Ich begrüße Eyal Shahars eine erneute Überprüfung fordern von Covid-Impfstoffpapieren. Tatsächlich habe ich schon lange vor Eyals Aufdeckung damit begonnen – sogar bevor die Impfstoffe auf den Markt kamen.
Am Ende des schrecklichen Jahres 2020, ein sehr einflussreiches Papier erschienen Forschung. Es machte Schlagzeilen in den großen Medien weltweit. Das Papier mit dem Titel „Schlussfolgerungen zur Wirksamkeit staatlicher Interventionen gegen COVID-19“ wurde bald von Regierungen auf der ganzen Welt verwendet, um ihre zunehmend autoritäre Politik zu rechtfertigen.
Es erregte meine Aufmerksamkeit, weil der letzte Autor der tschechische Mathematiker Jan Kulveit war. Zusammen mit meinen beiden Kollegen Ondřej Vencálek und Jakub Dostál schrieben wir die folgende Antwort:
"Alle Modelle sind falsch, aber einige sind nützlich„Ein berühmtes Sprichwort, das üblicherweise George Box zugeschrieben wird, lautet. Heute würde er vielleicht sagen, dass alle Modelle falsch und manche sogar gefährlich sind. Dies trifft unserer Meinung nach auf die Studie zu.“Rückschlüsse auf die Wirksamkeit staatlicher Interventionen gegen COVID-19" 1 das erschien in Forschung und erhielt weltweit große Aufmerksamkeit.
Ziel der Studie ist es, die Wirksamkeit nicht-pharmazeutischer Interventionen (NPIs) bei der Eindämmung der Covid-19-Pandemie zu verstehen. Die Autoren analysieren Daten zu den Gesamtfallzahlen und Todesfällen aus 41 (meist europäischen) Ländern zwischen Januar und Ende Mai 2020. Sie erstellen eine Schätzung der Auswirkungen von acht verschiedenen NPIs (wie z. B. die Begrenzung von Menschenansammlungen, Schulschließungen usw.), die im untersuchten Zeitraum in vielen Ländern umgesetzt wurden. Die Wirkung jeder NPI wird durch die Verringerung der Infektionsreproduktionszahl R zum Zeitpunkt der Einführung der NPI im jeweiligen Land quantifiziert.
Die Ergebnisse wurden allgemein begrüßt, da sie zu zeigen scheinen, dass alle NPIs grundsätzlich funktionieren und die Effektstärken mit dem gesunden Menschenverstand übereinstimmen (z. B. je stärker Versammlungen eingeschränkt werden, desto größer ist die R-Reduktion). Regierungen weltweit werden sich freuen zu hören, dass die von ihnen verhängten Beschränkungen gerechtfertigt waren. Aber waren sie das auch?
Tatsächlich wissen wir es nicht, und diese Studie hilft uns nicht, es herauszufinden. Wir argumentieren, dass das Modell einen fatalen Fehler aufweist, der es unbrauchbar macht. Betrachtet man die einzige Gleichung im Hauptteil des Papiers (siehe Abschnitt „Kurze Modellbeschreibung“), sehen wir, dass die Autoren annehmen die zugrunde liegende (nicht beobachtbare) Basisreproduktionszahl R0,c sein zeitlich konstant für jedes Land. Diese Basisreproduktionszahl wird dann mit den Effekten der NPIs multipliziert und an die Daten angepasst. Somit ist das Modell geht davon aus, dass jede Veränderung der Dynamik der Epidemie auf die NPIs zurückzuführen ist. Dies ist irreführend, weil es sich um einen Zirkelschluss handelt. Wenn Sie die Auswirkungen einer Intervention quantifizieren möchten, können Sie nicht davon ausgehen, dass alle beobachteten Auswirkungen auf die Intervention selbst zurückzuführen sind.
Auch diese Annahme eines konstanten R0,c erklärt, warum die Autoren die Modellierung beendet haben, sobald ein NPI angehoben wird. Die NPIs werden in der Regel angehoben, wenn die Epidemie abklingt. Daher sind die NPIs vorhanden, wenn R hoch ist, und fehlen, wenn R niedrig ist. Mit Daten aus einem längeren Zeitraum (einschließlich der Sommerperiode mit niedriger Prävalenz und gelockerten NPIs) würde das von den Autoren verwendete einfache Modell eine Negativ Effekt – dass NPIs die Epidemie beschleunigen. Dies war eindeutig unerwünscht, daher entschieden sich die Autoren, die Daten aus dem Sommer nicht zur Anpassung des Modells zu verwenden. Eine solche Modellierungsstrategie ist höchst fragwürdig.
Um unseren Standpunkt klar zu machen, haben wir das folgende Experiment durchgeführt. Wir haben den ursprünglichen Datensatz2 und erfand eine neue NPI, die es nie gab. Nehmen wir an, dass ab der Einführung dieser neuen NPI jeder Bürger verpflichtet war, ein T-Shirt mit der Aufschrift „Stop-Covid“ zu tragen, bis diese NPI aufgehoben wurde.
Wir haben ein zufälliges Datum aus dem Zeitraum gezogen, über den ein bestimmtes Land modelliert wurde, und diesen T-Shirt-NPI den Daten „aufgezwungen“ (siehe Referenz [3] für den Originaldatensatz mit dem hinzugefügten T-Shirt-NPI). Die Fall- und Todeszahlen haben wir ohnehin nicht verändert. Ein solcher NPI existierte nie und konnte daher auch keine Auswirkungen haben. Anschließend haben wir das Originalmodell (siehe Referenz [4] für den GitHub-Link zur von uns verwendeten Version) ohne jegliche Parameter ausgeführt. Das Ergebnis ist in Abbildung 1 dargestellt. Die T-Shirts hätten die Pandemie fast verschwinden lassen!
Wie ist das möglich? Jede Epidemie hat ihre eigene Dynamik. Das einfachste SIR-Modell erzeugt einen einzigen Peak in der Anzahl der aktiven Fälle. Wenn wir einen solchen Peak mit einer einfachen Exponentialfunktion reproduzieren wollen (was die Autoren tun), muss der Koeffizient im Exponenten (d. h. der empirisch Reproduktionsnummer) muss verringern in der Zeit vom Beginn der ersten Welle. Unter der Annahme, dass für Wenn der Effekt auf die Reproduktionszahl auf NPIs zurückzuführen ist, kann das Modell nichts anderes produzieren, als eine positiv Effekt (d. h. eine Verringerung von R) auf jeden NPI. Sogar auf einen nicht vorhandenen, wie wir gezeigt haben.
Daher ist das Modell unserer Ansicht nach irreführend und sehr gefährlich, da es von den Regierungen dazu benutzt werden kann, im Nachhinein zu rechtfertigen für NPI, die sie der Bevölkerung aufzwingen wollten. Wir behaupten nicht, dass einige/alle NPIs keine positiven Auswirkungen hatten. Wir sagen lediglich, dass dieses Modell keine Möglichkeit bietet, dies herauszufinden.
Figure 1Das Tragen eines „Stop-Covid“-T-Shirts lässt die Pandemie verschwinden.
Unsere Antwort haben wir als Leserbrief an ForschungDie Antwort kam: Es täte ihnen sehr leid, aber sie könnten unseren Brief nicht veröffentlichen. Sie sagten nicht, warum.
Also habe ich ihr eigenes „Mission Statement“ kopiert und in eine E-Mail eingefügt – etwas in der Art von „Die Zeitschriftenfamilie Science unterstützt das Ziel der AAAS, die Kommunikation zwischen Wissenschaftlern, Ingenieuren und der Öffentlichkeit zu verbessern.„Ich habe sie daran erinnert, dass die Kommunikation noch nie durch die Zensur abweichender Meinungen verbessert wurde.
Schließlich erlaubten sie uns freundlicherweise, unsere Antwort als E-Mail zu veröffentlichen, versteckt hinter dem ergänzenden Material des Originalartikels. Der E-Mail-Brief kann nicht zitiert werden, erlaubt keine Abbildungen und wird bei keiner Suche angezeigt.
Wir haben eine tschechische Version unserer Antwort unter dem Titel veröffentlicht „Wirken die Maßnahmen zur Eindämmung der Pandemie? Ja, Herr Minister!“ auf der Website der Tschechischen Statistischen Gesellschaft. Es brachte uns einen ach so höflichen Brief des Autors ein – und ein stilles Verbot in den Mainstream-Medien.
Das war's also. Haben Sie bessere Covid-Rückblick-Geschichten?
Referenzen
- JM Brauner et al., Science, 10.1126/science.abd9338 (2020).
- https://github.com/epidemics/COVIDNPIs/blob/1.3.6/merged_data/data_final_nov.csv
- https://gist.github.com/DostalJ/92e134f9ab4032289b77172d0e6ff583
- https://github.com/epidemics/COVIDNPIs/blob/1.3.6/notebooks/main_results.ipynb
-
Tomas Fürst lehrt angewandte Mathematik an der Palacky-Universität in der Tschechischen Republik. Sein Hintergrund liegt in der mathematischen Modellierung und Datenwissenschaft. Er ist Mitbegründer der Vereinigung der Mikrobiologen, Immunologen und Statistiker (SMIS), die die tschechische Öffentlichkeit mit datenbasierten und ehrlichen Informationen über die Coronavirus-Epidemie versorgt. Er ist außerdem Mitbegründer der „Samisdat“-Zeitschrift dZurnal, die sich auf die Aufdeckung wissenschaftlichen Fehlverhaltens in der tschechischen Wissenschaft konzentriert.
Alle Beiträge
