{"id":113079,"date":"2020-04-01T13:30:16","date_gmt":"2020-04-01T17:30:16","guid":{"rendered":"http:\/\/www.bibula.com\/?p=113079"},"modified":"2020-04-01T13:30:16","modified_gmt":"2020-04-01T17:30:16","slug":"przewidywanie-czy-wrozenie-ograniczenia-modeli-szerzenia-sie-pandemii-covid-19","status":"publish","type":"post","link":"https:\/\/www.bibula.com\/?p=113079","title":{"rendered":"Przewidywanie czy wr\u00f3\u017cenie? Ograniczenia modeli szerzenia si\u0119 pandemii COVID-19"},"content":{"rendered":"

Podczas gdy politycy i opinia publiczna maj\u0105 wr\u0119cz obsesj\u0119 na punkcie pandemii koronawirusa, liczni matematycy i biolodzy tworz\u0105 modele prognostyczne na podstawie niedoskona\u0142ych danych. Tak, jak w przypadku wszystkich innych prognoz dotycz\u0105cych epidemii, liczba os\u00f3b zara\u017conych i liczba ofiar \u015bmiertelnych s\u0105 w takim stopniu wiarygodne, w jakim informacje naukowe, na kt\u00f3rych si\u0119 opieraj\u0105 – przypomina \u201eThe Scientist.\u201d <\/strong><\/p>\r\n

– Wi\u0119kszo\u015b\u0107 pracy, jak\u0105 wykonali tw\u00f3rcy modeli niedawno lub w pierwszej fazie epidemii, tak naprawd\u0119 nie s\u0105 modelami i prognozami jak s\u0105dzi wi\u0119kszo\u015b\u0107 ludzi<\/em> – komentuje John Edmunds, kt\u00f3ry pracuje w Centrum Modelowania Matematycznego Chor\u00f3b Zaka\u017anych w London School of Hygiene & Tropical Medicine. – Wi\u0119kszo\u015b\u0107 prac naprawd\u0119 dotyczy\u0142a scharakteryzowania epidemii, pr\u00f3buj\u0105c oszacowa\u0107 kluczowe parametry. Naprawd\u0119 nie zaliczam tego do modelowania, ale zwykle czyni\u0105 tak tw\u00f3rcy modeli<\/em> – kontynuowa\u0142.<\/p>\r\n

Zdaniem Edmundsa, w celu stworzenia poprawnych modeli matematycznych szerzenia si\u0119 danej epidemii czy pandemii istotne s\u0105 dane dotycz\u0105ce okresu inkubacji choroby, szybko\u015bci rozprzestrzeniania si\u0119 wirusa w populacji oraz, by\u0107 mo\u017ce najbardziej kontrowersyjny wska\u017anik \u015bmiertelno\u015bci. \u201eBrzmi prosto: chodzi o odsetek zainfekowanych ludzi, kt\u00f3rzy umieraj\u0105. Ale wypracowanie tego jest znacznie trudniejsze ni\u017c si\u0119 wydaje\u201d – czytamy na stronie \u201eThe Scientist.<\/p>\r\n

– Niespecjali\u015bci robi\u0105 to ca\u0142y czas i zawsze \u017ale to rozumiej\u0105<\/em> – stwierdzi\u0142 Edmunds. – Je\u015bli<\/em> po prostu podzielisz ca\u0142kowit\u0105 liczb\u0119 zgon\u00f3w przez ca\u0142kowit\u0105 liczb\u0119 przypadk\u00f3w infekcji, otrzymasz b\u0142\u0119dn\u0105 odpowied\u017a – <\/em>t\u0142umaczy\u0142.<\/p>\r\n

Na pocz\u0105tku marca dr Tedros Adhanom Ghebreyesus, szef \u015awiatowej Organizacji Zdrowia przerazi\u0142 prognostyk\u00f3w chor\u00f3b, gdy powiedzia\u0142, \u017ce COVID-19 (choroba spowodowana przez koronawirusa SARS-CoV-2) zabi\u0142 3,4 procent zarejestrowanych os\u00f3b zara\u017conych koronawirusem. Doda\u0142, \u017ce mamy do czynienia z wirusem znacznie gorszym ni\u017c grypa sezonowa, w przypadku kt\u00f3rej \u015bmiertelno\u015b\u0107 wynosi oko\u0142o 0,1 procent.<\/p>\r\n

Takie proste obliczenia nie uwzgl\u0119dniaj\u0105 np. czasu inkubacji choroby od dw\u00f3ch do trzech tygodni. \u201eZak\u0142ada si\u0119, \u017ce zg\u0142aszane przypadki s\u0105 dok\u0142adnym odzwierciedleniem liczby os\u00f3b zara\u017conych, gdy tymczasem rzeczywista liczba b\u0119dzie znacznie wy\u017csza, a \u015bmiertelno\u015b\u0107 znacznie ni\u017csza\u201d – wyja\u015bnia \u201eThe Scientist\u201d.<\/p>\r\n

Edmunds nazywa ten rodzaj pracy \u201eanaliz\u0105 epidemii\u201d, a nie prawdziwym modelowaniem i twierdzi, \u017ce wyniki r\u00f3\u017cnych specjalistycznych grup na ca\u0142ym \u015bwiecie zaczynaj\u0105 si\u0119 zbli\u017ca\u0107 do rzeczywistego wsp\u00f3\u0142czynnika \u015bmiertelno\u015bci przypadk\u00f3w COVID-19, kt\u00f3ry wydaje si\u0119 wynosi\u0107 oko\u0142o 1 procent. Ale nawet teraz jest za wcze\u015bnie, by prawid\u0142owo go oszacowa\u0107.<\/p>\r\n

Matematycy, zak\u0142adaj\u0105c okre\u015blon\u0105 \u015bmiertelno\u015b\u0107 mog\u0105 przej\u015b\u0107 do tak zwanej \u201e\u015bwiadomo\u015bci sytuacyjnej\u201d – wyja\u015bnia Edmunds. Wiele z tych prac spogl\u0105da wstecz, pytaj\u0105c, ile przypadk\u00f3w mog\u0142o istnie\u0107 w okre\u015blonej lokalizacji kilka tygodni temu, i wykorzystuj\u0105c te informacje ustalaj\u0105, w jaki spos\u00f3b choroba mog\u0142a si\u0119 rozprzestrzeni\u0107.<\/p>\r\n

Zgony s\u0105 najbardziej u\u017cytecznymi punktami danych dla tych analiz. Na przyk\u0142ad, je\u015bli tworz\u0105cy model zak\u0142adaj\u0105 wsp\u00f3\u0142czynnik \u015bmiertelno\u015bci przypadk\u00f3w wynosz\u0105cy 1 procent, a od zara\u017cenia do \u015bmierci up\u0142ywa 15 dni, to wiedz\u0105, \u017ce \u015bmier\u0107 zg\u0142oszona dzi\u015b w okre\u015blonym regionie oznacza, i\u017c \u201d\u2039\u201d\u2039100 os\u00f3b zosta\u0142o tam zara\u017conych 15 dni temu. Dodajmy do tego czas potrzebny na podwojenie liczby przypadk\u00f3w – Edmunds szacuje \u017ce wydaje si\u0119, i\u017c zajmuje to pi\u0119\u0107 dni – a nast\u0119pnie tw\u00f3rcy modeli zak\u0142adaj\u0105, \u017ce w ci\u0105gu tych 15 dni liczba przypadk\u00f3w wzro\u015bnie do 800. Tak wi\u0119c, dla ka\u017cdej \u015bmierci w regionie, oznacza to oko\u0142o 800 innych os\u00f3b ju\u017c zainfekowanych, z kt\u00f3rych wi\u0119kszo\u015b\u0107 nie zostanie zidentyfikowana.<\/p>\r\n

Ten schemat zosta\u0142 zweryfikowany we W\u0142oszech – wg Edmundsa. Gdy urz\u0119dnicy testowali ludzi mieszkaj\u0105cych w pobli\u017cu miejsca, gdzie kto\u015b zmar\u0142 z powodu  koronawirusa, w wielu przypadkach stwierdzili, \u017ce setki innych by\u0142o jego nosicielami.<\/p>\r\n

Maciej Boni, biolog z Penn State University, kt\u00f3ry bada\u0142 rozprzestrzenianie si\u0119 grypy w tropikach, twierdzi, \u017ce ta du\u017ca liczba niewykrytych przypadk\u00f3w oznacza, i\u017c \u201d\u2039\u201d\u2039rozprzestrzenianie si\u0119 wirusa nie mo\u017cna wy\u015bledzi\u0107 na podstawie liczby potwierdzonych infekcji. – W tym momencie szerzenie si\u0119 wirusa jest kwesti\u0105 sporn\u0105<\/em> – wyja\u015bnia. – Mo\u017cemy je spowolni\u0107, anuluj\u0105c np. wszystkie zdarzenia, co ca\u0142kowicie powinni\u015bmy zrobi\u0107. Ale wirus i tak si\u0119 rozprzestrzeni do wi\u0119kszo\u015bci miejsc<\/em> – dodaje.<\/p>\r\n

Wirus pozostawiony bez kontroli b\u0119dzie si\u0119 szerzy\u0142, a nast\u0119pnie spadnie liczba zaka\u017ce\u0144, gdy zabraknie \u201edost\u0119pnych gospodarzy\u201d. – Ale jest prawie niemo\u017cliwe, by dokona\u0107 jakiejkolwiek rozs\u0105dnej prognozy na temat tego, kiedy to nast\u0105pi<\/em> – m\u00f3wi Boni, dodaj\u0105c, \u017ce trudno jest tak\u017ce przewidzie\u0107, ile os\u00f3b ostatecznie zostanie zainfekowanych. Tw\u00f3rcy modeli mog\u0105 co prawda pr\u00f3bowa\u0107, ale w tym celu potrzebuj\u0105 znacznie lepszych informacji, w tym np. takich, ile os\u00f3b zara\u017conych wykazuje naturaln\u0105 odporno\u015b\u0107.<\/p>\r\n

Wed\u0142ug Edmundsa, wi\u0119kszo\u015b\u0107 z prognostycznych modeli \u201eplanowania scenariuszy\u201d zak\u0142ada, \u017ce \u201d\u2039\u201d\u2039wszyscy na planecie s\u0105 podatni na zaka\u017cenie. Ale jedynie lepsze dane, w szczeg\u00f3lno\u015bci z bada\u0144 surowicy, kt\u00f3re pokazywa\u0142yby, czy ludzie byli nara\u017ceni na wirusa bez wzgl\u0119du na to, czy wyst\u0105pi\u0142y u nich objawy, mog\u0105 uczyni\u0107 te obliczenia bardziej realistycznymi. – W tej chwili nie mamy danych, kt\u00f3re mog\u0142yby spaja\u0107 ten model. Ale w miar\u0119 trwania epidemii i za ka\u017cdym razem, gdy pojawi si\u0119 coraz wi\u0119cej danych, jak ka\u017cdego dnia lub co tydzie\u0144, poprawiamy model, a nast\u0119pnie korygujemy nasze prognozy<\/em> – m\u00f3wi.<\/p>\r\n

By zbudowa\u0107 lepsze modele, niekt\u00f3rzy eksperci od chor\u00f3b twierdz\u0105, \u017ce \u015bwiat musi ulepszy\u0107 spos\u00f3b przetwarzania i udost\u0119pniania  danych. W artykule opublikowanym w zesz\u0142ym tygodniu w \u201eScience Translational Medicine\u201d, Scott Layne, epidemiolog z University of California i jego koledzy proponuj\u0105 utworzenie nowego globalnego banku danych, by wiedzie\u0107, ile wirus\u00f3w jest przenoszonych przez zainfekowane osoby w danym momencie na \u015bwiecie i by przewidywa\u0107, kiedy mo\u017ce wybuchn\u0105\u0107 epidemia.<\/p>\r\n

Institute for Health Metrics and Evaluation na University of Washington. zatrudniaj\u0105cy oko\u0142o 500 statystyk\u00f3w, informatyk\u00f3w i epidemiolog\u00f3w pracowa\u0142 nad w\u0142asnymi modelami dot. szerzenia si\u0119 choroby Covid-19 w USA.<\/p>\r\n

Uczeni wskazuj\u0105 jednak, \u017ce brak jest rzetelnych informacji<\/span>. Chi\u0144scy badacze opublikowali tylko niekt\u00f3re ze swoich odkry\u0107 dotycz\u0105cych rozprzestrzeniania si\u0119 Covid-19 w Hubei. Brak powszechnego testowania wirusa w Stanach Zjednoczonych oznacza, \u017ce \u201d\u2039\u201d\u2039\u017caden badacz nie ma nawet wiarygodnego mianownika, og\u00f3lnej liczby infekcji, kt\u00f3ra by\u0142aby rozs\u0105dnym punktem wyj\u015bcia do odkrycia, jak szybko choroba si\u0119 rozprzestrzeni.<\/p>\r\n

Od wybuchu grypy H1N1 w 2009 r. naukowcy na ca\u0142ym \u015bwiecie w coraz wi\u0119kszym stopniu polegaj\u0105 na modelach matematycznych, symulacjach komputerowych w oparciu o dane, jakie znajduj\u0105 w sieci. Federalne agencje, takie jak Centers for Disease Control and Prevention i National Institutes of Health maj\u0105 swoje zespo\u0142y zajmuj\u0105ce si\u0119 modelowaniem, podobnie jak wiele uniwersytet\u00f3w.<\/p>\r\n

Tak, jak w przypadku symulacji dot. zmian klimatu lub tego, co dzieje si\u0119, gdy bomba nuklearna wybuchnie w mie\u015bcie, modele dot. pandemii niejako przepowiadaj\u0105 przysz\u0142o\u015b\u0107. Gdy dane s\u0105 rzadkie, co dzieje si\u0119, gdy pojawia si\u0119 nowy wirus, kt\u00f3ry zara\u017ca ludzi, modele mog\u0105 si\u0119 znacznie r\u00f3\u017cni\u0107 pod wzgl\u0119dem za\u0142o\u017ce\u0144, niepewno\u015bci i wniosk\u00f3w.<\/p>\r\n

Ka\u017cda firma Big Tech i kierownicy grup zadaniowych zachwalaj\u0105 swoje \u201eprodukty.\u201d Laboratoria modelowania matematycznego publikuj\u0105 regularne raporty w g\u0142\u00f3wnych mediach, chwal\u0105c  si\u0119, \u017ce w takim czy innym stopniu byli w stanie przewidzie\u0107 dane zjawisko. Politycy u\u017cywaj\u0105 modeli do podejmowania decyzji. W przypadku choroby COVID-19, decyzje zapadaj\u0105 w oparciu o niedoskona\u0142e prognozy. kt\u00f3re sugeruj\u0105, \u017ce mo\u017ce umrze\u0107 albo tysi\u0105ce albo miliony os\u00f3b zaka\u017conych.<\/p>\r\n

Epidemiolodzy dziel\u0105 populacj\u0119 na \u201eprzedzia\u0142y\u201d. Podstawow\u0105 wersj\u0105 jest model SIR z trzema kohortami: podatnymi na infekcje, zainfekowanymi, wyleczonymi lub zmar\u0142ymi (\u017cywymi i odpornymi lub martwymi). Niekt\u00f3re modele maj\u0105 r\u00f3wnie\u017c E-SEIR dla os\u00f3b \u201enara\u017conych\u201d, ale jeszcze nie zainfekowanych. Nast\u0119pnie tw\u00f3rcy modeli podejmuj\u0105 decyzje dotycz\u0105ce zasad symulacji na podstawie tego, co my\u015bl\u0105 o rozprzestrzenianiu si\u0119 choroby. S\u0105 to zmienne, takie jak liczba os\u00f3b zara\u017conych przez jedn\u0105 zainfekowan\u0105 osob\u0119 przed usuni\u0119ciem z symulacji z powodu wyzdrowienia lub \u015bmierci, czas infekcji drugiej osoby, kt\u00f3re grupy demograficzne wracaj\u0105 do zdrowia, a kt\u00f3re umieraj\u0105, w jakim tempie itp.<\/p>\r\n

– Na pocz\u0105tku wszyscy s\u0105 podatni i masz niewielk\u0105 liczb\u0119 zara\u017conych os\u00f3b. Potem infekuj\u0105 one innych i obserwujesz gwa\u0142towny wzrost liczby zara\u017conych<\/em> – m\u00f3wi Helen Jenkins, epidemiolog chor\u00f3b zaka\u017anych z Boston University School of Public Health.<\/p>\r\n

Za\u0142o\u017cenie, jak du\u017ce s\u0105 te u\u0142amki populacji i jak szybko przemieszczaj\u0105 si\u0119 z jednego przedzia\u0142u do drugiego, zaczyna mie\u0107 znaczenie natychmiast. – Je\u015bli odkryjemy, \u017ce tylko 5 procent populacji wyzdrowia\u0142o i jest odpornych, oznacza to, \u017ce nadal mamy 95 procent populacji podatnej. W miar\u0119 post\u0119p\u00f3w mamy znacznie wi\u0119ksze ryzyko zaostrze\u0144<\/em> – t\u0142umaczy Jenkins. – Je\u015bli odkryjemy, \u017ce 50 procent populacji zosta\u0142o zara\u017conej – \u017ce wiele z tych os\u00f3b by\u0142o bezobjawowych i nie wiedzieli\u015bmy o nich – oznacza to, i\u017c jeste\u015bmy w lepszej sytuacji<\/em> – dodaje.<\/p>\r\n

Kolejne pytanie brzmi: jak ludzie przenosz\u0105 chorob\u0119? Nazywa si\u0119 to \u201eliczb\u0105 reprodukcyjn\u0105\u201d lub R0 i zale\u017cy od tego, jak \u0142atwo zarazek przechodzi z osoby na osob\u0119,  niezale\u017cnie od tego, czy wykazuj\u0105 one potem objawy choroby. Wa\u017cne jest r\u00f3wnie\u017c, z iloma osobami ma kontakt jedna z zainfekowanych i jak d\u0142ugo zara\u017ca\u0142a. St\u0105d sugeruje si\u0119 dystans spo\u0142eczny, kt\u00f3ry ma pomaga\u0107 zmniejszy\u0107 wska\u017anik kontaktu.<\/p>\r\n

R0 ma znaczenie tylko na pocz\u0105tku epidemii, kiedy patogen jest nowy, a wi\u0119kszo\u015b\u0107 populacji jest podatna na niego. Gdy frakcje populacji zmieniaj\u0105 si\u0119, epidemiolodzy przechodz\u0105 na inn\u0105 liczb\u0119: efektywn\u0105 liczb\u0119 reprodukcyjn\u0105 (Rt), kt\u00f3ra wci\u0105\u017c oznacza mo\u017cliw\u0105 liczb\u0105 zara\u017conych os\u00f3b, ale z czasem mo\u017ce si\u0119 zmienia\u0107.<\/p>\r\n

Takie \u201emanipulowanie\u201d liczbami mo\u017ce bardzo szybko wygenerowa\u0107 bardzo skomplikowane modele matematyczne. Tw\u00f3rca dobrych modeli przeprowadza  analizy wra\u017cliwo\u015bci, wskutek czego niekt\u00f3re liczby ulegaj\u0105 zmianie i prowadz\u0105 do odmiennego wyniku ko\u0144cowego.<\/p>\r\n

Cz\u0119sto jednak mamy do czynienia z tzw. modelami katastroficznymi, przedstawiaj\u0105cymi najgorszy scenariusz, by przymusi\u0107 ludzi do dzia\u0142ania. Naukowcy wskazuj\u0105, \u017ce tak naprawd\u0119 \u201ematematyczne wyrocznie\u201d s\u0105 cenne w\u0142a\u015bnie ze wzgl\u0119du na nak\u0142anianie decydent\u00f3w do okre\u015blonych dzia\u0142a\u0144, jak np. w przypadku zmian klimatu.<\/p>\r\n

W ubieg\u0142y czwartek na spotkaniu w Bia\u0142ym Domu, Deborah Birx, koordynatorka grupy zadaniowej ds. koronawirusa upomnia\u0142a pras\u0119, aby nie traktowa\u0142a tych modeli zbyt powa\u017cnie, nawet gdy gubernator Nowego Jorku Andrew Cuomo b\u0142aga\u0142 o federaln\u0105 pomoc w zakupie respirator\u00f3w i sprz\u0119tu ochronnego dla pracownik\u00f3w systemu opieki zdrowotnej. Przekonywa\u0142a, \u017ce prognozy matematyczne maj\u0105 si\u0119 nijak do rzeczywisto\u015bci. Skrytykowa\u0142a model SEIR z Harvardu i Imperial College London, kt\u00f3ry przewidywa\u0142, \u017ce \u015bmiertelny koronawirus mo\u017ce zabi\u0107 500 tys. Brytyjczyk\u00f3w przed ko\u0144cem roku i 2,2 miliona Amerykan\u00f3w. Neil Ferguson, w zesz\u0142y czwartek przedstawi\u0142 brytyjskiemu parlamentowi nowe szacunki, kt\u00f3re przewidywa\u0142y liczb\u0119 ofiar \u015bmiertelnych w Wielkiej Brytanii poni\u017cej 20 tys.<\/p>\r\n

We wtorek sekretarz stanu Mike Pompeo apelowa\u0142 do rz\u0105d\u00f3w w Chinach, W\u0142oszech i innych krajach o przekazywanie wiarygodnych danych, aby mo\u017cna by\u0142o robi\u0107 wiarygodne prognozy dot. pandemii.<\/p>\r\n

Amerykanie wcze\u015bniej pr\u00f3bowali zastosowa\u0107 skomplikowany model do oszacowania, ile dok\u0142adnie by\u0142o nierozpoznanych lub \u201enieudokumentowanych\u201d przypadk\u00f3w zara\u017cenia wirusem w Chinach. Naukowcy – cz\u0119\u015b\u0107 z Imperial College i ameryka\u0144skiego Columbia University- podzielili zara\u017con\u0105 populacj\u0119 na dwie grupy, zdiagnozowan\u0105 i niezdiagnozowan\u0105. (\u201eudokumentowane\u201d i \u201enieudokumentowane\u201d przypadki zara\u017cenia). Dzi\u0119ki ankietom i projektowi gromadzenia danych w oparciu o aplikacje, oszacowano, \u017ce w Chinach mog\u0142o by\u0107 maksimum ponad 10 procent nieudokumentowanych przypadk\u00f3w zara\u017ce\u0144.<\/p>\r\n

Wykorzystuj\u0105c to jako rodzaj linii bazowej i \u0142\u0105cz\u0105c te dane z danymi lokalizacji dla podr\u00f3\u017cy mi\u0119dzy 375 chi\u0144skimi miastami, naukowcy na podstawie r\u00f3\u017cnych symulacji, bior\u0105c pod uwag\u0119 liczb\u0119 og\u00f3lnych infekcji i miejsc ich wyst\u0105pienia, ilo\u015b\u0107 nierozpoznanych infekcji itp., stwierdzili,  i\u017c w Chinach mniej wi\u0119cej po\u0142owa populacji by\u0142a zaka\u017cona – przekonuje jeden z tw\u00f3rc\u00f3w modelu, Jeffrey Shaman, dyrektor Programu dla Klimatu i Zdrowia w Columbia University School of Public Health.<\/p>\r\n

W Oklahomie organizacja COVID Act Now przedstawi\u0142a alarmistyczny model z konkretnymi wytycznymi dla polityk\u00f3w. Wkr\u00f3tce znalaz\u0142a si\u0119 pod ostrza\u0142em z powodu w\u0105tpliwej metodologii, kt\u00f3ra wed\u0142ug krytyk\u00f3w, przynios\u0142a wiele nies\u0142ychanie pesymistycznych prognoz.<\/p>\r\n

Witryna z prognozami COVID Act Now Oklahoma zaznaczy\u0142a, \u017ce: \u201eModel ma na celu pom\u00f3c w podejmowaniu szybkich decyzji, a nie przewidywa\u0107 przysz\u0142o\u015b\u0107\u201d. COVID Act Now przyznaje, \u017ce poniewa\u017c mamy do czynienia z now\u0105 chorob\u0105, parametry s\u0105 zmienne, a przewidywania dotycz\u0105ce wp\u0142ywu interwencji, by ograniczy\u0107 szerzenie si\u0119 wirusa, s\u0105 \u201edomys\u0142ami w niekt\u00f3rych przypadkach opartymi na danych\u201d.<\/p>\r\n

Model organizacji nie dostosowuje si\u0119 do g\u0119sto\u015bci zaludnienia, zak\u0142ada r\u00f3wnie\u017c, \u017ce ka\u017cdy rozprzestrzenia chorob\u0119 w tym samym tempie, chocia\u017c – jak sama organizacja przyznaje – tak nie jest w rzeczywisto\u015bci. Prognozy COVID Act Now okaza\u0142y si\u0119 niezwykle b\u0142\u0119dne. Organizacja zrobi\u0142a symulacje dla wielu stan\u00f3w. W Nowym Jorku przewidywano, \u017ce \u201d\u2039\u201d\u2039do 19 marca hospitalizowanych zostanie prawie 5400 nowojorczyk\u00f3w. Rzeczywista liczba to oko\u0142o 750 os\u00f3b. Do 23 marca w szpitalach NJ mia\u0142o by\u0107 prawie 13 tys. os\u00f3b, a by\u0142o oko\u0142o 2500. Symulacje okaza\u0142y si\u0119 grubo przesadzone dla ka\u017cdego stanu.<\/p>\r\n

\u0179r\u00f3d\u0142o: the-scientist.com, thehill.com, voanews.com, wired.com ocpathink.org<\/p>\r\n

Agnieszka Stelmach<\/em><\/strong><\/p>","protected":false},"excerpt":{"rendered":"Podczas gdy politycy i opinia publiczna maj\u0105 wr\u0119cz obsesj\u0119 na punkcie pandemii koronawirusa, liczni matematycy i biolodzy tworz\u0105 modele prognostyczne na podstawie niedoskona\u0142ych danych. Tak, jak w przypadku wszystkich innych prognoz dotycz\u0105cych epidemii, liczba os\u00f3b zara\u017conych i liczba ofiar \u015bmiertelnych s\u0105 w takim stopniu wiarygodne, w jakim informacje naukowe, na kt\u00f3rych si\u0119 opieraj\u0105 – przypomina […]","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"ngg_post_thumbnail":0,"footnotes":"","_wp_rev_ctl_limit":""},"categories":[9],"tags":[433,116,20],"acf":[],"_links":{"self":[{"href":"https:\/\/www.bibula.com\/index.php?rest_route=\/wp\/v2\/posts\/113079"}],"collection":[{"href":"https:\/\/www.bibula.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.bibula.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.bibula.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.bibula.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=113079"}],"version-history":[{"count":0,"href":"https:\/\/www.bibula.com\/index.php?rest_route=\/wp\/v2\/posts\/113079\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.bibula.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=113079"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.bibula.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=113079"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.bibula.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=113079"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}