In een recente studie ontwikkelden onderzoekers van Imperial College London een model om het effect te beoordelen van verschillende maatregelen die worden gebruikt om de verspreiding van het coronavirus tegen te gaan. Het model had echter fundamentele tekortkomingen en kan niet worden gebruikt om de gepubliceerde conclusies te trekken, beweren Zweedse onderzoekers van de universiteit van Lund en andere instellingen in het tijdschrift Nature.
De resultaten van Imperial gaven aan dat het bijna uitsluitend de volledige maatschappelijke blokkering was die de golf van infecties in Europa in de lente onderdrukte. De studie schatte de effecten van verschillende maatregelen, zoals sociale afstand nemen, zichzelf isoleren, scholen sluiten, openbare evenementen verbieden en de lockdown zelf.
“Omdat de maatregelen ongeveer op hetzelfde tijdstip gedurende een paar weken in maart werden ingevoerd, bevatten de gebruikte sterftecijfers simpelweg niet genoeg informatie om hun individuele effecten te differentiëren. We hebben dit gedemonstreerd door een wiskundige analyse uit te voeren. Op basis hiervan hebben we vervolgens simulaties uitgevoerd met de originele code van Imperial College om te illustreren hoe de gevoeligheid van het model tot onbetrouwbare resultaten leidt ”, legt Kristian Soltesz uit, universitair hoofddocent automatische besturing aan de Universiteit van Lund en eerste auteur van het artikel.
De interesse van de groep voor het Imperial College-model werd gewekt door het feit dat het bijna alle vermindering van de transmissie tijdens de lente verklaarde via lockdowns in tien van de elf gemodelleerde landen. De uitzondering was Zweden, dat nooit een lockdown heeft ingevoerd.
“In Zweden bood het model een heel andere maatregel als verklaring voor de verlaging – een maatregel die in de andere landen bijna ondoeltreffend leek. Het leek bijna te mooi om waar te zijn dat in elk land een effectieve lockdown werd ingevoerd, op één na, terwijl een andere maatregel in dit land buitengewoon effectief bleek te zijn ”, merkt Soltesz op.
Soltesz wijst er voorzichtig op dat het volkomen aannemelijk is dat individuele maatregelen effect hebben gehad, maar dat het model niet kan worden gebruikt om te bepalen hoe effectief ze waren.
“De verschillende interventies lijken niet los van elkaar te werken, maar zijn vaak afhankelijk van elkaar. Een gedragsverandering als gevolg van de ene interventie beïnvloedt het effect van andere interventies. Hoeveel en op welke manier is moeilijker te weten en vereist andere vaardigheden en samenwerking ”, zegt Anna Jöud, universitair hoofddocent epidemiologie aan de universiteit van Lund en co-auteur van het onderzoek.
Analyses van modellen van Imperial College en anderen onderstrepen het belang van epidemiologische modellen die worden herzien, aldus de auteurs.
“Er is een grote focus in het debat over databronnen en hun betrouwbaarheid, maar een bijna totaal gebrek aan systematische review van de gevoeligheid van verschillende modellen in termen van parameters en data. Dit is net zo belangrijk, vooral wanneer overheden over de hele wereld dynamische modellen gebruiken als basis voor beslissingen ”, benadrukken Soltesz en Jöud.
De eerste stap is het uitvoeren van een juiste analyse van de gevoeligheden van het model. Als ze een te groot probleem vormen, zijn betrouwbaardere gegevens nodig, vaak gecombineerd met een minder complexe modelstructuur.
“Als er veel op het spel staat, is het verstandig nederig te zijn als je met fundamentele beperkingen wordt geconfronteerd. Dynamische modellen zijn bruikbaar zolang ze rekening houden met de onzekerheid van de aannames waarop ze zijn gebaseerd en de gegevens waardoor ze worden geleid. Als dit niet het geval is, zijn de resultaten vergelijkbaar met aannames of gissingen ”, besluit Soltesz.
Links
http://www.lunduniversity.lu.se/
https://www.nature.com/articles/s41586-020-2405-7