Modellen voorspellen een hogere 2e coronagolf, maar hoe zeker zijn we daarvan? En kunnen we er nog een golfje van maken?
We zijn begonnen aan een tweede coronagolf en die dreigt veel hoger te worden dan de eerste golf, begin april. Dat zegt professor Kurt Barbé (VUB), op basis van recente berekeningen. Toch kan je ook vragen stellen bij de betrouwbaarheid van dat soort berekeningen. Het verloop van een pandemie voorspellen is bijzonder moeilijk. En elk model heeft voor- en nadelen.
De tweede coronagolf is begonnen, daar zijn de meeste experts het over eens. Maar hoe hoog wordt die golf? Wordt het een golfje dat we goed onder controle kunnen houden omdat we veel geleerd hebben uit het verleden? Of wordt het een vloedgolf die onze ziekenhuizen zal overspoelen?
Professor biostatistiek Kurt Barbé (VUB) is er alvast niet gerust in. Hij maakt al sinds het begin van de pandemie wiskundige modellen om het verloop van de pandemie in ons land te voorspellen. Hij post regelmatig updates op zijn Facebook-pagina, wanneer hij nieuwe gegevens heeft.
Vorige week zaterdag constateerde Barbé dat zijn model een groei voorspelde voor de aankomende periode. Toch wilde hij nog niet te veel ongerustheid kweken. "Ik wil voorlopig nog niet over een tweede golf spreken", schreef Barbé. "Daarvoor zijn er nog onvoldoende aanwijzingen."
Dinsdag postte Barbé een nieuwe, onheilspellende update. Hij deed dat omdat de cijfers van Sciensano een sterke stijging van het aantal ziekenhuisopnames toonden.
Steile stijging zorgt voor hogere piek
"De nieuwste cijfers wat de hospitalisaties betreft die Sciensano publiceerde, geven een steilere stijging dan wat ik eerder postte", schrijft Barbé. Hij besluit zijn bericht met een dringende oproep. Er is nog tijd, maar we zullen heel snel moeten schakelen. Als we te lang aarzelen, dan is de curve niet langer om te buigen. "We hebben nog tot 31 juli de tijd om de groei om te buigen, stabilisatie is niet voldoende."
Barbé voorspelt dat het aantal patiënten in de ziekenhuizen vanaf september snel zal stijgen. Tegen november zullen tot 10.000 coronapatiënten in het ziekenhuis liggen. Ter vergelijking: begin april, op het hoogtepunt van de eerste golf, waren dat er ongeveer 6.000.
Hoe voorspel je een pandemie?
Barbé deed ook al eerder voorspellingen over het verloop van de pandemie. Die bleken behoorlijk accuraat.
Toch kan je daaruit niet besluiten dat ook deze voorspelling wel zal kloppen. Het verloop van een epidemie voorspellen is bijzonder moeilijk. Er bestaan verschillende modellen en onderzoekstechnieken, maar die hebben allemaal voor- en nadelen.
Barbé maakt voor zijn voorspelling gebruik van "SIR-modellen". Die statistische modellen delen de bevolking op in drie groepen:
- Susceptible (vatbaar): mensen die nog niet in aanraking zijn gekomen met het virus en die dus vatbaar zijn voor infectie.
- Infected (besmet): mensen die besmet zijn en die dus ook anderen kunnen infecteren.
Recovered (hersteld): mensen die genezen of overleden zijn, zij kunnen niemand meer besmetten.
SIR-modellen worden vaak gebruikt om de corona-epidemie mee in kaart te brengen. Dat komt omdat ze vrij makkelijk te maken zijn. Maar dat kan ook bedrieglijk zijn. De werkelijkheid is vaak veel ingewikkelder dan het model.
Menselijk gedrag beïnvloedt de uitkomst van een epidemie
"Het voorspellen van een pandemie is heel moeilijk", zegt professor biostatistiek Geert Molenberghs (KU Leuven en UHasselt). “SIR-modellen zijn daarvoor veel te eenvoudig.”
SIR-modellen houden bijvoorbeeld geen rekening met verschillend gedrag van mensen. In een SIR-model is de kans op besmetting voor iedereen even groot. In werkelijkheid is dat niet het geval. Een kassamedewerker komt dagelijks met gemiddeld meer mensen in contact dan iemand die alleen woont en vanuit huis werkt.
De invloed van gedrag op een epidemie is bijzonder groot
Ook veranderend gedrag is slecht te meten met een SIR-model. Anderhalve meter afstand houden, mondmaskers dragen, vaker thuis blijven: het zijn allemaal gedragsveranderingen die invloed hebben op het verloop van de epidemie.
“De invloed van gedrag is heel groot”, zegt Molenberghs. “Dit is een tango die we met twee dansen, het virus en wij. En wij kunnen slimmer zijn dan het virus door tijdig ons gedrag aan te passen. Het virus kan dat niet. Het doet gewoon wat het doet omdat het zo 'geprogrammeerd' is."
Biostatisticus Niel Hens (UHasselt - UAntwerpen) bevestigt. “We hebben eigenlijk heel veel controle over het vervolg van de pandemie. We weten perfect wat we moeten doen om deze golf om te buigen: mondmaskers dragen, handen wassen en contacten sterk verminderen. Dat zijn dingen die we zelf in handen hebben. Ik zie daarom geen reden om passief af te wachten tot die hogere tweede golf er komt. We moeten niet fatalistisch zijn.”
Er zijn nog veel andere onzekere factoren
Niet alleen ons gedrag beïnvloedt het verloop van een pandemie. Er zijn nog een aantal andere factoren die een grote invloed hebben op de groei van de curve. Veel hangt ook af van de maatregelen die de overheid neemt. Worden bubbels verkleind of blijven ze even groot? Komen er lokale lockdowns? Laat je mensen verplicht registreren voor ze op restaurant gaan?
Dat soort maatregelen beïnvloedt, net als ons gedrag, het verloop van de epidemie. Dat maakt het moeilijk om de toekomst te voorspellen. Je weet vandaag immers niet wat de regering volgende week zal beslissen. En wat je niet weet, kan je niet inbouwen in je statistisch model.
Ook de kwaliteit van de contactopsporing heeft volgens Molenberghs een grote invloed. “Dat zien we duidelijk in onze eigen modellen. Er is een groot verschil tussen goede, middelmatige of slechte contactopsporing. Met een goede contactopsporing stijgt de curve veel minder snel. Daar houdt het voorspellend model van Kurt Barbé geen rekening mee.”
De betrouwbaarheid hangt af van de kwaliteit van de gegevens
Bij het modelleren van een epidemie hoop je iets nieuws te leren over het verloop van de ziekte.
SIR-modellen kunnen bijvoorbeeld helpen om de inmiddels overbekende R-waarde te berekenen. Deze waarde geeft aan hoe snel het virus zich verspreidt. Is de waarde lager dan 1, dan dooft de epidemie uit; hoger dan 1, en het virus wint aan kracht.
Barbé komt in zijn model uit op een R-waarde van 1,2. Is dat dan de 'juiste' R-waarde? Moeilijk te zeggen. Er zijn een aantal verschillende manieren om de R-waarde te berekenen, en daar komen ook allemaal verschillende resultaten uit. Of dat resultaat betrouwbaar is, hangt af van de kwaliteit van de gegevens die je erin stopt.
Bovendien is de R-waarde niet statisch. Door - alweer - gedragsveranderingen kan het getal omhoog of omlaag gaan. En in verschillende regio's kan de R-waarde lager of juist hoger liggen dan gemiddeld. Op dit moment lijkt bijvoorbeeld met name de regio Antwerpen de hoogte van de R-waarde in ons land enorm te beïnvloeden.
“Volgens onze berekeningen ligt de R-waarde in Antwerpen op 1,9”, zegt Molenberghs. “Dat is echt dramatisch hoog. Eens je rond de twee zit, kan het aantal besmettingen heel snel stijgen. De laagste waarde zien we op dit moment in Waals-Brabant. Daar is de R-waarde slechts 0,83 en is de epidemie dus nog aan het uitdoven.”
Een goed model simuleert menselijk gedrag
Al deze lokale verschillen en wijzigingen in de toekomst zijn niet terug te vinden in het model van Barbé. "SIR-modellen zijn goed als eerste kennismaking, en voor statistiek-opleidingen op de universiteit," aldus Molenberghs, “maar zeker niet om een pandemie te voorspellen.”
Voor een realistisch model is meer nodig. In plaats van een paar waarden in een model te steken en te zien wat er gebeurt, moet je proberen menselijk gedrag na te bootsen. Dit kan ook wel via "agent based modelling".
Toch zijn er ook bij dat soort modellen veel onbekende factoren. We weten bijvoorbeeld niet hoeveel mensen immuun zijn, en of ze blijvend beschermd zijn. Maar als meer mensen immuun zijn dan we denken, staan we er beter voor.
De boodschap is wél belangrijk
Of het model van Barbé dan onbetrouwbaar is? Dat is te sterk uitgedrukt.
Barbé geeft zelf in een reactie aan "(...) dat het model inderdaad eenvoudig is, maar dat alle wiskundige modellen zo hun beperkingen hebben". En dat klopt ook: uiteindelijk zijn alle modellen een vereenvoudiging van de werkelijkheid. "Alle modellen zijn fout, maar sommige zijn nuttig", is een bekende uitspraak over statistiek.
Dat wil zeggen dat geen enkel model de werkelijkheid exact weergeeft zoals ze is. Goede modellen kunnen ons wel inzicht bieden in wat er speelt. Dat helpt om tijdig de juiste maatregelen te nemen. Professor biostatistiek en lid van het GEES-team Niel Hens onderschrijft dan ook de boodschap van professor Barbé.
We moeten nu een spurtje trekken om het virus voor te blijven
“Het model dat Kurt Barbé gebruikt is wat te eenvoudig, maar ik sta honderd procent achter zijn boodschap. Ik denk dat hij vooral wilde sensibiliseren, de mensen wakker schudden. Dat is op dit moment heel dringend nodig.”
Ook Geert Molenberghs staat achter de boodschap van Barbé. “We moeten nu een spurtje trekken, om het virus voor te blijven. Anders moeten we het virus weer achterna hollen en dan is er maar één oplossing meer: een tapijtbombardement, dat heel veel collaterale schade zal aanrichten.”