Thread by @wduyck

Draadje over modellen, voorspellingen en versoepelingen:
1. Het is lovenswaardig dat politiek het beleid stoelt op wetenschap. Daarbij moet wel duidelijk zijn dat virologie één wetenschap is, en daarnaast ook andere wetenschappen bestaan, zoals economie, psychologie, (1/x)

psychiatrie. Wie claimt beleid op 'wetenschap' te stoelen moet met àl deze wetenschappen rekening houden.
2. Als beleid gebaseerd is op modellen met parameters die slechts uit 1 domein komen (bv. 1 aspect van fysieke gezondheid: besmettingen; obesitas bv ook niet) (2/x)

resulteert dit per definitie in een suboptimale afweging van de parameters uit deze verschillende domeinen, omdat ze niet eens deel uitmaken van de beslissing. Gedragseconomisch onderzoek toont dat overmatige (in dit geval quasi unieke) aandacht voor 1 domein sowieso luidt (3/x)

tot slechte besluitvorming (kokerillusie of focussing illusion: "Nothing In Life Is As Important As You Think It Is, While You Are Thinking About It"). Voorbeeld is hier onderwijs, waar een mediastorm dankzij politieke vastberadenheid gelukkig niet leidde tot sluiting van (4/x)

scholen. Dit was epidemiologisch in januari een logische beslissing louter op basis van biostatistische voorspellingen, maar ondertussen weten we dat het de verkeerde beslissing geweest zou zijn, gezien sedert november de curve stabiel is zonder schoolsluiting. We hebben zo (5/x)

immens onnodig verlies in leren, in welvaart, in welzijn én gezonde levensjaren vermeden. Dit kon niet blijken uit de modellen.
4. Het is niet correct biostatistische modellen te presenteren als 'feiten'. Het zijn geen feiten. Het zijn *voorspellingen*. En daarover valt (6/x)

veel te zeggen. Belangrijk is te beseffen dat het berekeningen zijn van de gevolgen van assumpties. Alles staat of valt dan met hoe accuraat deze assumpties zijn. Als bv men de evolutie van biologische processen in een labo modelleert zijn deze meestal heel accuraat en (7/x)

dus de voorspellingen ook. Maar hier geldt dat niet. Om het effect van een maatregel (bv een extra schooldag) te schatten moet men aannames maken over een massa gelijktijdige effecten (openbaar vervoer, grootouders, sportactiviteiten, etc.) die tegengestelde kunnen zijn (8/x)

én interageren. Het probleem is dat men deze effecten niet kent. Er is geen ground truth voor het model (zelfs niet over duidelijke interventies

https://twitter.com/wduyck/status/1363848953104588800?s=20

), en dus hangt de uitkomst af van al deze *schattingen*. Maar dit zijn geen biologische processen maar (9/x)

(menselijk) *gedrag*. Biostatistiek modelleert de ideale robotmens, maar die verschilt van hoe mensen zich écht gedragen. 1 knuffelcontact in het model, maar ondertussen doét een meerderheid van de bevolking dat niet. In de psychologie worden ook mathematische modellen (10/x)

van gedrag gemaakt gedrag gemaakt, en slechts in een paar welomlijnde domeinen slaagt men er soms in om na jaren onderzoek 1 aspect van gedrag (bv leer- jobprestaties) voor 40% te voorspellen. Maximum. En voor heel duidelijke concepten. Het gedrag van mensen in een (11/x)

ongekende epidemie voorspellen? 10%? Het zal niet veel meer zijn (en we wéten het niet).
5. Het is hierdoor al onbegonnen werk om het effect van één maatregel te schatten, laat staan het effect een hele set over maanden. 'Mathematische' modellen presenteren daarom een (12/x)

schijnexactheid, die er altijd zeer goed uitziet voor het verleden, nadat parameters opnieuw geschat worden elke dag, en de voorspelling bijgewerkt wordt. Maar voorspellingen op lange termijn zijn zeer inaccuraat. Alle modellen (want ze h dezelfde assumpties) voorspelden (13/x)

mid-januari voor eind feb een R van 1.6. Het is nu 1 door de Britse variant. Het moment van een piek voorspellen? Niemand kan dat. Hoe vaak is de 3e al aangekondigd? Dat doet geen afbreuk aan de expertise van onze biostatistici die top zijn. Ze maken de best mogelijke (14/x)

voorspelling. Maar we moeten beseffen dat het systeem dat ze modelleren geen biologie of fysica is, maar gedrag. Het is evenveel psychologie als virologie, maar de psychologie zit niet in het model.
6. Biostatistici weten dit trouwens ook zelf wel, zie bv (15/x)

toptijdschrift: ncbi.nlm.nih.gov/pmc/articles/P…
Modellen zijn dus nuttige instrumenten voor beleid, maar we moeten ook beseffen dat het mààr modellen zijn, geen 'feiten'. Modellen waar veel belangrijke parameters zelfs niet opgenomen zijn (economie, welzijn), en waar wat er wel (16/x)

inzit feilbaar is, schattingen, noodzakelijkerwijs zonder duidelijke empirische evidentie. Wat ook al aangetoond leidde tot gefalsifieerde voorspellingen. Ook dit is wetenschap, en belangrijk voor een evenwichtig beleid dat niet rust op een blind geloof op feilbare instrumenten.

(uitsmijter: gewoon al de term 'versoepeling' verraadt de assumptie dat vr de simulatie van een wijziging van een maatregel een verspreidingsparameter hoger gezet wordt (bv R + 5%). Maar men weet dus niet of dat overeenstemt met realiteit. Als alle mensen op de zonnige (1/3)

Gentse Graslei op een vast geplaatste terrasstoel hadden gezeten van een open/rendabel café ipv op de grond, had dit allicht niet meer besmettingen opgeleverd dan er nu gebeurd zijn. Als maatregelen veranderen zonder epidemiologische kost zijn dat niet per se (2/3)

'versoepelingen'. Waarom geen massale proeftrials vr Masterproef studenten biomedische wetenschappen die verschillende opstellingen in diverse sectoren uittesten met pre-post Coronatests. Dàt is de empirische evidentie die biostatistici nodig hebben voor parameterschatting)(3/3)