Storbritannien og Imperial College London var det intellektuelle nervecenter i den globale covid-pandemirespons. Som I husker, var det Neil Ferguson, en fysiker ved Imperial College, som udviklede den vigtigste epidemiologiske model bag begrundelsen for at lukke økonomier. 

Fergusons model var imidlertid udokumenteret 13 år gammel kode, der skulle "ryddes op", og hans antagelser var vrøvl. Dette har været kendt siden mindst marts 2020, omkring samme tid som den britiske regering implementerede sin første nedlukning af økonomien, falsk kaldet "lockdowns".

American Institute for Economic Research ("AEIR") noteret i april 2021"Ferguson forudsagde katastrofale dødstal tilbage den 16. marts 2020, medmindre regeringer verden over vedtog hans foretrukne pakke af ikke-farmaceutiske interventioner ("NPI'er") for at afværge pandemien. De fleste lande fulgte hans råd, især efter at Storbritanniens og USA's regeringer eksplicit påberåbte sig hans rapport som en begrundelse for nedlukninger."

Alligevel blev Fergusons model skrevet ved hjælp af noget 13 år gammel udokumenteret kode, som derefter skulle "ryddes op" med hjælp fra Microsoft for at gøre den genbrugelig af andre. Det er ikke engang det værste – nøgleantagelser, der danner input til modellen, var skrald, skriver Jonathan Engler og introducerer en artikel skrevet af Mike Hearn i marts 2020.

Lad os ikke miste kontakten ... Jeres regering og Big Tech forsøger aktivt at censurere de oplysninger, der rapporteres af The Udsat for at tjene deres egne behov. Tilmeld dig vores e-mails nu for at sikre dig, at du modtager de seneste ucensurerede nyheder i din indbakke…

Hold dig opdateret!

Hold dig opdateret med nyhedsopdateringer via e-mail

Er du et menneske? 6 + 8 =

---

Fremragende artikel fra marts 2020: 'Er epidemiologi nyttig?'

By Jonathan Engler, 22. juni 2024

Som årene går, er det let at glemme, hvor fundamentalt forkert hver eneste antagelse omkring "pandemien" var.

Denne artikel (se link nedenfor) fra 31. marts 2020 – som jeg varmt kan anbefale – afslører manglerne ved at bruge GIGO¹ modellering som en drivkraft for offentlig politik, noget vi ser på tværs af mange områder, især "klima"-dagsordenen, men også mange andre felter.

Faktisk vil jeg karakterisere den tidsalder, vi lever i, som en tid, hvor pseudovidenskabelig modellering erstatter empirisme.

Under alle omstændigheder, nyd det. Kommentarerne til Fergusons/Imperials modellering af mund- og klovsyge er særligt interessante. Hvor forkert skal man tage, før nogen tøver med at stole på, at du fastlægger politik (fordi det var, hvad han gjorde), som vil forårsage død og elendighed for millioner af mennesker.²?

Det skal understreges, at Storbritannien / Imperial var det intellektuelle nervecenter for den globale "pandemirespons."

Alligevel blev Fergusons model skrevet ved hjælp af noget 13 år gammel udokumenteret kode, som derefter skulle "ryddes op" med hjælp fra Microsoft for at gøre den genbrugelig af andre.

Det er ikke engang det værste – nemlig at de vigtigste antagelser, der dannede inputtet til modellen, var noget vrøvl.

Resuméet af stykket er gengivet nedenfor. Klik på det eller HER for at gå til hele artiklen. [Bemærk: Vi har gengivet artiklen nedenfor.]

Bemærkninger:

• ¹ Skrald ind, skrald ud.
• ² For selv om mange ting ikke var kendt i foråret 2020, var det, der VAR forudsigeligt, at man ikke kan lukke ned for den globale økonomi uden – på mellemlang og længere sigt – at forårsage millioner af dødsfald som følge af økonomisk afsavn. De umiddelbare sundhedsskader fra nedlukningen af sundhedsvæsenet blev også forudsagt af mange.

Er epidemiologi nyttig?

By Mike Hearn, 31 marts 2020

Der er et berømt ordsprog om simuleringer af den virkelige verden: "Alle modeller er forkerte, men nogle er nyttige". Et kritisk spørgsmål at stille lige nu er, om epidemiologiske modeller er forkerte, men nyttige, eller bare forkerte.

Opdatering 2. april 2020

Her er links til andre analyser, som jeg fandt efter udgivelsen af ​​denne artikel

• Tallene i Imperial-undersøgelsen kan ikke gentages
• En opfordring til ærlighed i pandemimodellering
• Hvorfor det er så utroligt svært at lave en COVID-19-model

Er epidemiologiske modeller nyttige?

Det er op til regeringerne at beslutte, hvilke råd de skal følge. Intet i denne analyse bør opfattes som et forslag om at ignorere deres anbefalinger eller love. Begynd ikke at ignorere de lokale regler, fordi du har læst dette blogindlæg.

ICL'er modellering af SARS-CoV-2 spredning er det, der udløste Storbritanniens skift til fuld lockdown-tilstand og forstærkede eller også udløste det i mange andre lande. I betragtning af de alvorlige konsekvenser af at lukke planeten ned, fortjener den en grad af undersøgelse, som intet videnskabeligt arbejde nogensinde har været udsat for før. Det er nu langsomt begynder at ske.

I denne artikel vil jeg primært se på epidemiologiens historie og de metodologiske problemer, der findes i den. Hvis du er interesseret i problemer, der er specifikke for covid-19, anbefaler jeg 'Coronavirussygdommen 2019: Skaderne ved overdreven information og ikke-evidensbaserede målinger' af Dr. John Ioannidis, accepteret ved Europæisk tidsskrift for klinisk undersøgelse.

Der vil blive givet henvisninger til alle påstande.

Resumé

• Imperial College London (“ICL”) beskrives som værende verdens bedste inden for epidemiologisk modellering.
• Trods dette har de en historie med store fejltrin, som tilsyneladende ikke bliver anerkendt. Deres anbefalinger har tidligere ført til katastrofale overreaktioner fra regeringer.
• Selvom de præsenteres som videnskabsmænd, engagerer de sig i uvidenskabelige praksisser, f.eks. at fremsætte uforfalskede udsagn, mangel på peer review, nægte at vise deres kode og bruge vage termer i stedet for statistiske tillidsgrænser.
• De har forudsagt sygdomsudbrud til at være størrelsesordener mere alvorlige, end de i virkeligheden var.
• Det er uklart, hvad epidemiologifeltet har lært af disse fejl, om noget.
• De bruger data til deres modeller, som vides ikke at være statistisk meningsfulde.
• Der er udbrudt spydigheder blandt epidemiologer på forskellige universiteter, hvoraf mange modsiger hinanden offentligt og på meget omfattende måder.

Selvom størstedelen af ​​denne artikel vil fokusere på ICL's resultater, er problemet i virkeligheden bredere end som så – ICL's rapport bliver lyttet til på grund af den akademiske verden og den akademiske videnskabs "brand" mere generelt. Oxford har produceret sin egen artikel, som ikke er bedre, og om noget, endda værre. "Vi lader os styre af videnskaben" er mottoet for regeringer overalt, fordi de antager, at videnskaben er korrekt, eller i det mindste bedre end ingenting. Hvis den antagelse er forkert, er det et kæmpe problem.

Hvem er ICL-modelleringsteamet?

"Det kejserlige folk er nogle af de bedste modeller for infektionssygdomme på planeten" — Paul Hunter ved University of East Anglia, Storbritannien (New Scientist)

"ledet af en fremtrædende epidemiolog, Neil Ferguson," Imperial behandles som en slags guldstandard ... Amerikanske embedsmænd sagde, at rapporten, som forudsagde op til 2.2 millioner dødsfald i USA som følge af en sådan spredning, påvirkede også Det Hvide Hus ... "Meget af det handler ikke om, hvad de siger, men om hvem der siger det," sagde Devi Sridhar, direktør for det globale sundhedsstyringsprogram på Edinburgh University.Neil Ferguson har enorm indflydelse. "- New York Times

"Undersøgelsen fra Imperial College er blevet udført af et yderst kompetent team af modelbyggere” — John Ioannidis (afdelinger for medicin, for epidemiologi og befolkningssundhed, for biomedicinsk datavidenskab og for statistik, Stanford)

Så de er en ret stor ting. Hvis de er de bedste epidemiologer i verden, ser det ud til, at vi måske bedømmer epidemiologifeltet ud fra deres præstationer.

Det er værd at bemærke på dette tidspunkt, at epidemiologi ikke er det samme som medicin. Professor Ferguson har sin ph.d. i teoretisk fysik. Modellører kan være computerprogrammører, der specialiserer sig i anvendt matematik, ikke læger i hospitalsmæssig forstand. Dette er ikke ment som en kritik: anvendt matematik er naturligvis et yderst værdifuldt felt, men som vi skal se senere, er en central kritik af epidemiologi den måde, hvorpå den hæver abstrakte matematiske beregninger over erfaringen hos folk med praktisk medicinsk erfaring.

Uvidenskabelige praksisser

Den videnskabelige metode kræver flere ting for at fungere korrekt.

Peer review. 'Konsekvensen af ​​ikke-farmaceutiske interventioner (NPI'er) for at reducere COVID19-dødelighed og sundhedsefterspørgsel' er dateret 16. marts 2020 og blev straks frigivet til pressen, samtidig med den pludselige ændring af regeringens strategi, det medførte. Selvom mange artikler om COVID-19 har været genstand for fagfællebedømmelse, ser det ud til, at den i dette tilfælde blev sprunget over.

Det er muligt at peer review ville have afvist papiret; sikkert, mange af deres jævnaldrende har problemer med det.

reproducerbarhed. Analysen kan ikke replikeres af flere årsager. Blandt andre problemer er selve modellen ikke tilgængelig nogen steder, fordi koden er af så lav kvalitet, som kun Prof. Fergusons team forstår det:

Han planlægger ikke nogensinde at udgive den originale kode, kun en version omskrevet af Microsoft:

I matematiktimerne får børn, der ikke viser deres udregninger, en "dubbelt"-karakter, dobbelt så meget, hvis de afleverer arbejde lavet af andre. I epidemiologi er det ikke noget stort problem.

Dette er et usædvanligt kritisk problem. Jeg kan ikke understrege det nok. Akademikere er midt i replikationskrise (det er det rigtige navn). Hele felter får deres troværdighed ødelagt, fordi ingen kan replikere 'opdagelser', der var bredt accepteret i årtier.

I tiden siden ICL offentliggjorde deres undersøgelse, er det lykkedes andre ikke-epidemiologer at bygge modeller, der ikke kun er offentligt dokumenteret og med tilgængelig kilde, men som er fuldt interaktive og kan køres af alle i en browser. "Min kode er for kompleks til at forstå uden personlig træning" er ikke acceptabelt for offentligt finansierede forskere at sige, især ikke når koden nu er over et årti gammel. Imperial havde al verdens tid til at gøre deres resultater reproducerbare og af acceptabel kvalitet, men gjorde det aldrig.

Analysen kan ikke replikeres af andre årsager: den er afhængig af privat korrespondance for nøgledata ("personlig kommunikation" er angivet som kilde to gange), refererer vagt til "at NHS giver stigende sikkerhed omkring grænserne for hospitalernes kapacitetsoptimering", men angiver ikke, hvor denne sikkerhed blev offentliggjort – især interessant i betragtning af, at analysen viser, at kapaciteten er konstant i et år, men NHS bygger tre nye akuthospitaler, hvoraf det første er et af de største hospitaler i verden. Hvor kom denne fuldstændig flade linje på 8 intensivsenge pr. 100,000 fra?

Ikke-reproducerbart arbejde bliver langsomt udryddet inden for andre områder som psykologi: det skal også være uacceptabelt her. Især nu!

Falsifiserbare forudsigelser. Forskere laver testbare forudsigelser.

Professor Ferguson har for vane at lave forudsigelser af typen "vinder jeg krone, vinder jeg krone". For at være fair, blev der i hans artikel givet forskellige estimater for dødstal givet forskellige kombinationer af reproduktionsværdier (R0), nedlukningsniveauer og triggerværdier. Disse er ret præcise, og set i bakspejlet kunne vi måle, hvor langt virkeligheden er fra dem. For eksempel forudsiger de 0 dødsfald med en R2.2 på 300 og med nedlukning udløst med en hastighed på 26,000 intensivtilfælde om ugen. Nogle har hævdet, at han senere nedjusterede sin forudsigelse fra over 500,000 dødsfald – men den påstand er ikke sand.

Men der er et lidt mere subtilt problem. Senere Han ændrede, hvad han forudsagde at være "20,000 dødsfald og kunne være meget lavere."Hvis dødsfaldene er meget højere, kan han argumentere for, at hans anbefalinger ikke blev fulgt nøje nok - og da disse anbefalinger er praktisk talt umulige at implementere fuldt ud, hvem kan argumentere. Hvis dødsfaldene er omkring 20,000, kan han sige "Vores analyse forudsagde korrekt resultatet." Hvis dødsfaldene er meget lavere, kan han sige "Dødsfald var inden for vores forudsigelser."

Denne type problem er dukket op før. Da han blev bedt om at modellere udbruddet af bovin spongiform encephalopati (også kendt som kogalskab), forudsagde han et dødstal på mellem 50 og 150,000 mennesker.

Da de blev spurgt om vagheden i denne forudsigelse, var svaret: "Ja, spændvidden er bred, men det førte faktisk ikke til nogen ændring i regeringens politik" (se Daily Telegraph). Svaret er ikke entydigt, men viser en dyb bekymring over, hvorvidt epidemiologisk rådgivning styrer resultaterne.

En anden kritisk ændring var påstanden om, at “sandsynligvis 2/3 af disse mennesker ville være døde alligevel"Begrebet overdødelighed optræder ingen steder i den oprindelige rapport; højst sandsynligt fandt ICL ud af, at de italienske data, de brugte, rapporterede dødsfald." med infektion og ikke dødsfald fordiofsmitte på samme tid som alle andre. Det ville formodentlig ændre konklusionerne fundamentalt. Faktisk forvirrer det selve konceptet om "antal dødsfald".

I tilfælde af at du tror, ​​jeg vælger ICL, siger den nylige Oxford epidemiologi papir om covid-19 "... andelen af ​​den britiske befolkning, der allerede er blevet inficeret, kan være hvor som helst mellem 0.71 % og 56 % (95 % troværdige intervaller...).

Den slags intervaller i forudsigelser betyder i virkeligheden, at epidemiologien ikke har noget brugbart at bidrage med. Men det siger de ikke i almindeligt sprog.

Udseende af neutralitet. Tilliden til videnskab falder, når folk tror, ​​at forskere fremmer politiske dagsordener. Dette forklarer i høj grad hvorfor, da Financial Times rapporter, 'Økonomer blandt de mindst betroede fagfolk i Storbritannien'. Det er også en fælles bekymring, der svævede af klimatologiskeptikere.

En nem måde at undgå dette problem på er, at forskere blot offentliggør deres fund og overlader diskussionen af ​​politiske ændringer til politikere, som – i modsætning til akademikere – er direkte ansvarlige over for dem, som politikken påvirker.

Epidemiologer ser ikke ud til at gøre dette. Hidtil i alle tilfælde, jeg har undersøgt, anbefaler epidemiologer ekstremt specifikke social- og landbrugspolitikker, og nogle papirer bruger omkring halvdelen af deres ordtal direkte på at henvende sig til politikere.

Mund- og klovesyge

Lad os tage et kig på, hvordan nogle af disse problemer kan føre til katastrofe.

Epidemiologisk modellering er et relativt ungt felt. Dets første test i Storbritannien kom med en epidemi i 2001 af mund- og klovesyge ("MKS") blandt svin og får. Resultatet var så katastrofalt, at det har været genstand for mange artikler. Selvom denne begivenhed nu er 20 år gammel, vil jeg også se på en anden forudsigelse fra omkring 5 år siden for at vise, at ikke meget har ændret sig.

"Den modeldrevne politik for mund- og klovsygebekæmpelse resulterede i tragedie. Et stort antal dyr blev slagtet uden grund. Uendelig menneskelig og dyrs lidelse var resultatet - for ikke at nævne de økonomiske konsekvenser" - Dr. Paul Kitching, forfatter til "Brug og misbrug af matematiske modeller"

Her er et par af de artikler, jeg læste om emnet i weekenden, men der er mange flere. Det er tydeligt, at begivenhederne var yderst traumatiske og derfor grundigt studerede. Som du kan gætte ud fra titlerne, var forfatterne meget kritiske over for, hvad der skete:

1. 'Destruktiv spænding: matematik versus erfaring ', her omtalt som Mansley m.fl. (forfattere har alle veterinærbaggrunde)
2. 'Forkert, men nyttigt: Håndtering af usikkerhed i modellering af infektionssygdomme', Christley m.fl.. (forskellige baggrunde)
3. 'Blodbad ved computer: Tavleøkonomien ved mund- og klovsygeepidemien i 2001', Campell & Lee (Cardiff Juraskole)

Regeringens "FMD Science Group" bestod af en række discipliner, men epidemiologer var efter sigende dominerende. Modellørerne kom fra fire forskellige universiteter, men ret hurtigt blev ICL-modellen den primære model, der blev brugt (fra artiklen 'Medier, metaforer, modellering').

Deres programmer forudsagde en alvorlig epidemi. De argumenterede for, at den kun kunne afværges med en øjeblikkelig og ekstrem politik: den såkaldte "sammenhængende aflivning". Ethvert modtageligt dyr, der boede inden for 3 km fra en gård, der havde et inficeret dyr, skulle aflives øjeblikkeligt, selvom det var sundt og rask.

"Denne nye politik, som viste sig at være kontroversiel, blev retfærdiggjort af matematiske modeller ...

"Dette erstattede den eksisterende politik, som krævede en veterinær risikovurdering."

"Over 1,200,000 dyr på 3,369 ejendomme blev slagtet som en del af den sammenhængende slagtning" — Mansley et al.

Stort set alle de dræbte dyr var uinficerede:

"Seroovervågning af 115 flokke, der blev udtaget prøver fra aflivningen, viste kun én flok får med seropositive dyr (ni positive fra 56 får)"

Var det berettiget? Mansley m.fl. siger:

"Post-epidemianalyse har ydet yderligere støtte til ... den manglende virkning af den sammenhængende aflivningspolitik"

"den nye 48-timers sammenhængende udryddelsepolitik – drevet af matematiske modeller – blev implementeret, da epidemien allerede var i aftagende".

Der var en utilsigtet kontrolgruppe. Myndighederne i Cumbria havde ikke ressourcerne til at implementere den sammenhængende nedslagtning overalt:

Endvidere Den sammenhængende nedslagtning blev ikke implementeret i det nordlige Cumbria, men epidemikurven for Cumbria afspejler kurven for resten af ​​Storbritannien i 2001. (fig. 2 og 3) og også 1967/1968-epidemikurven."

I sidste ende, Modellerne forudsagde hverken korrekt epidemiens forløb og varighed eller effektiviteten af ​​de traditionelle kontrolforanstaltninger hverken de nye, der blev indført eller de foreslåede (61). De bestod således ikke de afgørende tests for gendrivelse, afprøvning og anvendelighed (41).

De bestod ikke syretesten for nytteværdi.

Hvorfor gik de galt?

Modellernes veterinære antagelser … repræsenterede en anden (helt teoretisk) virus, måske bedst kaldet 'Armagedon-virussen', givet dens evne til at inficere hele besætninger på én gang og udskilles flere dage før klinisk manifestation, maksimalt og på ubestemt tid, medmindre dyrene blev aflivet.

Udover dårlige antagelser fokuserede modellen grundlæggende på den geografiske spredning mellem landbrug, men de anvendte data om landbrug var af meget lav kvalitet, da de oprindeligt var indsamlet til forvaltning af CAP-subsidier:

"Ja, men du ved, de mennesker, der kuraterer databasen over gårde, er virkelig ligeglade med, hvor de er. Du ved, hvorfor de har fået den information ind, ved de sandsynligvis ikke. De har en adresse på den person, de skriver til, det er den eneste rigtige rumlige placering, de har brug for og det faktum, at de geografiske koordinater placerer gården midt i Nordsøen, du ved, så hvad” — Interview E7, Christley m.fl.

Som Kitching et al. udtrykte det: “De britiske erfaringer er en gavnlig advarsel om, hvordan modeller kan misbruges i videnskabelig opportunismes interesse.".

Selvom Mansley et al. er den mest omfattende, findes der mange artikler, der fremfører lignende pointer.

Lærte erfaringer eller ej

I kølvandet på denne begivenhed udarbejdede ICL følgende diagram:

Den daværende ledende videnskabelige rådgiver afgav denne vidneudsagn:

"Og hvad jeg gerne vil have dig til at gøre, er at se på de meget imponerende tal; hvis man sammenligner figur [1], som viser de forudsigelser, der blev lavet, kurverne A, B, C, med [epidemidataene – blå prikker], som viser, hvordan epidemien udviklede sig, tror jeg, man må være enig i, at det ikke var en dårlig overensstemmelse, forudsigelsen var ikke så dårlig.” — Professor David King ved en parlamentarisk undersøgelse

Hvad epidemiologerne angik, var det en stor succes. Hvilken konklusion nåede regeringen i sidste ende frem til? Vi ved det, fordi nogle år senere opstod der endnu et udbrud:

"Der blev lært mange ting af erfaringerne fra den britiske mund- og klovsygeepidemi i 2001, som blev afprøvet alt for hurtigt, da FMD ramte igen Storbritannien i 2007.” — Mansley m.fl.

Lektien vi lærte var at ignorere epidemiologi:

"Ikke mindst blandt disse var politikken med at anvende de traditionelle, veletablerede metoder til bekæmpelse og udryddelse af MKS og uden brug af nye procedurer, baseret på ikke-validerede matematiske modeller".

Hvad skete der?

"Denne strategi viste sig at være korrekt, og virussen blev relativt hurtigt udryddet" — Mansley et al.

Epidemiologiens fiasko i denne begivenhed var absolut: de eneste forbrugere af deres produkt er politikere og embedsmænd. Disse mennesker valgte ikke at bruge modeller i det næste udbrud.

Et centralt spørgsmål er, hvad feltet har lært af dette. Og det er der, det bliver meget bekymrende. Fra The TelegraphProfessor Ferguson sagde om sin modellering for FMD: En række faktorer spiller ind i beslutningen om politik, hvoraf videnskab – især modellering – kun er én. Det er latterligt at sige nu, at vores model ændrede regeringens politik.En række faktorer gjorde det.”

Den fremhævede udtalelse er problematisk, fordi den både er meget stærk og bare ikke matcher noget andet skrevet om udbruddet. Det fremgår tydeligt af hvert dokument om MKS-epidemien, at epidemiologisk modellering var den primære drivkraft for regeringens politik. Hvordan kan professoren hævde, at det er latterligt at tro, at ICL's arbejde bestemte regeringens politik, når så mange forfattere, der skrev papirer om dengang, troede noget andet?

Fra 'Medier, metaforer og modellering': "Som modelleringen på Imperial College blev den primære kilde til politisk beslutningstagning, pressen fokuserede primært på de modeller, der blev produceret der, ikke de modeller, der blev produceret af Edinburgh- og Cambridge-holdene.”

Fra 'Destruktiv spænding: matematik vs. erfaring': "De modeller, der understøttede den sammenhængende udryddelsepolitik, var alvorligt mangelfulde."

ICL-teamet mener stadig, at de stort set havde ret i sin udtalelse om mund- og klovsygeepidemien:

"Vi lavede modellering i realtid, som de andre grupper gjorde i 2001 – modellerne var bestemt ikke 100 % rigtige, bestemt med begrænset data og begrænset tid til at udføre arbejdet. Men Jeg mener, at de overordnede konklusioner, der blev draget, stadig var gyldige."

Zika: Endnu en frøken

Du husker muligvis Zika-udbruddet i Latinamerika i 2015, en skræmmende virus, der forårsagede, at babyer af smittede kvinder blev født med skrumpede hoveder og alvorlig hjerneskade. ICL modellerede epidemien og sagde i et papir fra juli 2016:

"Vi forventer, at den nuværende epidemi stort set vil være overstået om 3 år, med sæsonbestemte udsving i forekomsten forårsaget af variation i mygbestande og smitsomhed."

Og her er hvad der skete. Det tog ikke 3 år med sæsonbestemte afkast. Det var væk inden for en.

Zika er udryddet i USA. Globalt har der været så få tilfælde siden 2017, at Wikipedias side om virussen gider ikke engang med nyheder om det efter det (den sidste opdatering handler om to tilfælde i Angola).

Selvom sygdommen stadig cirkulerer i Latinamerika, ser den hårdest ramte region, der tegner sig for 60 % af alle rapporter (Brasilien), et gennemsnit på omkring 365 tilfælde om ugen, hvoraf kun omkring 30 er laboratoriebekræftede – for lavt til at se på grafen ovenfor. Hvis de forudsagte sæsonbestemte svingninger overhovedet eksisterer, går de tabt i støjen.

Analysen var heller ikke i stand til at forklare adfærden indtil da:

"I øjeblikket kan vi ikke vurdere, om Asien er i risiko for en større Zika-epidemi – eller hvorfor omfanget af smitten i Latinamerika har været så meget større end noget tidligere set."

Omkring halvdelen af ​​papiret var viet til afsnittet, 'Hvad bør politikerne gøre' men der blev ikke givet konkrete anbefalinger ud over at anbefale kvinder at undgå at blive gravide. Avisen indrømmer dog: "At fraråde graviditet er blevet kritiseret for at være uigennemførligt for mange kvinder – især på lang sigt"

Det siger du ikke.

konklusioner

Lignende problemer synes at dukke op gentagne gange i epidemiologisk analyse:

• Modellerne er baseret på inputdata af ekstremt lav kvalitet. Dette anerkendes kort, men forhindrer ikke nogen i at lave forudsigelser, selvom de burde.
• Statistisk usikkerhed er ofte ikke formelt analyseret. Vage adjektiver som "stort set", "bredt", "sandsynligvis", "væsentligt" og "typisk" bruges i stedet.
• Modellere er meget involveret i politikudformningen og opfatter det klart som et af deres primære formål. Råd til politiske ledere kan udgøre halvdelen eller mere af angiveligt videnskabelige artikler.
• Forudsigelser har rutinemæssigt grænser så enorme, at de bliver ubrugelige.
• Modellørerne synes ikke at have foretaget nogen åbenlyse metodologiske ændringer som reaktion på tidligere forudsigelsesfejl

Bør epidemiologer behandles med den næsten guddommelige respekt, de i øjeblikket fortjener?

Jeg har intet imod nogen af ​​de personer eller institutioner, der diskuteres i denne artikel, og i princippet kan jeg ikke se, hvorfor epidemier ikke skulle kunne simuleres. Men det kunne være klogt at vente med at tale med journalister og politikere, indtil feltet har haft en række ubestridelige succeser, og resultaterne er blevet opfattet som rutine. Det er tydeligt, at vi ikke er der endnu.

Om forfatteren

Mike Hearn er en tidligere Google-ingeniør, den oprindelige forfatter af Bitcoinj og en tidligere bidragyder til Bitcoin CoreHan stoppede med Bitcoin i januar 2016; en af ​​grundene var stigende gebyrer (se Løsningen på Bitcoin-eksperimentetHan udgiver essays på onlineudgivelsesplatformen Medium under titlen 'Mikes blog'.

Udvalgt billede: Neil Ferguson taget fra Britisk coronarådgiver træder tilbage efter rapporter om besøg af elsker under nedlukning, CNN, 6. maj 2020 (højre).

Expose har akut brug for din hjælp…

Støt afsløringen

Kan du venligst hjælpe med at holde lyset tændt med The Exposes ærlige, pålidelige, kraftfulde og sandfærdige journalistik?

Din regering og Big Tech-organisationer
prøv at tave The Expose ned og lukke den ned.

Så har vi brug for din hjælp til at sikre
vi kan fortsætte med at bringe dig
fakta, som mainstreamen nægter at vise.

Regeringen finansierer os ikke
at udgive løgne og propaganda på deres
vegne ligesom mainstream medierne.

I stedet er vi udelukkende afhængige af din støtte.
støt os venligst i vores bestræbelser på at bringe
din ærlige, pålidelige og undersøgende journalistik
i dag. Det er sikkert, hurtigt og nemt.

Vælg venligst din foretrukne metode nedenfor for at vise din støtte.

Månedlig donation

Engangsdonation

Køb os en kaffe

Hold dig opdateret!

Hold dig opdateret med nyhedsopdateringer via e-mail

Daglig fordøjelse

Amerikanske nyhedsindlæg

Nyhedsindlæg i Storbritannien

Verdensnyheder

Alle nyhedsindlæg

Er du et menneske? 5 + 9 =

FN bruger "børnerettigheder" til at omgå forældre og ramme børn

Bevis for at dyreforsøg er ulogiske, uvidenskabelige, meningsløse og farlige

Ursula von der Leyen: Ytringsfrihed er en virus; vi har brug for en vaccine

Binær hjernevask har foregået i årtier

Rhoda Wilson

Mens det tidligere var en hobby, der kulminerede i at skrive artikler til Wikipedia (indtil tingene tog en drastisk og ubestridelig drejning i 2020) og et par bøger til privat forbrug, er jeg siden marts 2020 blevet fuldtidsforsker og forfatter som reaktion på den globale magtovertagelse, der kom til syne med introduktionen af ​​covid-19. I det meste af mit liv har jeg forsøgt at øge bevidstheden om, at en lille gruppe mennesker planlagde at overtage verden til deres egen fordel. Der var ingen måde, jeg ville læne mig tilbage stille og roligt og bare lade dem gøre det, når de først havde taget deres sidste skridt.

Se hele bio