Methoden die momenteel over de hele wereld worden gebruikt om de ontwikkeling van COVID-19 en andere pandemieën te voorspellen, slagen er niet in om precies te rapporteren over de beste en slechtste scenario's. Nieuw ontwikkelde voorspellingsmethode voor epidemieën, gepubliceerd in Natuurfysica , los dit probleem op.

"Het gaat om het begrijpen van de beste en slechtste scenario's - en het feit dat het slechtste geval een van de belangrijkste dingen is om bij te houden bij het navigeren door pandemieën - ongeacht of het in Denemarken is, de Europese Unie, de VS of de WHO. Als je alleen een gemiddelde schatting krijgt voor de ontwikkeling van een epidemie - niet wetende hoe erg het kan worden, dan is het moeilijk politiek te handelen, " zegt professor Sune Lehmann, een van de vier auteurs van het artikel Vaste-tijd-beschrijvende statistiek onderschat extremen van epidemische curve-ensembles, net gepubliceerd in Natuurfysica .

Onderzoekers Jonas L. Juul, Kaare Græsbøll, Lasse Engbo Christiansen en Sune Lehmann, allemaal van DTU Compute, optreden als adviseurs van de Nationale Gezondheidsraad in Denemarken tijdens de coronacrisis. En mede vanuit hun eigen ervaring als adviseurs, ze zijn zich ervan bewust geworden dat de bestaande methoden om de ontwikkeling van epidemieën zoals COVID-19 te projecteren, een probleem hebben bij het beschrijven van de extreme mogelijkheden van de verwachte ontwikkeling.

Epidemieën zijn onvoorspelbaar

"Uitbraken van ziekten zijn fundamenteel stochastische processen. Dezelfde ziekte die in dezelfde populatie wordt geïntroduceerd, kan een groot aantal mensen infecteren of snel verdwijnen zonder een bepaalde prevalentie. Het hangt gedeeltelijk af van toevalligheden, " legt postdoc Jonas L. Juul uit.

Juist de onvoorspelbaarheid van epidemieën maakt het zo moeilijk om overal in de samenleving de juiste beslissingen te nemen als het toeslaat. Hoeveel bedden en beademingsapparatuur zijn er nodig? En hoeveel kunnen we deze vraag verminderen door beperkingen op te leggen?

Echter, de algemene onvoorspelbaarheid is slechts een van de vele problemen bij het inschatten van de ontwikkeling van een epidemie.

"Het is niet alleen de onvoorspelbare aard van epidemieën die het moeilijk maakt om hun verloop te voorspellen - het is ook ons ​​gebrek aan kennis over de kenmerken en prevalentie van de ziekte in de samenleving op een bepaald moment. Om hier een paar concrete voorbeelden van te geven:er zijn is meestal niemand die enig idee heeft wanneer een uitbraak precies is begonnen, hoeveel geïnfecteerden we op een bepaalde dag in een gebied hebben, of in welke regio's de epidemie nu voet aan de grond krijgt. Het enige dat we zeker weten, is dat wanneer de gezondheidsautoriteiten een uitbraak ontdekken, het is al een tijdje aan de gang, ', zegt Sune Lehmann.

De gebruikelijke manier om met het gebrek aan informatie om te gaan, bijna overal ter wereld, is om veel scenario's te modelleren op basis van b.v. verschillende aantallen onbekende besmettingen en starttijden en vat vervolgens samen door elke dag afzonderlijk te bekijken en de 'middelste' voorspellingen te beoordelen als de meest waarschijnlijke uitkomsten van de dag. Als de meeste invoerparameters op eerste kerstdag besmettingsaantallen van minder dan 4000 geven, meer dan 4000 nieuwe geïnfecteerden worden vervolgens als onwaarschijnlijk beoordeeld.

De 'day-based' manier om deze voorspellingen te doen wordt over de hele wereld gebruikt, en hoewel het verband tussen de ontwikkeling van een epidemie en specifieke data in sommige contexten nuttig is, het sluit systematisch gegevens uit over hoe erg of mild de epidemie zal zijn.

Als alle projecties b.v. voorspellen dat de epidemie zal pieken bij 4000 geïnfecteerden op één dag, maar geen van de curven toont het op dezelfde dag, dan is het op een bepaalde dag een extreem en daarom niet opgenomen in een schatting.

"We, daarom, stel voor om de samenvatting 'curve-based' te maken:in plaats van te beoordelen welke infectiepercentages waarschijnlijk of onwaarschijnlijk zijn op afzonderlijke dagen, we moeten naar één hele simulatie tegelijk kijken. Is de gehele gesimuleerde infectiecurve waarschijnlijk of niet? En op basis daarvan kun je een samenvatting maken van de meest waarschijnlijke curven voor de ontwikkeling van de epidemie, "zegt Jonas L. Juul.

"Door naar hele voorspellingscurven te kijken in plaats van naar individuele dagen, je krijgt een meer realistische inschatting van hoe erg de epidemie kan worden. Het is vooral handig als u probeert te voorkomen dat het ziekenhuissysteem overbelast raakt, " besluit Sune Lehmann.