• 11月03日 星期日

数据模型下的疫情控制

写在前面:

我们一直相信,不管是企业,还是国家,都需要做出以数据为基础的决策(make data-based decisions)。

今天,我们想重新用数据和模型来看我们过去两个月以及未来更长的时间面临的是什么问题。

以及,在这个可能已经到来的人类历史新纪元中,我们应该秉持什么样的信念。

以下为正文:

前美国海军上将詹姆斯·斯托克代尔(James Stockdale) ,曾经作为美国海军飞行员参加越南战争。

1965年,他在执行任务过程中飞机被击落,本人也成为俘虏,在集中营里度过了7年半的时间,直到1973年被释放。

数据模型下的疫情控制

多年以后,作家吉姆·柯林斯在其《从优秀到卓越》一书中,采访斯托克代尔:在集中营里,那些最后没挺过去的是什么样一些人?

他回答说:“那是一些盲目乐观的人。他们会说等到圣诞节我们就能出去了。但一个又一个的圣诞节过去了。然后他们又会说:等到复活节我们就能出去了。然后一个又一个的复活节过去了。然后又是感恩节,然后又再是圣诞节。最后他们在失望中死去。”

这是一个非常重要的教训。你永远不能对未来失去信念(faith),但同时也应该保持克制,直面当前无比残酷的现实(brutal facts)。”

后来这个观点被归纳为著名的斯托克代尔悖论:我们需要同时理解无比残酷的事实,并且保持坚韧的信念。

1.无比残酷的事实是什么?

今天,全球确诊数已经超过100万。其中美国确诊人数超24万位列第一,意大利、西班牙均超11万位列二、三位。

在这些数据中,一个很关键的因素就是疾病本身的指数级增长方式(exponential)。从心理学的角度而言,这与人类普遍的线性(linear)思考方式相反。

数据模型下的疫情控制

图中红线为指数级增长,蓝线为线性增长,线性增长方式是10, 20, 30, 40, 50, 60,而指数级增长的方式是10,

从过去两个月的表现即可看出,指数级增长模式可以再短短几天之内就让病例数量翻倍。

数据模型下的疫情控制

来源:https://ourworldindata.org/

与此同时,截止4月2日的数据可以看出,各个国家平均传染病例翻一倍平均只需要8天,其中美国在过去5天病例已翻倍,西班牙、法国和德国也只需要7天。

数据模型下的疫情控制

来源:https://ourworldindata.org/

如果我们来观察过去一个月之内各国的数据。3月初的时候,除开中国,韩国、意大利、伊朗领跑世界。

数据模型下的疫情控制

只短短半个月,完全变天。

数据模型下的疫情控制

虽然韩国疫情得到有效遏制,但几十个国家的病例数量开始激增,西班牙、德国、法国和美国开始爆发。而上图中左下角虚线内的图正是上上图,即3月初世界的样子。

几乎所有的国家都已开启最严格的的抑制策略:以严控的“社交距离”(social distancing)为基础,开启大规模的检测和隔离。

与此同时,全球产业链也受到了极大的影响。

中国打完了疫情上半场,“世界工厂”摩拳擦掌,复工令已经开启,可是却发现还需要陪打全球疫情下半场:海外退单袭来,欧美市场在锁城和关店……几十年的经济全球化第一次面临挑战。

各国政府纷纷出台刺激政策,开启直升机撒钱或者更庞大的QE放水,与此同时,几乎所有的国境开始关闭。

数据模型下的疫情控制

英国《经济学人》预测数据

2. 数据模型可以告诉我们什么?

我们想重新用数据和模型来看我们过去两个月以及未来更长的时间面临的是什么问题。一个主流的疾病模型为SIER,拥有四个主要参数:易感人群 (S) ,确诊人群 (I),潜伏人群(E)、潜伏人群(E)和恢复健康(R)。

OpenAI机器学习研究员Gabriel Goh基于此在不久前发布了一个更可视化的版本。(有时间可以自己去玩儿~)


数据模型下的疫情控制

OpenAI机器学习研究员Gabriel Goh基于传统的SIER疾病模型发布了一个更可视化的版本:地址http://gabgoh.git

这个模型可以告诉我们,基于三个不同的选择,我们将获得的结果,如下图:黑线为“不作为”(Do nothing)、红线为“温和的抑制策略”(Mitigation)、绿线为“严格的抑制策略”(Surpression)

数据模型下的疫情控制

从数据的角度可以清楚地看到,每个国家只能采取最严格的的”抑制”策略,每个人可能都要准备好禁足数月

1. 不作为

数据模型下的疫情控制

以美国为例,假设75%的人被感染,而其中4%死亡,那死亡人数就讲超过1000万,是美国二战中死亡人数的25倍。

目前,美国的病例数字已经超过24万。

而图中的数据也只是因为新冠状病毒而死亡的病例。假设因为新冠疫情造成的医疗系统挤兑和崩溃,那因为其他疾病而死亡的人也会增加。

其他国家的状况大同小异,因为ICU病床数、呼吸机、医护人员的数目和美国差不多,甚至更少。如果任由新冠状病毒传播,则将面临医疗系统崩溃,大量人口死亡。

2. 温和的抑制策略

温和的抑制策略重点是减缓,即现在既然无法预防新冠病毒,因此让它顺其自然,同时努力降低感染高峰,使其对医疗系统在掌控之中。

伦敦帝国理工学院在3月中旬发表的一篇论文中出现了这张图,显示英国的各项策略方案下重症监护(ICU)床位需求:

数据模型下的疫情控制

其中,“不作为(Do Nothing)”是黑色曲线,其他曲线代表实施不同程度的社交隔离措施后,每十万人中需要ICU的人数。蓝色代表最严格的社交隔离措施:隔离受到感染的人、检查疑似病例、保护老年人。这条蓝线大体上当时英国的防疫计划。

红线代表英国的ICU房床数,紧贴图表最下面的X轴线。这代表着,红线以上的人,都可能因为缺乏ICU病房而死亡。以及,这几个月里,仍然会出现很多因缺少ICU造成的连带死亡。

另外,英国政府之前实行的“群体免疫”也只对未经变异的病毒有效。新冠病毒、流感病毒等RNA 病毒,其变异速度比DNA病毒快一百倍,所以更容易变异。

3. 严格的抑制策略

严格的抑制策略便是如今各国通行的“社会距离”(social distancing),以迅速控制住疫情。还是根据Goh的可视化疫情模型计算器,可以看出,如果实施第一波严厉的措施之后,死亡人数将至4000。

数据模型下的疫情控制

在此模型中,R不太敏感。R为0.98表示死亡15,000,是R为0.62的五倍。它对死亡率也不太敏感

与温和的抑制政策相比,模型里所有参数都是相同的,只是增加了一项干预措施,将传播率降低到R0=0.62(即1以下)。同时,由于医疗系统没有发生太严重的挤兑,死亡率将下降到0.6%。根据模型,假定开始执行此措施时有感染人数为3.2万,而总死亡人数则能控制在4000以内。

而且,研究计算也表明,严格的抑制政策时间越早越好,根据估算:政策的施行延迟了10天,死亡人数将达到5万人之多,而如果延后20天,死亡人数将达到20万人。

3.“锤子和舞蹈”

如果仅仅是根据模型,每个国家应该立刻开始执行最严格的抑制策略,但是,尽管对于防疫来说的最优策略,很可能将因长达数月的封锁破坏经济运行。

如下还是帝国理工学院的模型:严格的抑制策略,也许只是推迟了流行病传播,如果政策突然松懈,病毒还会卷土重来,最后仍然会有数百万人死亡。

数据模型下的疫情控制

根据帝国理工学院的模型,峰值仍然会发生

上图中绿色与黄色的线代表不同的抑制强度,看起来严格的抑制策略后仍然有峰值,这个结果依然令人沮丧。

那么,我们是保生命还是保经济?也许,这个病毒最终还是会遵循模型的轨迹,在严格的压制策略之后,再下一个疫情高峰到来之前,经济已经不行了。

最近在世界范围内最火的一篇文章作者Thomas Pueyo,本职工作是硅谷一家教育独角兽公司Course Hero的副总裁,提出了针对新冠疫情的建议,即“锤子和舞蹈”(Hammer and Dance),其核心便是,在严格的抑制策略之后,世界将争取到更多的时间,而这些时间,可以换来医疗资源的重新整合、经济的些许复苏以及疫苗和药物的研发

如下图,黑线仍然是不作为,红线是温和的抑制策略,绿线则细化为“锤子和舞蹈”。

数据模型下的疫情控制

在他看来,新加坡或韩国的政策能够产生巨大影响的深层次原因便是在极度严格的抑制策略,即“锤子”之后,开始了“舞蹈”,“舞蹈”的核心就是控制传播率R。如果R大于1,则感染呈指数增长,成为大流行病。如果低于1,它们就会消失。

他们在经济与医疗之间找准平衡,使人们的生活重回正轨和传播疾病之间。

下图是不同类型的病人对病毒的反应,以及他们的传染性的近似值,也由Tomas Pueyo绘制,他从不同的论文中收集了数据并进行了视觉化:

数据模型下的疫情控制

这里的R设定为2.5,即如果一个人感染,则平均下来会传播2.5个人。

这个图的结论即是:

  1. 如果有了大规模检测,甚至可以在症状出现之前就将其识别出来。然后被隔离,便不能再传播。
  2. 如果人们受过训练,可以及早发现症状,那么蓝色的天数会减少,从而降低整体传染性。
  3. 如果人们一出现症状就被隔离,橙色部分的传染就会消失。
  4. 如果人们受过诸如社交距离、戴口罩、洗手或消毒的教育,那么在整个时期内,他们传播的病毒较少。

我们对于此次疫情最重要的理解,即是去相信科学和数据,以及最底层的运行逻辑。控制疾病本身是一个数字游戏,只要抓住核心降低R,同时实施大规模的测试和隔离这两个举措,可以综合降低社会和经济成本。

4.我们的信念应该是什么?

首先,我们应该相信时间的价值:我们每拖延疫情一天,我们就多一天的时间准备

这可以带来的立竿见影的效果:降低病例数,缓解医疗系统的压力。与此同时,降低死亡率,被感染、被隔离、被检疫的医护人员也得以康复,重回岗位。

在这个时间里,我们也可以增强对于新冠疾病的“检测能力”,设立追踪机制。我们还可以扩大口罩、PPE、呼吸器、ECMO等关键设备的产能,有更多时间购买设备。

与此同时,疫苗和新药也可能出现。

以盖茨基金会为首的机构很早就投入了1亿美元支持检测、治疗和疫苗的开发。世界范围内,也已经有几十家科研机构正在推进疫苗研发工作,美国Moderna公司和中国科学研究机构的疫苗也已经推向了人体试验阶段。

美国吉利德公司正在研发的Remdesivir已经在日本显示出对于新冠疾病重症患者100%有效,与此同时,还有几种候选药物,例如Favipiravir,Chloroquine或Chloroquine和Azithromycin的结合等。

在此之外,我们也发现了一些意想不到的惊喜:我们上空的二氧化氮含量有所下降。

数据模型下的疫情控制

数据模型下的疫情控制

来源:美国NASA

我们也可以看到,每个人都在做出自己的努力,整个世界第一次被集体动员起来了。

截止目前,马云已经向全球多个国家捐赠将近2000万只口罩,大约250万份试剂盒,以及包括防护服、防护面罩和呼吸机等医疗物资。

马斯克也在今天宣布他将使用特斯拉的送货网络将经过FDA批准的呼吸机免费运送到世界各地。

欧洲数家奢侈品公司迅速转变生产线,LVMH集团三条美妆香水生产线转产免洗洗手液,免费供应法国政府,Burberry本土风衣工厂迅速转产口罩和防护服。

还有美国最普通的清洁工:

我是一名清洁工,我无法在家里工作,而我的工作职责是让城市服务可以尽快完成。这非常艰难,需要起个大早并枯燥乏味地工作,但现在,我对我的工作感到骄傲,并且找到了目的。我看到了人们,我所在城市的人们,从窗户往外看着我。他们非常害怕,我们所有人都很害怕。尽管害怕但无比坚韧。我们作为清洁工需要一直收垃圾,就像医生和护士需要一直照顾病人。我们都会很好的,我们也会保证一切都变好。我爱着我的城市,爱着这个国家,爱着这个地球。让我们都善待彼此,并且共同渡过这个难关。

数据模型下的疫情控制

最近,很多人都在重新谈论加缪的《鼠疫》,“生活本身,不就是一场鼠疫吗?”。对它也许有不同的解读,但是,让我们最后回顾加缪在1957年获得诺贝尔文学奖时的授词:

“最重要的已经不是追问人生值不值得活,而是必须如何去活,其中包含着承受因生活而来的痛苦........他不断地确认人类境遇之荒诞,然而其背后却非荒芜的否定主义。在他那里,对于事物的这种看法得到一种强有力的命令的补充,即‘但是’,一种将要反叛荒诞的意志,他因此而创造了一种价值。"

这也是我们在认真理解我们的现实如何之后,需要保持的那种最坚定的信念。

上一篇新闻

「动态」李强书记连线祝贺!沃尔沃建筑设备亚洲新总部落户上海

下一篇新闻

沃尔沃建筑设备以制度创新激发区域发展活力

评论

订阅每日新闻

订阅每日新闻以免错过最新最热门的新加坡新闻。