Beste,

All models are wrong, luidt een oud adagium in de statistiek, toegeschreven aan statisticus George Box.

Zo is het ook in de coronacrisis. Epidemiologische modellen zijn per definitie een versimpeling van de werkelijkheid en kunnen daarom niet als absolute waarheid worden beschouwd.

Dat gaat nog weleens fout. Neem van de Financial Times: ‘Coronavirus may have infected half of UK population - Oxford study’.

Een nieuw epidemiologisch model zou laten zien dat de grote meerderheid nauwelijks symptomen krijgt. De helft van de Britse bevolking heeft misschien al corona gehad! Koren op de molen van mensen die vinden dat al die maatregelen maar overdreven zijn.

Maar wie erbij pakt, ziet: het is een theoretische exercitie. De wetenschappers onderzochten hoe gevoelig een epidemiologisch model is voor verschillende aannames.

Als ‘rho’ – het aandeel mensen dat in het ziekenhuis belandt – maar klein genoeg is, dan zou dat kunnen betekenen dat zoveel als 68 procent van de Britse bevolking corona heeft gehad. Zou kunnen. Het zou ook juist een heel klein deel kunnen zijn, afhankelijk van de aannames die je maakt.

Zoals de eerste auteur ook zei: ‘Dit zijn geen voorspellingen.’

Maar sommige zijn handig

Maar het adagium zegt nog iets: All models are wrong, but some are useful.

Houd je de beperkingen in je achterhoofd, dan zijn modellen belangrijk om te begrijpen wat er aan de hand is. Daarom dook ik iets verder in epidemiologische modellen.

Op zijn eenvoudigst hebben we met een SIR-model te maken. Een deel van de bevolking is Susceptible, een deel is Infected en een deel is Recovered. Vatbaar, geïnfecteerd en hersteld, dus. Al kan die R ook betekenen dat iemand is overleden, en wordt daarom ook wel Removed genoemd.

Neem die drie groepen en voeg nog wat aannames toe. Bijvoorbeeld, hoe besmettelijk de ziekte is en hoelang de incubatietijd duurt. Daarmee kun je al een vrij simpele simulatie uitvoeren. Op kun je met zo’n simulatie spelen, door met schuifjes verschillende aannames aan te passen.

Er zijn nog meer variaties van het SIR-model te bedenken. Zo kan het zijn dat je drager bent, maar nog geen symptomen vertoont. Voeg je die Carriers toe, dan heb je het SCIR-model.

Of kun je opnieuw geïnfecteerd raken nadat je de ziekte hebt gehad, zoals bij de soa Dan heb je geen SIR-model meer, maar een SIS-model.

Wil je meer weten over hoe je modellen op waarde moet schatten? ScienceGuide had met epidemioloog Hans Heesterbeek, de bedenker van ‘R0’ – de term die wordt gebruikt om de besmettingsgraad te kwantificeren.

En kijk ook vooral dit filmpje van 3Blue1Brown. Zoals de maker zelf zegt, het is een versimpeld model. Maar het geeft een leuke inkijk in de verschillende aannames die worden gemaakt.

YouTube
3Blue1Brown: ‘Simulating an epidemic’

#coronavrij

Normaal deel ik hier een #NerdAlert. Maar misschien is het beter om er de komende weken de coronavrije hoek van te maken. Ik weet niet hoe het met jou zit, maar ik heb soms wel behoefte aan iets anders.

Leuke tips, dus, die níét over corona gaan. Zoals het tweeluik van collega’s Dimitri Tokmetzis en Sahra Mohamed over deepfakes – nepvideo’s die met kunstmatige intelligentie zijn gemaakt.

gaat over de angst voor deepfakes en waarom die vaak ongegrond is. is een explainer – in samenwerking met onze creatief developer Heleen Emanuel – over de technologie achter deepfakes.

Prachtige multimediale producties, met een heuse generator voor tekeningen van correspondenten.

Heb jij coronavrije tips? Deel ze in de bijdragen.

Tot slot...

...is de webcomic van striptekenaar Randall Munroe fantastisch, ook in tijden van corona (met dank aan collega Tim Strijdhorst).

Deze nieuwsbrief liever in je inbox? Als correspondent Ontcijferen onderzoek ik de getallenwereld. In mijn wekelijkse mail houd ik je op de hoogte van wat ik schrijf, hoor en lees. Een vast onderdeel: #NerdAlert, voor de getallenliefhebbers. Schrijf je in voor mijn nieuwsbrief