Metoder som för närvarande används runt om i världen för att förutsäga utvecklingen av covid-19 och andra pandemier misslyckas med att rapportera exakt om de bästa och värsta scenarierna. Nyutvecklad prediktionsmetod för epidemier, publicerad i Naturfysik , lös detta problem.

"Det handlar om att förstå bästa och värsta scenarier – och det faktum att värsta fall är en av de viktigaste sakerna att hålla reda på när man navigerar genom pandemier – oavsett om det är i Danmark, EU, USA eller WHO. Om du bara får en genomsnittlig uppskattning för utvecklingen av en epidemi – utan att veta hur illa det kan bli, då är det svårt att agera politiskt, säger professor Sune Lehmann, en av fyra författare till artikeln Beskrivande statistik för fast tid underskattar extremerna av epidemikurvansembler precis publicerad i Naturfysik .

Forskarna Jonas L. Juul, Kaare Græsbøll, Lasse Engbo Christiansen och Sune Lehmann, allt från DTU Compute, fungera som rådgivare till Sundhedsstyrelsen i Danmark under coronakrisen. Och delvis baserat på sin egen erfarenhet som rådgivare, de har blivit medvetna om att de befintliga metoderna för att projicera utvecklingen av epidemier som covid-19 har problem med att beskriva de extrema möjligheterna för den förväntade utvecklingen.

Epidemier är oförutsägbara

"Sjukdomsutbrott är i grunden stokastiska processer. Samma sjukdom som introduceras i samma population kan infektera ett stort antal människor eller försvinna snabbt utan att ha en särskild prevalens. Det beror delvis på tillfälligheter, " förklarar postdoc Jonas L. Juul.

Det är just oförutsägbarheten i epidemier som gör det så svårt att fatta rätt beslut överallt i samhället när det slår till. Hur många sängar och respiratorer kommer det att behövas? Och hur mycket kan vi minska denna efterfrågan genom att upprätthålla restriktioner?

Dock, den allmänna oförutsägbarheten är bara ett av många problem när det gäller att uppskatta utvecklingen av en epidemi.

"Det är inte bara epidemiers oförutsägbara karaktär som gör det svårt att förutsäga deras förlopp – det är också vår bristande kunskap om sjukdomens egenskaper och förekomst i samhället vid varje given tidpunkt. Bara för att ge några konkreta exempel på detta:det finns är vanligtvis ingen som har någon aning om exakt när ett utbrott har börjat, hur många smittade vi har i ett område en viss dag, eller i vilka regioner epidemin får fotfäste just nu. Det enda vi vet säkert är att när hälsomyndigheterna upptäcker ett utbrott, det har pågått ett tag, säger Sune Lehmann.

Det vanliga sättet att hantera bristen på information, nästan överallt i världen, är att modellera många scenarier utifrån t.ex. olika antal okända infektioner och starttider och sammanfatta sedan genom att titta på varje dag separat och bedöma "mitten" förutsägelser som de mest sannolika utfallen för dagen. Om de flesta indataparametrar ger infektionssiffror på mindre än 4000 på juldagen, mer än 4 000 nya infekterade bedöms därefter vara osannolika.

Det "dagsbaserade" sättet att göra dessa förutsägelser används över hela världen, och även om kopplingen mellan utvecklingen av en epidemi och specifika datum är användbar i vissa sammanhang, det utesluter systematiskt data om hur illa eller mild epidemin kommer att vara.

Om alla projektioner t.ex. förutsäga att epidemin kommer att nå en topp på 4000 smittade på en dag, men ingen av kurvorna visar det samma dag, då kommer det en viss dag att vara en extrem och därför inte med i någon uppskattning.

"Vi, därför, föreslå att sammanfattningen är "kurvbaserad":Istället för att bedöma vilka infektionsfrekvenser som är sannolika eller osannolika på enskilda dagar, vi bör titta på en hel simulering åt gången. Är hela den simulerade infektionskurvan sannolik eller inte? Och utifrån det kan du göra en sammanfattning av de mest sannolika kurvorna för utvecklingen av epidemin, säger Jonas L. Juul.

"Genom att titta på hela förutsägelsekurvor istället för enskilda dagar, du får en mer realistisk uppskattning av hur illa epidemin kan bli. Det är särskilt användbart om du försöker undvika att sjukhussystemet överbelastas, avslutar Sune Lehmann.