Zur Modellierung der Corona-Pandemie – Eine Streitschrift

Unter die­sem Titel legt die "Info-Plattform Corona" um Antes, Schrappe, Stöhr am 11.10. ein Papier von Prof. Bernhard Müller, Astrophysiker und Associate Professor an der Monash University Australien, vor. Es kann als PDF hier gela­den wer­den. Es heißt dort:

»Wissenschaftliche Modellierung hat in Corona-Zeiten Hochkonjunktur. Wer sei­ne Karriere damit ver­bracht hat, mit­hil­fe von Modellen astro­phy­si­ka­li­schen Phänomenen zu ent­lo­cken, was direk­ten Beobachtungen ver­bor­gen bleibt, der soll­te sich, so möch­te man mei­nen, dar­über freu­en kön­nen. Doch lei­der erle­ben wir in der Corona-Pandemie Modellierung nicht von ihrer bes­ten Seite. Selten gab es in der Geschichte der Wissenschaft eine grö­ße­re Spannung zwi­schen dem Geltungsanspruch und der poli­ti­schen Wirkmächtigkeit von Vorhersagen und dem bemer­kens­wer­ten Mangel an Offenheit und Selbstkritik, wenn Vorhersagen sich nicht erfüllten. 

Diese Einsicht hat aller­dings einen schwe­ren Stand, ¨ denn es wäre zu pein­lich, wenn emi­nen­te wis­sen­schaft­li­che Journale, Wissenschaftsorganisationen, Wissenschaftsjournalisten und nicht zuletzt poli­ti­sche Entscheidungsträger ein­räu­men wur­den, dass man dem Publikum mög­li­cher­wei­se “Ramschware” ver­kauft hat. Gewiss, nicht jeder hat sich von nai­ven Modellvorhersagen blen­den las­sen, und vie­le haben mit ihrer Kritik nicht hin­term Zaun gehal­ten. Es scheint mir an der Zeit, eine noch offen­si­ve­re Aufarbeitung der Missstände anzu­sto­ßen. Denn ers­tens hat die Öffentlichkeit von uns Wissenschaftlern ein Recht auf scho­nungs­lo­se Ehrlichkeit, und zwei­tens tun wir gut dar­an Fehler zu benen­nen, um nicht in eini­gen Jahren kol­lek­tiv als Quacksalber dazu­ste­hen und das Vertrauen der Menschen zu ver­lie­ren. Dabei geht es nicht dar­um, die Pandemie klein­zu­re­den. Gerade wer Menschen vor Krankheit bewah­ren und Leben ret­ten will, braucht einen unver­zerr­ten Blick auf die Wirklichkeit. Es taugt nichts, wenn wir unter mas­si­ven Anstrengungen fünf­hun­dert­tau­send ein­ge­bil­de­te Todesfälle ver­hin­dern, aber mög­li­cher­wei­se über­se­hen, dass wir mit durch­dach­te­rem Herangehen tat­säch­lich fünf­tau­send mehr hät­ten ret­ten kön­nen. Was hät­te man errei­chen kön­nen, wenn Pflegeheime mit dem gespar­ten Geld kon­se­quen­ter getrenn­te Stationen für infi­zier­te und nicht infi­zier­te Heimbewohner ein­rich­ten und ande­re Schutzmaßnahmen ergrei­fen hät­ten kön­nen? Was mit ande­ren Risikokontrollstrategien, wie sie von Praktikern aus dem Gesundheitswesen vor­ge­schla­gen wur­den? Welche Möglichkeiten haben wir unter Umständen sogar noch über­se­hen, weil wir den Blick zu starr auf sim­pli­fi­zier­te Modelle gerich­tet haben? Das zu ent­schei­den wur­de aber den Rahmen spren­gen. Im Folgenden wird es nur dar­um gehen, wie sich mathe­ma­ti­sche Modellierung in der Pandemie geschla­gen und dar­ge­stellt hat – als ein klei­ner Baustein in der Aufarbeitung der letz­ten ein­ein­halb Jahre…«

2 Antworten auf „Zur Modellierung der Corona-Pandemie – Eine Streitschrift“

  1. Die Drosten-Perlen:

    "Als Physiker ist man erstaunt, wie schnell Drosten auch bei­spiels­wei­se bei Themen aus der Statistik und Zeitreihenanalyse gleich einem Inquisitor zu Begriffen wie “Irrlehre” greift, wo er auf­grund sei­ner Ausbildung kei­ne uber­le­ge­ne Expertise gel­tend machen kann"

    "Dass Drosten in Unkenntnis von Grassbergers Arbeit behaup­te­te, dass das Prinzip der Perkolation aus der Infektionsökologie “noch wenig über­tra­gen [wor­den sei], gera­de im deutsch­spra­chi­gen Sprachraum” und auf Nachfrage kei­ner­lei Kenntnis der for­mal-mathe­ma­ti­schen Grundlagen offen­bar­te, hat eine bit­te­re Komik."

    "Warum haben die Experten der Regierung nicht pro­tes­tiert, wenn Markus Söder im Bayerischen Landtag bes­ten­falls auf Mittelstufenniveau über expo­nen­ti­el­les Wachstum dozier­te und Christian Drosten in einem Tweet zum Beispiel der Zinseszinsrechnung griff um im Streit mit Kritikern das Wachstum der Epidemie noch ein­mal zu verdeutlichen?"

  2. .

    Alex Pentland

    Social Physics: How Social Networks Can Make Us Smarter | Pentland, Alex | ISBN: 9780143126331 | 

    https://​en​.wiki​pe​dia​.org/​w​i​k​i​/​A​l​e​x​_​P​e​n​t​l​and

    .

    Social Physics and the Data Driven Society

    Prof. Alex Pentland, MIT 

    Connection Science and Engineering 

    WEF Big Data, Hyperconnected World 

    sites​.natio​nal​a​ca​de​mies​.org/​c​s​/​g​r​o​u​p​s​/​p​g​a​s​i​t​e​/​d​o​c​u​m​e​n​t​s​/​w​e​b​p​a​g​e​/​p​g​a​_​0​8​2​1​5​9​.​pdf

    .

    2016 (!)

    11.08.2016
    Microsoft Research 

    Alex Paul "Sandy" Pentland 

    Social Physics: How Good Ideas Spread, The Lessons from a New Science

    … Social Physics will chan­ge the way we think about how we learn and how our social groups work … 

    .

    StIs_gIzbhs

    https://​www​.you​tube​.com/​w​a​t​c​h​?​v​=​S​t​I​s​_​g​I​z​bhs

    .
    .
    .

    [ Vor 13 Jahren: Modellieren im Jahr der Pseudopandemie der Schweinegrippe ] 

    2009

    Modelling to con­tain pan­de­mics

    Joshua M. Epstein

    Agent-based com­pu­ta­tio­nal models can cap­tu­re irra­tio­nal beha­viour, com­plex social net­works and glo­bal scale—all essen­ti­al in con­fron­ting H1N1, says Joshua M. Epstein. 

    As the world braces for an autumn wave of swi­ne flu (H1N1), the rela­tively new tech­ni­que of agent-based com­pu­ta­tio­nal model­ling is play­ing a cen­tral part in map­ping the disease's pos­si­ble spread, and designing poli­ci­es for its mitigation. 

    (…) Agent-based models (ABMs) embrace this com­ple­xi­ty. ABMs are arti­fi­cial socie­ties: every sin­gle per­son (or 'agent') is repre­sen­ted as a dis­tinct soft­ware indi­vi­du­al. The com­pu­ter model tracks each agent, 'her' con­ta­cts and her health sta­tus as she moves about vir­tu­al space—travelling to and from work, for instance. The models can be run thousands of times to build a robust sta­tis­ti­cal por­trait com­pa­ra­ble to epi­de­mic data. ABMs can record exact chains of trans­mis­si­on from one indi­vi­du­al to ano­t­her. Perhaps most import­ant­ly, agents can be made to behave some­thing like real peop­le: pro­ne to error, bias, fear and other foibles.

    Such beha­viours can have a huge effect on dise­a­se pro­gres­si­on. What if signi­fi­cant num­bers of Americans refu­se H1N1 vac­ci­ne out of fear? (…) 

    Now, the cut­ting edge in per­for­mance is the Global-Scale Agent Model (GSAM), deve­lo­ped by Jon Parker at the Brookings Institution's Center on Social and Economic Dynamics in Washington DC, which I direct. This inclu­des 6.5 bil­li­on dis­tinct agents, with move­ment and day-to-day local inter­ac­tions model­led as avail­ab­le data allow. The epi­de­mic plays out on a pla­ne­ta­ry map, colour-coded for the dise­a­se sta­te of peop­le in dif­fe­rent regions—black for sus­cep­ti­ble, red for infec­ted, and blue for dead or reco­ve­r­ed. The map pic­tu­red shows the sta­te of affairs 4.5 mon­ths into a simu­la­ted pan­de­mic begin­ning in Tokyo, based on a plau­si­ble H1N1 variant. (…) 

    Agent-based models hel­ped to shape avi­an flu (H5N1) poli­cy, through the efforts of the National Institutes of Health's Models of Infectious Disease Agent Study (MIDAS)—a rese­arch net­work to which the Brookings Institution belongs. The GSAM was recent­ly pre­sen­ted to offi­cials from the Centers for Disease Control and Prevention in Atlanta, Georgia, and other agen­ci­es, and will be inte­gral to MIDAS con­sul­ting on H1N1 and other emer­ging infec­tious dise­a­ses. In the wake of the 11 September ter­ro­rist attacks and anthrax attacks in 2001, ABMs play­ed a simi­lar part in designing con­tain­ment stra­te­gies for smallpox. (…) 

    https://​www​.natu​re​.com/​a​r​t​i​c​l​e​s​/​4​6​0​6​87a

    .

    Generative sci­ence

    In 1996 Joshua M. Epstein and Robert Axtell wro­te the book Growing Artificial Societies which pro­po­ses a set of auto­maton rules and a sys­tem cal­led Sugarscape which models a popu­la­ti­on depen­dent on resour­ces (cal­led sugar). 

    https://​en​.wiki​pe​dia​.org/​w​i​k​i​/​G​e​n​e​r​a​t​i​v​e​_​s​c​i​e​nce

    .

    Joshua M. Epstein

    Joshua M. Epstein is Professor of Epidemiology at the New York University College of Global Public Health. Formerly Professor of Emergency Medicine at Johns Hopkins University, with joint appoint­ments in the depart­ments of Applied Mathematics, Economics, Biostatistics, International Health, and Environmental Health Sciences and the Director of the JHU Center for Advanced Modeling in the Social, Behavioral, and Health Sciences. He is an External Professor at the Santa Fe Institute, a mem­ber of the New York Academy of Sciences, and a mem­ber of the Institute of Medicine's Committee on Identifying and Prioritizing New Preventive Vaccines.

    In Growing Artificial Societies: Social Science From the Bottom Up, Epstein and Axtell deve­lo­ped the first lar­ge-sca­le agent-based com­pu­ta­tio­nal model, the Sugarscape, to explo­re the role of social phe­no­me­non such as sea­so­nal migra­ti­ons, pol­lu­ti­on, sexu­al repro­duc­tion, com­bat, and trans­mis­si­on of dise­a­se and even culture. 

    He is a mem­ber of the New York Academy of Sciences. He is also a mem­ber of the edi­to­ri­al boards of the jour­nal Complexity, and of the Princeton University Press Studies in Complexity book series. 

    https://​en​.wiki​pe​dia​.org/​w​i​k​i​/​J​o​s​h​u​a​_​M​.​_​E​p​s​t​ein

    .

    Committee On Identifying And Prioritizing New Preventive Vaccines For Development 

    https://​www​.nap​.edu/​i​n​i​t​i​a​t​i​v​e​/​c​o​m​m​i​t​t​e​e​-​o​n​-​i​d​e​n​t​i​f​y​i​n​g​-​a​n​d​-​p​r​i​o​r​i​t​i​z​i​n​g​-​n​e​w​-​p​r​e​v​e​n​t​i​v​e​-​v​a​c​c​i​n​e​s​-​f​o​r​-​d​e​v​e​l​o​p​m​ent

    .

    "STOP COVAX"

Schreibe einen Kommentar zu Covidiot Antworten abbrechen

Deine E-Mail-Adresse wird nicht veröffentlicht.