Комментарии 21
При уменьшении срока карантина вероятность появления и «мощность» второй волны существенно повышаются
А давайте еще рассмотрим такое усложнение модели:
1. Стоимость этой изоляции для общества за день ( в зависимости от уровня «дисциплины»).
2. Такой волшебный вариант, как в системе где не было заболевших, проводили жесткий карантин три месяца и… о, чудо, приехал заболевший не из системы! которого не успели локализовать и он заразил сотню. Надуманный сценарий? А вот и нет. Татарстан, месяц карантина, 600 заболевших! Вот продлят они его еще на месяц. И случится счастье? Или нет?))
И вопрос, в принципе, простой. Вы дали количественные оценки сценариев поведения. Они интуитивно правильные. На них можно основывать управленческие решения — качественные!
И вот внесение «несущественных» корректировок — делают модель в качественном результате абсурдной. Т.е. если внести такие поправки, то длина первого карантина ( если потом приедут носители инфекции) на конечный результат не повлияет. Соответственно о чем я?! О том, что повсеместно игнорируют эти нюансы. А качественные оценки, они не терпят упрощений. И в случае с Татарстаном, мне кажется, что случайно приехавший носитель заболевания через два месяца сурового карантина убьет весь смысл предыдущего карантина )). А если заранее учитывать стоимость карантина и возможность приезда (хоть через полгода) заболевших извне, то управленческие решения кардинально меняются!
Можно даже попытаться поставить цель для новой модели. Срок появление вакцины (от полугода до года и т.п.), и каким способом до него добраться с минимальными потерями (заболевшие, жизни, экономика). Для простоты можно что-то просто фиксировать на уровне категорий или классов допустимости (много, мало и т.п.), а оптимизировать только один параметр. Т.к. свести все воедино количественно, думаю, нереально.
Боюсь такая модель слишком сложная и хрупкая получится. Да и как бы если приедет кто то в Татарстан, то сейчас обьемы тестирования куда больше, чем в марте. Можно будет его и всех его контактов изолировать и даже карантин не вводить.
Вы мне скажите, почему нельзя было изолировать (в Татарстане) только больных, когда их было меньше десяти? )) А я Вам даже отвечу — потому что ума нет. И было ценное указание из Кремля — запретить и не пущать! А раз ума нет, то почему Вы думаете, что он потом внезапно появится? Потом, когда Кремль даст сигнал, что пора ослабить — они и ослабят. И как понаедут сразу все те, кто терпел месяцами… Второй раз карантин они не введут))). В Москве все уже закончится. А у них только начнется. Потому как они не умеют думать, а умеют исполнять приказы и намеки. И еще — ПОДТАСОВЫВАТЬ нужную статистику!
Графики напоминают данные по испанке в США. Одни штаты держали карантин до конца, другие не соблюдали, третьи ослабили. У некоторых из третьей группы сильно ударило второй волной. Меньше всего пострадала первая группа.
With four parameters I can fit an elephant, and with five I can make him wiggle his trunk.© John von Neumann
1) Увеличение социальной дистанции для S и карантин для R уменьшают как пик, так и площадь под кривой.
2) Существенное влияние на эпидемию оказывают суперраспространители.
3) Также существенное влияние оказывают коллективы с короткой социальной дистанцией — стационары, интернаты, тюрьмы, армия, спецслужбы.
Ваша модель хорошая, потому что она подтверждает эти выводы. В идеале хотелось бы получить ответы на вопросы:
a) Относительно каких параметров (возможно, не ограничиваясь уже учтенными) модель неустойчива?
b) Есть ли области устойчивости; иными словами, что надо подкрутить, чтобы, например, суперраспространители не сводили на нет все усилия?
Хорошая модель не должна подтверждать какие-то выводы
Очень смелое заявление. А для чего тогда нужны модели, если они «не должны» сходиться с реальностью? Я удивлен. Не просто «могут», а даже «не должны».
Вам, конечно, не положено в это веровать. Но есть реальность… и есть модели, которыми мы пытаемся приблизить что-нибудь к реальности. Так вот, модели — не обязаны сходиться с реальностью. Это то, что мы наблюдаем с COVID. По моделям должны быть миллиарды трупов. А по факту — совсем-совсем небольшие сотни тысяч.
А для чего тогда нужны модели, если они «не должны» сходиться с реальностью?
Таки ж вы мне не поверите, но именно для этого они и нужны. Чтобы не сходиться с реальностью.
Извините, если вас обидел. Такой цели не было, но у меня модель, с помощью которой я прогнозирую поведение хомо-сапиенсов, пока далека от совершенства.
Ваши слова:
А для чего тогда нужны модели, если они «не должны» сходиться с реальностью?
Дают повод для большого количества разных оценок. Видимо, я выбрал не самую правильную. Если бы вы также развернуто, как сейчас, все рассказали в том комментарии, на который ответил я, то шансов на недопонимание было бы на порядки меньше и я бы, скорее всего, вообще бы промолчал, т.к. в целом вы правильные вещи, оказывается, можете говорить.
Все же есть тонкая семантическая разница между "могут", "должны" и "обязаны". Модели строятся для того, чтобы иметь хоть какое-то понимание, что, почему и как происходило и, самое важное, что будет происходить дальше. При этом, если у нас получилась модель, предсказания которой коррелируют с происходящим — это очень здорово. И если модель хорошая — то она достаточно хорошо предсказывает "здесь будет хорошо — здесь будет плохо" для какой-то наперед заданной функции, которая на выходе дает "хорошо" или "плохо".
Но когда модель вам выдает "при таких-то и таких-то условиях количество умерших увеличится на X человек", где X — конкретное целое положительное (возможно порядка миллиардов) число — то тут или модель, которая вылизывалась пару сотен лет, или гениальный разработчик модели (одного такого встретил живьем, они есть, но они такой чушью не занимаются обычно все же про инженерные расчеты...), или чистое шарлатанство.
Это я все к тому, что если выводы из моделирования "если принять такие-то меры — количество умерших снизится с вероятностью X% ± Y%" — это нормально. Если выводы из моделирования "если не принять такие-то меры то у нас будет 5 378 716 114 трупов" — это чистое шарлатанство.
Примерно как с климатологией… Когда на неполных данных, вообще не учитывая несколько ключевых физических параметров атмосферы и несколько ключевых для климата физических процессов, вдруг выдают нам, что "средняя температура на Земле повысится на 0.23 градуса за следующие 100 лет".
В модели из статьи я, на свой дилетантский взгляд, не нашел существенных упущений или чрезмерных фантазий. Происходит нормальный процесс — прогоняем модель с разными вводными и с разными ключевыми параметрами. Получаем разные картинки, которые нам позволяют примерно понять — есть ли смысл всех изолировать, есть ли смысл всем носить маски, есть ли смысл устраивать в час пик столпотворение в метро для проверки пропусков. (Ага. Вот как раз прошло 2 недели, и пошедшее было на спад количество "положительных" в Москве — ломанулось вверх. Удивительно! Кто бы мог подумать?)
Тем не менее, я все-таки люблю моделирование не только за процесс, но и за предсказательную силу (вы тоже). Поэтому я и спросил автора, нельзя ли что-то еще вытащить из давно известных ДУ. Вдруг он нашел что-то.
— отношение Dead/Removed в 12% неоправданно высоко. По сути это летальность, а она оценивается величинами порядка 0.5 — 5%, причем 5% это чуть ли не предельная оценка в случае перегрузки системы здравоохранения
— CP равное 0.3 кажется завышенным. Если брать R0=2.5 и число дней, когда человек в среднем активно заразен, равным 4, то получается в вашем предположении, что человек в среднем в день контактирует с двумя другими людьми. Навскиду кажется, что больше. Немцы, согласно статье 2008 года, контактировали с 8 людьми в день, итальянцы — с 20-ю.
— все-таки число бессимптомных случаев оценивается грубо в 50% и в случаем массового тестирования оно примерно таким и останется (или даже увеличится).
— в статье у вас рассмотрена не модель SIR в чистом виде, как она записывается в виде системы ОДУ, а имитационное моделирование.
Оформление работы — весьма достойно!
COVID-19: модель случайных процессов