แบบจำลองการแพร่กระจายของโรคจะแจ้งให้รัฐบาลทราบถึงเวลาและวิธีการผ่อนปรนมาตรการที่ใช้อยู่ในปัจจุบันเพื่อควบคุมโรคโควิด-19 แต่ ซูซานนา มันรูเบีย นักฟิสิกส์ ผู้เชี่ยวชาญด้านการสร้างแบบจำลองปรากฏการณ์ทางชีววิทยาที่ศูนย์เทคโนโลยีชีวภาพแห่งชาติของสเปนในกรุงมาดริด รู้สึกตื่นตระหนกกับการคาดการณ์ที่แม่นยำซึ่งรายงานโดยแบบจำลองบางแบบ
ในการตอบสนอง
เธอและเพื่อนร่วมงานได้เน้นย้ำความไม่แน่นอนในการทำนายจุดสูงสุดและจุดสิ้นสุดของการแพร่ระบาดใน e -printซึ่งขณะนี้อยู่ระหว่างการตรวจสอบโดยผู้เชี่ยวชาญ อธิบาย “เรากังวลมากเกี่ยวกับข้อจำกัดของการสร้างแบบจำลองและการคาดคะเนของสื่อ e-print มีอยู่ในเซิร์ฟเวอร์arXiv ของมหาวิทยาลัย
ในนั้น และเพื่อนร่วมงานอธิบายวิธีที่พวกเขาใช้แบบจำลองอย่างง่ายในการเปิดเผยความไม่แน่นอนของการคาดการณ์ COVID-19 และแสดงให้เห็นว่าความไม่แน่นอนนั้นมีพื้นฐานมาจากรูปแบบการเติบโตแบบทวีคูณของโรคระบาด พวกเขาสรุปได้ว่าควรใช้การพยากรณ์อากาศที่เหมือนจริงมากขึ้น
โปร่งใสเกี่ยวกับความไม่แน่นอน เพื่อแสดงให้เห็นภาพการพยากรณ์โรคโควิด-19 ต่อสาธารณะและหน่วยงานที่ปกครอง “การทำนายความน่าจะเป็นเท่านั้นที่เป็นไปได้และเชื่อถือได้”แพทย์ผู้วิจัยด้านระบาดวิทยาโรคติดเชื้อที่มหาวิทยาลัย ในสหรัฐอเมริกา และผู้เชี่ยวชาญด้านการสร้างแบบจำลอง
โรคติดเชื้อจาก ไม่ได้มีส่วนร่วมในการศึกษานี้ แต่ยอมรับว่าการนำเสนอความไม่แน่นอนมีความสำคัญ “ด้วยโควิด ฉันไม่รู้สึกว่านางแบบควรจะทำการคาดการณ์ล่วงหน้ามากกว่าสองสามสัปดาห์”“มีปัจจัยที่ไม่รู้จักมากมายเกินกว่านั้น และถ้าคุณจะทำ คุณต้องทำในลักษณะที่บ่งบอกถึงความไม่แน่นอนอย่างมาก”
การแพร่กระจายของโรคแบบจำลอง วิธีการมากมายที่ใช้ในการประเมินระยะการแพร่ระบาดของโรคติดเชื้อในอนาคต และเพื่อประเมินผลกระทบของมาตรการเว้นระยะห่างทางสังคมที่มุ่งเป้าไปที่ แบบจำลองเหล่านี้ประกอบด้วยรายละเอียดกลไกที่จำกัด เพียงจำลองการเติบโตแบบทวีคูณ
ของโรคระบาด
โดยใช้ชุดสมการเชิงอนุพันธ์ โดยประชากรอธิบายว่าอยู่ในสามประเภทที่แตกต่างกัน ได้แก่ อ่อนแอ ติดเชื้อ หรือหาย (SIR) โมเดล SIR เหล่านี้มีการทำซ้ำหลายครั้ง โดยรวมหมวดหมู่ต่างๆ เข้าด้วยกัน เช่น กักกันหรือติดเชื้อแต่ไม่แสดงอาการ เพื่อเน้นย้ำถึงข้อจำกัดของการสร้างแบบจำลองการแพร่ระบาด
ดังกล่าว Manrubia และเพื่อนร่วมงานได้เลือกการแพร่ระบาดของ COVID-19 ในสเปนเป็นกรณีศึกษา และใช้แบบจำลอง SIR ที่เรียกว่า SCIR ซึ่งรวมถึงหมวดหมู่ที่อธิบายถึงการกักขังบุคคลที่อ่อนแอซึ่งผันกลับได้ ทีมงานใช้วิธีการแบบเบย์เพื่อให้ข้อมูลมีความน่าจะเป็น พารามิเตอร์การฝึกอบรม
(ปัจจัยที่กำหนดการระบาด เช่น การติดเชื้อ) ตามการกระจายที่คาดไว้ ลำดับความสำคัญเหล่านี้จะถูกกรองและปรับให้เข้ากับข้อมูล ผลที่ได้คือการกระจายหลังของค่าพารามิเตอร์ที่กู้คืนข้อมูลที่บันทึกประจำวันในสเปนได้อย่างแม่นยำ ในช่วงวันที่ 28 กุมภาพันธ์ถึง 29 มีนาคม
อ่อนไหวต่อการเปลี่ยนแปลงเล็กน้อยกล่าวว่า “เราสามารถกู้คืนข้อมูลในอดีตได้อย่างดี แต่เห็นความไวต่อการแปรผันเพียงเล็กน้อยในพารามิเตอร์ที่ทำให้เกิดการแพร่กระจายของวิถีโคจร” ความเป็นไปได้หลายอย่างเหล่านี้บ่งชี้ว่าจำนวนผู้ป่วยโควิด-19 ที่ยังดำเนินอยู่ลดลง “ทำให้เส้นโค้งแบนลง”
แต่ก็มีแนวโน้มลดลงอย่างต่อเนื่องสำหรับการแพร่ระบาดในสเปนที่เติบโตแบบทวีคูณ “ที่นั่น คำทำนายของคุณหายไปในแง่ที่ว่า คุณสามารถพูดได้เพียงแค่ความน่าจะเป็นเท่านั้น ไม่ว่าจะมีจุดสูงสุดในสามวันหรือไม่ก็ตาม”ความพยายามในการเพิ่มความแม่นยำให้กับโมเดลเหล่านี้มักเกี่ยวข้องกับการรวมหมวดหมู่
มากขึ้น
แต่ชี้ให้เห็นว่าแนวทางปฏิบัตินี้เพิ่มพารามิเตอร์ ดังนั้นจึงเพิ่มศักยภาพในการแปรผันเป็นทวีคูณ
ข้อมูลที่ไม่ดีมักถูกตำหนิว่าเป็นความไม่แน่นอนของการทำนาย แต่ และเพื่อนร่วมงานแย้งว่าไม่ใช่แค่ข้อมูลเท่านั้น พวกเขาแสดงสิ่งนี้โดยการรวมโมเดล SCIR โดยตรงเพื่อสร้างข้อมูลสังเคราะห์
จากนั้นจึงปรับโมเดลเดียวกันให้เข้ากับ “ชุดข้อมูลที่สมบูรณ์แบบ” นี้ ยังคงสังเกตเห็นการแพร่กระจายในวิถีอนาคต และทีมอธิบายว่านี่เป็นเพราะพลวัตที่แท้จริงของแบบจำลองที่มีการเติบโตแบบทวีคูณในตัวแปรต่างๆ เช่น โรคระบาด “การคาดการณ์อนาคตเป็นสิ่งที่ท้าทายมาก
แม้จะมีข้อมูลที่สมบูรณ์แบบ แต่ก็ไม่ได้ให้ข้อมูลว่าใครจะติดเชื้อในอนาคต” Bhatt กล่าว เขาชี้ให้เห็นว่าความคาดเดาไม่ได้โดยธรรมชาติในการทำนายอนาคตไม่ใช่การค้นพบใหม่ในตัวมันเอง แต่เป็นการรับทราบถึงคุณค่าในการเน้นย้ำความไม่แน่นอนในวิกฤตการณ์ปัจจุบัน
ยังเห็นด้วยกับประเด็นนี้ที่เผยแพร่ไปยังผู้ชมในวงกว้าง “[ความไม่แน่นอนในการคาดการณ์] เป็นปัญหาที่รู้จักกันดีในชุมชนวิทยาศาสตร์ แต่ไม่เป็นที่รู้จักกันดีในชุมชนฆราวาส” นำเสนอความน่าจะเป็นผิดหวังกับโมเดลที่คาดการณ์จากค่าพารามิเตอร์เดียวที่เหมาะสมที่สุดกับข้อมูลในอดีต
“มันเป็นเรื่องปกติที่จะผิด (ตามคำนิยามแล้วแบบจำลองการคาดการณ์จะผิดเพราะพวกเขากำลังตั้งสมมติฐาน) การสื่อสารเป็นสิ่งสำคัญอย่างยิ่ง” Bhatt กล่าว “นักวิทยาศาสตร์บางคนต้องมีความโปร่งใสเกี่ยวกับข้อจำกัดของแบบจำลองและสิ่งที่พวกเขาบอกเรา และบทความนี้กล่าวถึงเรื่องนี้เป็นอย่างดี”
หวังว่าวิกฤตครั้งนี้จะกระตุ้นชุมชนระบาดวิทยาทั่วโลกให้บูรณาการข้อมูลทั่วโลกได้อย่างน่าเชื่อถือ “โมเดล SIR นั้นเรียบง่ายมาก มีมานานนับศตวรรษแล้ว เอาเลย ฉันมั่นใจว่าเราทำได้ดีกว่านี้”
ดังนั้นจึงไม่สามารถแสดงให้เห็นว่าการคาดคะเนอื่นๆ เป็นไปได้มากมาย
credit : เว็บแท้ / ดัมมี่ออนไลน์
