Lhali včera a lžou dnes. Budou lhát i zítra? Kde je pravda o statistikách nákazy covidem-19?

Nakažlivost koronaviru uvádí tzv. reprodukční číslo vyjadřující počet osob, které stihne osoba s onemocněním v průměru nakazit. Jenže zatímco slyšíme, že reprodukční číslo je 1,3, tak to není pravda a celé září nebylo. Je to spíše 2, pokud ne více. Proč nás vodí za nos?

Dám na odborníky, pokud tedy nezalžou. Pokud nemluví pravdu týdny v řadě, spoléhám pak raději sám na sebe.

Když dočtete až do konce k poslednímu obrázku (klidně přeskakujte), je zde návod, jak si sám čísla úmrtí na covid spočítat. S pomocí vlastního počítače.

Lépe připraveni

Šéf Ústavu zdravotnických informací a statistik (ÚZIS) Ladislav Dušek 26. 8. na DVTV řekl: „Teď jsme na koronavirus ještě mnohem lépe připraveni, než jsme byli v březnu.“

Karma byla rychlá, do týdne koronavirus i s hlavní hygieničkou Jarmilou Rážovou chytil (což jim nepřeji). Rychle se zotavil (a to mu přeji), ale nepoučil.

Už 11. 9. přišel s prohlášením: „Celkové reprodukční číslo kalkulované pro celou populaci ČR je rovno 1,35 (95% interval spolehlivosti: 1,32–1,38). Stále jde tedy o kontrolované šíření nemoci, lineární, nikoli exponenciální.“

Panu profesoru Duškovi jsem hned napsal e-mail, že 1,35^X opravdu není přímka. Neodpověděl.

Kde se bere ta přesnost?

Navíc se mi ani nepozdával interval spolehlivosti reprodukčního čísla uváděný v rozmezí 1,32–1,38, což je hodně přesné a až příliš dobrý odhad (například Indové s více než tisíci mrtvými za den ho nemají takhle přesný).

A začal jsem pátrat, jakýže to model na ÚZIS používají. Našel jsem to poměrně rychle, je to britský SEIR model z března tohoto roku.

Pak přišla od ÚZIS nová zpráva ze 13. září, že R = 1,59 a 95% interval spolehlivosti je 1,40–1,79 (tedy širší interval při větším vzorku dat; zajímavé).

Dva dny po sobě se výpočet ani v intervalech neprotnul  (1,32–1,38 se úplně míjí s 1,40–1,79), přitom situace v Česku byla stále stejná.  (Mimo jiné šlo o dobu, kdy premiér Andrej Babiš slušnému Adamu Vojtěchovi nepovolil žádná opatření.)

Bylo mi hned jasné, že model je celý špatně. Model SEIR má mnoho parametrů a ty buď ÚZIS neumí nastavit, nebo je bere špatně jako konstanty (proto ten malý interval).

Ověření na starých datech, jemuž se odborně říká backtesting, zjevně asi také nedělali. Napsal jsem opět prof. Duškovi, že takhle ne. A překvapivě opět žádná odpověď.

Nefunkční hygiena

Mezitím moje dcera byla odpoledne s kamarádkou a tu druhý den diagnostikovali na covid. Kamarádka dceři hned volala, že se jí určitě ozve (pražská) hygiena. Ta se věru ozvala, ale až za deset dní. Karma tedy fungovala i na hlavní hygieničku.

Bylo jasné, že nejenže výpočtový model je špatně, ale i sběr dat a celá hygiena v Česku nefungují.

Nedalo mi to a začal jsem si detailněji prohlížet „publikovaná“ česká data na stránkách Ministerstva zdravotnictví.

Zároveň jsem zaslal ÚZIS požadavek, aby mi pro akademické účely byly poskytnuty aktuální sety dat. Abych si je mohl analyzovat. Jako státní instituce by samozřejmě měli, ale data mi dodnes neposkytli.

Pohled na data

Pojďme se podívat na data, je to věru zlé:

1. Celý graf je mimo mrtvých špatně: nestíháme ani testovat, ani trasovat, realita je N-krát větší. Netušíme, kolik lidí bylo nemocných, takže neznáme ani uzdravené.

2. Nestíháme testovat. Barvičky jsou pěkné, ale z naprosto špatných dat.

3. Opět nestíháme testovat, zahrnutí N testů stejné osoby dělá z tohoto grafu nepoužitelný zdroj.

4. Další nepoužitelný graf. Hygiena netrasuje, hodně lidí (hlavně bez příznaků) se nakazí a uzdraví, aniž by se vůbec kdy testovalo.

5. Opět nepoužitelné. Hygiena nefunguje. Těší mě, že tam jsem zahrnut za placený test za 2 500 Kč, abych mohl vyjet do Slovinska… Ale kolik takových zbytečných testů zde máme zahrnuto?

6. Podíl dvou špatných čísel je co? Opět špatné číslo.

7. Ale konec dobrý, všechno dobré. Zde konečně přicházejí použitelná data:

Bohužel nemám na mysli počty vyléčených (protože jsme neznali ani nakažené, o některých vyléčených se tak nikdy nedozvíme). Jsou to počty úmrtí, ty máme správně. Sice se hodnoty za poslední cca dva dny aktualizují a upřesňují, ale mrtví jsou naše datová jistota.

Jediný seriózní zdroj dat

Takže vezmeme počet mrtvých od 1. 9. do 21. 9. po dni (22. a 23. budou ještě pár dní růst, jak některé nemocnice pomalu posílají data). A šup s nimi do výpočtu:

Máme pěkně nafitovanou exponenciálu. Pokud budeme chtít počet mrtvých třeba na konci září, dáme do modelu extrapolovaný počet dní (30) a vyjde nám 23 mrtvých za den:

Jediný háček tu je, že musíte vzít data z období, kdy se neměnily restrikce (což v budoucnu doufejme bude). Vaše snaha při výpočtu je, aby ve „Fit diagnostics“ bylo AIC a BIC co nejmenší a R2 (pozor, není to reprodukční číslo) co největší.

Pokud bychom chtěli reprodukční číslo R, musíme zvolit při přepočtení exponentu inkubační dobu a dobu trvání nemoci. Britové volili 6,4 a 3 nebo 7. Ale to bylo v březnu, ÚZIS určitě v září najde lepší data, když mi je nemůže poslat…

Pozn. autora: V pátek 25.9.2020 v 11:00 mi ÚZIS přes dr. Gregora zpřístupnil data.