Hilo de twitter que muestra como el análisis de datos a través de modelos establecidos y chequeados indica que la evolución del virus covid-19 y las medidas a tomar son diferentes a las que las autoridades están indicando y cómo ello está empeorando la reacción al mismo.
#5 Yo soy doctor en informática y sé que no hay por donde coger el razonamiento que usa. Si te vale como falacia de autoridad, perfecto. Si no te explico dónde están los dos errores fundamentales.
Pero mira, en #8, una persona que no lo entiende por completo ya va pillando una parte del error. Aunque no todo.
En primer lugar ajusta el modelo con datos pre y post confinamiento, asumiendo que no hay ningún factor adicional. Pero el modelo que utiliza no es capaz de contemplar factores adicionales. La consecuencia es lo que tú indicabas, que implícitamente se asume R0 constante.
El fallo no lo ve porque el modelo se le ajusta a "predicciones futuras" de las últimas semanas. Pero es que el modelo ya está ajustado a una propagación del virus disminuida.
El segundo error, gravísimo, es que asume que el tiempo que pasa desde la infección y la muerte es constante, y de 5-6 +14 días. Porque asume falsamente que para pasar de I a R pasan 14 días.
Esto da lugar a dos conclusiones, erróneas. La primera es que el pico de contagios es muy anterior al confinamiento, pero en el fondo está derivada de que asume -3 semanas desde que lo pillas hasta que mueres. Esto no lo aporta el modelo. La segunda conclusión errónea es que no hubiera pasado nada por no confinar, ya que el modelo indica que la curva sería igual. Error de novato, pues en el fondo está ajustando la curva post hoc. Para hacer esto debería sólo usar datos de contagiados antes del confinamiento y comparar si los modelos resultantes son probablemente iguales.
#13 Gracias. Efectivamente, notaba algo raro también en los tiempos, pero estaba recién comido y no estaba para pensar mucho, así que no sabía qué era. Así tiene sentido.
Por otro lado, asumir ese tiempo constante (sea el que sea) es una de las suposiciones del modelo SIR, en concreto el parámetro gamma, como sigo discutiendo en twitter.com/jorloplaz/status/1261584645361143808 A mí me sale que si quieres ajustar las muertes lo mejor posible, ese gamma es de 22 días.
Además, lo de pre y post-confinamiento es precisamente lo que quiero demostrar, que usando exactamente los mismos valores en la fase pre y post se ajustan bien las muertes, también tanto las pre como las post. Si de verdad el confinamiento hubiera frenado las cosas habría 2 tramos bien diferenciados, 2 comportamientos distintos, y por tanto no podía ajustar bien las muertes ni de coña. O bien ajustaría bien solo las pre, o bien sólo las post, pero no ambas.
En primer lugar, por lo que sabemos de la enfermedad [1], desde la exposición al virus hasta la muerte pueden pasar desde 2 hasta 10 semanas, con una distribución desconocida. Puesto que modelas en base a muertes, no podemos asumir un desplazamiento constante desde la exposición, sin asumir un error amplio.
En segundo lugar, claro que el modelo SIR asume tiempo constante, y asume tasa de contagios constante, y no dudo de que sepas bien como funciona el modelo, ni como se ajusta. El problema es que, como seguro que también sabes, no se puede pretender ajustar un modelo paramétrico (con unas premisas) a unos datos que no cumplen esas premisas, y sacar conclusiones válidas de ello. Y esto no quiere decir que no puedas ajustarlo: cláro que se puede. Pero hay que tener mucho cuidado con interpretarlo literalmente.
Con respecto a demostrar pre y post confinamiento con tu modelo. Y aquí me tengo que poner muy serio ya. ¿De verdad crees que puedes sacar esa conclusión del hecho de que un modelo determinado se ajuste a tu conjunto de entrenamiento?. Pero si lo que quieres demostrar es lo que asumes... tendrás que usar un conjunto de datos held out para validar tu modelo ¿no?. Esto ya sin necesidad de meternos en analizar por qué tu modelo parece funcionar falsamente.
Por último, viendo tus nuevos twits, me doy cuenta de que, puedes saber ajustar un modelo con todo el detalle del mundo, pero es evidente que no sabes lo que estás haciendo para aplicarlo. Y me refiero específicamente a [2]. En tu modelo solamente entran los muertos. Lo único que permite el modelo para pasar a muerto, es haber pasado por infectado, y estos solo pueden venir de los sanos. La única forma de que se ajuste una curva decreciente de infectados, es que se agote el suministo de sanos. Es decir, que para modelar los datos observados post-hoc, estás asumiendo que el suministro de sanos no inmunes se paró. ¿Cómo vas a extrapolar esto a toda la población (y no sólo la foto fija de los que han fallecido)? ¿cómo va a ser el R0 constante (no lo es, ver [1]) e independiente de la movilidad reducida por el confinamiento (no lo es, ver [3])? ¿No ves que estás usando datos no curados?
#41 Gracias por tus observaciones y por tus referencias, francamente interesantes. Intento contestar.
Evidentemente que cada paciente es distinto y no para todos se cumplen los mismos tiempos de recuperación, pero importa más que nada el promedio puesto que estamos aproximando el país en conjunto. Hay variantes del SIR que asumen que por ejemplo gamma (cuyo inverso es ese tiempo) sigue una distribución determinada (gaussiana, Erlang, etc.) en lugar de un valor fijo, pero la evolución de las curvas cambia poco. Siempre es buena idea intentar primero con modelos muy simples, y sólo empezarlos a complicar si te ajustan mal. Ese principio es el que estoy siguiendo: vamos a ver qué pasa si asumo todo constante todo el tiempo. ¡Hostia, tú, que ajusta bien! De momento no me complico más.
En cuanto al ajuste en sí, creo que estás comentando lo que en jerga de Machine Learning llamamos el problema del sobreajuste (overfitting en inglés), es decir, que yo debería ajustar un modelo para un periodo y luego ver qué pasa en otro periodo, aparte del ya ajustado. Totalmente cierto, y por eso al final hago predicciones, porque el brote no ha terminado. Ese es mi periodo de test. Cuando hice esto estábamos a 5 de mayo, y si el modelo va bien predice cosas como estas:
- A finales de mayo todavía estaremos en torno a los 50 muertos diarios.
- Hasta finales de junio seguirá habiendo muertos todos los días.
- El total de muertos (según lo que dice el Gobierno, ya he comentado en otra respuesta que en realidad son más, pero eso sólo subiría la curva hacia arriba) será de 30 mil (la realidad será que será algo más de 40 mil).
Por último sí, por las asunciones del modelo SIR la extinción de un brote se produce porque se agota el suministro de sanos S. Lo que discuto yo es la posibilidad (ojo, posibilidad, no estoy asegurando nada) de que efectivamente se haya agotado ya el suministro de sanos susceptibles de enfermar. Es decir, que aunque en la seroprevalencia salga el 5% eso no significa que el 95% restante todavía esté susceptible de enfermar. Puede ser que no; bien porque haya inmunidad de partida en un gran porcentaje de la población (es como si fueran R desde el principio, no S), bien porque desarrollan tan pocos anticuerpos que no son detectados como I ni siquiera a posteriori, aunque en realidad sí lo hayan sido... Muchos motivos.
En cuanto a R0 constante, aquí está la gracia de todo. Está claro que el confinamiento reduce el R0, ¡pero sólo si se hace a tiempo, cuando I todavía es muy bajo y hay muchos S, de lo contrario ya no! Si de verdad hubiera reducido R0 los contagios no sólo es que yo no podría ajustar un modelo para todas las muertes (me saldría bien antes del confinamiento, y mal después, o al revés), sino que en la propia curva de muertes (la de verdad) se observaría un salto. Una discontinuidad como unas 2-3 semanas después de habernos confinado. Porque al haber reducido R0 mucho, y al ser proporcionales las muertes a los contagios, si tú reduces R0 de repente, reduces también las muertes de repente, únicamente que con un retardo temporal correspondiente eso, al periodo que tarda la enfermedad en matarte. Pero eso no se observa por ningún lado. SIgue una curva suave (si haces una media ponderada que mitigue los "efectos fines de semana" y demás oscilaciones que hay si tomas los datos diarios al pie de la letra),
No estoy hablando de overfitting en concreto, aunque esté relacionado. Estoy hablando de fundamentos de validación estadística. No me importa usar jerga de ML si quieres.
El hecho de que tu modelo haga una buena predicción de lo que está pasando ahora, condicionado al confinamiento, no quiere decir nada sobre lo que pasaría si no lo hubiera. El modelo aprende el parámetro de transmisión constante (uno que no puede ser constante, pero que en media está funcionando como tal), y predice bien las consecuencias de esa situación media, de pre y post confinamiento. Al tener una mayor dispersión en el tiempo la distribución de muertes, es muy plausible que los muertos sigan la tendencia de la cola sin incrementar el número de infectados de manera significativa.
Lo de usar modelos simples me parece bien. El problema es que no los estás validando en realidad, pues estás usando datos mixtos que dependen de factores no aislados. Como digo, para demostrar que el confinamiento no hizo nada, los modelos ajustados en base a datos no condicionados al confinamiento, y el modelo ajustado en base a datos condicionados al confinamiento deberían ser iguales. No creo que puedas hacer esa comparación sólo usando los datos de muertes (ya sin tener en cuenta la mayor incertidumbre que estos exponen).
Por terminar. Me sorprende que no seas capaz de ver el error de bulto que cometes. Estás asumiendo lo mismo que concluyes!! Y me sorprende aún más que te hayas venido a meneame a responder a todo comentario que existe ahondando en tu error (error que han visto varios que, sin ser arrogantes, no han expuesto su formación: te sorprenderías del nivel de algunos usuarios), y te sigas creyendo más listo que nadie.
Insisto, sin acritud, estás cometiendo un error de novato y ni te das cuenta.
#43 Estoy siguiendo el método científico, el de intentar verificar una hipótesis. El razonamiento es el siguiente:
1) Hipótesis: supongamos que el confinamiento no haya servido de nada.
2) En ese caso podría intentar ajustar un modelo que asume transmisión constante, y debería casar razonablemente bien con lo observado.
3) ¿Qué modelo hay en epidemiología que asuma eso, y que además sea lo más sencillo posible? (Precisamente por no ser experto en epidemiología) Vale, el SIR.
4) ¿Qué es lo que debería yo intentar que el SIR saque como output para verificar que casa con la realidad? Dado que la población susceptible S se desconoce, y que los infectados I están tremendamente infraestimados por falta de tests e infectados asintomáticos, sólo me queda la R.
5) ¿Qué incluye R? Recuperados y muertos, pero como los recuperados también están infraestimados (mucha gente se ha recuperado silenciosamente en sus casas, y todos los infectados asintomáticos ya no activos ya están recuperados), entonces sólo me quedan los muertos como lo único (medio) fiable.
6) Bien, pues intento hacer eso y resulta que sale todo razonable. El SIR ajusta bien los muertos, la tasa de mortalidad interna sale en torno al 1.4%, lo cual casa bien con las estimaciones médicas, el tiempo de recuperación sale que es 22 días (lo cual también casa con el consenso médico aunque tú disientas), y lo único es que la tasa de contagios ha sido mucho más alta de lo que dicen. El R0 sale en torno a 7.7, cuando se dice que es de 2.5 o así. De todas formas, no me parece descabellado esto porque como precisamente hay infectados sin detectar a punta pala, eso necesariamente quiere decir que el contagio ha sido mucho mayor de lo que está saliendo por casos confirmados.
Por otro lado, si la hipótesis fuera falsa (y la tuya cierta, es decir que el R0 ha ido decreciendo, porque lo tuyo también es una hipótesis, no es un hecho contrastado, de hecho tú también quieres concluir que el confinamiento ha sido útil -tu hipótesis-, pero a diferencia de mí no me das argumentos claros que demuestren tu teoría, simplemente lo pones como dogma), entonces el modelo no ajustaría ni de coña, porque asume que R0 es constante. Entonces a lo mejor ajustaría bien antes del confinamiento, pero de puto culo después (porque el confinamiento habría introducido un descenso muy considerable en dicho R0). O al revés: si consiguiera ajustar bien tras el confinamiento entonces fallaría en la fase pre.
De hecho he intentado ajustar un modelo en 2 trozos porque me parecía extraño: uno con un R0_1 pre-confinamiento y un R0_2 post-confinamiento (con R0_1 > R0_2, obvio, porque yo no discuto que el confinamiento reduce el contacto social, eso sería una gilipollez). ¿Sabes lo que pasa? Pues que entonces el modelo para ajustar lo mejor posible a las muertes hace R0_1 = R0_2. Exactamente iguales. En cuanto usas 2 factores distintos el ajuste es peor. Da igual que toques el tiempo de recuperación, no hay manera de que produzca un ajuste igual de bueno que siendo idénticos.
Más aún fuera de la teoría; si fuera falso que la población susceptible S ya se ha agotado, entonces impepinablemente habrá rebrotes ahora al desconfinarse. No se observa tal cosa; es verdad que es un poco pronto -han pasado 2 semanas desde que se levantó el arresto domiciliario estricto-, pero el fin de semana que viene ya estará bien claro. Si no hay rebrotes es que quedan ya muy pocos S. Y dirás, "pero es que donde se está levantando más el desconfinamiento es donde hubo menos casos". Claro, pero precisamente es donde quedarían más S (porque atizó menos), así que es precisamente donde deberían verse más rebrotes.
No me creo más listo que nadie, pero cuando alguien me dice que me he equivocado (que me puedo equivocar, como todos), exijo que me dé argumentos convincentes que me convenzan de ello. Yo no veo el error metodológico, francamente. Si lo que te chirría es el titular del Menéame (que eso sí te admito que es algo pretencioso, pero no es mío, sino de un amigo que decidió poner el enlace aquí), de este modelo tampoco se deduce que esta necesariamente sea la realidad, significa simplemente que no puede desecharse la posibilidad de que el confinamiento no haya servido de nada. Ni debería desecharse, porque en caso de que fuera esa la realidad es una enseñanza muy buena para el futuro (lo que pasa es que muchos gobiernos quedarían como el culo, y el varapalo económico habría sido evitable).
No puede desecharse porque suponiendo que haya sido así, es posible ajustar un modelo que casa bien con lo observado. Y es simple: por la navaja de Occam, veo más plausible suponer que esto se hizo tarde, como se hizo tarde se colapsó, y como se colapsó y llegó a su tope natural precisamente por eso mismo ya no cabe temer gran cosa, y que por eso no se observan rebrotes. Más plausible que suponer un R0 desconocido, que va disminuyendo de manera desconocida por un montón de medidas de distanciamiento y protección diferentes cuya influencia individual no se puede cuantificar de manera clara. Y más plausible que el hecho de que países con confinamientos mucho menos estrictos no tengan una cifra de muertos bestial, porque esto no sólo va de España. Si lo hacen menos estricto, entonces bajan su R0 mucho menos, luego sus infectados deberían subir mucho más, y consecuentemente los muertos también. Si (casi) todos los que confinaron confinaron tarde, entonces el brote dura lo mismo en casi todas partes, cosa que por cierto ya se va observando https://www.timesofisrael.com/top-israeli-prof-claims-simple-stats-show-virus-plays-itself-out-after-70-days/
#45 Para demostrar una hipótesis, de forma estadística, hay que descartar la contraria.
Tu razonamiento deductivo no es científico. Si no lo ves, no es mi responsabilidad ayudarte. Creo que tienes formación suficiente para ver tu error, si eliminarás los prejuicios.
Por otra parte, con respecto al R0, que dices que es mi hipótesis, basta ver el informe de sanidad. Si te quieres poner conspira pico con ello, perfecto, pues irá el la línea de tu ya paranoia ahondando en tus errores.
#47 No es paranoia, es que no es la única explicación. Aunque su R0 no se disminuya, todo brote se extingue por sí mismo. Con un pico más alto que si no se redujera (eso es lo de "aplanar la curva"), pero llega a un pico y luego entra en declive. Tampoco se puede hacer lo que dices, porque no hay ningún sitio en el que no se haya hecho nada de nada, siempre hay alguna medida de separación social. Por tanto no hay disponibles datos del escenario alternativo. Pero eso no significa que haya que tragar con el dogma de que no se podía hacer otra cosa, o que era obligatorio hacerlo porque si no el pico habría sido inasumible. Me recuerda a la imposición de la crisis de 2008 y la receta sin alternativa de la austeridad: "¿qué habriamos hecho si no?" "no hay otro camino", "hay que tener disciplina", "hemos vivido por encima de nuestras posibilidades", etc.
El famoso paper del Imperial College (por cierto, sin revisión por pares) hacía un montón de suposiciones (contagio, recuperación, capacidad de UCIs, eficacia de distintas formas de distanciamiento...) para concluir que de no hacer nada se producirían millones de muertes. Ni siquiera en sitios donde han hecho o hacen más bien poco (Irán, bastantes estados de Estados Unidos, Brasil, África...) se llega ni remotamente a esas cifras, así que esas suposiciones eran claramente incorrectas y sobredimensionaron el problema. ¿Que un brote de una enfermedad puede llegar a esas cifras? Por supuesto, ahí está la gripe española para demostrarlo. Pero parece claro que se pasaron de cautos. Lo cual no está mal como principio, "mejor prevenir que curar", pero puede ser contraproducente. Si a ti te sale una infección en una uña del pie pues hombre, puedes cortarte la pierna y así ya te curas, pero te has quedado sin pierna. ¿Era la única alternativa cortarte la pierna? ¿Te tienes que creer porque lo diga el médico que te la cortó que realmente era la única opción? Yo digo que no, porque como buen científico uno siempre debe cuestionarse todo, y ver si puede encontrar un fallo o un contraejemplo en lo consensuado como teoría más válida por la comunidad. La ciencia está en permanente revisión, y nunca una teoría debe darse por totalmente buena, y mucho menos cuando no cuadra con la evidencia.
Suponer que el confinamiento de países como España o Italia ha sido efectivo implicaría todo esto:
- Que cuando se desconfinen surgirán un montón de rebrotes (porque a menos exposición, más susceptibilidad de cogerlo al no tener inmunidad de nada). Esto por el momento NO se cumple.
- Que otros sitios que se confinaron menos y tienen contactos sociales comparables deberían tener muchos más muertos de los que tienen (Irán, Países Bajos, Alemania, Suecia, Estados Unidos, Brasil...). Esto por el momento TAMPOCO se cumple.
- Que cuando se hagan tests fiables y masivos saldrá que pocos lo han tenido. Esto SÍ se cumple, pero en parte, porque en los países menos confinados la prevalencia es bastante similar (ejemplo: Estocolmo un 17% sin confinarse ni cerrar nada y siendo una gran ciudad, Soria un 15% confinándose muy estrictamente, dejando todo cerrado y teniendo una densidad de población muy baja, Diamond Princess siendo un entorno cerrado crucero y con todo el mundo testado apenas del 20%, hospitales con personal desprotegido muy rara vez pasan del 25%, etc.). Parece mejor explicación que o bien hay mucha gente que lo pilla y luego de negativo en los tests, o bien que aun estando expuestos directamente no lo pillas por ser inmunes desde el principio. Y que Suecia, España y los pasajeros del Diamond Princess realmente han estado igual de expuestos.
Así que es al consenso científico actual al que le veo muchos puntos flacos. No casa lo que dicen con lo que va pasando. Por suerte, porque si la realidad es otra entonces el brote quedaría como un mal recuerdo, pero de apenas unos meses, y no habría que condicionar ya los años futuros.
Pero si prefieres que te corten la pierna a saber que se podría haber hecho algo mucho menos radical, o al menos aunque ya no recuperes la pierna servir de evidencia para futuros pacientes para que a ellos no les corten la pierna innecesariamente, adelante. Es tu elección.
#49 Bueno, pues descarta mi hipótesis de manera estadística y sácame de mi error. La mía es la contraria a la tuya, así que eso, demuestra la tuya a base de refutar la mía.
#50 No es una cuestión de opinión. Lo que yo opine no importa. Ya te he demostrado tu error desde la primera respuesta. Solo hay que mirar la documentación.
#5 UN doctor en informática que dice que el confinamiento no ha frenado la pandemia, pero es que resulta que el confinamiento es para evitar el colapso sanitario.
Si montas tu razonamiento sobre una base errónea conviertes el razonamiento en erróneo
#11 Te digo lo mismo que más arriba. El confinamiento efectivamente sirve para que el pico de los I no colapse el sistema sanitario, y cumple ese cometido... PERO SÓLO SI SE HACE A TIEMPO. Si no se hace a tiempo no sirve, porque para cuando confinas a la gente ya es demasiado tarde. No frenas el pico y te comes con patatas el colapso, a pesar de que reduzcas el contacto social. Lo que pasa es que lo has reducido, pero demasiado tarde.
Y es complicado que consigas hacerlo a tiempo si tienes a gente sin síntomas, y a otros que sí que tienen síntomas, pero que para cuando los desarrollan ya ha pasado una semana... Para cuando detectas a esos ya llevan esa semana contagiando a más peña.
#23 Claro que lo sé. Y lo que discuto es que la epidemia también baja por sí misma (y por tanto los hospitales dejan de estar saturados) sin necesidad de que se deba al confinamiento, sino por puro agotamiento de los susceptibles de contagiarse. De eso va todo esto, de que no es la única explicación posible.
#29 Tío, todo brote al final remite, por eso se llama "brote". Incluso aunque una enfermedad se vuelva endémica como la gripe, lo que quiere decir es que produce brotes todos los inviernos. Pero en verano no hay. Los brotes no son infinitos. Por suerte para todos.
#2 Sé perfectamente por qué se hace un confinamiento, tanto para que el pico de los I no sature el sistema sanitario (lo de "aplanar la curva"), como para ganar tiempo en encontrar un tratamiento, a base de reducir el contacto social. No cuestiono que el confinamiento reduce el contacto social, eso es obvio. Pero lo que no es tan obvio es que si haces el confinamiento demasiado TARDE no consigues tus objetivos: aunque reduzcas el contacto social ya es demasiado tarde, y los infectados siguen contagiando a los susceptibles hasta que la epidemia se diluye por sí misma, sin que la hayas frenado en nada. Te animo a que sigas leyendo:
#18 "si haces el confinamiento demasiado TARDE no consigues tus objetivos:"
Quieres decir que descongestionar la mayoría de hospitales no es conseguir nada?, con la sanidad saturada sí que no vas a conseguir nada.
En principio hay que asegurarse poder atender a los enfermos,parar el virus es imposible sin vacuna.
#19 Te vuelvo a decir que la I baja por sí misma. SIempre. Hagas confinamiento o no, lo que sucede siempre es que el virus ya no encuentra a quién contagiar. En el caso de un confinamiento a tiempo, no encuentra a quién contagiar porque esas posibles "presas" están en sus casas sin contacto. En el caso de que el confinamiento no llegue a tiempo, o bien porque no se haga ningún confinamiento, no encuentra a quién contagiar porque ya no hay más presas, simplemente. No porque estén en sus casas, sino porque no hay más: porque ya lo han pasado todos (o están en ello).
No discuto que el confinamiento tiene sentido, claro que lo tiene, y claro que reduce el contacto social. Y claro que si se hace a tiempo el pico de contagios es mucho menor que si no se hace nada. Pero en este caso NO PARECE QUE SE HAYA HECHO A TIEMPO. Eso es todo.
De todas formas, será fácil de comprobar. Si estoy equivocado y todavía queda gente que sea S inevitablemente habrá rebrotes (aunque ya debería estar habiéndolos, y no parece). Pero si estoy en lo cierto y ya no queda nadie susceptible de contagio entonces no los habrá. En realidad que todo esto fuera cierto sería cojonudo desde el punto de vista de salud. Ya no habría que preocuparse por rebrotes, y podríamos vivir más tranquilos.
Me parece raro que R mezcle curados y fallecidos, ya que ignora mutaciones y re contagios. La inmunidad no está clara.
Además, no me queda claro si considera que se puede pasar de S a R sin ser detectado, y sin pasar por I.
Nada, disculpas aceptadas. Tampoco digo que lo que yo diga sea necesariamente verdad; simplemente que el ajuste es tan sorprendentemente bueno que merece considerarse como posibilidad. Aunque desmonte la versión oficial. Si hubiera algo muy básico que fuera erróneo, creo que sería imposible que pudiera ajustar tan bien las cosas. Pero clava la evolución...
#44 Sí. El resumen vendría a ser algo así: "No necesariamente el confinamiento ha servido para lo que se pretendía. Asumiendo que no haya influido en nada en frenar los contagios -por hacerse demasiado tarde-, vemos que es posible ajustar un modelo SIR para España que ajusta muy bien a los muertos que se han ido produciendo desde el inicio del brote (finales de febrero) hasta la fecha actual (mediados de mayo). Si esto fuera cierto, tanto el confinamiento como el descalabro económico subyacente habrían sido erróneos. Hechos para protegernos y con buena intención, pero contraproducentes en la práctica, al no haber evitado apenas ninguna muerte y haber condenado a la ruina a muchas personas y negocios".
#46 me sorprende que casi todos los países han seguido sin cuestionar el modelo confinamiento. Hace ya tiempo que no se observa diferencias significativas entre los países que lo han hecho y los que no. Y lo que es peor, en nuestro país, quieren seguir con ello un mes más.
Yo no acabo de entenderlo... pero he terminado de comer y no estoy para pensar mucho. Pero si lo he entendido bien, dice que aplicando el modelo SIR "tal cual" a los datos originales, se obtiene la curva actual, y que por tanto, no era necesario hacer cuarentena.
No soy epidemiólogo ni soy experto en modelado de datos, sólo un humilde ingeniero, pero me parece ver un fallo... y es que ajustando los parámetros de la curva se puede conseguir casi cualquier ajuste... lo que significa que este hilo sería una falacia de petición de principio ( https://www.retoricas.com/2015/03/ejemplos-de-la-falacia-peticion-de-principio.html )
Dicho de otra manera: asume que si puede ajustar una curva SIR pura a unos datos, eso significa que el modelo real se ha comportado como un modelo SIR puro con esos datos; pero, desde mi ignorancia y sólo en base a las simulaciones que he visto en periódicos y demás, la curva de propagación con confinamiento y sin confinamiento son muy similares, diferenciándose en que la primera es mucho más baja y alargada que la segunda, pero lo que es "la forma" es similar... ¿podría ser simplemente que esa curva SIR que el ha conseguido ajustar se correspondería con unas tasas de transmisión mucho menores (más o menos coincidentes con los valores conseguidos durante el confinamiento) que los reales?
En otras palabras: los propios errores de medición pueden haber camuflado el cambio de subida durante la escalada, de manera que los mismos datos encajan con un modelo SIR donde la cuarentena no tiene efecto alguno, y también con un modelo... llamémoslo "SIR compuesto" con una primera parte sin cuarentena y otra con cuarentena, con valores R0 diferentes en cada uno.
Pero vuelvo a repetir: no soy epidemiólogo ni modelador de datos ni nada que se le parezca. Y es sólo una reflexión a vuelapluma.
#8 No, el SIR no da cualquier tipo de curva. Es verdad que variando sus parámetros se pueden observar escenarios distintos, pero parte de unos supuestos muy concretos. En concreto, si fuera verdad que los factores de contagio han descendido por el confinamiento, y luego por el segundo confinamiento en el que se paró todo, no se podría ajustar la evolución de los fallecidos durante todo el tiempo. O ajustaría bien un primer tramo y luego el 2º no lo afinaría, o al revés. Pero ya ves que parece casar bien con todo el tiempo. Eso es en lo que hay que fijarse.
#35 Por eso los datos reales están suavizados, cosa que también cuento, para mitigar las oscilaciones de fines de semana y similares. Aparte, aunque por ejemplo los muertos que da el Gobierno están infraestimados (porque lo están, la realidad es que hay como un 30% más de muertos de los que reportan), también es lógico pensar que todos los días reportan un 30% menos de la realidad. No es que un jueves reporten un 50% menos y al día siguiente sólo reporten un 15% menos, el error es bastante constante también (sobre todo porque consideras el país en conjunto, y errores al alza por un lado se compensan con errores a la baja por otro). Lo que importa realmente es la FORMA, la CURVA que siguen. Que esté más o menos alta no es problema; yo puedo ajustarlo igual para que en vez de a 30 mil muertos converja a 40 mil, o a 50 mil (porque lo único que haría sería subir o bajar en el eje Y, para entendernos, pero en el X no cambiaría).
#6 Pues fui el mejor expediente de esa carrera y del doctorado de después, con Premio Extraordinario. Si yo la tuviera que empezar de nuevo no sé lo que tendrían que hacer los otros de esa promoción, la verdad.
Observad que el grupo R incluye tanto a los que se recuperan porque se curan como a los que fallecen. En cualquier caso, se asume que una vez en R ya no puedes volver ni a S ni a I, porque ya eres inmune una vez curado (o porque te has muerto y ya no puedes volver a nada, claro).
Sé que la inmunidad está cuestionada, pero todo parece indicar que sí la hay (al menos por un tiempo). Se generan anticuerpos en el 99% de los del grupo I (https://elpais.com/ciencia/2020-05-14/el-99-de-infectados-de-coronavirus-genera-anticuerpos.html), y hemos dado de alta a más de 100 mil personas (https://cnecovid.isciii.es/covid19/) que no han reingresado.
En el enlace de El Pais sobre el estudio... El estudio de EE UU es aún preliminar y no ha sido revisado por expertos independientes,
Ya está otra vez la tontería de que se asume R0 constante.
Este tío no se ha enterado que hemos estado encerrados.
La gente no sabe matemáticas básicas y luego escriben estas chorradas.
Yo que tú descartaba, #0
#3 ¿ cogerlo con alfileres? Mejor tirarlo a basura.
#4 Sí, asumo factor de contagio constante. Y precisamente si esa suposición no fuera cierta no podría ajustar ni de coña las muertes durante todo el tiempo, tanto pre- como post-confinamiento. Lo notable es que sí se pueda hacer suponiendo eso constante. Yo tampoco daba un duro porque fuera a salir, pero resulta que sí.
Y algo de matemáticas sí sé, dado que las estudié, tengo un doctorado en modelización, y resulta que me dedico a enseñárselas a gente que sabe algo menos. De momento ningún alumno me ha comentado que piense que su profesor no sabe del tema.
#24 Pues el R0 no es constante. De hecho nos encerramos para que baje el R0, así que el modelo que propones simplemente no se ajusta a la realidad, no se puede pretender extraer conclusiones de él que sean aplicables. El R0 ha tenido que cambiar con el encierro y de hecho llegan menos enfermos a los hospitales. Un estudio interesante sería ver cómo ha cambiado.
Enhorabuena por tu doctorado. Si además nunca te equivocas, enhorabuena por estar en eso a la altura de Jesucristo. El resto de humanos alguna vez lo hace.
#34 Vamos a ver, no confundas factor de contagio con gente enferma que llega a los hospitales. No es lo mismo. El factor de contagio constante a 1/5 por ejemplo significa que de 5 susceptibles con los que te cruzas cada día tú contagiarías a 1. Ahora bien, tú todos los días te puedes cruzar con 5 personas, pero si dejan de ser susceptibles ya porque ya están contagiados entonces tú no les pasas el virus, aunque tu factor de contagio siga siendo el mismo. Dicho de otro modo, según cada vez hay más gente infectada tú cada vez te cruzas con menos sanos (aunque mantengas la misma movilidad), te vas cruzando con otros infectados, o con recuperados. Por eso toda epidemia se extingue por sí misma incluso aunque no nos confinemos. Y según se va extinguiendo también van llegando menos enfermos a los hospitales. Lo intento explicar en otro hilo, que te invito a que leas: twitter.com/jorloplaz/status/1261584645361143808
Y la otra trampa en la que caes es que claro, si estás confinado, dices "claro, pero en vez de con 5 personas ahora no me cruzo con nadie". Sí, eso es cierto, pero aunque no te cruces con nadie si todos los susceptibles de contagio YA han sido contagiados entonces da igual que tú, yo, o cualquier otro infectado nos quedemos en nuestras casas. Eso no influye en nada en la velocidad de propagación, y por tanto no influye en lo que acaban recibiendo los hospitales.
En cuanto al doctorado eso no me hace infalible, por supuesto, pero tampoco tengo por qué aguantar que tú gratuitamente asumas que no sé de lo que hablo, y que des por sentado que el análisis no es riguroso. Porque sí lo es.
#3 La inmunidad no tiene por qué ser permanente, basta con que un I cuando se cruza con un R no le pueda transmitir el virus mientras dura el brote. Si el brote por ejemplo dura 4 meses y la inmunidad dura 6 es suficiente. El modelo SIR parte de eso, de que las únicas transiciones posibles es de S a I, y de I a R. No puedes volver atrás.
La inmunidad todavía se está investigando, pero parece claro que dura lo suficiente. Otra prueba a favor de esto es que ya llevamos en España dados de alta a 130 mil personas, y de esas casi nadie ha reingresado porque vuelva a infectarse (pueden reingresar, pero por complicaciones que les dejó el Covid, no porque lo vuelvan a pillar). SI lo piensas, entre que son 130 mil y que son los más vulnerables (porque es a los que atizó más la 1ª vez), parece razonable suponer que si las reinfecciones fueran posibles serían los primeros candidatos a reinfectarse. Pero eso no parece estar pasando, lo cual es bueno.
Comentarios
Otro cuñaoepidemiólogo....y luego suelta que el confinamiento no frenó nada
No sabe por qué nos confinan, pero sabe que está mal...
#2 Es verdad, que va a saber un doctor en informática de modelos de datos. Menos mal que estamos aquí para decirles a esos cuñaos que lo son.
#5 Yo soy doctor en informática y sé que no hay por donde coger el razonamiento que usa. Si te vale como falacia de autoridad, perfecto. Si no te explico dónde están los dos errores fundamentales.
Pero mira, en #8, una persona que no lo entiende por completo ya va pillando una parte del error. Aunque no todo.
#10 Hombre, pues ahora no me dejes a medias y dime la otra parte
#12
En primer lugar ajusta el modelo con datos pre y post confinamiento, asumiendo que no hay ningún factor adicional. Pero el modelo que utiliza no es capaz de contemplar factores adicionales. La consecuencia es lo que tú indicabas, que implícitamente se asume R0 constante.
El fallo no lo ve porque el modelo se le ajusta a "predicciones futuras" de las últimas semanas. Pero es que el modelo ya está ajustado a una propagación del virus disminuida.
El segundo error, gravísimo, es que asume que el tiempo que pasa desde la infección y la muerte es constante, y de 5-6 +14 días. Porque asume falsamente que para pasar de I a R pasan 14 días.
Esto da lugar a dos conclusiones, erróneas. La primera es que el pico de contagios es muy anterior al confinamiento, pero en el fondo está derivada de que asume -3 semanas desde que lo pillas hasta que mueres. Esto no lo aporta el modelo. La segunda conclusión errónea es que no hubiera pasado nada por no confinar, ya que el modelo indica que la curva sería igual. Error de novato, pues en el fondo está ajustando la curva post hoc. Para hacer esto debería sólo usar datos de contagiados antes del confinamiento y comparar si los modelos resultantes son probablemente iguales.
Vamos. Una tautología donde de A derivo A.
#13 Gracias. Efectivamente, notaba algo raro también en los tiempos, pero estaba recién comido y no estaba para pensar mucho, así que no sabía qué era. Así tiene sentido.
#13 ¡ Qué paciencia has tenido de leerlo entero!
#13 Hola vladrik, ¿por qué dices que es falso que para pasar de I a R tengan que pasar 14 días? El consenso médico es que incluso puede pasar más tiempo, pero el mínimo son 3 semanas, de las cuales 1 es de incubación, y las otras 2 de síntomas ya claros, complicaciones, etc. (https://grupoinfeccsomamfyc.wordpress.com/2020/04/01/periodo-infectivo-en-pacientes-covid-cuando-finalizar-el-seguimiento/). Por eso se pone a la gente en cuarentena 2 semanas. Porque desde que empiezas con síntomas durante 2 semanas al menos eres infeccioso y no se te puede considerar recuperado. En cuanto a los casos peores, se pueden tirar en UCI bastante más tiempo: https://www.lavanguardia.com/vida/20200322/4817187506/los-que-van-a-ir-mal-estan-28-dias-en-la-uci-los-que-van-bien-11-hay-que-pensarlo.html
Por otro lado, asumir ese tiempo constante (sea el que sea) es una de las suposiciones del modelo SIR, en concreto el parámetro gamma, como sigo discutiendo en twitter.com/jorloplaz/status/1261584645361143808 A mí me sale que si quieres ajustar las muertes lo mejor posible, ese gamma es de 22 días.
Además, lo de pre y post-confinamiento es precisamente lo que quiero demostrar, que usando exactamente los mismos valores en la fase pre y post se ajustan bien las muertes, también tanto las pre como las post. Si de verdad el confinamiento hubiera frenado las cosas habría 2 tramos bien diferenciados, 2 comportamientos distintos, y por tanto no podía ajustar bien las muertes ni de coña. O bien ajustaría bien solo las pre, o bien sólo las post, pero no ambas.
#20
En primer lugar, por lo que sabemos de la enfermedad [1], desde la exposición al virus hasta la muerte pueden pasar desde 2 hasta 10 semanas, con una distribución desconocida. Puesto que modelas en base a muertes, no podemos asumir un desplazamiento constante desde la exposición, sin asumir un error amplio.
En segundo lugar, claro que el modelo SIR asume tiempo constante, y asume tasa de contagios constante, y no dudo de que sepas bien como funciona el modelo, ni como se ajusta. El problema es que, como seguro que también sabes, no se puede pretender ajustar un modelo paramétrico (con unas premisas) a unos datos que no cumplen esas premisas, y sacar conclusiones válidas de ello. Y esto no quiere decir que no puedas ajustarlo: cláro que se puede. Pero hay que tener mucho cuidado con interpretarlo literalmente.
Con respecto a demostrar pre y post confinamiento con tu modelo. Y aquí me tengo que poner muy serio ya. ¿De verdad crees que puedes sacar esa conclusión del hecho de que un modelo determinado se ajuste a tu conjunto de entrenamiento?. Pero si lo que quieres demostrar es lo que asumes... tendrás que usar un conjunto de datos held out para validar tu modelo ¿no?. Esto ya sin necesidad de meternos en analizar por qué tu modelo parece funcionar falsamente.
Por último, viendo tus nuevos twits, me doy cuenta de que, puedes saber ajustar un modelo con todo el detalle del mundo, pero es evidente que no sabes lo que estás haciendo para aplicarlo. Y me refiero específicamente a [2]. En tu modelo solamente entran los muertos. Lo único que permite el modelo para pasar a muerto, es haber pasado por infectado, y estos solo pueden venir de los sanos. La única forma de que se ajuste una curva decreciente de infectados, es que se agote el suministo de sanos. Es decir, que para modelar los datos observados post-hoc, estás asumiendo que el suministro de sanos no inmunes se paró. ¿Cómo vas a extrapolar esto a toda la población (y no sólo la foto fija de los que han fallecido)? ¿cómo va a ser el R0 constante (no lo es, ver [1]) e independiente de la movilidad reducida por el confinamiento (no lo es, ver [3])? ¿No ves que estás usando datos no curados?
[1] https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual/nCov-China/documentos/20200417_ITCoronavirus.pdf
[2]
[3] Correlación entre mortalidad del Covid-19 y movilidad: La responsabilidad es nuestra
Correlación entre mortalidad del Covid-19 y movili...
naukas.com#41 Gracias por tus observaciones y por tus referencias, francamente interesantes. Intento contestar.
Evidentemente que cada paciente es distinto y no para todos se cumplen los mismos tiempos de recuperación, pero importa más que nada el promedio puesto que estamos aproximando el país en conjunto. Hay variantes del SIR que asumen que por ejemplo gamma (cuyo inverso es ese tiempo) sigue una distribución determinada (gaussiana, Erlang, etc.) en lugar de un valor fijo, pero la evolución de las curvas cambia poco. Siempre es buena idea intentar primero con modelos muy simples, y sólo empezarlos a complicar si te ajustan mal. Ese principio es el que estoy siguiendo: vamos a ver qué pasa si asumo todo constante todo el tiempo. ¡Hostia, tú, que ajusta bien! De momento no me complico más.
En cuanto al ajuste en sí, creo que estás comentando lo que en jerga de Machine Learning llamamos el problema del sobreajuste (overfitting en inglés), es decir, que yo debería ajustar un modelo para un periodo y luego ver qué pasa en otro periodo, aparte del ya ajustado. Totalmente cierto, y por eso al final hago predicciones, porque el brote no ha terminado. Ese es mi periodo de test. Cuando hice esto estábamos a 5 de mayo, y si el modelo va bien predice cosas como estas:
- A finales de mayo todavía estaremos en torno a los 50 muertos diarios.
- Hasta finales de junio seguirá habiendo muertos todos los días.
- El total de muertos (según lo que dice el Gobierno, ya he comentado en otra respuesta que en realidad son más, pero eso sólo subiría la curva hacia arriba) será de 30 mil (la realidad será que será algo más de 40 mil).
Por último sí, por las asunciones del modelo SIR la extinción de un brote se produce porque se agota el suministro de sanos S. Lo que discuto yo es la posibilidad (ojo, posibilidad, no estoy asegurando nada) de que efectivamente se haya agotado ya el suministro de sanos susceptibles de enfermar. Es decir, que aunque en la seroprevalencia salga el 5% eso no significa que el 95% restante todavía esté susceptible de enfermar. Puede ser que no; bien porque haya inmunidad de partida en un gran porcentaje de la población (es como si fueran R desde el principio, no S), bien porque desarrollan tan pocos anticuerpos que no son detectados como I ni siquiera a posteriori, aunque en realidad sí lo hayan sido... Muchos motivos.
En cuanto a R0 constante, aquí está la gracia de todo. Está claro que el confinamiento reduce el R0, ¡pero sólo si se hace a tiempo, cuando I todavía es muy bajo y hay muchos S, de lo contrario ya no! Si de verdad hubiera reducido R0 los contagios no sólo es que yo no podría ajustar un modelo para todas las muertes (me saldría bien antes del confinamiento, y mal después, o al revés), sino que en la propia curva de muertes (la de verdad) se observaría un salto. Una discontinuidad como unas 2-3 semanas después de habernos confinado. Porque al haber reducido R0 mucho, y al ser proporcionales las muertes a los contagios, si tú reduces R0 de repente, reduces también las muertes de repente, únicamente que con un retardo temporal correspondiente eso, al periodo que tarda la enfermedad en matarte. Pero eso no se observa por ningún lado. SIgue una curva suave (si haces una media ponderada que mitigue los "efectos fines de semana" y demás oscilaciones que hay si tomas los datos diarios al pie de la letra),
#42
No estoy hablando de overfitting en concreto, aunque esté relacionado. Estoy hablando de fundamentos de validación estadística. No me importa usar jerga de ML si quieres.
El hecho de que tu modelo haga una buena predicción de lo que está pasando ahora, condicionado al confinamiento, no quiere decir nada sobre lo que pasaría si no lo hubiera. El modelo aprende el parámetro de transmisión constante (uno que no puede ser constante, pero que en media está funcionando como tal), y predice bien las consecuencias de esa situación media, de pre y post confinamiento. Al tener una mayor dispersión en el tiempo la distribución de muertes, es muy plausible que los muertos sigan la tendencia de la cola sin incrementar el número de infectados de manera significativa.
Lo de usar modelos simples me parece bien. El problema es que no los estás validando en realidad, pues estás usando datos mixtos que dependen de factores no aislados. Como digo, para demostrar que el confinamiento no hizo nada, los modelos ajustados en base a datos no condicionados al confinamiento, y el modelo ajustado en base a datos condicionados al confinamiento deberían ser iguales. No creo que puedas hacer esa comparación sólo usando los datos de muertes (ya sin tener en cuenta la mayor incertidumbre que estos exponen).
Por terminar. Me sorprende que no seas capaz de ver el error de bulto que cometes. Estás asumiendo lo mismo que concluyes!! Y me sorprende aún más que te hayas venido a meneame a responder a todo comentario que existe ahondando en tu error (error que han visto varios que, sin ser arrogantes, no han expuesto su formación: te sorprenderías del nivel de algunos usuarios), y te sigas creyendo más listo que nadie.
Insisto, sin acritud, estás cometiendo un error de novato y ni te das cuenta.
#43 Estoy siguiendo el método científico, el de intentar verificar una hipótesis. El razonamiento es el siguiente:
1) Hipótesis: supongamos que el confinamiento no haya servido de nada.
2) En ese caso podría intentar ajustar un modelo que asume transmisión constante, y debería casar razonablemente bien con lo observado.
3) ¿Qué modelo hay en epidemiología que asuma eso, y que además sea lo más sencillo posible? (Precisamente por no ser experto en epidemiología) Vale, el SIR.
4) ¿Qué es lo que debería yo intentar que el SIR saque como output para verificar que casa con la realidad? Dado que la población susceptible S se desconoce, y que los infectados I están tremendamente infraestimados por falta de tests e infectados asintomáticos, sólo me queda la R.
5) ¿Qué incluye R? Recuperados y muertos, pero como los recuperados también están infraestimados (mucha gente se ha recuperado silenciosamente en sus casas, y todos los infectados asintomáticos ya no activos ya están recuperados), entonces sólo me quedan los muertos como lo único (medio) fiable.
6) Bien, pues intento hacer eso y resulta que sale todo razonable. El SIR ajusta bien los muertos, la tasa de mortalidad interna sale en torno al 1.4%, lo cual casa bien con las estimaciones médicas, el tiempo de recuperación sale que es 22 días (lo cual también casa con el consenso médico aunque tú disientas), y lo único es que la tasa de contagios ha sido mucho más alta de lo que dicen. El R0 sale en torno a 7.7, cuando se dice que es de 2.5 o así. De todas formas, no me parece descabellado esto porque como precisamente hay infectados sin detectar a punta pala, eso necesariamente quiere decir que el contagio ha sido mucho mayor de lo que está saliendo por casos confirmados.
Por otro lado, si la hipótesis fuera falsa (y la tuya cierta, es decir que el R0 ha ido decreciendo, porque lo tuyo también es una hipótesis, no es un hecho contrastado, de hecho tú también quieres concluir que el confinamiento ha sido útil -tu hipótesis-, pero a diferencia de mí no me das argumentos claros que demuestren tu teoría, simplemente lo pones como dogma), entonces el modelo no ajustaría ni de coña, porque asume que R0 es constante. Entonces a lo mejor ajustaría bien antes del confinamiento, pero de puto culo después (porque el confinamiento habría introducido un descenso muy considerable en dicho R0). O al revés: si consiguiera ajustar bien tras el confinamiento entonces fallaría en la fase pre.
De hecho he intentado ajustar un modelo en 2 trozos porque me parecía extraño: uno con un R0_1 pre-confinamiento y un R0_2 post-confinamiento (con R0_1 > R0_2, obvio, porque yo no discuto que el confinamiento reduce el contacto social, eso sería una gilipollez). ¿Sabes lo que pasa? Pues que entonces el modelo para ajustar lo mejor posible a las muertes hace R0_1 = R0_2. Exactamente iguales. En cuanto usas 2 factores distintos el ajuste es peor. Da igual que toques el tiempo de recuperación, no hay manera de que produzca un ajuste igual de bueno que siendo idénticos.
Más aún fuera de la teoría; si fuera falso que la población susceptible S ya se ha agotado, entonces impepinablemente habrá rebrotes ahora al desconfinarse. No se observa tal cosa; es verdad que es un poco pronto -han pasado 2 semanas desde que se levantó el arresto domiciliario estricto-, pero el fin de semana que viene ya estará bien claro. Si no hay rebrotes es que quedan ya muy pocos S. Y dirás, "pero es que donde se está levantando más el desconfinamiento es donde hubo menos casos". Claro, pero precisamente es donde quedarían más S (porque atizó menos), así que es precisamente donde deberían verse más rebrotes.
No me creo más listo que nadie, pero cuando alguien me dice que me he equivocado (que me puedo equivocar, como todos), exijo que me dé argumentos convincentes que me convenzan de ello. Yo no veo el error metodológico, francamente. Si lo que te chirría es el titular del Menéame (que eso sí te admito que es algo pretencioso, pero no es mío, sino de un amigo que decidió poner el enlace aquí), de este modelo tampoco se deduce que esta necesariamente sea la realidad, significa simplemente que no puede desecharse la posibilidad de que el confinamiento no haya servido de nada. Ni debería desecharse, porque en caso de que fuera esa la realidad es una enseñanza muy buena para el futuro (lo que pasa es que muchos gobiernos quedarían como el culo, y el varapalo económico habría sido evitable).
No puede desecharse porque suponiendo que haya sido así, es posible ajustar un modelo que casa bien con lo observado. Y es simple: por la navaja de Occam, veo más plausible suponer que esto se hizo tarde, como se hizo tarde se colapsó, y como se colapsó y llegó a su tope natural precisamente por eso mismo ya no cabe temer gran cosa, y que por eso no se observan rebrotes. Más plausible que suponer un R0 desconocido, que va disminuyendo de manera desconocida por un montón de medidas de distanciamiento y protección diferentes cuya influencia individual no se puede cuantificar de manera clara. Y más plausible que el hecho de que países con confinamientos mucho menos estrictos no tengan una cifra de muertos bestial, porque esto no sólo va de España. Si lo hacen menos estricto, entonces bajan su R0 mucho menos, luego sus infectados deberían subir mucho más, y consecuentemente los muertos también. Si (casi) todos los que confinaron confinaron tarde, entonces el brote dura lo mismo en casi todas partes, cosa que por cierto ya se va observando https://www.timesofisrael.com/top-israeli-prof-claims-simple-stats-show-virus-plays-itself-out-after-70-days/
#45 Para demostrar una hipótesis, de forma estadística, hay que descartar la contraria.
Tu razonamiento deductivo no es científico. Si no lo ves, no es mi responsabilidad ayudarte. Creo que tienes formación suficiente para ver tu error, si eliminarás los prejuicios.
Por otra parte, con respecto al R0, que dices que es mi hipótesis, basta ver el informe de sanidad. Si te quieres poner conspira pico con ello, perfecto, pues irá el la línea de tu ya paranoia ahondando en tus errores.
#47 No es paranoia, es que no es la única explicación. Aunque su R0 no se disminuya, todo brote se extingue por sí mismo. Con un pico más alto que si no se redujera (eso es lo de "aplanar la curva"), pero llega a un pico y luego entra en declive. Tampoco se puede hacer lo que dices, porque no hay ningún sitio en el que no se haya hecho nada de nada, siempre hay alguna medida de separación social. Por tanto no hay disponibles datos del escenario alternativo. Pero eso no significa que haya que tragar con el dogma de que no se podía hacer otra cosa, o que era obligatorio hacerlo porque si no el pico habría sido inasumible. Me recuerda a la imposición de la crisis de 2008 y la receta sin alternativa de la austeridad: "¿qué habriamos hecho si no?" "no hay otro camino", "hay que tener disciplina", "hemos vivido por encima de nuestras posibilidades", etc.
El famoso paper del Imperial College (por cierto, sin revisión por pares) hacía un montón de suposiciones (contagio, recuperación, capacidad de UCIs, eficacia de distintas formas de distanciamiento...) para concluir que de no hacer nada se producirían millones de muertes. Ni siquiera en sitios donde han hecho o hacen más bien poco (Irán, bastantes estados de Estados Unidos, Brasil, África...) se llega ni remotamente a esas cifras, así que esas suposiciones eran claramente incorrectas y sobredimensionaron el problema. ¿Que un brote de una enfermedad puede llegar a esas cifras? Por supuesto, ahí está la gripe española para demostrarlo. Pero parece claro que se pasaron de cautos. Lo cual no está mal como principio, "mejor prevenir que curar", pero puede ser contraproducente. Si a ti te sale una infección en una uña del pie pues hombre, puedes cortarte la pierna y así ya te curas, pero te has quedado sin pierna. ¿Era la única alternativa cortarte la pierna? ¿Te tienes que creer porque lo diga el médico que te la cortó que realmente era la única opción? Yo digo que no, porque como buen científico uno siempre debe cuestionarse todo, y ver si puede encontrar un fallo o un contraejemplo en lo consensuado como teoría más válida por la comunidad. La ciencia está en permanente revisión, y nunca una teoría debe darse por totalmente buena, y mucho menos cuando no cuadra con la evidencia.
Suponer que el confinamiento de países como España o Italia ha sido efectivo implicaría todo esto:
- Que cuando se desconfinen surgirán un montón de rebrotes (porque a menos exposición, más susceptibilidad de cogerlo al no tener inmunidad de nada). Esto por el momento NO se cumple.
- Que otros sitios que se confinaron menos y tienen contactos sociales comparables deberían tener muchos más muertos de los que tienen (Irán, Países Bajos, Alemania, Suecia, Estados Unidos, Brasil...). Esto por el momento TAMPOCO se cumple.
- Que cuando se hagan tests fiables y masivos saldrá que pocos lo han tenido. Esto SÍ se cumple, pero en parte, porque en los países menos confinados la prevalencia es bastante similar (ejemplo: Estocolmo un 17% sin confinarse ni cerrar nada y siendo una gran ciudad, Soria un 15% confinándose muy estrictamente, dejando todo cerrado y teniendo una densidad de población muy baja, Diamond Princess siendo un entorno cerrado
cruceroy con todo el mundo testado apenas del 20%, hospitales con personal desprotegido muy rara vez pasan del 25%, etc.). Parece mejor explicación que o bien hay mucha gente que lo pilla y luego de negativo en los tests, o bien que aun estando expuestos directamente no lo pillas por ser inmunes desde el principio. Y que Suecia, España y los pasajeros del Diamond Princess realmente han estado igual de expuestos.Así que es al consenso científico actual al que le veo muchos puntos flacos. No casa lo que dicen con lo que va pasando. Por suerte, porque si la realidad es otra entonces el brote quedaría como un mal recuerdo, pero de apenas unos meses, y no habría que condicionar ya los años futuros.
Pero si prefieres que te corten la pierna a saber que se podría haber hecho algo mucho menos radical, o al menos aunque ya no recuperes la pierna servir de evidencia para futuros pacientes para que a ellos no les corten la pierna innecesariamente, adelante. Es tu elección.
#48 No me interesa tu opinión no formada.
#49 Bueno, pues descarta mi hipótesis de manera estadística y sácame de mi error. La mía es la contraria a la tuya, así que eso, demuestra la tuya a base de refutar la mía.
#50 No es una cuestión de opinión. Lo que yo opine no importa. Ya te he demostrado tu error desde la primera respuesta. Solo hay que mirar la documentación.
#5 UN doctor en informática que dice que el confinamiento no ha frenado la pandemia, pero es que resulta que el confinamiento es para evitar el colapso sanitario.
Si montas tu razonamiento sobre una base errónea conviertes el razonamiento en erróneo
#11 Te digo lo mismo que más arriba. El confinamiento efectivamente sirve para que el pico de los I no colapse el sistema sanitario, y cumple ese cometido... PERO SÓLO SI SE HACE A TIEMPO. Si no se hace a tiempo no sirve, porque para cuando confinas a la gente ya es demasiado tarde. No frenas el pico y te comes con patatas el colapso, a pesar de que reduzcas el contacto social. Lo que pasa es que lo has reducido, pero demasiado tarde.
Y es complicado que consigas hacerlo a tiempo si tienes a gente sin síntomas, y a otros que sí que tienen síntomas, pero que para cuando los desarrollan ya ha pasado una semana... Para cuando detectas a esos ya llevan esa semana contagiando a más peña.
#21 "Si no se hace a tiempo no sirve"
Pero es que ha servido, a pesar de tu teoría...Los hospitales ya no están saturados, no sé si lo sabes
#23 Claro que lo sé. Y lo que discuto es que la epidemia también baja por sí misma (y por tanto los hospitales dejan de estar saturados) sin necesidad de que se deba al confinamiento, sino por puro agotamiento de los susceptibles de contagiarse. De eso va todo esto, de que no es la única explicación posible.
#28 "Y lo que discuto es que la epidemia también baja por sí misma"....Esto es algo que no saben ni los epidemiólogos...
#29 Tío, todo brote al final remite, por eso se llama "brote". Incluso aunque una enfermedad se vuelva endémica como la gripe, lo que quiere decir es que produce brotes todos los inviernos. Pero en verano no hay. Los brotes no son infinitos. Por suerte para todos.
#5 digo yo que no es el tema ni el sitio de usar el argumento de autoridad.
#2 Sé perfectamente por qué se hace un confinamiento, tanto para que el pico de los I no sature el sistema sanitario (lo de "aplanar la curva"), como para ganar tiempo en encontrar un tratamiento, a base de reducir el contacto social. No cuestiono que el confinamiento reduce el contacto social, eso es obvio. Pero lo que no es tan obvio es que si haces el confinamiento demasiado TARDE no consigues tus objetivos: aunque reduzcas el contacto social ya es demasiado tarde, y los infectados siguen contagiando a los susceptibles hasta que la epidemia se diluye por sí misma, sin que la hayas frenado en nada. Te animo a que sigas leyendo:
#18 "si haces el confinamiento demasiado TARDE no consigues tus objetivos:"
Quieres decir que descongestionar la mayoría de hospitales no es conseguir nada?, con la sanidad saturada sí que no vas a conseguir nada.
En principio hay que asegurarse poder atender a los enfermos,parar el virus es imposible sin vacuna.
#19 Te vuelvo a decir que la I baja por sí misma. SIempre. Hagas confinamiento o no, lo que sucede siempre es que el virus ya no encuentra a quién contagiar. En el caso de un confinamiento a tiempo, no encuentra a quién contagiar porque esas posibles "presas" están en sus casas sin contacto. En el caso de que el confinamiento no llegue a tiempo, o bien porque no se haga ningún confinamiento, no encuentra a quién contagiar porque ya no hay más presas, simplemente. No porque estén en sus casas, sino porque no hay más: porque ya lo han pasado todos (o están en ello).
No discuto que el confinamiento tiene sentido, claro que lo tiene, y claro que reduce el contacto social. Y claro que si se hace a tiempo el pico de contagios es mucho menor que si no se hace nada. Pero en este caso NO PARECE QUE SE HAYA HECHO A TIEMPO. Eso es todo.
De todas formas, será fácil de comprobar. Si estoy equivocado y todavía queda gente que sea S inevitablemente habrá rebrotes (aunque ya debería estar habiéndolos, y no parece). Pero si estoy en lo cierto y ya no queda nadie susceptible de contagio entonces no los habrá. En realidad que todo esto fuera cierto sería cojonudo desde el punto de vista de salud. Ya no habría que preocuparse por rebrotes, y podríamos vivir más tranquilos.
Me parece raro que R mezcle curados y fallecidos, ya que ignora mutaciones y re contagios. La inmunidad no está clara.
Además, no me queda claro si considera que se puede pasar de S a R sin ser detectado, y sin pasar por I.
#1 Puedes separar R en recuperados y muertos explícitamente, y pasas de un modelo SIR a uno SIRD. https://en.wikipedia.org/wiki/Compartmental_models_in_epidemiology#The_SIRD_model Pero no hace falta introducir complejidad adicional a un modelo mientras el simple te funcione bien.
#17 Cierto, pero esta por ver si el modelo funciona. Simplificar demasiado tampoco es bueno.
#27 Totalmente. Pero lo sorprendente es que siendo un modelo así de simple ajuste así de bien. Eso es lo que da que pensar...
Nada, disculpas aceptadas. Tampoco digo que lo que yo diga sea necesariamente verdad; simplemente que el ajuste es tan sorprendentemente bueno que merece considerarse como posibilidad. Aunque desmonte la versión oficial. Si hubiera algo muy básico que fuera erróneo, creo que sería imposible que pudiera ajustar tan bien las cosas. Pero clava la evolución...
#39 no tengo tuiter y lo que veo no me explica nada. Serías tan amable de hacer un resumen en dos frases?
#44 Sí. El resumen vendría a ser algo así: "No necesariamente el confinamiento ha servido para lo que se pretendía. Asumiendo que no haya influido en nada en frenar los contagios -por hacerse demasiado tarde-, vemos que es posible ajustar un modelo SIR para España que ajusta muy bien a los muertos que se han ido produciendo desde el inicio del brote (finales de febrero) hasta la fecha actual (mediados de mayo). Si esto fuera cierto, tanto el confinamiento como el descalabro económico subyacente habrían sido erróneos. Hechos para protegernos y con buena intención, pero contraproducentes en la práctica, al no haber evitado apenas ninguna muerte y haber condenado a la ruina a muchas personas y negocios".
#46 me sorprende que casi todos los países han seguido sin cuestionar el modelo confinamiento. Hace ya tiempo que no se observa diferencias significativas entre los países que lo han hecho y los que no. Y lo que es peor, en nuestro país, quieren seguir con ello un mes más.
Yo no acabo de entenderlo... pero he terminado de comer y no estoy para pensar mucho. Pero si lo he entendido bien, dice que aplicando el modelo SIR "tal cual" a los datos originales, se obtiene la curva actual, y que por tanto, no era necesario hacer cuarentena.
No soy epidemiólogo ni soy experto en modelado de datos, sólo un humilde ingeniero, pero me parece ver un fallo... y es que ajustando los parámetros de la curva se puede conseguir casi cualquier ajuste... lo que significa que este hilo sería una falacia de petición de principio ( https://www.retoricas.com/2015/03/ejemplos-de-la-falacia-peticion-de-principio.html )
Dicho de otra manera: asume que si puede ajustar una curva SIR pura a unos datos, eso significa que el modelo real se ha comportado como un modelo SIR puro con esos datos; pero, desde mi ignorancia y sólo en base a las simulaciones que he visto en periódicos y demás, la curva de propagación con confinamiento y sin confinamiento son muy similares, diferenciándose en que la primera es mucho más baja y alargada que la segunda, pero lo que es "la forma" es similar... ¿podría ser simplemente que esa curva SIR que el ha conseguido ajustar se correspondería con unas tasas de transmisión mucho menores (más o menos coincidentes con los valores conseguidos durante el confinamiento) que los reales?
En otras palabras: los propios errores de medición pueden haber camuflado el cambio de subida durante la escalada, de manera que los mismos datos encajan con un modelo SIR donde la cuarentena no tiene efecto alguno, y también con un modelo... llamémoslo "SIR compuesto" con una primera parte sin cuarentena y otra con cuarentena, con valores R0 diferentes en cada uno.
Pero vuelvo a repetir: no soy epidemiólogo ni modelador de datos ni nada que se le parezca. Y es sólo una reflexión a vuelapluma.
#8 No, el SIR no da cualquier tipo de curva. Es verdad que variando sus parámetros se pueden observar escenarios distintos, pero parte de unos supuestos muy concretos. En concreto, si fuera verdad que los factores de contagio han descendido por el confinamiento, y luego por el segundo confinamiento en el que se paró todo, no se podría ajustar la evolución de los fallecidos durante todo el tiempo. O ajustaría bien un primer tramo y luego el 2º no lo afinaría, o al revés. Pero ya ves que parece casar bien con todo el tiempo. Eso es en lo que hay que fijarse.
#26 Pero te olvidas del error inherente a los datos reales.
#35 Por eso los datos reales están suavizados, cosa que también cuento, para mitigar las oscilaciones de fines de semana y similares. Aparte, aunque por ejemplo los muertos que da el Gobierno están infraestimados (porque lo están, la realidad es que hay como un 30% más de muertos de los que reportan), también es lógico pensar que todos los días reportan un 30% menos de la realidad. No es que un jueves reporten un 50% menos y al día siguiente sólo reporten un 15% menos, el error es bastante constante también (sobre todo porque consideras el país en conjunto, y errores al alza por un lado se compensan con errores a la baja por otro). Lo que importa realmente es la FORMA, la CURVA que siguen. Que esté más o menos alta no es problema; yo puedo ajustarlo igual para que en vez de a 30 mil muertos converja a 40 mil, o a 50 mil (porque lo único que haría sería subir o bajar en el eje Y, para entendernos, pero en el X no cambiaría).
#36 sé que sabes de lo que hablas, independientemente de si hay error. Lamento si te he molestado.
Invent, con premisas falsas solo puedes llegar a conclusiones falsas.
Si este tipo estudió una carrera debería empezar a estudiarla de nuevo, no entendió NADA.
#6 Pues fui el mejor expediente de esa carrera y del doctorado de después, con Premio Extraordinario. Si yo la tuviera que empezar de nuevo no sé lo que tendrían que hacer los otros de esa promoción, la verdad.
Observad que el grupo R incluye tanto a los que se recuperan porque se curan como a los que fallecen. En cualquier caso, se asume que una vez en R ya no puedes volver ni a S ni a I, porque ya eres inmune una vez curado (o porque te has muerto y ya no puedes volver a nada, claro).
Sé que la inmunidad está cuestionada, pero todo parece indicar que sí la hay (al menos por un tiempo). Se generan anticuerpos en el 99% de los del grupo I (https://elpais.com/ciencia/2020-05-14/el-99-de-infectados-de-coronavirus-genera-anticuerpos.html), y hemos dado de alta a más de 100 mil personas (https://cnecovid.isciii.es/covid19/) que no han reingresado.
En el enlace de El Pais sobre el estudio...
El estudio de EE UU es aún preliminar y no ha sido revisado por expertos independientes,
No sé, creo que es para cogerlo con alfileres...
Ya está otra vez la tontería de que se asume R0 constante.
Este tío no se ha enterado que hemos estado encerrados.
La gente no sabe matemáticas básicas y luego escriben estas chorradas.
Yo que tú descartaba, #0
#3 ¿ cogerlo con alfileres? Mejor tirarlo a basura.
#4
entiendo que al contenedor de "orgánico"
#4 Sí, asumo factor de contagio constante. Y precisamente si esa suposición no fuera cierta no podría ajustar ni de coña las muertes durante todo el tiempo, tanto pre- como post-confinamiento. Lo notable es que sí se pueda hacer suponiendo eso constante. Yo tampoco daba un duro porque fuera a salir, pero resulta que sí.
Y algo de matemáticas sí sé, dado que las estudié, tengo un doctorado en modelización, y resulta que me dedico a enseñárselas a gente que sabe algo menos. De momento ningún alumno me ha comentado que piense que su profesor no sabe del tema.
#24 Pues el R0 no es constante. De hecho nos encerramos para que baje el R0, así que el modelo que propones simplemente no se ajusta a la realidad, no se puede pretender extraer conclusiones de él que sean aplicables. El R0 ha tenido que cambiar con el encierro y de hecho llegan menos enfermos a los hospitales. Un estudio interesante sería ver cómo ha cambiado.
Enhorabuena por tu doctorado. Si además nunca te equivocas, enhorabuena por estar en eso a la altura de Jesucristo. El resto de humanos alguna vez lo hace.
#34 Vamos a ver, no confundas factor de contagio con gente enferma que llega a los hospitales. No es lo mismo. El factor de contagio constante a 1/5 por ejemplo significa que de 5 susceptibles con los que te cruzas cada día tú contagiarías a 1. Ahora bien, tú todos los días te puedes cruzar con 5 personas, pero si dejan de ser susceptibles ya porque ya están contagiados entonces tú no les pasas el virus, aunque tu factor de contagio siga siendo el mismo. Dicho de otro modo, según cada vez hay más gente infectada tú cada vez te cruzas con menos sanos (aunque mantengas la misma movilidad), te vas cruzando con otros infectados, o con recuperados. Por eso toda epidemia se extingue por sí misma incluso aunque no nos confinemos. Y según se va extinguiendo también van llegando menos enfermos a los hospitales. Lo intento explicar en otro hilo, que te invito a que leas: twitter.com/jorloplaz/status/1261584645361143808
Y la otra trampa en la que caes es que claro, si estás confinado, dices "claro, pero en vez de con 5 personas ahora no me cruzo con nadie". Sí, eso es cierto, pero aunque no te cruces con nadie si todos los susceptibles de contagio YA han sido contagiados entonces da igual que tú, yo, o cualquier otro infectado nos quedemos en nuestras casas. Eso no influye en nada en la velocidad de propagación, y por tanto no influye en lo que acaban recibiendo los hospitales.
En cuanto al doctorado eso no me hace infalible, por supuesto, pero tampoco tengo por qué aguantar que tú gratuitamente asumas que no sé de lo que hablo, y que des por sentado que el análisis no es riguroso. Porque sí lo es.
#3 La inmunidad no tiene por qué ser permanente, basta con que un I cuando se cruza con un R no le pueda transmitir el virus mientras dura el brote. Si el brote por ejemplo dura 4 meses y la inmunidad dura 6 es suficiente. El modelo SIR parte de eso, de que las únicas transiciones posibles es de S a I, y de I a R. No puedes volver atrás.
La inmunidad todavía se está investigando, pero parece claro que dura lo suficiente. Otra prueba a favor de esto es que ya llevamos en España dados de alta a 130 mil personas, y de esas casi nadie ha reingresado porque vuelva a infectarse (pueden reingresar, pero por complicaciones que les dejó el Covid, no porque lo vuelvan a pillar). SI lo piensas, entre que son 130 mil y que son los más vulnerables (porque es a los que atizó más la 1ª vez), parece razonable suponer que si las reinfecciones fueran posibles serían los primeros candidatos a reinfectarse. Pero eso no parece estar pasando, lo cual es bueno.
#22 gracias, es un punto de vista interesante
Ostia si lo dice Twitter....jajajaja
#9 No lo dice Twitter, lo digo yo ;-P