Ny tilgang kan forbedre COVID-19 forudsigelser på verdensplan

Metoder, der i øjeblikket bruges over hele verden til at forudsige udviklingen af ​​COVID-19 og andre pandemier, rapporterer ikke præcist om de bedste og værste scenarier. Nyudviklet forudsigelsesmetode for epidemier, udgivet i Naturfysik , løse dette problem.

"Det handler om at forstå bedste og værst tænkelige scenarier – og det faktum, at worst case er en af ​​de vigtigste ting at holde styr på, når man navigerer gennem pandemier – uanset om det er i Danmark, EU, USA eller WHO. Hvis du kun får et gennemsnitligt estimat for udviklingen af ​​en epidemi - uden at vide, hvor slemt det kan blive, så er det svært at agere politisk, siger professor Sune Lehmann, en af ​​fire forfattere til artiklen Beskrivende statistikker med fast tid undervurderer ekstremer af epidemiske kurveensembler, der netop er offentliggjort i Naturfysik .

Forskere Jonas L. Juul, Kaare Græsbøll, Lasse Engbo Christiansen og Sune Lehmann, alle fra DTU Compute, fungere som rådgivere for Sundhedsstyrelsen i Danmark under coronakrisen. Og til dels baseret på deres egne erfaringer som rådgivere, de er blevet klar over, at de eksisterende metoder til at projicere udviklingen af ​​epidemier som COVID-19 har et problem med at beskrive ekstreme muligheder for den forventede udvikling.

Epidemier er uforudsigelige

"Sygdomsudbrud er grundlæggende stokastiske processer. Den samme sygdom introduceret i den samme befolkning kan inficere et stort antal mennesker eller forsvinde hurtigt uden at have en særlig udbredelse. Det afhænger til dels af tilfældigheder, " forklarer postdoc Jonas L. Juul.

Det er netop epidemiers uforudsigelighed, der gør det så svært at træffe de rigtige beslutninger overalt i samfundet, når det rammer. Hvor mange senge og åndedrætsværn vil der være behov for? Og hvor meget kan vi reducere denne efterspørgsel ved at håndhæve restriktioner?

Imidlertid, den generelle uforudsigelighed er blot et af mange problemer med at vurdere udviklingen af ​​en epidemi.

"Det er ikke kun epidemiers uforudsigelige karakter, der gør det svært at forudsige deres forløb – det er også vores manglende viden om sygdommens karakteristika og udbredelse i samfundet til enhver tid. Bare for at give et par konkrete eksempler på dette:er der typisk ingen, der har nogen idé om præcis, hvornår et udbrud er startet, hvor mange inficerede vi har i et område på en given dag, eller i hvilke regioner epidemien får fodfæste lige nu. Det eneste, vi ved med sikkerhed, er, at når sundhedsmyndighederne opdager et udbrud, det har stået på i et stykke tid, ” siger Sune Lehmann.

Den almindelige måde at håndtere manglen på information, næsten overalt i verden, er at modellere mange scenarier ud fra f.eks. forskellige antal ukendte infektioner og starttidspunkter og opsummer derefter ved at se på hver dag separat og vurdere de 'midterste' forudsigelser som de mest sandsynlige udfald af dagen. Hvis de fleste inputparametre giver infektionstal på mindre end 4000 juledag, mere end 4000 nye smittede vurderes efterfølgende at være usandsynlige.

Den 'dagsbaserede' måde at lave disse forudsigelser på bruges over hele verden, og selvom forbindelsen mellem udviklingen af ​​en epidemi og specifikke datoer er nyttig i nogle sammenhænge, det udelukker systematisk data om, hvor slem eller mild epidemien vil være.

Hvis alle fremskrivninger f.eks. forudsige, at epidemien vil nå sit højdepunkt på 4000 inficerede på en dag, men ingen af ​​kurverne viser det samme dag, så vil det på en given dag være en ekstrem og derfor ikke inkluderet i noget skøn.

"Vi, derfor, foreslå at gøre resuméet 'kurvebaseret':I stedet for at vurdere, hvilke infektionsrater der er sandsynlige eller usandsynlige på enkelte dage, vi bør se på en hel simulering ad gangen. Er hele den simulerede infektionskurve sandsynlig eller ej? Og ud fra det kan du lave en opsummering af de mest sandsynlige kurver for udviklingen af ​​epidemien, ” siger Jonas L. Juul.

"Ved at se på hele forudsigelseskurver i stedet for individuelle dage, får du et mere realistisk skøn over, hvor slem epidemien kan blive. Det er især nyttigt, hvis du prøver at undgå, at hospitalssystemet bliver overbelastet, " slutter Sune Lehmann.