Le Royaume-Uni et l’Imperial College de Londres ont été le centre nerveux intellectuel de la réponse mondiale à la pandémie de covid. Comme vous vous en souvenez, c’était Neil Ferguson, un physicien de l’Imperial College, qui a développé le principal modèle épidémiologique derrière la justification de la fermeture des économies.
Cependant, le modèle Ferguson’s était un code non documenté vieux de 13 ans qui devait être “cleaned up” et ses hypothèses étaient des ordures. Cela est connu depuis au moins mars 2020, à peu près au même moment où le gouvernement du Royaume-Uni a mis en œuvre son premier arrêt de l’économie appelé faussement “lockdowns.”
Le Institut Américain de Recherche Économique (“AIR”) noté en avril 2021, “Ferguson a prédit un nombre de morts catastrophiques le 16 mars 2020, à moins que les gouvernements du monde entier n’adoptent sa série préférée d’interventions non pharmaceutiques (“NPIs”) pour conjurer la pandémie. La plupart des pays ont suivi ses conseils, en particulier après que les gouvernements du Royaume-Uni et des États-Unis aient explicitement invoqué son rapport pour justifier les verrouillages
Pourtant, le modèle Ferguson’s a été écrit en utilisant du code non documenté vieux de 13 ans qui devait ensuite être “cleaned up” avec l’aide de Microsoft pour le rendre réutilisable par quiconque. Ce n’est même pas le pire des hypothèses clés – formant les entrées du modèle étaient des ordures, écrit Jonathan Engler en introduisant un article écrit par Mike Hearn en mars 2020.
Superbe article de mars 2020: ‘L’épidémiologie est-elle utile?’
Par Jonathan Engler, 22 Juin 2024
Au fil des ans, il est facile d’oublier à quel point chaque hypothèse autour de “la pandémie” était manifestement erronée.
Cette pièce (voir ci-dessous pour le lien) du 31 Mar 2020 – que je recommande vivement – met à nu les lacunes de l’utilisation de GIGO1 la modélisation en tant que moteur des politiques publiques, quelque chose que nous voyons dans de nombreux domaines, notamment l’agenda “climate” mais aussi dans de nombreux autres domaines.
En fait, je caractériserais l’âge dans lequel nous vivons comme celui qui est témoin de la modélisation pseudoscientifique remplaçant l’empirisme.
Quoi qu’il en soit, profitez-en. Le commentaire sur Ferguson’s / Imperial’s Foot and Mouth disease modeling est particulièrement intéressant. Combien vous devez avoir tort avant que quelqu’un hésite à vous faire confiance pour déterminer la politique (parce que c’est ce qu’il a fait) qui causera la mort et la misère pour des millions de personnes2?
Il faut souligner que le Royaume-Uni /Impérial était le centre nerveux intellectuel de la réponse globale “pandemic.”
Pourtant, le modèle Ferguson’s a été écrit en utilisant du code non documenté vieux de 13 ans qui devait ensuite être “cleaned up” avec l’aide de Microsoft pour le rendre réutilisable par quiconque.
C’est même le pire de tout cela – qui est que les hypothèses clés formant les entrées du modèle étaient des ordures.
Le résumé de la pièce est reproduit ci-dessous. Cliquez dessus ou ICI pour aller à l’article complet. [Note: Nous avons reproduit l’article ci-dessous.]
Notes:
- 1 Poubelles dedans, ordures dehors.
- 2 Parce que bien des choses étaient connues au printemps 2020, ce qui ÉTAIT prévisible, c’est que vous ne pouvez pas arrêter l’économie mondiale sans – à moyen et long terme – causant des millions de décès dus à la privation économique. Les dommages immédiats à la santé de l’arrêt des soins de santé ont également été prédits par beaucoup.
L’épidémiologie est-elle utile?
Par Mike Hearn, 31 Mars 2020
There’s un dicton célèbre sur les simulations du monde réel: “Tous les modèles sont faux, mais certains sont utiles.”Une question critique à se poser en ce moment est de savoir si les modèles épidémiologiques sont faux mais utiles, ou tout simplement faux.
Mise à jour 2 avril 2020
Voici des liens vers d’autres analyses que j’ai trouvées après la publication de cet article
Pourquoi il’s si freaking dur pour faire un modèle COVID-19
Les chiffres de l’étude impériale peuvent être reproduits
Un appel à l’honnêteté dans la modélisation pandémique
Les Modèles Épidémiologiques sont-ils Utiles?
Il appartient aux gouvernements de décider des conseils à suivre. Rien dans cette analyse ne devrait être considéré comme une suggestion d’ignorer leurs recommandations ou leurs lois. Don’t commence à ignorer les règles locales parce que vous lisez cet article de blog.
ICL’s modélisation de la propagation du SRAS-CoV-2 c’est ce qui a déclenché le passage de UK’s en mode de verrouillage complet et l’a renforcé ou déclenché dans de nombreux autres pays. Compte tenu des conséquences désastreuses de la fermeture de la planète, elle mérite un niveau d’examen minutieux auquel aucun travail scientifique n’a jamais été soumis auparavant. That’s now lentement commençant à se produire.
Dans cet article, I’s se penchera principalement sur l’histoire de l’épidémiologie et des problèmes méthodologiques qui se trouvent dans. Si vous’re intéressé par des problèmes qui sont vraiment covid-19 spécifique, je recommande ‘Maladie à coronavirus 2019: les méfaits d’informations exagérées et de mesures non fondées sur des preuves’ par Dr. John Ioannidis, accepté par le Journal Européen d’Investigation Clinique.
Des citations seront fournies pour toutes les réclamations.
Résumé
- L’Imperial College London (“ICL”) est décrit comme étant le meilleur au monde en matière de modélisation épidémiologique.
- Malgré cela, ils ont une histoire de ratés majeurs qui don’t semblent être admis. Leurs recommandations ont conduit à une réaction excessive désastreuse des gouvernements dans le passé.
- Bien que présentés comme des scientifiques, ils s’engagent dans des pratiques non scientifiques, par exemple faire des déclarations infalsifiables, l’absence d’examen par les pairs, refuser de montrer leur code, et en utilisant des termes vagues au lieu de limites de confiance statistiques.
- Ils ont prédit que les épidémies de maladies seraient des ordres de grandeur plus graves qu’elles ne l’étaient réellement.
- Il n’est pas clair ce que le domaine de l’épidémiologie a appris de ces erreurs, le cas échéant.
- Ils utilisent des données pour leurs modèles qui ne sont pas statistiquement significatives.
- Le sniping a éclaté parmi les épidémiologistes de différentes universités, dont beaucoup se contredisent en public et de manière très importante.
Alors que la plupart de cet article se concentrera sur les antécédents d’ICL, le problème est vraiment plus large que le rapport – ICL’s est écouté en raison de la “brand” de le monde universitaire et les sciences académiques en général. Oxford a produit son propre papier qui n’est pas meilleur et si quoi que ce soit, encore pire. “We’re guidé par la science” est la devise des gouvernements partout parce qu’ils supposent que la science est correcte, ou du moins, meilleure que rien. Si cette hypothèse est fausse, elle pose un énorme problème.
Qui sont les équipes de Modélisation ICL?
“le peuple impérial est l’un des meilleurs modélisateurs de maladies infectieuses sur la planète” — Paul Hunter à l’Université d’East Anglia, au Royaume-Uni (Nouveau Scientifique‘)
“led par un éminent épidémiologiste, Neil Ferguson, L’Impérial est traité comme une sorte d’étalon-or … les responsables américains ont déclaré que le rapport, qui prévoyait jusqu’à 2,2 millions de décès aux États-Unis d’une telle propagation, a déclaré, il a également influencé la Maison Blanche …. ‘Une grande partie de ce n’est pas ce qu’ils disent, mais qui dit ’, a déclaré Devi Sridhar, directeur du programme de gouvernance mondiale de la santé à l’Université d’Edimbourg. ‘Neil Ferguson a une énorme quantité d’influence’.” — New York Times
“L’étude de l’Imperial College a été réalisée par une équipe de modélisateurs hautement compétente” — John Ioannidis (Départements de Médecine, d’Epidémiologie et de Santé de la Population, de Science des Données Biomédicales, et de Statistique, Stanford)
Donc, ils’s une assez grosse affaire. S’ils sont les meilleurs épidémiologistes du monde, il semble que nous puissions juger le domaine de l’épidémiologie en fonction de leurs performances.
Il convient de noter à ce stade que l’épidémiologie est la même chose que la médecine. Le professeur Ferguson a fait son doctorat en physique théorique. Les modélisateurs peuvent être des programmeurs informatiques spécialisés dans les mathématiques appliquées, pas des médecins au sens hospitalier. Ceci est’t signifié comme un coup: les mathématiques appliquées est un domaine très précieux bien sûr, mais comme nous le verrons plus tard, nous, une critique clé de l’épidémiologie est la façon dont elle élève les calculs mathématiques abstraits au-dessus de l’expérience des personnes ayant une expérience médicale sur le terrain.
Pratiques Non Scientifiques
La méthode scientifique a besoin de plusieurs choses pour fonctionner correctement.
Examen par les pairs. ’Impact des interventions non pharmaceutiques (INP) pour réduire la mortalité et la demande en soins de santé liée à la COVID19’ est daté du 16 mars 2020 et a été publié immédiatement dans la presse, simultanément au changement soudain de stratégie gouvernementale qu’il a provoqué. Bien que de nombreux articles sur COVID-19 aient été soumis à un examen par les pairs, dans ce cas, il semble qu’il ait été ignoré.
It’s possible peer review would have rejected the paper; certainement, beaucoup de leurs pairs ont des problèmes avec elle.
Reproductibilité. L’analyse peut être répliquée pour plusieurs raisons. Entre autres problèmes, le modèle lui-même est disponible partout car le code est d’une telle qualité que seule l’équipe de Prof. Ferguson’s le comprend:
Il ne prévoit pas de publier le code original, seulement une version réécrite par Microsoft:
Dans la classe de mathématiques, les enfants qui ne font pas de travaux montrent qu’ils obtiennent une note “fail”, doublement s’ils soumettent un travail effectué par d’autres. En épidémiologie, it’s no big deal.
C’est un problème exceptionnellement critique. Je ne saurais trop insister là-dessus. L’académie est au milieu de la crise de réplication (that’s the real name). Des champs entiers ont leur crédibilité déchiquetée parce que personne ne peut reproduire ‘découvertes’ qui ont été largement acceptés pendant des décennies.
Depuis que l’ICL a publié son étude, d’autres non-épidémiologistes ont réussi à construire des modèles qui ne sont pas seulement publiquement documenté et avec source disponible, mais qui sont entièrement interactifs et peuvent être gérés par n’importe qui dans un navigateur. “Mon code est trop complexe à comprendre sans formation personnelle” n’est pas une chose acceptable pour les chercheurs financés par l’État à dire, surtout pas quand ce code est maintenant plus d’une décennie. Imperial avait tout le temps du monde pour rendre ses résultats reproductibles et de qualité acceptable, mais ne l’a jamais fait.
L’analyse peut être répliquée pour d’autres raisons: elle repose sur la correspondance privée pour les données clés (“personal communication” est répertoriée comme source deux fois), fait vaguement référence à “le NHS fournissant une certitude croissante autour des limites de la capacité de surtension hospitalière” mais ne dit pas où cette certitude a été publiée – particulièrement curieux étant donné que l’analyse montre la capacité comme constant depuis un an, mais le NHS construit trois nouveaux hôpitaux d’urgence, dont le premier est l’un des plus grands hôpitaux du monde. D’où vient cette ligne complètement plate à 8 lits ICU pour 100 000 personnes?
Le travail non reproductible est lentement éradiqué dans d’autres domaines comme la psychologie: il doit être inacceptable ici aussi. Surtout maintenant!
Des prédictions falsifiables. Les scientifiques font des prédictions vérifiables.
Prof Ferguson a l’habitude de faire “heads je gagne, queues je win” type prédictions. Pour être juste, dans son article, diverses estimations ont été fournies pour le nombre de morts étant donné diverses combinaisons de valeurs de reproduction (R0), de niveaux de verrouillage et de valeurs de déclenchement. Ceux-ci sont assez précis et avec le recul, nous pourrions mesurer à quel point la réalité est éloignée d’eux. Par exemple, avec un R0 de 2,2 et avec un verrouillage déclenché à un taux de 300 cas d’USI par semaine, ils prédisent 26 000 décès. Certaines personnes ont affirmé qu’il a ensuite révisé sa prédiction à la baisse de plus de 500 000 décès –, mais cette affirmation est vraie.
Mais il y a un problème un peu plus subtil. Plus tard il a changé ce qu’il avait prédit pour être “20 000 morts et pourrait être beaucoup plus bas.” Si les décès sont beaucoup plus élevés, il peut faire valoir que ses recommandations ont été suivies de près – et que ces recommandations sont pratiquement impossibles à mettre en œuvre pleinement, qui peut argumenter. Si les décès sont autour de 20 000, il peut dire “Notre analyse a correctement prédit le résultat.” Si les décès sont beaucoup plus faibles, il peut dire “Les décès étaient dans nos prédictions.”
Ce genre de problème a déjà surgi. Lorsqu’on lui a demandé de modéliser l’épidémie d’encéphalopathie spongiforme bovine (c’est-à-dire la maladie de la vache folle), il a prédit un nombre de décès humains compris entre 50 et 150 000.
Lorsqu’on s’interrogeait sur le caractère vague de cette prédiction, la réponse était “Yes, la gamme est large, mais cela n’a pas conduit à un changement dans la politique gouvernementale” (voir Daily Telegraph‘). Cette réponse est non-séquitrice, mais montre une profonde préoccupation quant à savoir si les conseils épidémiologiques orientent les résultats.
Un deuxième changement critique a été l’affirmation selon laquelle “probablement 2/3rds de ces personnes seraient morts de toute façon.” La notion de surmortalité n’apparaît nulle part dans le rapport original; très probablement, ICL a découvert les données italiennes qu’ils ont utilisées ont rapporté des décès avec infection et non décès parce quedeinfection en même temps que tout le monde. Cela changerait probablement les conclusions fondamentalement. En effet, il brouille le concept même de “nombre de morts.”
Si vous pensez que I’s picking on ICL, le récent article d’Oxford sur l’épidémiologie de covid-19 dit “… La proportion de la population du Royaume-Uni qui a déjà été infectée pourrait être entre 0,71% et 56% (intervalles crédibles à 95%..).”.
Ces types d’échelles dans les prédictions signifient vraiment que l’épidémiologie n’a rien d’utile à contribuer. Cependant, ils sont’t disant cela en anglais clair.
Apparition de neutralité. La confiance dans la science diminue lorsque les gens croient que les scientifiques poussent les agendas politiques. Cela explique en grande partie pourquoi, comme le Financial Times rapports, ‘Les économistes parmi les professionnels les moins fiables au Royaume-Uni’. It’s also a common concern floated by climatology sceptics.
Un moyen facile d’éviter ce problème est que les scientifiques publient simplement ce qu’ils ont trouvé et laissent la discussion des changements de politique aux politiciens qui sont – contrairement aux universitaires – directement responsables devant ceux qui la politique affecte.
Les épidémiologistes don’t semblent le faire. Jusqu’à présent, dans tous les cas examinés, les épidémiologistes recommandent des politiques sociales et agricoles extrêmement spécifiques, et certains articles dépensent environ la moitié de leur nombre de mots directement auprès des décideurs.
Maladie du Pied et de la Bouche
Let’s jeter un oeil à la façon dont certains de ces problèmes peuvent conduire à la catastrophe.
La modélisation épidémiologique est un domaine relativement jeune. Son premier essai routier au Royaume-Uni est venu avec une épidémie en 2001 de fièvre aphteuse (“FMD”) parmi les porcs et les moutons. Le résultat a été si catastrophique qu’il a fait l’objet de nombreux articles. Bien que cet événement ait maintenant 20 ans, I’s examinera également une deuxième prédiction d’il y a environ 5 ans pour démontrer que peu de choses ont changé.
“La politique de contrôle de la FMD basée sur le modèle a entraîné une tragédie. Un grand nombre d’animaux ont été abattus sans raison. Untold souffrance humaine et animale a été le résultat — sans parler des conséquences financières” — Dr Paul Kitching, auteur de “Use et l’abus de modèles mathématiques”
Voici quelques-uns des articles que j’ai lus sur le sujet ce week-end, mais il y en a beaucoup d’autres. Il est évident que les événements ont été très traumatisants et très étudiés en conséquence. Comme vous pouvez le deviner à partir des titres, les auteurs ont été très critiques de ce qui s’est passé:
- ‘Tension destructrice: mathématiques versus expérience ‘, appelé ici Mansley et al (et alles auteurs ont tous des antécédents vétérinaires‘)
- ‘Faux, mais Utile: Négocier l’Incertitude dans la Modélisation des Maladies Infectieuses’, Christley et al. (origines diverses)
- ‘Carnage par ordinateur: L’économie du tableau noir de l’épidémie de fièvre aphteuse de 2001’, Campell et Lee (École de droit de Cardiff)
Le gouvernement’s “FMD Science Group” se composait d’une gamme de disciplines, mais les épidémiologistes étaient, selon tous les témoignages, dominants. Les modélisateurs venaient de quatre universités différentes, mais assez rapidement le modèle ICL est devenu le modèle principal utilisé (à partir du papier ‘Médias, métaphores, modélisation’).
Leurs programmes prédisaient une grave épidémie. Ils ont fait valoir qu’il ne pouvait être évité que par une politique instantanée et extrême: le soi-disant “contiguous cull.” Tout animal sensible vivant à moins de 3 km de toute ferme qui avait un animal infecté devait être tué immédiatement, même s’il était en bonne santé.
“Cette nouvelle politique, qui s’est avérée controversée, a été justifiée par des modélisateurs mathématiques …
“Cela a remplacé la politique existante, qui nécessitait une évaluation des risques vétérinaires.
“Plus de 1 200 000 animaux sur 3 369 lieux ont été abattus dans le cadre de la cull” contiguë — Mansley et al
Pratiquement tous les animaux tués n’étaient pas infectés:
“sérosurveillance de 115 troupeaux échantillonnés pendant la réforme n’a trouvé qu’un seul troupeau de moutons avec des animaux séropositifs (neuf positifs de 56 moutons)
Était-ce justifié? Mansley et al disent:
“L’analyse post-épidémique a fourni un soutien supplémentaire pour .. le manque d’impact de la politique d’abattage contigu”
“la nouvelle politique d’abattage contiguë de 48 h – pilotée par des modèles mathématiques – a été mis en œuvre lorsque l’épidémie était déjà en déclin.”
Il y avait un groupe de contrôle accidentel. Les autorités colombiennes n’avaient pas les ressources nécessaires pour mettre en œuvre l’abattage contigu partout:
En outre, l’abattage contigu n’a pas été mis en œuvre dans le nord de la Cumbria, mais la courbe épidémique pour la Cumbria reflète la courbe pour le reste de la Grande-Bretagne en 2001 (Figs 2 & 3) et aussi la courbe épidémique 1967/1968.”
Finalement, les modèles ne prévoyaient pas correctement l’évolution et la durée de l’épidémie ni l’efficacité des mesures de lutte traditionnelles mise en place ni les nouvelles proposées (61). Ainsi, ils ont échoué aux tests acides de réfutation, de test et d’utilité (41).
Ils ont échoué au test acide de l’utilité.
Pourquoi se sont-ils trompés?
Les modèles’ hypothèses vétérinaires … représenté un virus différent (totalement théorique), peut-être mieux surnommé le ‘Armageddon virus’, étant donné sa capacité à infecter des troupeaux entiers à la fois et à être excrété plusieurs jours avant la manifestation clinique, au maximum et indéfiniment, à moins que les animaux ne soient tués.
En plus des mauvaises hypothèses, le modèle était fondamentalement préoccupé par la répartition géographique entre les exploitations, mais les données utilisées sur les exploitations étaient de très faible qualité, ayant été initialement collectées pour la gestion des subventions de la PAC:
“Yes, mais vous savez, les gens qui organisent la base de données des fermes ne se soucient vraiment pas où ils sont. Vous savez, pourquoi ils’ve obtenu cette information dans ils ne le savent probablement pas. They’ve a obtenu une adresse de la personne à qui ils écrivent, qui’s le seul emplacement spatial réel dont ils ont besoin et le fait que les coordonnées géographiques placent la ferme au milieu de la mer du Nord vous savez, alors quoi” — Interview E7, Christley et coll
Comme Kitching et al. le disent: “L’expérience du Royaume-Uni fournit un avertissement salutaire sur la façon dont les modèles peuvent être abusés dans l’intérêt de l’opportunisme scientifique.”
Bien que Mansley et al est le plus complet, il ya beaucoup de documents qui font des points similaires.
Leçons apprises ou non
À la suite de cet événement, ICL a produit le tableau suivant:
Le conseiller scientifique en chef de l’époque a donné ce témoignage:
“Et ce que je voudrais que vous fassiez, c’est de regarder les chiffres très impressionnants; si vous comparez la figure [1], qui est les prédictions qui ont été faites, les courbes A, B, C, avec [les données épidémiques – points bleus], c’est ainsi que l’épidémie s’est développée, je pense que vous devez convenir que ce n’était pas un mauvais accord, la prédiction n’était pas trop mauvaise.” — Prof David King lors d’une Enquête parlementaire
En ce qui concerne les épidémiologistes, ce fut un grand succès. Quelle conclusion le gouvernement a-t-il finalement tirée? Nous le savons parce que quelques années plus tard, une autre épidémie s’est produite:
“De nombreuses leçons ont été tirées des expériences de l’épidémie de FMD au Royaume-Uni en 2001 qui ont été testées trop tôt lorsque FMD a de nouveau frappé le Royaume-Uni, en 2007.”— Mansley et coll
La leçon apprise était d’ignorer l’épidémiologie:
“Non moins parmi ceux-ci était la politique d’employer les méthodes traditionnelles et bien établies de contrôle et d’éradication de la FMD et ne pas utiliser de nouvelles procédures, basées sur des modèles mathématiques non validés.”
Que s’est-il passé?
“Cette stratégie s’est avérée correcte et le virus a été relativement rapidement éradiqué” — Mansley et al
L’échec de l’épidémiologie dans cet événement était absolu: les seuls consommateurs de leur produit sont les politiciens et les fonctionnaires. Ces personnes ont choisi de ne pas utiliser de modèles lors de la prochaine épidémie.
Une question clé est de savoir ce que le terrain a appris de cela. Et que’s où il devient très troublant en effet. De Le Telegraph: “Professeur Ferguson a dit de sa modélisation pour FMD: Un certain nombre de facteurs entrant dans la politique de décision, dont la science – en particulier la modélisation – est seulement un. Il est ridicule de dire maintenant que notre modèle a changé la politique gouvernementale. Un certain nombre de facteurs did’.”
La déclaration mise en évidence est problématique car elle est à la fois très forte et ne correspond à rien d’autre écrit sur l’épidémie. Il ressort clairement de chaque document sur l’épidémie de FMD que la modélisation épidémiologique était le principal moteur de la politique gouvernementale. Comment le professeur peut-il prétendre qu’il est ridicule de croire que le travail d’ICL’s a déterminé la politique du gouvernement alors que tant d’auteurs écrivant des articles sur cette époque croyaient le contraire?
De ‘Médias, métaphores et modélisation’: “Comme la modélisation entreprise à l’Imperial College est devenue la source principale de la prise de décision politique, la presse s’est concentrée principalement sur les modèles produits là-bas, pas sur les modèles produits par les équipes d’Edimbourg et de Cambridge.”
De ‘Tension destructrice: mathématiques vs expérience’: “Les modèles qui soutenaient la politique d’abattage contigu étaient gravement défectueux.”
À ce jour, l’équipe de l’ICL croit toujours qu’ils avaient fondamentalement raison au sujet de l’épidémie de FMD:
“Nous faisions de la modélisation en temps réel car les autres groupes étaient en 2001 – certainement les modèles étaient 100% corrects, certainement avec des données limitées et un temps limité pour faire le travail. Mais Je pense que les conclusions générales tirées étaient toujours valables.”
Zika: Une autre Miss
Vous vous souvenez peut-être du 2015 Zika en Amérique latine, un virus terrifiant qui a provoqué la naissance de bébés de femmes infectées avec des têtes rétrécies et de graves lésions cérébrales. ICL a modélisé l’épidémie et a déclaré dans un article de juillet 2016:
“Nous nous attendons à ce que l’épidémie actuelle soit largement terminée en 3 ans, avec des oscillations saisonnières de l’incidence causées par la variation des populations de moustiques et la transmissibilité”
Et ici, il y a ce qui s’est passé. Cela n’a pas pris 3 ans avec des retours saisonniers. Il il est parti en un.
Zika est éradiqué des États-Unis. Globalement, il y a eu si peu de cas depuis 2017 que WikipediaPage de l’annuaire sur le virus does’s ne dérange même pas avec des nouvelles à ce sujet après cela (la dernière mise à jour est d’environ deux cas en Angola).
Alors que la maladie circule toujours en Amérique latine, la région la plus touchée représentant 60% de tous les rapports (Brésil) voit en moyenne environ 365 cas par semaine, dont seulement environ 30 sont confirmés en laboratoire – trop bas pour voir sur le graphique ci-dessus. Si les oscillations saisonnières prédites existent, elles sont perdues dans le bruit.
L’analyse a également été incapable d’expliquer le comportement jusqu’à ce point:
“Actuellement, nous ne pouvons pas évaluer si l’Asie est à risque d’une épidémie majeure de Zika – ou pourquoi l’échelle de transmission en Amérique latine a été tellement plus grande que tout ce qui a été vu précédemment.”
Environ la moitié du papier a été consacrée à la section, ‘Que doivent faire les décideurs politiques’ mais aucune recommandation concrète n’a été faite au-delà de recommander aux femmes d’éviter de tomber enceinte. Le papier admet: “Advising contre la grossesse a été critiqué pour être infaisable pour beaucoup de femmes – particulièrement long terme”
Sans blague.
Conclusions
Des problèmes similaires semblent surgir à plusieurs reprises dans l’analyse épidémiologique:
- Les modèles sont basés sur des données d’entrée de très faible qualité. Ceci est reconnu brièvement, mais ne’t empêcher quiconque de faire des prédictions, même si elle le devrait.
- L’incertitude statistique est souvent analysée formellement. Les adjectifs vagues comme “largement,” “broadly,” “probablement,” “substantially” et “typiquement” sont utilisés à la place.
- Les modélisateurs sont très impliqués dans l’élaboration des politiques et perçoivent clairement cela comme l’un de leurs principaux objectifs. Les conseils aux dirigeants politiques peuvent représenter la moitié ou plus des articles prétendument scientifiques.
- Les prédictions ont systématiquement des limites si énormes qu’elles sont rendues inutiles.
- Les modélisateurs don’t semblent avoir apporté des changements méthodologiques évidents en réponse à des échecs de prédiction antérieurs
Les épidémiologistes devraient-ils être traités avec le respect presque divin qu’ils commandent actuellement?
I’ve got nothing against any of the people or institutions discussed in this article, and in principle, I don’t see why epidémies should equivert be simulatable. Mais il pourrait être prudent de ne pas parler aux journalistes et aux politiciens jusqu’à ce que le domaine ait connu une série de succès indéniables et que les résultats soient devenus courants. De toute évidence, nous ne sommes pas encore là.
À propos de l’Auteur
Mike Hearn est un ancien ingénieur de Google, l’auteur original de Bitcoinj et un ancien contributeur à Bitcoin Core. Il a quitté Bitcoin en janvier 2016; une des raisons invoquées était la hausse des frais (voir La résolution de l’expérience Bitcoin‘). Il publie des essais sur la plateforme de publication en ligne Medium sous le titre ‘Mike’s Blog’.
Image en vedette: Neil Ferguson prise de Le conseiller britannique sur le coronavirus démissionne après que son amant ait visité pendant le confinement, CNN, 6 mai 2020 (droite).
https://expose-news.com/2024/06/22/did-neil-fergusons-modelling-of-covid/
ANNE BELLA INFOS SANS LANGUE DE BOIS 
Laisser un commentaire