Нам потрібно оновити моделі смертності або запровадити справді випадкові тести, щоб зрозуміти справжній вплив коронавірусу.

Припустимо, ми маємо намір оцінити, скільки є власників автомобілів у Великобританії, а серед тих, скільки має Ford Fiesta, але ми маємо лише дані про те, скільки людей відвідало новинки Ford за останній рік. Беручи до уваги зразки упередженості, якщо 10% відвідувачів виставки володіли Fiesta, це призвело б до завищення частки власників Ford Fiesta по всій країні.

сенсу

Той самий рядок слідує за оцінками смертності людей із COVID-19. У Сполученому Королівстві, не вдаючись далі, майже всі обстеження проводяться на вже госпіталізованих людях із симптомами захворювання. На момент написання цієї статті у Великобританії є 29 474 підтверджених випадків COVID-19 (аналог власників автомобілів, які відвідують виставку), з яких 2352 померли (власники Ford Fiesta відвідують виставку). Однак ця оцінка не враховує всіх людей, які мають слабкі симптоми або, безпосередньо, не представляють їх.

Якщо зробити висновок, що рівень смертності від COVID-19 становить 8% (2352 із 29474), ігнорується велика кількість людей, які, незважаючи на хворобу, не госпіталізовані або померли (аналогічно власникам транспортних засобів, не відвідував виставку або не володів Ford Fiesta). Отже, помилкою є еквівалент висновку, що 10% усіх власників автомобілів у Великобританії мають Fiesta.

Ми можемо знайти вражаючі приклади висновків цього типу. Служба тестування COVID-19 в Оксфордському університеті працює над всебічним статистичним аналізом, який розпізнає потенційні упередження відбору та додає довірчі інтервали, які демонструють, наскільки великою може бути помилка в (потенційно оманливій) частці смертей. Позитивних пацієнтів із COVID -19.

Робоча група виділяє кілька факторів, які можуть призвести до значних розбіжностей між країнами. Наприклад, середній показник смертності у Великобританії на рівні 8% шокуюче високий порівняно з 0,74% у Німеччині. Ці фактори включають різні демографічні змінні, такі як відсоток людей похилого віку серед населення, а також спосіб повідомлення про причини смерті. Наприклад, у деяких країнах всі люди, які помирають після діагностування COVID-19, реєструються як смерті від цієї хвороби, навіть якщо це не було основною причиною, тоді як інші люди можуть померти від вірусу, який її викликає, не отримавши діагноз.

Однак статистичні моделі не включають явних причинно-наслідкових пояснень, які могли б дозволити розвивати значущі умовиводи з наявних даних, включаючи інформацію, вилучену з тестів на віруси.

Ми розробили початковий прототип причинно-наслідкової моделі, структуру якої можна побачити на зображенні вище. Стрілки, що приєднують різні змінні, показують свою взаємозалежність у такій моделі.

Ці зв'язки, поряд з іншими невідомими змінними, вважаються ймовірностями. Вводячи інформацію у вигляді відомих та конкретних змінних, імовірності невідомих змінних оновлюються за допомогою методу, званого байєсівським висновком. Модель відображає рівень смертності від COVID-19 як функцію методів відбору проб, аналізу та складання звітів, оскільки він визначається рівнем зараження найбільш вразливої ​​групи населення.

Тому легко спостерігати різницю між показниками смертності в різних країнах. Це пов’язано з тим, що вони застосовують різні політики вибірки та звітності; Це не обов'язково повинно бути пов'язано з кращим чи гіршим управлінням вірусом або тим фактом, що він заразив більшу чи меншу кількість людей.

За допомогою причинно-наслідкової моделі, яка пояснює процеси, за допомогою яких генерується інформація, ми можемо точніше зрозуміти відмінності між країнами, а також більш точно з’ясувати реальний рівень інфікованого населення та показники смертності, отримані з даних, які ми маємо . Цю модель можна розширити, включивши демографічні фактори, а також соціальну дистанцію та інші методи профілактики. Ми розробили моделі, орієнтовані на вирішення подібних проблем, які наразі збирають інформацію, щоб завершити тип моделі (яка все ще розробляється), яку ми представляємо на попередньому зображенні.

Випадкові тести

Відсутність загальносистемної системи тестування, альтернатива наближенню до кількості людей із COVID-19, які не протікають без симптомів або одужали, полягає у рандомізованому тестуванні населення. Щоб знати реальні показники зараження та смертності, нам потрібно знати, скільки людей протікає безсимптомно. Крім того, рандомізовані тести дозволять з'ясувати, наскільки ефективні тести (хибнопозитивні та хибнонегативні показники).

Таким чином, рандомізовані тести є найефективнішим методом уникнення упередженості відбору та зменшення спотворень, що спостерігаються у статистиці. В ідеалі, в свою чергу, докази будуть поєднуватися з причинно-наслідковими моделями.

В даний час встановлення державного протоколу для розробки випадкових тестів для громади не фігурує серед планів жодної країни. Іспанія намагалася, але для виявлення COVID-19 потрібні були значні обсяги експрес-тестів, і уряд виявив, що деякі тести, що надійшли з Китаю, показали дуже низьку надійність і точність (30%), що призвело до великих цифр хибнопозитивних результатів.

Такі країни, як Норвегія, запропонували запровадити випадкове тестування, але все ще існує певна невизначеність щодо того, як законодавчо заохочувати громадян проходити тестування та як можна скласти відповідний протокол рандомізації. Добровільні вибірки проводяться в Ісландії, які охопили вже 3% населення, але вони не є випадковими. Деякі країни, які мають широкомасштабні системи тестування, можуть наблизитися до бажаної випадковості, як це має місце в Південній Кореї.

Причина, через яку розробка рандомізованих тестів є настільки складною, полягає в тому, що необхідно враховувати кілька практичних та психологічних факторів. Як отримати випадкові вибірки? Збирання зразків у добровольців може бути недостатнім, оскільки це не уникне упередженості самовибору.

Протягом пандемії грипу 2009-2010 років, спричиненої вірусом H1N1, генералізована тривога призвела до масової психогенної хвороби. Це явище виникає, коли гіперчутливість до певних симптомів змушує здорових людей самостійно діагностувати вірус, а це означає, що вони виявлять особливу схильність до тестування. Ця ситуація може, частково, сприяти збільшенню хибнопозитивних показників, якщо чутливість та специфічність тестів не повністю зрозумілі.

Хоча упередженість самовибору не може бути усунена, вона може бути зменшена шляхом польових робіт. Для цього знадобиться запит на добровільні зразки від населення місць, де навіть у карантині вони готові пройти тести. Окрім цього, зразки також слід відбирати у тих осіб, які добровільно обмежились своїми будинками.

У будь-якому випадку, обмеження статистики слід пояснити, коли вони викриваються перед виступами перед ЗМІ. І будь-які відповідні дані для населення та осіб, які його складають, повинні бути точно описані. У цьому відношенні ми розуміємо, що в умовах нинішньої кризи відбуваються значні збої в комунікації.

Ця стаття опублікована в журналі The Conversation

Насолоджуйтесь необмеженим доступом та ексклюзивними перевагами