Pandemiens profeter

I kampen mod pandemien har hver nation fået en ny profet. De førhen anonyme eksperter, der nu flankerer statsledere til ethvert pressemøde, har de bedste svar på spørgsmålene, som alle ivrigt har diskuteret de seneste måneder: Hvor mange vil dø? Hvordan undgår vi et kollaps af sundhedsvæsenet? Og hvornår kan vi vende tilbage til hverdagen?

Kåre Mølbak kender de fleste danskere efterhånden, og i udlandet er svenske Anders Tegnell, britiske Neil Ferguson og amerikanske Anthony Fauci nu kontroversielle verdensstjerner. De gråhårede mænd står på mål for de modeller, som forudsiger pandemiens udvikling. Deres estimater er politikernes bedste grundlag for at træffe beslutninger om liv, død og økonomi, og profeterne bag er således blevet ekstremt magtfulde på kort tid.

Men samtlige modeller har taget grueligt fejl af den nye coronavirus. I faglige kredse er de siden blevet genstand for stor debat med deltagelse af alt fra matematikere og fysikere til økonomer og epidemiologer. Nogle klandrer modellerne for at være for simple, andre for komplekse. Nogle klager over dårlige forudsigelser, andre over, at vi ikke kan lære noget af dem. Så hvad kan vi egentlig bruge dem til?

Værre end i værste fald

Debatten om modellerne blussede for alvor op i midten af marts, da professor Neil Ferguson fra Imperial College London fremlagde sine nyeste forudsigelser: Uden indgreb kunne op mod en halv million briter og 2,2 millioner amerikanere dø af COVID-19. Den dystre profeti var en medvirkende årsag til, at både USA og Storbritannien lukkede ned ugen efter.

Dødstallene i Fergusons model stod ellers i skarp kontrast til de estimater, som Trumps regering officielt skelede til. Ifølge forskere fra University of Washington ville epidemien sandsynligvis dræbe omkring 81.000 amerikanere og maksimalt det dobbelte.

Ugen efter udsendte kolleger fra University of Oxford et langt mere optimistisk budskab: Over halvdelen af alle briter kunne allerede være smittede og immune, og således ville epidemien snart være overstået.

Tallene, der trak overskrifter, var best og worst case-scenarier, men spådommene var langt fra det forløb, der fulgte. Indtil videre er over 110.000 amerikanere døde med COVID-19, mens cirka 40.000 briter har ladet livet. Hvordan kunne alle modellerne være så forkerte og samtidig så forskellige?

»De tre modeller, der var fremtrædende i marts, repræsenterede ikke ligefrem state-of-the-art inden for epidemiologien,« fortæller Sara Fisher Ellison, seniorforsker ved Massachusetts Institute of Technology i USA. »Forudsigelsen om 2,2 millioner døde i USA rakte ud over selv det værst mulige scenarie. Det kunne slet ikke ske, for folk ville reagere, selv hvis staten ikke gjorde noget, og det tog modellen ikke højde for. Der var mange eksperter, som udviklede langt mere sofistikerede modeller i samme periode, men de var ikke hurtigt nok ude eller havde ikke den samme støtte bag sig.«

Alle med håb om at forudsige pandemiens udvikling var under enormt tidspres, da det pludselig gik op for dem, at den nye coronavirus ville få fatale konsekvenser i hele verden. Normalt ville de udvikle en simpel model, køre en masse simuleringer, se tiden an for at vente på bedre data, teste modellen igen og så udvikle en bedre, mere præcis udgave med den nye viden. Men »vi havde ikke den luksus her,« som Ellison siger.

Derfor måtte forskerne træffe et svært valg: Skulle de stræbe efter at forudsige antallet af nødvendige sengepladser og respiratorer ved hjælp af en stor og kompleks model? Eller hellere begynde med en simpel version, så de kunne teste deres antagelser om virussen, forstå mekanismerne bag og gradvis bygge den rigtige model for at vurdere, hvornår vi kunne åbne samfundet igen?

Det er denne vanskelige linedans, som modellører har udført siden marts. Den gode model er så simpel, at vi kan forstå den, men alligevel kompleks nok til at beskrive de mekanismer, vi gerne vil forstå.

Her har den nye coronavirus udgjort en særlig udfordring. Ikke alene var forskere totalt uvidende om virussens natur til at starte med. I modellerne skulle de både tage højde for biologiske parametre som smittefare, infektionstid og dødelighed og samtidig medregne effekten af social adfærd baseret på bløde fænomener som frygt og tillid. Et møde mellem to videnskaber udmøntet i tal og ligninger.

Følsomme og usikre

Man kan grundlæggende løse opgaven ad to veje: Enten bygger man en model med de antagelser om virussens karakter og folks reak­tioner, som er mest relevante for at spå om epidemiens forløb. Eller også erkender man, at man har for lidt viden og for mange ukendte variable og vælger i stedet at regne blindt på de rene smittetal.

Det sidste gjorde forskerne på University of Washington, som den amerikanske regering først støttede sig til. De byggede en statistisk model over behovet for hospitalspladser ved at se på epidemiens første måneder i Wuhan og tilpasse smittekurven til de amerikanske tilstande.

På den baggrund undervurderede de landets dødstal dramatisk. Epidemien i USA fulgte nemlig ikke samme kurve som i Kina, hvor staten tog langt mere drastiske tiltag i brug for at standse den. Modeller som den har kun fortiden at spejle sig i og viste sig derfor stærkt mangelfulde uden gode data i midten af marts.

Langt de fleste modeller er af den anden type, såkaldte SIR-modeller. De har været epidemiologers foretrukne redskab i snart 100 år. Her forsøger man at beregne smittetrykket eller mængden af hospitalsindlæggelser ud fra viden om, hvordan virussen faktisk fungerer, og ikke blot hvordan tallene ændrer sig. Nogle er simple og skærer alle mennesker over en kam, mens andre deler folk op i alder og køn og regner på forskelle i parametre som virussens reproduktionstal og inkubationstid.

Modeller i den kategori varierer især, fordi de har forskellige antagelser om virussen. Den optimistiske model fra Oxford antog for eksempel, at antallet af smittede uden symptomer var langt højere, end det senere viste sig at være. I så fald har virussen en lavere dødelighed og løber hurtigere gennem befolkningen. Hos Imperial College London var det et andet gæt, nemlig hvor mange smittede der havde brug for intensiv behandling, som gjorde udslaget. Da Fergusons hold i marts fordoblede det estimat, skød dødstallene drastisk i vejret, og to stormagter lukkede ned.

For nogle var den profeti en skandale, som kun overgås af Fergusons egen: Han fik COVID-19 i slutningen af marts, forlod sin rolle som rådgiver for den britiske regering i maj efter at have forbrudt sig mod egne råd om at holde afstand, og senere kom det frem, at koden bag hans model var spækket med fejl.

Fordi virussen spreder sig med en eksponentiel hastighed, så antallet af smittede fordobles med et fast interval, gør små gæt et kæmpe udslag for modellernes estimater. Hvis smittetallet fordobles hver tredje dag, betyder det meget, om man regner med 1000 eller 5000 smittede til at starte med – og i nedlukningen af samfundet gør en enkelt uge fra eller til en forskel på tusindvis af liv.

Med mange variabler af både biologisk og social karakter er forudsigelserne behæftet med enorm usikkerhed. Ifølge Sara Fisher Ellison »har alle overvurderet nøjagtigheden af deres modeller, og få har været ærlige om graden af usikkerhed«. Samtidig »har personerne bag modellerne ikke været særlig transparente omkring deres metoder og valg«. Et stort problem, siger hun.

Den danske model

Da faren fra COVID-19 ikke længere var til at overse i marts, nedsatte Statens Serum Institut på foranledning af Sundhedsministeriet en ekspertgruppe med matematikere, biologer og forskere fra sundhedsvidenskaben. Kort efter regeringen lukkede landet ned, skulle de fortælle, hvornår det var forsvarligt at åbne igen.

Gruppen fik til opgave at vurdere belastningen af sundhedsvæsenet og se på mængden af patienter på hospitalernes sengepladser og intensiv- afdelinger, fortæller Robert Skov, overlæge ved Statens Serum Institut og leder af ekspertgruppen.

Valget af model blev afgørende. Ekspertgruppens medlemmer, herunder lektor Lasse Engbo Christiansen og seniorforsker Kaare Græsbøll fra DTU Compute, arbejdede siden i døgndrift for at spytte gode tal ud med en tilpasset SIR-model – på kort tid og med yderst begrænset viden.

»Modellen er specifikt udviklet til at kunne svare på spørgsmålet om hospitalsindlæggelser. Dette var og er et kritisk spørgsmål, så Sundheds- og Ældreministeriet samt regionerne kan planlægge kapacitet på sygehusene,« siger DTU-forskerne.

Duoen tog udgangspunkt i en række antagelser om virussen baseret på tidlige erfaringer fra Kina og Italien, vigtigst af alt, hvor stor en andel af de syge som bliver indlagt. Siden har de justeret modellen med danske data. I dag skelner de mellem folk over og under 60 år, som har meget forskellig risiko for indlæggelse. Men generelt »har vi efter bedste evne brugt så få parametre som muligt, og primært nogle vi kunne få estimater på fra indlæggelser i Danmark, litteraturen og andre lande,« fortæller de.

Alligevel har modellen især fået kritik for at være for kompleks. Ifølge Joakim Juhl, der er talsmand for den uafhængige forskningsgruppe CUVAK, gør den os ikke meget klogere, da vi ikke har nok data til at teste antagelserne bag. Han har gransket modellen sammen med andre modeludviklere og mener, at den er blevet offer for politiske krav:

»Når kravene kommer udefra og slet ikke respekterer begrænsningerne for modeludvikling, så risikerer man nemt at stille de forkerte spørgsmål. Det er sundere at forholde sig til reelle data og stille enkle spørgsmål, som vi kan svare på ved hjælp af modellen, og så lade de politiske beslutninger forblive politiske,« siger Joakim Juhl, adjunkt ved Aalborg Universitet. »Så ville vi have et meget bedre grundlag for at se, hvilke værktøjer vi skal tage fat i, hvis smittetrykket begynder at stige igen i efteråret. Nu åbner vi samfundet med bind for øjnene.«

I marts og april var sundhedsvæsenets belastning den største grund til grå hår, og ekspertgruppens opgave var bunden. Antallet af hospitalsindlæggelser var samtidig de eneste data, som ikke var farvet af bias. Men tallene røber ikke meget om epidemien i resten af befolkningen og spiller derfor en mindre rolle i dag, hvor knap 75 mennesker er indlagt.

Ekspertgruppen har fortsat blikket rettet mod sygehusvæsnet, men er også begyndt at udbrede sit fokus i takt med den positive udvikling, siger Robert Skov:

»Nu, hvor første fase er overstået, er vi gået i gang med at forberede os på, hvad vi kan gøre, hvis der kommer en anden bølge.«

Supersprederne

Et af gruppens nye tiltag er at bygge flere specialiserede modeller, som kun fokuserer på ét fænomen ad gangen. To medlemmer, Kim Sneppen og Lone Simonsen, arbejder for tiden på at forstå betydningen af superspredere. Det er personer, der smitter langt flere end gennemsnittet – i værste tilfælde op mod 100 som den famøse bartender i skisportsbyen Ischgl.

Forskningen tyder på, at superspredere har en afgørende indflydelse på smittetrykket, særligt når der er få smittede i samfundet. For at teste den antagelse har de udviklet en helt tredje type model, der simulerer, hvordan enkeltpersoner færdes i sociale netværk og spreder virussen. Når de justerer på forskellige input i modellen, har supersprederne »den suverænt største effekt«, fortæller Kim Sneppen, professor i biokompleksitet på Niels Bohr Institutet ved Københavns Universitet:

»Ergo kan vi holde epidemien nede, hvis vi bare angriber supersprederne – hvis der altså findes superspredere!«

Matematikken beviser ikke, at supersprederne findes. Den kan kun regne på fænomenet ud fra vores antagelser om dem. Forskernes såkaldt agentbaserede model har bidraget til at vise, at man sandsynligvis kan åbne samfundet bredt, så længe man forhindrer store begivenheder, der samler folk fra vidt forskellige sociale netværk, for eksempel koncerter og studenterkørsel fra hus til hus.

Modellernes formål er ikke at imitere den virkelige verden. De skal hjælpe os med at forstå små dele af den. Med gode data og en solid forståelse for mekanismerne bag kan de både være simple, give stærke forudsigelser og lære os noget nyt på samme tid. Men i ekstraordinære situationer som den, vi har stået i siden marts – hvor menneskeliv afhænger af modellernes forudsigelser, og politikere skal legitimere deres beslutninger på tyndt grundlag – bliver den normale orden sat ud af spil. Det har for en stund gjort upræcise modeller magtfulde og pandemiens profeter berømte.

Læs også om, at den største videnskabelige skandale under coronakrisen er under opsejling: »Hundrede tusinde spørgsmål«

Læs også Martin Krasniks leder om, at nu bør regeringen komme i gang med at gengælde danskernes tillid og velvilje.

Læs også: Regeringen anerkender ikke prostitution som et erhverv. Alligevel har Domina Dark fået 69.000 kroner i coronakompensation for tabt arbejdsfortjeneste.