Pandemické předpovědi, které slibovaly jistotu – a doručily zmatek: Co se musíme naučit

V prvních měsících roku 2020 se stala zvědavá věc. Po celém světě se ve vládních briefingtech a novinových titulcích začal objevovat nový druh čísla. Nebyly to jen počet případů nebo přijetí do nemocnice. Byly to předpovědi-prdele vykreslily týdny do budoucnosti, grafy, které nám řekli, kdy by se vlna Covid-19 bude hřeben, kolik postelí na JIP potřebujeme a jak brzy budeme znovu v bezpečí. Modely dorazily.

A pak se pomalu stalo něco jiného. Předpovědi se úplně nevytvořily. Některé modely uvedly, že nejhorší je za námi – pouze se prokázal špatné týdny později. Jiní předpovídali devastaci, která nikdy nepřišla. Důvěra veřejnosti, jakmile byla vznesena jasností vědy, začala roztřídit. Tiše, pak hlasitě, všichni se ocitli položit stejnou otázku: „Co se pokazilo?“

V našem Nová studieZveřejněno na Preprints.org, pokusili jsme se na to odpovědět a nabídnout plán vpřed. Naše práce získala pozornost v síti MIDAS, kde rezonovala s odborníky na modelování infekčních chorob. Midas je globální síť vědců a odborníků, kteří vyvíjejí a používají výpočetní, statistické a matematické modely ke zlepšení porozumění dynamice infekčních chorob.

Tvrdíme, že selhání nebylo způsobeno špatnými úmysly nebo nedostatkem vhledu. Místo toho to byl výsledek strukturálních a kulturních nedostatků obklopujících modelovací ekosystém. Pandemie Covid-19 byla svým způsobem světem plným zlomených nohou. A Předchozí studie Například nalezeno, že mnoho modelů prognózy USA CDC Covid-19 USA nefungovalo lépe než jednoduché trendové linie. Dvě třetiny z nich nedokázaly překonat základní statickou prognózu.

Uprostřed globální nouze jsme svěřili kritická rozhodnutí modelům, která v mnoha případech nebyla přesnější než základní tabulka. Ale tady je úlovek: Modely nezklamaly, protože lidé nebyli dost chytří. Nepodařilo se to, protože systém kolem nich byl rozbitý.

Skutečným problémem nebyla matematika. Byla to data

Jednou z prvních věcí, které se naučíte jako výpočetní modelátor, je fráze „odpadky, odpadky ven“. Pokud jsou vaše data vadná, budou také vaše předpovědi. Během CoVID-19 byla čísla nesprávně hlášena, zpožděna nebo špatně označena. Mnoho se široce spoléhalo na zdroje, které hlásilo více současných přiznání než úplné přijetí – statistická nemožnost. Testovací údaje chyběly, záznamy úmrtnosti nekonzistentní a časové osy virového uvolňování neúplné.

Jak modelujete virus, když i základní fakta o tom – jak dlouho lidé zůstávají nakažliví, kolik zemře – jsou stále nejasné měsíce? Představte si, že se pokouší mapovat město, když se zavázanýma očima, pomocí pouze tlumených zvuků vzdálených stop. To bylo pandemické modelování v roce 2020.

Nechte modely argumentovat: Přijímat soubory

Ale i s omezenými údaji by mohla být učiněna lepší rozhodnutí, kdyby byly modely orámovány a používány jinak. Spíše než očekávat, že jeden model předpovídá budoucnost s přesností, přišel jeden z autorů Jacob Barhak s Referenční model pro progresi onemocnění Pomocí technik souboru – ne jedinou perfektní prognózu, ale soubor, dav modelů běžících paralelně, každý s jeho předpoklady, silnými stránkami a nedostatky. Myšlenka byla jednoduchá: nechte modely hádat, soutěžit a spolupracovat.

Od vědy do SoundBite: Jak se ztratila důvěra

Náš nejsilnější závěr je, že skutečné selhání nebylo jen technické – bylo to kulturní. Modely zčásti selhaly proto, že byly nepochopeny – podle vlád, médií a dokonce i samotných vědců.

Zatlačili jsme předpovědi do veřejný pohled s předpokladem by přinesl jasnost. Ale často přinesli zmatek. Modely byly považovány za evangelium a poté se vyřadily, když se nedopustily. Důvěra je křehká věc. A jakmile je to rozbité, žádný model to nemůže opravit.

Nový druh připravenosti?

To, co potřebujeme, není lepší model. Je to lepší kultura o modelování. Nejprve musíme standardizovat sběr dat napříč státy a kraji. Za druhé, klíčové epidemiologické parametry – jako je infekční křivky, přenosové rychlosti a profily úmrtnosti – musí být odhadnuty a zveřejněny brzy. Zatřetí, simulace v reálném čase by měly být prováděny nepřetržitě pro testování a aktualizaci předpokladů. Začtvrté, modely souboru by měly být upřednostňovány před prognózami s jedním modelem.

Nejvíc ze všeho musíme trénovat modeláře, novináře a tvůrce rozhodnutí nejen v tom, jak používat modely-ale v tom, jak porozumět jejich limitům. V armádě provozují válečné hry. V kybernetické bezpečnosti představují útoky týmu Red.

Navrhujeme něco podobného pro pandemie: pravidelné simulace, cvičení a dokonce i hackathony, které testují naše systémy dříve, než budou potřeba. Pro umožnění plynulé analýzy musí být vyvinuty centralizovaná datová jezera kombinující epidemiologické a klinické informace. A výpočetní infrastruktura by měla být připravena na podporu rozsáhlých simulací od prvního dne.

Další virus přijde. Ale nemusí nás chytit mimo dohled. Pokud jsme upřímní ohledně toho, co se pokazilo – a dostatečně statečné, abychom změnili, jak si myslíme – mohli bychom být příště připraveni.

Tento příběh je součástí Dialogové okno Science xkde vědci mohou nahlásit zjištění ze svých publikovaných výzkumných článků. Navštivte tuto stránku Informace o dialogu Science X a o tom, jak se zúčastnit.