La reapertura estúpida puede funcionar

Parece poco probable una reapertura sensata, protocolos establecidos en el trabajo y una respuesta sólida de prueba y seguimiento de la salud pública para combatir las brasas. Las tecnologías que nos salvarán (vacunas, tratamientos, pruebas de rutina baratas, ampliación e implementación) parecen poco probables en los próximos meses. Parece que estamos condenados a reabrir estúpidamente. La sabiduría convencional es que tendremos una segunda ola masiva en el otoño, seguida de cierres aún más masivos.

A través de las cositas de la semana pasada y algunos modelos durante el fin de semana, veo la esperanza de que esta tonta reapertura pueda funcionar, incluido el flujo constante y decreciente de nuevos casos que estamos viendo ahora.

tema

En febrero y principios de marzo, los modelos predijeron un crecimiento exponencial, infecciones masivas, hospitalizaciones y muertes, con la mayoría de las personas contrayendo el virus en unos pocos meses y luego el virus pasando rápidamente. Estos modelos son catastróficamente —o, mejor aún, milagrosamente— erróneos. Los nuevos casos se estabilizaron rápidamente y luego disminuyeron lentamente. En muchas partes del país, los hospitales tienen mucho espacio adicional.

La sabiduría convencional sostiene que esta gran buena fortuna se debe al confinamiento. Sin embargo, esta sabiduría advierte que una vez que se reabra la economía, sin la citada sanidad pública ni vacunas, todo volverá a empezar. Entonces, la sabiduría convencional dice, no extrapoles las tendencias actuales.

La noticia que me da esperanza a continuación es que la meseta es mucho antes de lo esperado, dura mucho más de lo esperado y que muchos regímenes parecen tener una forma muy similar.

Me arriesgo aquí para adivinar por qué sucede esto: 1) El modelo no tiene en cuenta la tasa de reproducción R0, que es cuántas personas se le dan a cada persona infectada, que está muy influenciada por el comportamiento humano. Y, dicen los humanos, leen las noticias. 2) Las tasas reproductivas promedio están fuertemente influenciadas por la actividad de superpropagación. La media está compuesta por la gran mayoría de la actividad.

Añadir 1) y 2). Cuando las personas se enteran de una enfermedad, rápidamente detienen sus actividades de superpropagación, por su cuenta, porque no quieren enfermarse. Apagar solo afecta ligeramente este proceso. Por ejemplo, mucho antes de que se anunciara el cierre, vimos una gran caída en los viajes y los restaurantes. Esta acción reduce rápida y fácilmente la tasa de reproducción promedio por debajo de 5 a 2.

Luego, cuando las personas escuchan lo mal que están las cosas en su área, hacen más ajustes. Si la gente escucha que no es tan malo, se ajustará menos. Si el virus va en aumento, su distanciamiento social será mayor. ¿Caminas o tomas el autobús? ¿Estás comiendo en un restaurante socialmente distanciado o sacando? Cada uno de nosotros participa en cientos de pequeños comportamientos para impulsar las tasas reproductivas.

Puede ver aquí un estado autorregulado en el que la cantidad de casos nuevos se ha estancado durante mucho tiempo. Puede ver fácilmente que el sistema de accionamiento se autorregula hasta que R0=1 o un número estable de casos nuevos.

Esta no es una buena noticia. Todavía hay un flujo constante de nuevos casos cada semana, lo suficiente como para asustar a la gente. Pero a medida que las personas comienzan a adoptar lentamente el sentido común e ignoran los cierres estúpidos, la economía puede recuperarse mucho a medida que las personas comienzan a adoptar el sentido común y evitan incluso las actividades peligrosas permitidas. Todo lo que necesitamos es buena información.

Ahora entra en detalle.

La sabiduría convencional actual comienza con la ruta SIR estándar: crecimiento exponencial, grandes picos de infecciones y muertes. La clave de cualquier modelo es, ¿cuál es el poder para frenar la infección? En el modelo SIR, con una tasa de reproducción fija, si solo Lo que impide este crecimiento es que cada persona infectada está expuesta a más y más personas recuperadas y se vuelve inmune: inmunidad de rebaño. Para un virus altamente contagioso como este, eso significa que la mayoría de la gente tiene que contraerlo. Entonces el virus desapareció tan rápido como llegó. Los casos parecen una distribución normal, con una escala de tiempo de meses y un pico enorme. La suposición en ese momento era una tasa de mortalidad del 2% (debido a una reducción de 10 veces o más), lo que resultó en 6 millones de muertes en los Estados Unidos. Este es el pronóstico que llevó al cierre a principios de marzo.

Este modelo estándar falla inmediatamente. El crecimiento nunca se acercó a un exponencial constante, incluso antes de que se anunciara el cierre. 1) Llegamos a una plataforma y nos quedamos allí o vemos un descenso lento. 2) Los patrones son muy similares entre países con políticas muy diferentes.

Michael Levitt de la Universidad de Stanford señaló

Se puede observar un patrón matemático similar independientemente de la intervención del gobierno. Después de aproximadamente dos semanas de crecimiento exponencial en los casos (y las muertes posteriores), se produjo una especie de brote y el crecimiento comenzó a disminuir. La curva se convierte rápidamente en “subexponencial”. Isaac Ben-Israel notó lo mismo,

Un patrón similar (las infecciones aumentan rápidamente hasta un pico en la semana seis y luego disminuyen a partir de la semana ocho) es común en todas partes, independientemente de la respuesta política. Sobre estos temas, sus observaciones son aún más convincentes. No hay razón ni mecanismo detrás de esto.

Bueno, en retrospectiva, podemos agregar esa mecánica y ver a dónde nos lleva. Empezamos con un rápido crecimiento exponencial. Luego, las personas notan que las personas a su alrededor están enfermas y actúan rápidamente para reducir la tasa de reproducción por debajo de R0 = 1. Los bloqueos también reducen las tasas de reproducción. Luego nos ocupamos de las infecciones que ya se han extendido a la población y nos acercamos a un pico mucho más bajo y reducimos el nuevo R0.

La segunda característica aquí es sugerente.continuar levitt

En lugares tan variados como la ciudad de Nueva York, partes de Inglaterra, partes de Francia y el norte de Italia, el número total de muertes que hemos visto parece estabilizarse en proporciones muy similares de la población total. “¿Están todos practicando el mismo buen distanciamiento social? Del Centro de Datos Johns Hopkins

Dado que todos estos países están muy por debajo de la inmunidad colectiva, el modelo SIR con un R0 fijo predice un aumento directo. no es así.

Aquí hay algunos gráficos de epiforecasts, (HT Trevor Bedford, y muchos enlaces a HT Marginal Revolution, tan importante como siempre).para todo Estados Unidos

regional también



Nueva York no es una meseta. Pero puede tomar una semana o más desde un cambio en el comportamiento hasta un cambio en la infección y la aparición en el hospital.

Italia también superó. Pero tenga en cuenta que, a diferencia del modelo estándar, Italia está cayendo lentamente.

Incluso Suecia se está estancando, o ciertamente no está creciendo exponencialmente, aunque no ha cerrado su economía. A pesar de las políticas de cierre muy diferentes, las similitudes en todos estos casos son sorprendentes.

meseta y recesión. En un nivel muy diferente, pero el mismo patrón en todas partes.

modelos y datos

Contrariamente a la predicción. A partir de febrero y marzo, el modelo estándar de hecho estaba prediciendo pesimismo. Un tuit de Elon Musk lo dijo todo:

Ahora, creo que sería un error personalizarlo y culpar a Newsom. Confía en la “ciencia”, como se aconseja a los políticos. La mejor “ciencia” es, de hecho, pronosticar pesimismo basado en modelos de crecimiento exponencial. Este modelo “científico” resulta estar equivocado.

Bueno, dicen los modeladores, el gobierno nos ha salvado de los cierres económicos que reducen las tasas de reproducción, muy por debajo de lo que los modeladores pensaban que era alcanzable. Véase, por ejemplo, los bellos modelos de Chad Jones y Jesús Fernández-Villaverde.

La curva es su modelo. Estimaron que Nueva York comenzó con una tasa de reproducción de 4,10. El crecimiento exponencial despegó. El confinamiento ha reducido la tasa de reproducción de Nueva York a 0,5. Alcanzamos el pico, y ahora está desapareciendo a un ritmo decreciente exponencial. (Véase también Andy Atkeson aquí, y la excelente encuesta de Avery, Bossert, Clark, Ellison, Ellison aquí).

¿Durará?

En todos estos modelos económicos, la disminución de la tasa de reproducción R0 se especifica exógenamente y se supone que se debe a las políticas de cierre. Si eso es cierto, sería un resultado muy frustrante porque significa que vamos a tener una segunda ola o depresión después de la reapertura.

Sin embargo, si la tasa de reproducción responde a la información, como aventuré más arriba, entonces podemos avanzar con una tasa de reproducción cercana a 1 durante mucho tiempo.

Y donde se implementaron políticas muy diferentes, la evolución de la enfermedad fue notablemente similar, lo que sugiere que el comportamiento simple en lugar de los detalles de las políticas de cierre condujo a estancamientos. Esa es la pequeña esperanza que atrapé esta semana.

¿que necesitas? Obviamente, un mejor modelo SIR incluye respuestas de comportamiento, esbozando mi suposición aquí. Eso está en el siguiente artículo.

súper comunicador

Una parte clave de mi punto de esperanza es que es fácil reducir las tasas de reproducción evitando la aparente actividad de superpropagación. La hermosa simulación de Christopher Moore recuerda la importancia de los cambios de R0, informados aquí por Jeana Marshall: (artículo de la fundación citado allí)

Figura 2. 100 brotes aleatorios en un escenario de superpropagación donde el 1% de los casos infecta a otras 20 personas. Como se muestra en la Figura 1, tenemos R0 = 0,8 y un tamaño de ráfaga promedio de 5, pero ahora la ráfaga tiene una cola mucho más pesada. En esta ejecución, el tamaño de ráfaga más grande fue 663.

Esta es una simulación con un R0 promedio = 0.8. Pero hay dos fuentes de variación. Primero, el contacto es aleatorio. Si eres una persona con R0 = 0,8, entonces se lo das a otra persona con una probabilidad de 0,8. Esto ha llevado a muchos cambios en la forma en que se propaga.2. Esta simulación tiene un súper comunicador

… El 20 % de los casos generaron 1 nuevo caso, el 10 % generaron 2, el 4 % generaron 5, el 1 % generaron una “superpropagación” y generaron 20 (el 65 % restante no infectó a nadie). Su punto es cuánto ha cambiado el brote, incluso cuando los números son relativamente grandes, como los condados. Pero eche un vistazo a cualquiera de estas simulaciones. Puede ver cuán efectivo sería si pudiéramos eliminar los eventos de superpropagación.

Epílogo

El problema de los 6 billones de dólares (eso es todo). ¿Cómo se propaga la enfermedad? Si tan solo supiéramos, para 1000 casos aleatorios, exactamente dónde y cómo lo consiguieron, y dónde y cómo no lo consiguieron, esto podría terminar bastante rápido. Rápidamente sabremos qué es una actividad peligrosa y qué es segura.

Las otras noticias de esta semana son mitad buenas y mitad malas. Parece que hay más casos asintomáticos de lo que pensábamos. Eso significa que no es tan mortal como pensábamos. Pero eso significa que es más fácil de propagar de lo que pensábamos (R0 más alto), lo que significa que es más difícil de detener de lo que pensábamos. Si no se siente bien y tiene fiebre, quedarse en casa no detendrá a la mitad de los infectados.

Modelo fallido. Los modelos se basan en supuestos, generalmente razonables, y generalmente conjeturas. Cuando las suposiciones son incorrectas, el modelo es incorrecto. Preste atención a la lógica del modelo. Los modelos a menudo cometen errores porque no hacen las suposiciones correctas. No hay nada malo con el modelo SIR porque es lógicamente incorrecto. Esto está mal porque se enfoca en el mecanismo equivocado, el desarrollo de la inmunidad colectiva, en lugar de una respuesta conductual que reduce las tasas de reproducción.

El hecho de que la persona que te dio un modelo de computadora usara una bata blanca y lo llamara “ciencia” no significa que sea real. (El hecho de que usen chaquetas de tweed y lo llamen “economía” no significa que sea cierto). Esta es una conjetura cuantitativa basada en suposiciones y modelando algunos mecanismos y no otros. Los economistas tienen buena experiencia con los modelos dado el fracaso masivo de los modelos de pronóstico keynesianos y las limitaciones de los modelos de crecimiento en la década de 1970. Tal vez el fracaso del modelo SIR podría enseñarnos algunas lecciones sobre la confiabilidad del modelo, especialmente los modelos de caja negra generalmente oscuros.

Toda la información expuesta en este articulo es solo de carácter informativo, esta compuesto por una recopilación de información de internet. No necesariamente esta actualizada o debe ser tomada como una fuente

(Visited 12 times, 1 visits today)