携手健康网携手健康网

用于评估锁定的模型存在缺陷

在最近的一项研究中,伦敦帝国理工学院的研究人员开发了一种模型,用于评估用于抑制传播的各种措施的效果。但是,隆德大学和其他机构的瑞典研究人员在《自然》杂志上声称,该模型有根本缺陷,不能用来得出已发表的结论。

Imperial的结果表明,几乎完全是由于整个社会封锁,抑制了欧洲春季春季的感染浪潮。

这项研究估计了不同措施的影响,例如社会疏远,自我隔离,关闭学校,禁止公共活动和封锁本身。

“由于这些措施是在3月几周内大致在同一时间推出的,因此所使用的死亡率数据根本没有足够的信息来区分其各自的影响。我们通过进行数学分析将其加以破坏。以此为基础,然后,我们使用帝国理工学院的原始代码进行了仿真,以说明该模型的敏感性如何导致不可靠的结果。”隆德大学自动控制副教授,文章的第一作者Kristian Soltesz解释说。

该小组对帝国理工学院模型的兴趣引起了这样一个事实,即它通过模拟的11个国家中的10个国家解释了春季期间几乎所有的变速箱减少现象。瑞典是一个例外,它从未实行过封锁。

“在瑞典,该模式提供了一种完全不同的措施来解释减排量的做法,这一措施在其他国家似乎几乎无效。对于一个国家(除了一个国家,而另一个国家)实行有效封锁,似乎实在是太好了。措施在这个国家似乎异常有效”,索尔特斯注意到。

Soltesz谨慎地指出,个别措施具有效果是完全合理的,但是该模型不能用来确定其有效性。

“各种干预措施似乎并不是彼此孤立地起作用,而是常常相互依赖。一种干预措施导致的行为变化会影响其他干预措施的效果。很难知道多少和以何种方式,并且需要不同的技能和协作能力。”隆德大学流行病学副教授,该研究的合著者AnnaJöud说。

这组作者说,帝国理工学院和其他机构的模型分析强调了流行病学模型正在审查中的重要性。

“辩论主要集中在数据来源及其可靠性方面,但是几乎完全没有系统地审查不同模型在参数和数据方面的敏感性。这一点同样重要,尤其是在全球范围内的政府中正在使用动态模型作为决策的基础”,Soltesz和Jöud指出。

第一步是对模型的敏感性进行正确的分析。如果它们带来了太大的问题,则需要更可靠的数据,通常将其与不太复杂的模型结构结合在一起。

“面临很多风险,明智的做法是在面对基本限制时保持谦虚。只要考虑到其所基于的假设的不确定性以及所依据的数据,就可以使用动态模型。情况并非如此,结果与假设或猜测相提并论。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。