Aftenposten bommer om prognoser. Igjen og igjen.
Når nettopp prognosene legges til grunn for å endre tiltak, er det feil å kritisere FHI for at de ikke stemmer med virkeligheten.
I en artikkel 15. juni omtaler Aftenposten prognosene fra Folkehelseinstituttet (FHI) for antallet sykehusinnleggelser med covid-19. Aftenposten hevder at de har fungert som skrekkscenarioer i stedet for å treffe på antallet senere innleggelser. Vi mener at artikkelen inneholder flere feil og misforståelser om hva resultatene av våre modelleringer betyr, og hvordan de kan brukes.
Modellering er et verdifullt bidrag når tiltak skal besluttes eller velges bort. Svært ofte bidrar prognosene vi lager, til at vi får tiltak som hindrer dem i å slå til. Når nettopp prognosene legges til grunn for å endre tiltak, er det feil å kritisere FHI for at de ikke stemmer med virkeligheten.
I artikkelen brukes en figur fra vår modelleringsrapport. Den viser utviklingen i hva vi beregner det reelle antallet smittede å være, i tillegg til antallet påvist smittede. Dette fremstilles som «vårt avvik». Det er ikke et avvik. Modellen vi bruker, tar hensyn til at ikke alle tilfeller oppdages og testes.
I dag vurderer vi mørketallet til å være rundt 40 prosent, basert på data som inngår i modellen. Det er derfor ikke et avvik når antallet smittede anslås til å være høyere enn antallet positive prøver.
Drevet av data
Alle våre prognoser er datadrevne. Prognosene er objektive fordi vi ikke gjør noen antagelser om effekt av tiltak, endret adferd, sesongvariasjon og så videre før endringene blir synlige i datagrunnlaget. Hver uke beregner vi R-tallet (hvor mange en smittet i snitt smitter videre), og modellen anslår utviklingen tre uker fremover.
Svært ofte bidrar prognosene vi lager, til at vi får tiltak som hindrer dem i å slå til
Dette gjøres under antagelsen om at R-tallet ikke forandres i perioden, og at epidemien fortsetter å følge den samme trenden. Det betyr ikke at vi tror at det er dette som faktisk vil skje. Hvis folk endrer adferd eller myndigheter iverksetter tiltak, vil også utviklingen av epidemien selvsagt endre seg.
Dersom det gjøres tiltak for å hindre en forventet uheldig utvikling, vil R-tallet synke, og vi unngår den uheldige utviklingen. Det tar noe tid før endringer i smitteraten blir synlige i registrerte tall, fordi det tar tid fra man blir smittet til man testes og legges inn på sykehus. Prognosene våre vil da vise flere sykehusinnleggelser enn det som virkelig skjedde. Den omvendte situasjonen kan oppstå når tiltak slippes opp.
Aftenposten sammenligner gjennomsnittet av våre prognoser tre uker frem i tid med det faktiske antallet av sykehusinnleggelser. Det tas ikke hensyn til usikkerheten i prognosene. Det er også viktig å vurdere usikkerheten både i beskrivelsen av nåsituasjonen og i utviklingen fremover. I en sammenligning må intervallet i prediksjonene presenteres, ikke kun et punktestimat.
Aftenposten siterer professor Martin Rypdal på at han lenge har vært kritisk til FHIs «skrekkscenarioer». Tidligere har Rypdal kritisert FHIs modeller for å være altfor optimistiske. Den gangen som nå baserer våre prognoser seg utelukkende på tilgjengelig informasjon i overvåkingsdata.
Utviklingen følger tiltak og adferd
Våre prognoser må ses i sammenheng med endringer i tiltak. Dette nevner vi eksplisitt i våre rapporter, for eksempel rapporten fra 17. mars i år. Men dette kommer ikke frem i Aftenpostens omtale av modelleringene våre.
Det kan være vanskelig å fortolke modellene, og publisering innebærer risiko for misforståelser og feil bruk
Våren 2021 ble tiltak satt inn flere ganger for å unngå ukontrollert vekst av epidemien. I den forbindelse ble prognosene sammen med mye annen informasjon brukt som beslutningsgrunnlag. Tiltakene hadde effekt, og R-tallet falt. Dermed var premissene for prognosene endret. Modelleringene våre viste et høyere antall sykehusinnleggelser enn det som virkelig skjedde. Heldigvis.
Ulike typer modeller
Matematisk modellering av koronapandemien i sanntid er krevende. Det vil alltid være forbundet med betydelig usikkerhet. Målet med våre modeller er å gi forståelse av situasjonen og levere kunnskap til bruk for FHIs anbefalinger og råd. Det er å gi støtte for beslutningstagere i Norge på alle nivåer. Vi bruker ulike typer av modeller og jobber med:
- situasjonsforståelse, altså beskrivelse av nåsituasjonen. Det er særlig nyttig å anslå R-tallet, mørketallet og hvor mange som er blitt smittet.
- kortsiktige prognoser, betinget av nåsituasjonen: Hvordan vil epidemien og belastning på sykehusene kunne utvikle seg de neste ukene? Dette er særlig nyttig for dem som planlegger sykehusenes beredskap.
- langtidsscenarioer: Hvordan vil epidemien utvikle seg under gitte forutsetninger, og hvordan vil tiltak eller strategier påvirke utviklingen?
Det siste er særlig nyttig ved utforming av strategien videre. Akkurat nå prøver vi på denne måten å forstå hvordan epidemien eventuelt vil oppføre seg utover høsten med ulike grader av tiltak. Tidligere har vi simulert hvordan geografisk målrettet vaksinasjon ville slå ut på epidemien.
Risiko for misforståelser og feil bruk
For oss er det et bevisst valg å gjøre våre korttidsprognoser datadrevne, styrt av signaler i data. Vi mener at resultatene er enklere å tolke uten å blande inn subjektive vurderinger. Det kan være andre måter å lage prognoser på som har andre fordeler og ulemper.
Modellering er et av verktøyene som brukes av helsemyndighetene for å vurdere tiltak mot covid-19. FHI har valgt å publisere resultatene fortløpende slik at befolkningen og mediene skal ha tilgang til dem. Det kan være vanskelig å fortolke modellene, og publisering innebærer risiko for misforståelser og feil bruk, slik som i Aftenposten 15. juni.
Publisering kan også føre til nyttig kritikk og debatt. Det ønsker vi oss, og kanskje kan Aftenpostens artikkel likevel bidra til dette.
