Logo UHasselt

menu

Covid-19


Alle info over ons onderzoek naar Covid-19

Covid-19

Logo UHasselt Universiteit Hasselt - Knowledge in action

WIJ ALLEN ZIJN EN DRIJVEN DE CIJFERS

Voor de liefhebbers van wiskunde en statistiek, biedt dagelijkse rapportering over de COVID-19 ziektecijfers en het (over)aanbod van voorspellingen, al dan niet door experten ter zake, stof tot nadenken. Maar ook wie wiskunde en statistiek doorgaans beschouwt als iets abstracts dat ver van zijn of haar bed plaatsvindt, zit er eigenlijk midden in. Elke voorspelling in de vorm van een cijfer, gaat immers over een zoon, dochter, man, vrouw, opa, oma, buurman, beste vriend(in), ... die getroffen werd door of genezen is van COVID-19. Omgekeerd bepaalt ons gedrag mee hoeveel kans het virus krijgt om zich te verspreiden in de bevolking, en bepalen we met z'n allen mee hoe de cijfers eruitzien. Met andere woorden: wij allen zijn en drijven de cijfers, en ons team gaat daar zeer deskundig mee om.

Wiskundige en statistische modellen helpen om inschattingen te maken van belangrijke epidemiologische uitkomsten zoals het aantal besmette gevallen, het aantal ziekenhuisopnames en opnames op intensieve zorgen of het aantal sterfgevallen. 

Bepaalde modellen laten ook toe om op korte of lange termijn voorspellingen te maken en te bekijken hoe deze uitkomsten veranderen onder invloed van menselijk gedrag, maatregelen zoals de intussen gekende ‘social distancing’ maatregel of vaccinatieprogramma’s. 

De inschattingen en voorspellingen worden volgens verschillende scenario’s berekend, en helpen het team om advies te verlenen aan beleidsmakers. Dit advies is vaak gebaseerd op inzichten vanuit verschillende modellen want elk model heeft zijn sterktes en zwaktes. Zo zijn er modellen die eerder geschikt zijn om op grote schaal (bijvoorbeeld op niveau van de bevolking van een bepaald land) evoluties in de ziektecijfers te bekijken, terwijl andere net fijnere inzichten geven op kleinere schaal tot op bijvoorbeeld regionaal niveau. Ook de mate waarin inschattingen gedreven worden door data op zich of afhankelijk zijn van veronderstellingen, verschilt. Er bestaat dus niet iets als ‘HET juiste of beste ziekte voorspellingsmodel’. Elk model geeft als het ware een stukje van de puzzel weer, en het vraagt heel wat ervaring in infectieziekte modellering om de puzzel ineen te steken.

Wat doen we?

De onderzoekers (epidemiologen, statistici, wiskundigen, virologen, biologen en computerwetenschappers, enz) proberen te voorspellen wat het verloop van de epidemie zal zijn, en hoe dit verloop verandert als er bepaalde maatregelen genomen of aangepast worden. “Proberen”? Ja, want modellen geven uitkomsten die je samen met  een graad van onzekerheid moet beschouwen, te meer omdat ze worden gecontrasteerd met geobserveerde gegevens die niet noodzakelijk heel precies werden opgemeten of allemaal beschikbaar zijn. Deze onzekerheid wordt groter als er meer ontbrekende gegevens of onbekende parameterwaarden zijn (die nodig zijn om het ziekteproces te beschrijven) en indien je verder in de toekomst wenst te voorspellen. De kunst is dus om voorspellingen in de context van het gebruikte model en van de andere modellen samen te nemen in een vertaling naar advies voor beleidsmakers die beslissen over de maatregelen die nodig zijn om de epidemie in te perken of af te vlakken (‘flatten the curve’).