Superando Viés: Cuidado com a Variação R0
cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


O grande impulso agora para o Covid19 é usar o “distanciamento social” para reduzir o “R0”, a taxa na qual a infecção se espalha. Mais precisamente, R0 é o número médio de outras pessoas que uma pessoa infectada infectaria, se ainda não estivesse infectada. Sem esforços para reduzi-lo, as estimativas para R0 natural variam de 2 a 15, com uma melhor estimativa talvez em torno de 4. O grande objetivo é obter esse número abaixo de 1, para que a pandemia seja “suprimida” e desapareça, permanecendo até uma vacina ou outro tratamento forte, permitindo que a maioria escape da infecção. Por outro lado, se R0 permanecer acima de 1, podemos “achatar a curva”, para que cada pessoa infectada possa obter mais recursos médicos quando estiver doente, mas logo a maioria das pessoas fica infectada.

Aparentemente, mesmo com os atuais esforços de “bloqueio”, todas as 11 nações européias estudaram agora ainda tenha a melhor estimativa de R0 acima de 1. Portanto, eles devem fazer mais para suprimir. Mas quanto mais? Minha mensagem neste post é que é longe o suficiente para empurrar R0 mediano para baixo abaixo de 1; é preciso também empurrar para baixo sua variação.

Imagine uma população composta por diferentes subpopulações, cada uma com um valor diferente de R0. Suponha que poucos estejam infectados, de modo que as taxas de crescimento da pandemia da subpopulação sejam basicamente apenas R0. Suponha também que esses R0 diferentes sejam distribuídos log-normalmente, ou seja, o logaritmo de R0 tenha uma distribuição Gaussiana entre subpopulações. Essa é (corretamente) a suposição usual de distribuição para parâmetros limitados por zero abaixo, pois geralmente muitos fatores pequenos se multiplicam para definir as taxas de infecção. O R0 total efetivo para toda a população é então encontrado simplesmente integrando (acima de um lognormal) o crescimento efetivo sobre as subpopulações de R0.

READ  Os terríveis indicadores atuais do ensino superior

Por exemplo, suponha que a distribuição lognormal R0 tenha média logarítmica (mu) -2 e sigma 1. Aqui o modo da distribuição, ou seja, o número R0 mais comum, é 0,05, a mediana R0 é 0,14, apenas 5% das subpopulações têm R0 acima de 0,70 e apenas 2% têm R0> 1. Mesmo assim, se cada uma dessas subpopulações mantiver R0 diferente em dez iterações de infecção, o fator de crescimento médio R0 de toda a população será de 33 por iteração!

Como outro exemplo (para log média -1, sigma 0,5), o modo R0 é 0,29, a mediana é 0,37, apenas 5% das subpopulações têm um R0 acima de 0,85, apenas 2% têm R0> 1. No entanto, mais de dez iterações de infecção mantendo esses mesmos fatores R0 por subpopulação, o fator de crescimento médio R0 de toda a população é de 1,28 por iteração. Ou seja, a pandemia cresce.

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

É claro que esses números eventualmente não se aplicam a subpopulações finitas, pois a pandemia não pode crescer para sempre. Quando a maioria da população está infectada, R0 não define mais taxas de crescimento pandêmico. E se essas subpopulações fossem completamente isoladas uma da outra, todas as subpopulações com R0 <1 conseguiriam suprimir. No entanto, mesmo com uma quantidade modesta de interação entre essas populações, as pessoas altamente infectadas infectam o restante.

O gráfico a seguir conta uma história um pouco mais geral. No eixo x, vario o valor mediano de R0 entre as subpopulações, que define a média logarítmica. Para cada um desses valores, procurei o log-sigma da distribuição lognormal R0 que torna a média total de R0 para toda a população exatamente igual a 1, de modo que a pandemia não cresce nem diminui. Então, no gráfico, mostro o desvio padrão, em termos de R0, que isso requer, e a fração de subpopulações que crescem via R0> 1.

READ  "Liderança ponderosa, estrutura lenta, inércia do comitê - relíquias do passado ... barreiras para o seu futuro!"

Superando Viés: Cuidado com a Variação R0 1

Como você pode ver, precisamos consistentemente de um desvio padrão de R0 menor que 0,21, e quanto menor a mediana de R0, mais mais baixo uma fração de subpopulações com um R0 positivo podemos tolerar.

Portanto, desde que haja uma mistura substancial no mundo ou dentro de uma nação, está longe o suficiente para obter o R0 para a subpopulação mediana abaixo de 1. Você também precisa reduzir bastante a variação, especialmente a fração de subpopulações nas quais a pandemia cresce via R0> 1. Por exemplo, quando a R0 mediana é metade, é possível tolerar menos de 3% das subpopulações com R0> 1, apenas para manter a pandemia em um nível geral constante. E para suprimir em tempo limitado, você precisa fazer uma muitos mais distante.

Subpopulações diferentes com R0 diferente parecem plausíveis não apenas porque nosso mundo possui diferentes nações, classes, culturas, profissões, indústrias etc., mas também porque a política da Covid19 foi feita principalmente em níveis relativamente locais, variando muito mesmo dentro das nações. Além disso, a maioria das coisas que parecem log-normalmente distribuídas na verdade tem caudas mais grossas que o normal, o que tornará muito pior esse problema que eu analisei acima.

Tudo o que quer dizer que suprimir uma pandemia depois que ela escapou de seu lugar inicial é muito Difícil. O que também significa que provavelmente não teremos sucesso. Ou seja, precisamos criar um plano B, como a variolação.

Planilha para tudo isso aqui.

Classificação por estrelas GD
Carregando…



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *