Все в мире хотят получить ответ на вопрос, как далеко распространится новый коронавирус и когда пандемия начнет утихать. Чтобы знать это, эпидемиологи, органы общественного здравоохранения и политики полагаются на модели.
Модели не предназначены для точного предсказания будущего, но они все же полезны. Биомедицинский математик Лестер Кодилл, который в настоящее время ведет класс, посвященный COVID-19 и моделированию, объясняет ограничения моделей и способы их лучшего понимания.
Что такое модели инфекционных заболеваний?
Математические модели распространения инфекций – это упрощенные версии реальности. Они разработаны, чтобы имитировать основные особенности распространения болезней в реальном мире, достаточно хорошо, чтобы делать прогнозы, которым, по крайней мере частично, можно доверять, чтобы принимать решения. Предсказания модели COVID-19, о которых сообщают в СМИ, основаны на математических моделях, которые были преобразованы в компьютерное моделирование. Например, модель может использовать различные данные из реального мира для прогнозирования даты (или диапазона дат) для максимального количества случаев в городе.
Почему моделировать распространение COVID-19 сложно?
Чтобы предсказаниям модели можно было доверять, она должна точно отражать, как инфекция прогрессирует в реальной жизни. Для этого разработчики моделей обычно используют данные о предыдущих вспышках одной и той же инфекции, как для создания своей модели, так и для того, чтобы убедиться, что ее прогнозы соответствуют тому, что люди уже знают, чтобы быть правдой.
Это хорошо работает с такими инфекциями, как грипп, потому что у ученых есть данные за десятилетия, которые помогают им понять, как вспышки гриппа распространяются в разных типах сообществ. Модели гриппа используются каждый год для принятия решений относительно вакцин и других препаратов против гриппа.
Напротив, моделирование текущей вспышки COVID-19 намного сложнее просто потому, что исследователи очень мало знают об этом заболевании. Какими способами он может передаваться между людьми?? Сколько живет на дверных ручках или коробках Amazon? Сколько времени проходит с момента проникновения вируса в организм человека до того, как этот человек сможет передать его кому-то другому? Эти и многие другие вопросы важно включить в надежную модель инфекций COVID-19. Тем не менее, люди просто еще не знают ответов, потому что мир находится в эпицентре первых проявлений этой болезни, когда-либо.
Почему разные модели имеют разные прогнозы?
Лучшее, что могут сделать разработчики моделей, – это предположить некоторые вещи о COVID-19 и создать модели, основанные на этих предположениях. Некоторые современные модели COVID-19 предполагают, что вирус ведет себя как грипп, поэтому они используют данные о гриппе в своих моделях. Другие модели COVID-19 предполагают, что вирус ведет себя как SARS-CoV, вирус, вызвавший эпидемию SARS в 2003 году.
Другие модели могут делать другие предположения о COVID-19, но все они должны что-то предполагать, чтобы компенсировать информацию, которая им нужна, но которой просто еще не существует. Эти разные предположения могут привести к очень разным прогнозам модели COVID-19.
Как люди могут разобраться в различных, иногда противоречащих друг другу, прогнозах моделей?
Этот вопрос касается, пожалуй, самой важной вещи, которую нужно знать о предсказаниях математической модели: они полезны только в том случае, если вы понимаете предположения, на которых основана модель.
В идеале прогнозы модели вроде, "Мы ожидаем 80000 смертей от COVID в США.S." читал бы больше, как, "Предполагая, что COVID-19 ведет себя аналогично SARS, мы ожидаем 80000 смертей, связанных с COVID, в США.S." Это помогает поместить прогноз модели в контекст и помогает напомнить всем, что прогнозы модели не обязательно отражают неизбежное будущее.
Также может быть полезно использовать прогнозы из разных моделей для установления разумных диапазонов, а не точные числа. Например, модель, предполагающая, что COVID-19 ведет себя как грипп, может предсказать 50 000 смертей в США.S. Вместо того, чтобы пытаться решить, какому прогнозу верить – что является невыполнимой задачей – может быть более полезным сделать вывод, что в США будет от 50 000 до 80 000 смертей.S.
Почему сегодня одни и те же модели предсказывают разные результаты, чем вчера?
По мере того, как данные о COVID-19 становятся доступными – и есть много хороших людей, неустанно работающих над сбором данных и их доступностью, – разработчики моделей включают их, так что каждый день их модели немного больше основываются на фактической информации о COVID-19, и немного меньше на предположениях о болезни. Вы можете увидеть, как этот процесс разворачивается в новостях, где основные модели прогнозирования COVID-19 почти ежедневно пересматривают свои предыдущие оценки числа случаев заболевания и смертей.
Может ли модель, которая (вероятно) не точна в предсказании будущего, по-прежнему быть полезной??
Хотя модели инфекций могут дать представление о том, что может быть в будущем, они гораздо более ценны, когда помогают найти ответ, "Как политика может изменить это будущее?"
Например, базовая модель для прогнозирования будущего числа случаев COVID-19 может быть адаптирована, чтобы учесть влияние, скажем, приказа не выходить из дома. Запустив моделирование модели с порядком и сравнив моделирование без заказа, органы общественного здравоохранения могут узнать кое-что о том, насколько эффективным, как ожидается, будет порядок. Это может быть особенно полезно при сравнении связанных затрат не только с точки зрения бремени болезней, но и с экономической точки зрения.
Еще один шаг вперед: эту же модель можно использовать для прогнозирования последствий прекращения действия заказа, скажем, 10 июня – текущей целевой даты для действия заказа на домоседы в Вирджинии – и сравнения их с прогнозами модели для прекращения действия заказа. скажем, 31 мая или 30 июня. Здесь, как и во многих других случаях, модели оказываются наиболее полезными, когда они используются для создания различных сценариев, которые сравниваются друг с другом. Это отличается от сравнения прогнозов модели с реальностью.