Трябва да актуализираме модели за смъртността или да въведем наистина произволни тестове, за да разберем истинското въздействие на коронавируса.

Да предположим, че възнамеряваме да изчислим колко собственици на автомобили има в Обединеното кралство, а от тях колко притежават Ford Fiesta, но имаме данни само за това колко хора са посетили нововъведения на Ford през последната година. Като се вземе предвид примерната пристрастност, ако 10% от посетителите на шоуто притежават Fiesta, това би довело до надценяване на дела на собствениците на Ford Fiesta в цялата страна.

страните

Същият ред следва оценките за смъртността на хората с COVID-19. Във Великобритания, без да продължават, почти всички тестове се извършват с вече хоспитализирани хора, които проявяват симптоми на заболяването. По време на настоящото писане има 29 474 потвърдени случая на COVID-19 във Великобритания (аналогично на собствениците на автомобили, посещаващи изложение), от които 2 352 са починали (собственици на Ford Fiesta, посещаващи експозиция). Тази оценка обаче не отчита всички онези хора, които проявяват леки симптоми или директно не ги представят.

Като се направи изводът, че смъртността от COVID-19 възлиза на 8% (2 352 от 29 474), се игнорират голям брой хора, които въпреки, че страдат от болестта, не са хоспитализирани или са починали (аналогично на собствениците на превозни средства, които не е посещавал изложба или е притежавал Ford Fiesta). Следователно е грешка, еквивалентна на заключението, че 10% от всички собственици на автомобили във Великобритания притежават Fiesta.

Можем да намерим поразителни примери за заключения от този тип. Службата за тестване на COVID-19 в Университета в Оксфорд работи върху изчерпателен статистически анализ, който разпознава потенциалните пристрастия при подбора и добавя доверителни интервали, които показват степента, в която грешката може да бъде в (потенциално заблуждаващия) дял на смъртните случаи на положителните пациенти при COVID. -19.

Работната група подчертава няколко фактора, които могат да доведат до големи различия между страните. Например, средната 8% "смъртност" за Обединеното кралство е шокиращо висока в сравнение с 0,74% в Германия. Тези фактори включват различни демографски променливи, като например процента на възрастните хора в популацията, както и начина, по който се докладват причините за смъртта. Например в някои страни всички хора, които умират след диагностициране с COVID-19, се регистрират като смъртни случаи от това заболяване, дори и да не е било основната причина, докато други хора могат да умрат от вируса, който го причинява, без да са получили диагноза свързани.

Статистическите модели обаче не включват изрични причинно-следствени обяснения, които биха могли да позволят да се направят значителни изводи от наличните данни, включително информацията, извлечена от тестовете за вируси.

Разработихме първоначален прототип на причинно-следствен модел, чиято структура може да се види на изображението по-горе. Стрелките, които се присъединяват към различните променливи, показват тяхната взаимозависимост в модел като този.

Тези връзки, заедно с други неизвестни променливи, се считат за вероятности. Чрез въвеждане на информация под формата на известни и специфични променливи, вероятностите на неизвестните променливи се актуализират с помощта на метод, наречен Байесов извод. Моделът излага степента на смъртност от COVID-19 като функция на методите за вземане на проби, анализ и докладване, тъй като се определя от степента на инфекция на най-уязвимата група от населението.

Следователно е лесно да се наблюдават разликите между нивата на смъртност в различните страни. Това е така, защото те са приложили различни политики за вземане на проби и отчитане; Не е задължително това да се дължи на по-добро или по-лошо управление на вируса или на факта, че той е заразил по-голям или по-малък брой хора.

С причинно-следствен модел, който обяснява процесите, чрез които се генерира информацията, ние можем по-точно да разберем разликите между страните, както и да установим по-точно реалния процент на заразеното население и смъртността, извлечени от данните от това, което имаме . Този модел може да бъде разширен, за да включва демографски фактори, както и социална дистанция и други методи за превенция. Разработихме модели, фокусирани върху лечението на подобни проблеми, които в момента събират информация, за да завършим типа на модела (все още в процес на създаване), който представяме в предишното изображение.

Случайни тестове

При липсата на система за тестване в общността, алтернативата за приближаване към броя на хората с COVID-19, които са безсимптомни или са се възстановили, се крие в рандомизирани анализи на популацията. За да знаем реалните нива на инфекция и смъртност, трябва да знаем колко хора са безсимптомни. В допълнение, рандомизираните тестове биха дали възможност да се установи доколко ефективни са тестовете (фалшиво положителни и фалшиво отрицателни проценти).

По този начин рандомизираните тестове са най-ефективният метод за избягване на пристрастия при подбора и намаляване на изкривяванията, наблюдавани в статистиката. В идеалния случай на свой ред доказателствата ще бъдат комбинирани с причинно-следствени модели.

Понастоящем установяването на държавен протокол за разработване на произволни тестове за общността не се среща сред плановете на никоя държава. Испания се опита, но бяха необходими значителни обеми бързи тестове за откриване на COVID-19 и правителството установи, че някои от тестовете, пристигнали от Китай, показват много ниска надеждност и точност (30%), което се превръща в големи цифри на фалшиви положителни резултати.

Страни като Норвегия предлагат въвеждането на произволно тестване, но все още има известна несигурност относно това как законодателно да се насърчават гражданите да се подлагат на тестване и как може да бъде съставен подходящ протокол за рандомизация. В Исландия се извършват доброволни вземания на проби, които вече са обхванали 3% от населението, но те не са случайни. Някои държави, които имат широкомащабни системи за тестване, биха могли да се доближат до желаната случайност, какъвто е случаят с Южна Корея.

Причината, поради която разработването на рандомизирани тестове е толкова трудна, е, че е необходимо да се вземат предвид няколко практически и психологически фактора. Как да получа случайни проби? Събирането на проби от доброволци може да не е достатъчно, тъй като не избягва пристрастия към самоизбора.

По време на пандемията от грип А 2009-2010, причинена от вируса H1N1, генерализираната тревожност доведе до масово психогенно заболяване. Това явление се случва, когато свръхчувствителността към определени симптоми кара здравите хора да се самодиагностицират на вируса, което означава, че те биха показали специално предразположение, което да бъде тествано. Тази ситуация може отчасти да допринесе за увеличаване на фалшиво положителните нива, ако чувствителността и специфичността на тестовете не са напълно изяснени.

Докато пристрастието към самоизбора не може да бъде премахнато, то може да бъде намалено чрез работа на терен. Това би изисквало искане на доброволни проби от населението на места, където дори в карантина те биха желали да преминат тестовете. Освен това пробите трябва да се събират и от тези лица, които доброволно са се затворили в домовете си.

Във всеки случай, ограниченията на статистиката трябва да бъдат обяснени, когато бъдат изложени в изявите пред медиите. И всички подходящи данни за населението и лицата, които го съставят, трябва да бъдат точно описани. В това отношение разбираме, че на фона на настоящата криза се правят значителни провали в комуникацията.

Тази статия е публикувана в The Conversation

Насладете се на неограничен достъп и изключителни предимства