Toivotan Eyal Shaharin tervetulleeksi. vaatia uudelleentarkastelua Covid-rokotepapereista. Itse asiassa aloitin jo kauan ennen kuin Eyal vihelsi – jopa ennen kuin rokotteet ilmestyivät.
Kauhean vuoden 2020 lopussa erittäin vaikutusvaltainen paperi esiintyi tiedeSe pääsi otsikoihin tärkeimmissä tiedotusvälineissä ympäri maailmaa. Lehti, nimeltään "Hallituksen COVID-19-pandemiaan liittyvien toimien tehokkuuden päätteleminen" sitä käyttivät pian hallitukset ympäri maailmaa oikeuttaakseen yhä autoritaarisempia käytäntöjään.
Se herätti huomioni, koska edellinen kirjoittaja oli tšekkiläinen matemaatikko Jan Kulveit. Kirjoitimme kahden kollegani, Ondřej Vencálekin ja Jakub Dostálin, kanssa seuraavan vastauksen:
"Kaikki mallit ovat vääriä, mutta jotkut ovat hyödyllisiä”kuuluu kuuluisa sanonta, joka yleensä liitetään George Boxiin. Nykyään hän ehkä sanoisi, että kaikki mallit ovat vääriä ja jotkut jopa vaarallisia. Mielestämme tämä pätee myös tähän tutkimukseen.”Hallituksen COVID-19-pandemiaan liittyvien toimien tehokkuuden päättely"1 joka ilmestyi sisään tiede ja sai laajaa huomiota ympäri maailmaa.
Tutkimuksen tavoitteena on ymmärtää ei-lääkkeellisten interventioiden (NPI) tehokkuutta Covid-19-pandemian torjunnassa. Kirjoittajat analysoivat tietoja 41 (pääasiassa Euroopan) maan kokonaistapaus- ja kuolemanmääristä tammikuun ja toukokuun lopun 2020 välisenä aikana. He tuottavat arvion kahdeksan eri NPI:n (kuten ihmisten kokoontumisten rajoittaminen, koulujen sulkeminen jne.) vaikutuksista, joita toteutettiin useissa maissa tutkimusjakson aikana. Kunkin NPI:n vaikutus kvantifioidaan tartuntojen lisääntymisluvun (R) vähenemisenä NPI:n käyttöönottohetkellä kyseisessä maassa.
Tuloksia on otettu laajalti vastaan, koska ne näyttävät osoittavan, että kaikki NPI:t yleisesti ottaen toimivat, ja vaikutusten koot näyttävät olevan maalaisjärjen mukaisia (esim. mitä enemmän rajoitat kokoontumisia, sitä suurempi R:n lasku saadaan). Hallitukset ympäri maailmaa ilahtuvat kuullessaan, että niiden asettamat rajoitukset olivat perusteltuja. Mutta olivatko ne?
Itse asiassa emme tiedä, eikä tämä tutkimus auta meitä selvittämään sitä. Väitämme, että mallissa on kohtalokas virhe, joka tekee siitä hyödyttömän. Tarkasteltaessa ainoaa yhtälöä artikkelin rungossa (katso kohta ”Lyhyt mallin kuvaus”) näemme, että kirjoittajat olettaa taustalla oleva (ei-havaittava) peruslisääntymisluku R0,c olla vakio ajassa kullekin maalle. Tämä peruslisääntymisluku kerrotaan sitten NPI-tulojen vaikutuksilla ja sovitetaan dataan. Näin ollen malli olettaa, että epidemian dynamiikan muutokset johtuvat NPI-arvoistaTämä on harhaanjohtavaa, koska se on kehämäinen. Jos haluat mitata intervention vaikutuksia, et voi olettaa, että kaikki havaitut vaikutukset johtuvat itse interventiosta.
Myös tämä oletus vakiosta R:stä0,c viittaa siihen, miksi kirjoittajat päättivät lopettaa mallinnuksen, kun jokin NPI poistetaan. NPI:t yleensä poistetaan epidemian hiipuessa. Näin ollen NPI:t ovat läsnä, kun R on korkea, ja ne puuttuvat, kun R on matala. Pidemmällä aikavälillä (mukaan lukien kesäkausi, jolloin esiintyvyys on alhainen ja NPI:t lievenivät) saatujen tietojen perusteella kirjoittajien käyttämä yksinkertainen malli oppisi a negatiivinen vaikutus – että NPI:t kiihdyttävät epidemiaa. Tämä oli selvästi ei-toivottavaa, joten kirjoittajat päättivät olla käyttämättä kesän tietoja mallin sovittamiseen. Tällainen mallinnusstrategia on erittäin kyseenalainen.
Jotta asia olisi täysin selvä, suoritimme seuraavan kokeen. Otimme alkuperäisen datasetin2 ja keksi uuden NPI:n, jota ei koskaan ollut olemassa. Oletetaan, että tämän uuden NPI:n käyttöönotosta lähtien jokaisen kansalaisen oli käytettävä "Stop-Covid" -tekstillä varustettua t-paitaa, kunnes tämä NPI poistettiin.
Arvoimme satunnaisen päivämäärän yhdenmukaisesti ajanjaksolta, jolta tietty maa mallinnettiin, ja "pakotimme" tämän T-paita-NPI:n dataan (katso viite [3] alkuperäisestä datasetistä, johon T-paita-NPI oli lisätty). Emme kuitenkaan muuttaneet tapausten ja kuolemien lukuja. Tällaista NPI:tä ei koskaan ollut olemassa, joten sillä ei olisi voinut olla mitään vaikutusta. Sitten suoritimme alkuperäisen mallin (katso viite [4] linkki käyttämäämme versioon GitHubissa) koskematta mihinkään parametreihin. Tulos on esitetty kuvassa 1. T-paidat melkein saivat pandemian pois!
Miten tämä on mahdollista? Jokaisella epidemialla on oma sisäinen dynamiikkansa. Yksinkertaisin SIR-malli tuottaa yhden piikin aktiivisten tapausten määrässä. Jos haluamme toistaa tällaisen piikin yksinkertaisella eksponentiaalifunktiolla (kuten kirjoittajat tekevät), eksponentin kerroin (eli empiirinen jäljennösnumero) on oltava vähentää ajassa ensimmäisen aallon alusta. Olettaen siis, että Kaikki vaikutus lisääntymislukuun johtuu NPI:istä, malli ei voi tuottaa mitään muuta kuin määrittää positiivinen vaikutus (eli R:n pieneneminen) mihin tahansa NPI:hen. Jopa olemattomaan, kuten olemme osoittaneet.
Näin ollen mielestämme malli on harhaanjohtava ja erittäin vaarallinen, koska hallitukset voivat käyttää sitä jälkikäteen perustellakseen Kaikki He päättivät pakottaa ihmisille NPI:n. Emme väitä, etteikö joillakin/kaikilla NPI:illä olisi ollut positiivista vaikutusta. Sanomme vain, ettei tätä mallia voida mitenkään selvittää.
Kuva 1”Stop-Covid”-t-paidan käyttäminen poistaa pandemian.
Lähetimme vastauksemme kirjeenä lehden toimitukselle. tiedeVastaus tuli: he olivat hyvin pahoillaan, mutta he eivät voineet julkaista kirjettämme. He eivät kertoneet syytä.
Joten kopioin ja liitin heidän oman "missiolausunnon" sähköpostiin – jotain tyyliin "Science-lehtiperhe edistää AAAS:n tavoitetta parantaa viestintää tiedemiesten, insinöörien ja suuren yleisön välillä.Muistutin heitä, ettei viestintää ole koskaan parannettu sensuroimalla toisinajattelijoita.
Lopulta he ystävällisesti antoivat meille luvan julkaista vastauksemme sähköpostikirjeenä, piilotettuna alkuperäisen artikkelin lisämateriaalin taakse. Sähköpostikirjettä ei voi lainata, siinä ei sallita lukuja, eikä se näy missään haussa.
Julkaisimme vastauksemme tšekinkielisen version otsikolla "Toimivatko pandemian leviämisen estämistoimenpiteet? Kyllä, ministeri!" Tšekin tilastoyhdistyksen verkkosivuilla. Se ansaitsi meille kirjoittajalta niin kohteliaan kirjeen – ja hiljaisen porttikiellon valtamediassa.
Siinä kaikki. Onko sinulla parempia Covid-arvosteluja?
Viitteet
- JM Brauner ym., Tiede, 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
-
Tomas Fürst opettaa sovellettua matematiikkaa Palackyn yliopistossa Tšekin tasavallassa. Hänen taustansa on matemaattisessa mallinnuksessa ja datatieteessä. Hän on yksi Mikrobiologien, Immunologien ja Tilastotieteilijöiden Yhdistyksen (SMIS) perustajista. SMIS on tarjonnut tšekkiläiselle yleisölle dataan perustuvaa ja rehellistä tietoa koronavirusepidemiasta. Hän on myös yksi samizdat-julkaisun dZurnalin perustajista. dZurnal keskittyy tieteellisen väärinkäytöksen paljastamiseen Tšekin tieteessä.
Katso kaikki viestit
