冠状病毒建模:“不确定性是唯一的确定性”
周一，白宫引用的一个统计模型得出了美国冠状病毒大流行导致的第一波死亡人数略不那么严峻的数字，这一预测旨在帮助官员做最坏的打算，包括有足够的医院工作人员、床位和呼吸机。
这个相对好消息的唯一问题是什么?这几乎肯定是错误的。所有的模型都是错的。有些是错误的，而有些是公共卫生官员所依赖的。
欢迎来到扮鬼脸扮熊的模特世界。
“关键是你想知道未来会发生什么，”美国宇航局首席气候建模师加文·施密特说。“没有时间机器，你就只能用模型了。”
天气预报员使用模型。气候科学家使用它们。超市使用它们。
随着领导人试图控制冠状病毒的爆发，他们正在求助于大量数学模型，以帮助他们弄清楚接下来可能会发生什么——关键字，可能会发生什么——以及他们现在应该尝试做什么来控制和准备传播。
华盛顿大学(University of washington)本周更新的模型——美国卫生官员在白宫简报中最常提到的模型——预测美国的每日死亡人数将在4月中旬达到峰值，然后在整个夏季下降。
他们的最新预测显示，第一波流感将导致49,431至136,401名美国人死亡，并将持续到夏季。这是一个巨大的87000的范围。但就在几天前，同一团队的范围是近13.8万人，死亡人数最多的是17.7866万人。官员们将此归功于社交距离。
最新的计算基于对病毒行为方式的更好数据、人们行为方式的更多信息以及更多城市作为例子。例如，来自意大利和西班牙的新数据表明，在阻止病毒传播方面，保持社交距离的效果比预期的更好。
开发该模型的华盛顿大学(University of Washington)的克里斯托弗·默里(Christopher Murray)博士说，在这些意大利和西班牙城市，疫情达到顶峰所需的时间——即死亡人数开始下降所需的时间——比中国武汉要短。
那么建模是如何工作的呢?我们知道冠状病毒是如何传播的，什么时候是致命的，什么时候不是，什么时候出现症状，什么时候没有。
然后考虑到我们所知道的关于人们如何反应的一切，社交距离，居家令和其他黏糊糊的人为因素。
现在再加上我们对检测、治疗疾病和设备短缺的了解。最后，在每个层次上混合大量的不确定性。
把所有这些成千上万的数据点压缩到令人难以置信的复杂数学方程中，瞧，这就是大流行接下来会发生的事情。不过，请记住，这有很大的误差范围:对于美国死亡人数的预测，其范围比特拉华州威尔明顿市的人口还要大。
天普大学(Temple University)数学教授约翰·艾伦·保罗斯(John Allen Paulos)说:“没有一个模型是完美的，但大多数模型在某种程度上是有用的。”保罗写过几本关于数学和日常生活的书。“但我们不能把模型和现实混为一谈。”
建模者面临的一个挑战是处理负担过重的公共卫生部门造成的摇摆不定的死亡人数。一个州的数据可能会显示出死亡人数的巨大波动，但这只是因为积压的报告同时出现。一天之内死亡人数的大幅跃升可能会让预测落空。
德克萨斯大学疾病模型师劳伦·安塞尔·迈耶斯说，另一个问题是，包括她在内的大多数大流行模型都是基于流感的行为方式，这与这种新型冠状病毒不同。
迈耶斯说，大多数模型使用微积分来考虑“你无法预测的事情”。对她来说，它们只是简单的方程，懂得高级微积分的人都能算出来。对世界其他地方来说，它是希腊语。字面上充满了sigma, phis, omegas和其他符号。
迈耶斯说，即使存在所有的不确定性，“这比随便说要好得多”，她正在为疾病控制和预防中心反复推出她所谓的COVID-19“驮马模型”。“数据驱动的模型是我们拥有的最好证据。”
数学家保罗斯说，由于存在很大的模糊因素，聪明的做法是不要只看一个数字——死亡的最小数字，或者死亡的最大值——而是要看一个置信范围，在这个范围内，现实有95%的可能性会失败。在华盛顿大学的模型中，死亡人数为5万至13.6万人。
不确定性会随着时间的推移而减少，但永远不会真正消失——就像飓风预报一样，当风暴接近登陆时，不确定性锥会缩小，但仍然很大。
“不确定性是唯一的确定性，”保罗斯说。“知道如何在没有安全感的情况下生活，才是唯一的安全感。”
©2020美联社。版权所有。未经允许，本材料不得出版、广播、重写或再分发。
