BerandaComputers and TechnologyPerkiraan Covid-19 telah gagal

Perkiraan Covid-19 telah gagal

Int J Forec ast . 2020 Agustus 25

Abstrak

Perkiraan epidemi memiliki rekam jejak yang meragukan, dan kegagalannya menjadi lebih menonjol dengan COVID-19. Input data yang buruk, asumsi pemodelan yang salah, estimasi sensitivitas tinggi, kurangnya penggabungan fitur epidemiologis, bukti masa lalu yang buruk tentang efek intervensi yang tersedia, kurangnya transparansi, kesalahan, kurangnya determinasi, pertimbangan hanya pada satu atau beberapa dimensi masalah Di tangan, kurangnya keahlian dalam disiplin ilmu penting, pemikiran kelompok dan pengaruh kereta musik, dan pelaporan selektif adalah beberapa penyebab kegagalan ini. Namun demikian, perkiraan epidemi tidak mungkin ditinggalkan. Beberapa (tapi tidak semua) masalah ini bisa diperbaiki. Pemodelan distribusi prediktif yang cermat daripada berfokus pada perkiraan titik, mempertimbangkan berbagai dimensi dampak, dan menilai ulang model secara terus-menerus berdasarkan kinerja tervalidasi mereka dapat membantu. Jika nilai ekstrem dipertimbangkan, nilai ekstrem harus dipertimbangkan sebagai konsekuensi dari berbagai dimensi dampak untuk terus mengkalibrasi wawasan prediktif dan pengambilan keputusan. Ketika keputusan besar (misalnya penguncian draconian) didasarkan pada prakiraan, bahaya (dalam hal kesehatan, ekonomi, dan masyarakat pada umumnya) dan asimetri risiko perlu didekati secara holistik, dengan mempertimbangkan totalitas bukti.

Kata kunci: Peramalan, COVID-19, Kematian, Penggunaan tempat tidur rumah sakit, model Bayesian, model SIR, Bias, Validasi

1. Posisi awal

COVID-19 adalah krisis akut besar dengan konsekuensi yang tidak dapat diprediksi. Banyak ilmuwan telah berjuang untuk membuat ramalan tentang dampaknya ([Google Scholar] Holmdahl & Buckee, 2020

). Namun, meskipun melibatkan banyak pemodel yang sangat baik, niat terbaik, dan alat yang sangat canggih, upaya peramalan sebagian besar gagal.

Awalnya, pemodel berpengalaman menarik kesamaan antara COVID-19 dan flu Spanyol ( https://www.imperial.ac.uk/mrc-global-infectious-disease-analysis/covid-19/ laporan-9-dampak-dari-npis-pada-covid-19 / . (Diakses 2 Juni 2020)) yang menyebabkan> 50 juta kematian dengan usia rata-rata kematian adalah 28. Kita semua meratapi hilangnya nyawa saat ini. Namun, pada 18 Juni, total korban jiwa adalah

450.000 dengan usia rata-rata

80 dan biasanya beberapa komorbiditas.

Ilmuwan yang brilian mengharapkan 100.000.000 kasus yang timbul dalam 4 minggu di AS ([PubMed] Hain, 2020 ). Prediksi untuk kebutuhan rumah sakit dan tempat tidur ICU juga sepenuhnya salah informasi. Para pemimpin publik mempercayai model (terkadang bahkan kotak hitam tanpa metodologi yang diungkapkan) menyimpulkan kapasitas perawatan kesehatan yang sangat kewalahan ( Tabel 1 ) ( IHME COVID-19 pemanfaatan layanan kesehatan tim peramalan & Murray, 2020 ). Namun, sangat sedikit rumah sakit yang akhirnya mengalami stres dan hanya untuk beberapa minggu. Sebagian besar rumah sakit mempertahankan bangsal kosong, mengharapkan tsunami yang tidak pernah datang. Populasi umum dikunci dan ditempatkan dalam siaga ngeri untuk menyelamatkan sistem kesehatan dari kehancuran. Tragisnya, banyak sistem kesehatan menghadapi konsekuensi merugikan yang besar, bukan karena kelebihan beban kasus COVID-19, tetapi karena alasan yang sangat berbeda. Pasien dengan serangan jantung menghindari rumah sakit untuk perawatan ([PubMed] De Filippo, D’Ascenzo, Angelini, dkk., 2020 ), perawatan penting (misalnya untuk kanker) ditunda tanpa alasan ( Sud dkk., 2020 ) dan kesehatan mental menderita ( Moser, Glaus, Frangou, dkk., 2020 ). Dengan operasi yang rusak, banyak rumah sakit mulai kehilangan personel, mengurangi kapasitas mereka untuk menghadapi krisis di masa depan (misalnya gelombang kedua). Dengan pengangguran baru yang masif, lebih banyak orang mungkin kehilangan asuransi kesehatan. Prospek kelaparan dan kurangnya pengendalian penyakit menular lainnya (seperti tuberkulosis, malaria, dan penyakit menular pada masa kanak-kanak di mana vaksinasi terhalang oleh tindakan COVID-19) sangat buruk ([PubMed] Ioannidis, 2020 , Melnick dan Ioannidis, 2020 ).

Tabel 1

Beberapa prediksi tentang kebutuhan tempat tidur di rumah sakit dan bantahannya berdasarkan kenyataan: contoh dari liputan berita tentang beberapa perkiraan yang berpengaruh.

mencantumkan beberapa alasan utama yang mendasari kegagalan perkiraan ini. Tidak mengherankan, model gagal ketika mereka menggunakan lebih banyak spekulasi dan asumsi teoritis dan mencoba memprediksi hasil jangka panjang; misalnya, menggunakan model awal berbasis SIR untuk memprediksi apa yang akan terjadi di seluruh musim. Namun, bahkan perkiraan yang dibangun langsung berdasarkan data saja bernasib buruk ( Chin et al ., 2020b , Marchant dkk., 2020 ), gagal tidak hanya dalam prediksi tempat tidur ICU ( Ara. 1 ) tetapi juga di hari berikutnya kematian prediksi ketika masalah perilaku kacau jangka panjang tidak ikut bermain ( Ara. 2 , Ara. 3 ). Bahkan untuk peramalan jangka pendek ketika gelombang epidemi berkurang, model menyajikan prediksi yang sangat beragam dengan ketidakpastian yang besar ([PubMed] Gambar 4 ).

Read More

RELATED ARTICLES

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Most Popular

Recent Comments