Korona, ebola og zombier

DEBATT: Da kan man like gjerne bruke magefølelsen.

Av Aksel Hiorth (professor ved Institutt for energiressurser ved UiS og studieprogramleder for 
Computational Engineering) og Roald Kommedal (førsteamanuensis ved Institutt for kjemi, biovitenskap og miljøteknologi ved UiS, studieprogramleder for Kjemi og Miljø)

I Debatten på NRK tirsdag 17. mars argumenterte forsker Gunnhild Alvik Nyborg for full isolasjon fordi koronaviruset sprer seg eksponentielt. Dette vakte sterke reaksjoner.

Onsdag 18. mars gikk ledelsen ved Oslo universitetssykehus ut og sa at «det er ingenting per nå som tyder på at antall smittede øker eksponentielt i Norge».

Torsdag 19. mars gikk flere fagfolk ut i VG med støtte til Nyborg. Hvem har rett? De rene tallene fra Folkehelseinstituttet (FHI) tyder ikke på at viruset er i en eksponentiell vekstfase. Men er det modellen eller tallene som ikke stemmer, og kan vi stole på at data fra FHI gir et realistisk bilde av epidemien? 

Dødsraten for COVID-19 varierer veldig fra land til land. De siste analysene fra Wuhan, publisert i Nature Medicine (Wu et al, 2020a), viser at dødsraten mest sannsynlig ligger rundt 1.4 %.  Det første dødsfallet grunnet COVID-19 i Norge ble innrapportert 12. mars. Hvis den første personen i Norge som døde av COVID-19 ble smittet 14 dager tidligere, og vi antar at dødsraten i Norge er på 0.1-1 %, burde det på daværende tidspunkt ha vært minst 100-1000 smittede. 

Uten karantenetiltak kan enkeltpersoner smitte alt fra nærmeste familie til mange tusen mennesker. Et godt eksempel er «Tilfelle 31» i Sør-Korea, som hadde kontakt med 1160 personer før det ble oppdaget at hun var smittet. Det vi alle lurer på, er om tiltakene vi gjør på mellommenneskelig nivå er fornuftige?  Eller bruker vi magefølelsen? Hva blir i så fall prisen? Dette er egentlig uhyre kompliserte spørsmål som er ekstremt vanskelig å svare på, og da kommer tvil og frykt. Én måte å hjelpe hjernen på er å formulere problemet i matematiske modeller. 

Før vi går videre er det nyttig å besvare et relatert, men noe annerledes spørsmål. Hvordan overbeviser man andre mennesker, i dette tilfellet om hva som er de beste tiltak mot spredningen av koronaviruset? Man skulle tro at den beste måten er å legge alle fakta på bordet, og så vil folk komme til samme konklusjon. Det er ikke slik folk tar beslutninger.

Nyere forskning innenfor sosial psykologi, viser at man som regel starter fra et (politisk) ståsted, og deretter bruker man sin mentale kapasitet til å finne fakta som understøtter eget, opprinnelige ståsted. Dette blir blant annet beskrevet i Ezra Kleins nye bok «Why we are polarized». 

Ingeniørstudenter på UiS lærer om Computational Engineering, modellering for beslutningsstøtte. Når man utvikler en matematisk modell, vil alle eventuelle partiske standpunkt være synlige. Dette er fordi en matematisk modell formuleres ved å bruke presist matematisk språk. Hvilke effekter får drastiske tiltak på spredningen av koronaviruset og økonomien?  Ved hjelp av matematiske modeller kan man studere ulike scenarioer og effekter, og modellene kan gi beslutningsstøtte til forvaltning og politikere. 

Høsten 2019 fikk studentene våre flere modelleringsprosjekter, deriblant to prosjekter som omhandlet spredning av smittsomme sykdommer. For å gjøre prosjektene interessante for studentene valgte vi først å se på hvordan man kunne modellere et zombieutbrudd. Læringsoppgaven gikk ut på å studere hva som ville skje i Sokndal og Dirdal dersom én person fra hver plass hadde blitt smittet med et zombievirus etter å ha deltatt på en matematisk konferanse på Tahiti. Skjebnen til Sokndal og Dirdal var helt avhengig av hvor tidlig man oppdaget zombien og gjorde nødvendige (i dette tilfellet svært aggressive) tiltak.

De samme modellene brukte vi deretter for å studere ebola-utbruddet i Vest-Afrika (2014-2016). Det er veldig mye enklere å modellere disse utbruddene i ettertid når man har hele tidsforløpet og data for utbruddet. Og tilsvarende vanskelig når man står midt oppe i situasjonen.

En veldig tidlig studie av korona-utbruddet i Kina, publisert i det anerkjente tidsskriftet The Lancet (Wu et al 2020b), brukte ikke de offisielle dataene fra myndighetene i Kina for å studere smitten. De brukte flytrafikkdata, antall passasjerer, når og hvor de reiste fra Wuhan. Disse dataene, sammen med når de første tilfellene ble oppdaget utenfor Kina, og en matematisk epidemiologisk modell gjorde at de kunne de estimere hvor raskt koronaviruset spredde seg.

Når man diskuterer matematisk modellering, er det viktig å huske på George Box sitt berømte sitat «All models are wrong, but some are useful». Modellen er nyttig dersom den forklarer observerte data. Modellen er en formulering av de mekanismene vi tror styrer fenomenet, mens data forteller oss om vi er på villspor i forhold til virkeligheten. Det er derfor helt avgjørende at så mye data som mulig blir samlet inn og gjort tilgjengelig, og at dataene er korrekte. I tillegg må vi forstå dataene og de antagelser og forenklinger som er gjort i framskaffelsen av disse.

De offisielle smittetallene må tolkes med en god modell som tar hensyn til usikkerhet i data, og er konsistent med data som beskriver hvordan smitten kom til Norge.

I Debatten tirsdag kveld ble en forenklet modell vurdert mot utilstrekkelige data. Modeller har da ingen praktisk verdi, og man kan like gjerne bruke magefølelsen. 

Kilder: Joseph T. Wu, Kathy Leung, Mary Bushman, Nishant Kishore, Rene Niehus, “Estimating clinical severity of COVID-19 from the transmission dynamics in Wuhan, China”, Nature Medicine, 29 Feb, 2020
Wu, Joseph T., Kathy Leung, and Gabriel M. Leung. «Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study.» The Lancet 395.10225 (2020): 689-69dd