παρέμβασης, δεν μπορείτε να υποθέσετε ότι όλες οι παρατηρούμενες επιπτώσεις οφείλονται στην ίδια την παρέμβαση.
Επίσης, αυτή η υπόθεση της σταθεράς R0,c υποδηλώνει γιατί οι συγγραφείς επέλεξαν να σταματήσουν τη μοντελοποίηση μόλις αρθεί οποιοσδήποτε NPI. Οι NPI συνήθως αρθούν καθώς η επιδημία μειώνεται. Έτσι, οι NPI υπάρχουν όταν το R είναι υψηλό και απουσιάζουν όταν το R είναι χαμηλό. Με δεδομένα από μεγαλύτερο χρονικό διάστημα (συμπεριλαμβανομένης της θερινής περιόδου χαμηλής επικράτησης και χαλαρών NPI), το απλό μοντέλο που χρησιμοποίησαν οι συγγραφείς θα μάθαινε ένα αρνητικός αποτέλεσμα – ότι οι μη παραγωγικοί δείκτες (NPI) επιταχύνουν την επιδημία. Αυτό ήταν σαφώς ανεπιθύμητο, επομένως οι συγγραφείς επέλεξαν να μην χρησιμοποιήσουν τα δεδομένα από το καλοκαίρι για να προσαρμόσουν το μοντέλο. Μια τέτοια στρατηγική μοντελοποίησης είναι εξαιρετικά αμφισβητήσιμη.
Για να καταστήσουμε απολύτως σαφές το επιχείρημά μας, πραγματοποιήσαμε το ακόλουθο πείραμα. Πήραμε το αρχικό σύνολο δεδομένων2 και εφηύρε ένα νέο NPI που δεν υπήρξε ποτέ. Ας υποθέσουμε ότι από την επιβολή αυτού του νέου NPI και μετά, κάθε πολίτης ήταν υποχρεωμένος να φοράει ένα μπλουζάκι με την επιγραφή «Stop-Covid», μέχρι την άρση αυτού του NPI.
Σχεδιάσαμε μια τυχαία ημερομηνία ομοιόμορφα από την περίοδο κατά την οποία μοντελοποιήθηκε μια συγκεκριμένη χώρα και «επιβάλαμε» αυτόν τον δείκτη NPI για μπλουζάκια στα δεδομένα (βλ. αναφορά [3] για το αρχικό σύνολο δεδομένων με τον NPI για μπλουζάκια). Δεν αλλάξαμε ούτως ή άλλως τους αριθμούς κρουσμάτων και θανάτων. Ένας τέτοιος δείκτης NPI δεν υπήρξε ποτέ και επομένως δεν θα μπορούσε να έχει καμία επίδραση. Στη συνέχεια, εκτελέσαμε το αρχικό μοντέλο (βλ. αναφορά [4] για τον σύνδεσμο προς το GitHub προς την έκδοση που χρησιμοποιήσαμε) χωρίς να αγγίξουμε καμία παράμετρο. Το αποτέλεσμα φαίνεται στο Σχήμα 1. Τα μπλουζάκια σχεδόν εξαφάνισαν την πανδημία!
Πώς είναι αυτό δυνατό; Κάθε επιδημία έχει την εγγενή της δυναμική. Το απλούστερο μοντέλο SIR παράγει μία μόνο κορυφή στον αριθμό των ενεργών κρουσμάτων. Αν θέλουμε να αναπαράγουμε μια τέτοια κορυφή με μια απλή εκθετική συνάρτηση (κάτι που κάνουν οι συγγραφείς), ο συντελεστής στον εκθέτη (δηλαδή ο εμπειρικός αριθμός αναπαραγωγής) πρέπει μείωση χρονικά από την αρχή του πρώτου κύματος. Έτσι, υποθέτοντας ότι κάθε επίδραση στον αριθμό αναπαραγωγής οφείλεται σε NPIs, το μοντέλο δεν μπορεί να παράγει τίποτα άλλο παρά να αντιστοιχίσει ένα θετικός επίδραση (δηλαδή μείωση του R) σε οποιοδήποτε NPI. Ακόμα και σε ένα ανύπαρκτο, όπως έχουμε δείξει.
Έτσι, κατά την άποψή μας, το μοντέλο είναι παραπλανητικό και πολύ επικίνδυνο, επειδή μπορεί να χρησιμοποιηθεί από τις κυβερνήσεις για να δικαιολογήσουν αναδρομικά κάθε Επέλεξαν να επιβάλουν στους πολίτες τα μη παραγωγικά οφέλη (NPI). Δεν ισχυριζόμαστε ότι ορισμένα/όλα τα μη παραγωγικά οφέλη δεν είχαν θετικό αποτέλεσμα. Λέμε μόνο ότι αυτό το μοντέλο δεν αποτελεί τρόπο να το μάθουμε.
Εικόνα 1Φορώντας ένα μπλουζάκι με την ένδειξη «Stop-Covid» η πανδημία εξαφανίζεται.
Στείλαμε την απάντησή μας ως επιστολή στον εκδότη του ΕπιστήμηΗ απάντηση ήρθε: λυπούνταν πολύ, αλλά δεν μπορούσαν να δημοσιεύσουν την επιστολή μας. Δεν είπαν τον λόγο.
Έτσι, αντέγραψα και επικόλλησα τη δική τους «δήλωση αποστολής» σε ένα email — κάτι σαν «Η οικογένεια περιοδικών Science προωθεί τον στόχο της AAAS για ενίσχυση της επικοινωνίας μεταξύ επιστημόνων, μηχανικών και του κοινού.«Τους υπενθύμισα ότι καμία επικοινωνία δεν έχει ενισχυθεί ποτέ με τη λογοκρισία των διαφωνούντων φωνών.»
Τελικά, μας επέτρεψαν ευγενικά να δημοσιεύσουμε την απάντησή μας ως ηλεκτρονική επιστολή, κρυμμένη πίσω από το συμπληρωματικό υλικό του αρχικού άρθρου. Η ηλεκτρονική επιστολή δεν μπορεί να παρατεθεί, δεν επιτρέπει την προσθήκη αριθμών και δεν θα εμφανιστεί σε καμία αναζήτηση.
Δημοσιεύσαμε μια τσεχική έκδοση της απάντησής μας με τον τίτλο «Λειτουργούν τα μέτρα περιορισμού της πανδημίας; Ναι, κύριε Υπουργέ!» στον ιστότοπο της Τσεχικής Στατιστικής Εταιρείας. Μας χάρισε μια τόσο ευγενική επιστολή από τον συγγραφέα — και μια σιωπηλή απαγόρευση στα κυρίαρχα μέσα ενημέρωσης.
Αυτό είναι όλο. Έχετε καλύτερες κριτικές για την Covid;
Αναφορές
- JM Brauner et al., 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
-
Ο Tomas Fürst διδάσκει εφαρμοσμένα μαθηματικά στο Πανεπιστήμιο Palacky της Τσεχικής Δημοκρατίας. Το υπόβαθρό του είναι στη μαθηματική μοντελοποίηση και την Επιστήμη Δεδομένων. Είναι συνιδρυτής του Συνδέσμου Μικροβιολόγων, Ανοσολόγων και Στατιστικολόγων (SMIS), ο οποίος παρέχει στο τσεχικό κοινό βασισμένες σε δεδομένα και ειλικρινείς πληροφορίες σχετικά με την επιδημία του κορονοϊού. Είναι επίσης συνιδρυτής του περιοδικού «samizdat» dZurnal, το οποίο επικεντρώνεται στην αποκάλυψη επιστημονικών παραπτωμάτων στην τσεχική επιστήμη.
Προβολή όλων των μηνυμάτων
