مدل های ویروس کرونا همیشه فراتر از صاف کردن منحنی بوده اند


هی مارس یادته؟ زمان ساده تر بود. همه یک قرص مایه تازه دارند. “عبور حیوانات” همه عصبانیت بود. و در سراسر این ملت بزرگ ، آمریکایی ها بی وقفه در مورد آخرین به روزرسانی مدل های اپیدمیولوژیک اظهار نظر کرده اند.

اما آن زمان بود. اکنون ما به ریاضیات پیچیده ای احتیاج نداریم تا به ما بگوییم 190،000 آمریکایی بر اثر ویروس کرونا ویروس جان خود را از دست داده اند و پایانی برای آن وجود ندارد.

در آن زمان که بحث های عمومی درباره قابلیت اطمینان یک مدل در مقابل مدل دیگر می تواند خبرساز شود ، پیش بینی های به روز شده امروز به سختی خبر را در آن قرار می دهد. ویروس ادامه دارد ، مرگ و میرها در حال افزایش است ، اما به نظر می رسد اضطراب عمومی در مورد پیش بینی اینکه چه اتفاقی با تعداد موارد و تعداد مرگ و میرها افتاده باشد ، مانند قطره اسپری در نسیم تابستان. اما مدل ها هنوز وجود دارند و بی سر و صدا در حال به روزرسانی هستند. اکثر آنها موافقند که تا اواسط سپتامبر بیش از 200000 مرگ خواهیم داشت.

در زمانی که ترس و اضطراب از یک بیماری همه گیر زودرس جای خود را به درد مداوم هوشیاری مداوم می دهد – و با تسلیم شدن روزافزون ما به مرگ – آیا هنوز ارزش تلاش برای پیش بینی چند نفر در تاریخ معین وجود دارد؟

کارشناسان به من گفتند: “بله”. اما آنها همچنین به من گفتند “نه”. و “نوعی بستگی دارد.” به نظر می رسد که نه تنها مدل سازی یک اپیدمی خوب دشوار است ، بلکه استفاده م theseثر از این مدل ها نیز دشوار است. آنچه اکنون مدل ها به ما می گویند – آنچه همیشه به ما گفته اند – لزوماً شغلی نیست که ما در ابتدای این بیماری همه گیر از آنها خواسته ایم.

بیشتر بخوانیم:
کنوانسیون جمهوری خواهان برای رئیس جمهور ترامپ به خوبی پیش می رود. وقایع انسانی

کارشناسان به من می گویند که مدل ها هنوز تصمیم گیری مقامات را مورد توجه قرار می دهند ، به ویژه مدل هایی که اطلاعات مربوط به عملکرد یک بیماری را با داده های جمعیت شناختی و رفتاری ترکیب می کنند. (اینها در اصطلاح پیش بینی “مدلهای مکانیکی” نامیده می شوند.) این مدلها مخصوصاً برای اجرای سناریوهای “چه می شوند” بسیار مفید هستند – اگر به این روش مداخله کنیم ، نتیجه بهتر یا بدتر از مداخله در که جاده؟ مدل کالج امپریال که درباره مجموعه فنر شنیده اید نمونه خوبی از یک مدل مکانیکی است.

نوع دیگر مدل ، یک مدل آماری است که از داده های مربوط به مواردی مانند تعداد مرگ و میر و بستری شدن در بیمارستان برای پیش بینی تعداد مرگ احتمالی در شرایط فعلی استفاده می کند. مدل م Instituteسسه سنجش و سنجش سلامت (IHME) که زمانی مدل ترجیحی دولت ترامپ بود ، از این طریق کار می کند.

در فصل بهار توجهات بسیار به مدل های آماری و آنچه می توانند در مورد اینکه آیا واقعا همه گیری یک مشکل بزرگ در زندگی ما است ، متمرکز شده اند. اکنون ، با پاسخ جدی به این س (ال (بسیار متشکرم) ، محققان در درجه اول از مدلهای مکانیکی برای درک گذشته استفاده می کنند (مثلاً آنچه که در پشت افت و خیزهای مختلف در انتقال وجود دارد) و کمک به تصمیم گیری در مورد اینکه بعد چه کاری باید انجام شود (به عنوان مثال به عنوان مثال ، دانشگاه چه رهنمودهایی را برای بازگشایی ایمن کلاس ها دنبال می کند؟)

ویلیام هاناگ ، استاد اپیدمیولوژی در دانشگاه هاروارد ، گفت که بین این دو مدل تفاوت وجود دارد و آنها کارهای مختلفی انجام می دهند ، عموم مردم تا حد زیادی از بین رفته اند. این به شما کمک می کند احساسی را که او احساس می کند انگار دیگر مدل ها مهم نیستند ، توضیح دهید ، حتی اگر آنها مهم نیستند. تمرکز فقط به اهداف مختلف تغییر جهت داده است.

بیشتر بخوانیم:
دلارها آن را ایمن بازی کردند و تاریخ اشتباهی را رقم زدند

کارتر پرایس ، ریاضی دان برجسته در شرکت RAND ، گفت: در حال حاضر ، ایالات از مدل هایی برای کشف نتایج بالقوه افتتاح انواع خاصی از مشاغل استفاده می کنند. دانشگاه ها از آنها برای تعیین اینکه چه کسی و چند بار باید آزمایش COVID-19 انجام شود ، استفاده می کنند. این فرم ها همچنین می توانند به پاسخ دادن به سالاتی مانند “چه کسی باید در بالای لیست برای دریافت واکسن ویروس کرونا” کمک کند؟ حناج گفت. پیش بینی های آماری مربوط به مرگ هنوز در دست بررسی است ، گرچه کارشناسان به من می گویند در کوتاه مدت دقیق تر و مفیدتر هستند – دو تا چهار هفته فکر کنید.

جان دریک ، مدیر مرکز اکولوژی بیماری های عفونی در دانشگاه جورجیا و یکی از همکاران سابق FiveThirtyEight ، گفت که پاسخ به این سوال که آیا مدل ها هنوز هم واقعاً مهم هستند بله است یا خیر. این بیشتر به دلیل گزینه های سیاسی است.

این به نوعی مانند سوال “اگر درختی به جنگل بیفتد” است: اگر مدل به شما بگوید که احتمال دارد اتفاق بدی رخ دهد و سیاستمداران آن را نادیده بگیرند ، آیا مدل واقعاً مهم است؟

روش سیاست گذاری COVID-19 – با اختلافات احزاب در مورد طیف گسترده ای از موضوعات ، از جمله پوشیدن ماسک ، دستورات در خانه ، و اینکه آیا همه گیری خود یک افسانه است – به این معنی است که برخی از دولت ها تصمیماتی گرفته اند که مخالف اوضاع باشد. آزمایشی به جای اینکه از آن مطلع شوید. به عنوان مثال ، ایالت زادگاه دریک ، جورجیا ، درخواست اقامت در خانه خود را در زمانی ارائه داد که مدل ها پیشنهاد کردند دو ماه دیگر بسته بمانند.

بیشتر بخوانیم:
پیش بینی های NFL 2020 | FiveThirtyEight

سپس یک مشکل دیگر ، کمتر آشکار در درگیری بین مدل ها و سیاست وجود دارد – جمع آوری داده ها. حناگ گفت: “داده ها وحشتناک هستند.” منظور وی از این کار این است که ایالات متحده هرگز یک سیستم ملی سازگار و پایدار برای آزمایش COVID-19 و ردیابی افرادی که با افرادی که آزمایش مثبت داشته اند در تماس بوده است ، ایجاد نکرده است. نرخ آزمون بالا و پایین می رود. تحول برای دستیابی به نتایج با تأخیر ، شتاب و دوباره به تأخیر می افتد. هر دو عامل در موقعیت های مختلف – حتی در قسمت های مختلف یک شرایط – و در زمان های مختلف متفاوت هستند. جمع آوری و تجزیه و تحلیل داده های مرکزی … اتفاق نیفتاد. در نتیجه ، محققان اطلاعات خوبی و قابل اطمینان در مورد نحوه انتشار ویروس کرونا ندارند – اگر شما سعی دارید مدلی را برای نشان دادن روش های جلوگیری از شیوع تهیه کنید ، تا حدی مهم است.

اینها گزینه های سیاسی است. سیاست گذاران می توانستند یک سیستم آزمایش قوی بسازند. آنها قادر به پیگیری دقیق تماس بودند. اما آنها این کار را نکردند. و بسیاری از کارشناسان به من می گویند که آنها اعتقاد داشتند وسواس کشور در مدل سازی آماری در بهار بخشی از این دلیل بود. انگلر گفت: “تمرکز اولیه بر مدل سازی ، هوای زیادی را از چیزهایی که باید روی … موارد هیجان انگیز کمتری مانند مسائل جمع آوری داده ها متمرکز می شد ، جذب کرد.”

بدون این داده ها ، از قضا ، مدل ها آسیب دیده اند. یک نکته که دریک دوست دارد بداند این است که قفل شدن تا چه اندازه می تواند مثر باشد. ما آنها را می شناسیم آنها بودند او به من گفت موثر است. فقط با مشاهده آنچه با شماره پرونده ها هنگام پیاده سازی و حذف قفل اتفاق افتاده است ، می توانید این موضوع را مشاهده کنید. اما در میان قفل ، چندین مداخله دیگر نیز ظاهر شده است – ماسک های صورت ، صفحه های پلاکسی در فروشگاه مواد غذایی ، زایمان های بدون تماس و موارد دیگر. چقدر قفل به لطف قفل موثر است و به لطف آن چیزهای دیگر چقدر موثر است؟ دریک گفت: “این یک سوال عالی است که مدل سازی باید به آن پاسخ دهد.” “اما به دلیل عدم انطباق جمع آوری داده ها ، نمی توانیم این کار را انجام دهیم.”

بیشتر بخوانیم:
شومپیتر - چگونه هرمس از LVMH فاصله گرفت و رشد کرد | کسب و کار

ما قول پر زرق و برق مدل ها را متوقف می کنیم ، و سپس با جمع آوری نکردن موارد خسته کننده ای که برای عملکرد مثر نیاز دارند ، از این مدل ها کم استفاده می کنیم. دانشمندان و سیاستمداران این بیماری همه گیر را شروع کردند و تقریباً هیچ اطلاعاتی در مورد این ویروس کرونا وجود ندارد. این مدل ها در ابتدا بر اساس داده های قبلی شیوع ویروس های پسر عموی آن ، SARS و MERS بود ، اما دانشمندان تصور می کردند که سیاستمداران به سرعت نیروهای بهداشت عمومی را برای جمع آوری اطلاعات دقیق COVID-19 بسیج می کنند.

متأسفانه ، کارشناسان گفتند ، دانشمندان واقعاً آماده نبودند که فرضیات آنها درباره دولتها – و مردم – کاملاً اشتباه باشد. این مشکلی است که به مدل ها سرایت می کند.

همه مدل ها بر اساس مفروضات ساخته شده اند و برخی از فرضیات ما در مورد چگونگی رفتار مردم در طی بیماری همه گیر COVID-19 درست نبوده است. به عنوان مثال ، در اوایل ، طراحی مدل ها اغلب تا حدی بر این فرض بود که فراز و نشیب پرونده ها در ایالات متحده با منحنی هایی که در ووهان ، چین و منطقه لومباردی ایتالیا مشاهده کردیم ، همزمان خواهد بود. دانشمندان تصور کردند که این منحنی چیزی ذاتی برای ویروس است. اما اینطور نبود. در عوض ، هاناگ گفت ، منحنی ظریف منعکس کننده قفل شدید و محدودیت های شدید سفر است – مواردی که ایالات متحده آمادگی انتخاب خود را نداشت. بنابراین منحنی های ما متفاوت به نظر می رسیدند و در ابتدا مدل ها اشتباه بودند.

بیشتر بخوانیم:
مانند 1999 جشن بگیرید - اجرای عمومی اولیه به سیلیکون ولی بازمی گردد | کسب و کار

و این فرضیات غلط بیش از یک بیماری همه گیر را تحت تأثیر قرار می دهد. الکس سیگنفلد ، دکترای دکتر گفت این ایده که محدودیت سفر و قفل در سطح جمعیت در مدلهای اپیدمیولوژیک فعلی قبل از ظهور COVID-19 کارایی ندارد. دانشجویی که در زمینه مدل سازی و رفتار اجتماعی در انستیتوی فناوری ماساچوست تحصیل می کند. فرض این بود که اقداماتی از این قبیل همیشه نشتی و حفظ آنها غیرممکن است – ایده ای که من در ماه فوریه درباره خودم نوشتم. اما نشان داده شده است که این مورد فقط در بعضی از افراد ، گاه به گاه ، درست است.

هیچ یک از اینها به معنای بی معنی بودن مدل سازی COVID-19 نیست. فقط این که استفاده از مدل به طور م effectivelyثر گاهی اوقات دشوارتر از انجام ریاضیات است. فرم می تواند نسبتاً آسان به نظر برسد ، به قدری آسان که از نظر عقلی چالش برانگیز نیست. ولی مردم واقعاً پیچیده هستند. و حتی بعد از هفت ماه ، این درسی است که ما هنوز برای یادگیری آن تلاش می کنیم.




منبع: بادرود نیوز

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *