Ny metode kan forbedre COVID-19-forudsigelser i hele verden

torsdag 10 dec 20

Kontakt

Sune Lehmann Jørgensen
Professor
DTU Compute
45 25 39 04

Forskere verden over risikerer at fejlvurdere både de værste og de bedste scenarier, når det kommer til COVID-19 og andre pandemier. Og når vi skal sikre folkesundheden, er netop yderpunkterne afgørende, derfor er de centrale i ny forudsigelsesmetode.

”Det handler om at forstå best og worst case-scenarier og om, at lige netop worst case er noget af det vigtigste at have styr på, når man skal reagere på pandemier - uanset om det er i Danmark, EU, USA eller WHO. Hvis man sidder med et gennemsnits-estimat for udvikling af en epidemi, men uden f.eks. at vide, hvor slemt det kan blive, så er det vanskeligt at agere politisk,” indleder professor Sune Lehmann, der er en af fire forfattere af artiklen 'Fixed-time descriptive statistics underestimate extremes of epidemic curve ensembles', der netop er offentliggjort i Nature Physics.

Forskerne Jonas L. Juul, Kaare Græsbøll, Lasse Engbo Christiansen og Sune Lehmann, alle fra DTU Compute, fungerer som rådgivere for Sundhedsstyrelsen og Statens Seruminstitut under corona-krisen. Og delvist baseret på deres egne erfaringer som rådgivere er de blevet opmærksomme på, at de eksisterende metoder til at fremskrive udviklingen af epidemier som COVID-19 har et problem i forhold til at beskrive yderpunkterne i den forventede udvikling.

Epidemier er uforudsigelige

”Sygdomsudbrud er grundlæggende stokastiske processer. Den samme sygdom introduceret i den samme befolkning kan inficere et stort antal mennesker eller forsvinde hurtigt uden nogensinde at nå særlig udbredelse. Det afhænger delvist af tilfældigheder,” forklarer postdoc Jonas L. Juul.

"Selv om koblingen mellem epidemiens udvikling og specifikke datoer også er nyttig i nogle sammenhænge, så udelukker den systematisk data om, hvor slem eller mild epidemien bliver."

Og netop epidemiers uforudsigelighed er noget af det, som gør det så vanskeligt at træffe de rigtige beslutninger alle steder i et samfund, når epidemien rammer. Hvor mange sengepladser og respiratorer bliver der f.eks. brug for? Og hvor meget kan vi reducere dette behov ved at sætte hårdt ind med restriktioner?

Men den generelle uforudsigelighed er blot et af et af mange problemer med at estimere udviklingen af en epidemi.

”Det er ikke bare epidemiers uforudsigelige karakter, der gør det vanskeligt at fremskrive deres forløb – det er også vores uvidenhed om sygdommens egenskaber og udbredelse i samfundet på et givet tidspunkt. Bare for at nævne et par af de ting, så er der typisk ingen, der aner, præcis hvornår et sygdomsudbrud er startet, hvor mange der egentlig er smittet på en given dag, eller hvor smitten lige nu er i gang med at få fat. Det eneste vi ved med sikkerhed, er, at når sundhedsmyndighederne opdager udbruddet, så har det stået på i en periode,” siger Sune Lehmann.

 

Den gængse måde at forholde sig til manglen på informationer er næsten alle steder i verden at modellere mange scenarier med udgangspunkt f.eks. i forskellige mørketal og starttidspunkter og resumere ved at kigge på hver eneste dag for sig og vurdere de ’midterste’ forudsigelser som de mest sandsynlige udfald på dagen. Hvis de fleste inputparametre giver smittetal på under 4000 juleaftensdag, vurderes over 4000 nye smittede f.eks. at være usandsynligt.

”Den ’dagsbaserede’ måde at lave smitteforudsigelsen på bliver brugt over hele verden, og selv om koblingen mellem epidemiens udvikling og specifikke datoer også er nyttig i nogle sammenhænge, så udelukker den systematisk data om, hvor slem eller mild epidemien bliver. Hvis alle fremskrivninger f.eks. forudsiger, at epidemien vil toppe ved 4000 smittede på en dag, men ingen af kurverne viser det på samme dag, så vil det på en given dag være en ekstrem og derfor ikke komme med i noget estimat.

”Vi foreslår derfor, at man gør resumeet ’kurvebaseret’: I stedet for at vurdere, hvilke smittetal, der er sandsynlige eller usandsynlige på de enkelte dage, bør man kigge på en hel simulation ad gangen. Er hele den simulerede smittekurve sandsynlig eller ej? Dernæst kan man lave et resume af de mest sandsynlige kurver til smitteforudsigelsen,” siger Jonas L. Juul.

”Ved at se på hele kurver i stedet for enkelte dage vil man få et mere realistisk bud på, hvor slem epidemien kan blive. Det er især nyttigt, hvis man f.eks. forsøger at undgå, at hospitalsvæsenet bliver overbelastet,” slutter Sune Lehmann.

 

Se forskernes egen video, der forklarer principperne i den nye måde at estimere udviklingen af epidemier nedenfor (engelsk)

 

 

Om artiklen

Forfattere:

  • Sune Lehmann, professor, DTU
  • Jonas Juul, postdoc, DTU og Cornell University
  • Kaare Græsbøll, seniorforsker DTU
  • Lasse Engbo Christiansen, lektor, DTU
https://www.food.dtu.dk/nyheder/Nyhed?id=%7B9F68F6EE-E3DF-4493-AD10-CCD23BEB02AD%7D
6 MARTS 2021