Kristallkulan är alltid grumlig

Spådomar är kittlande – de väcker både förhoppningar och fasa. Den som just ska till att sälja sitt hem hajar nog till av nyhetsflashen ”Snart spricker bostadsbubblan”. Den som ska välja aktiefonder och läser ”Raketerna på börsen” fortsätter gärna läsa. Och den som får provsvaret ”Du löper 42 procents risk för demens” kommer förmodligen att bli lite orolig om den inte har nerver av teflon.

Men prognoser slår som bekant ofta fel – inte bara när det gäller hur ett nytt virus kommer att spridas i olika länder. Många minns nog någon sommar då varenda väderprognos tycktes uppåt väggarna och knäckebrödet på midsommarbordet förvandlades till regnblöt rågmjölsgröt. Hade vi bara fått en tillräckligt detaljerad prognos för festplatsen och tidpunkten så hade vi kanske sluppit se sillen flyta runt i ett spad av riklig nederbörd istället för senapssås. Metereologerna har ju tillgång till superdatorer, avancerade matematiska modeller, lång erfarenhet och massor av mätpunkter. Ändå kan prognoserna slå fel.

Två harvard-forskare skriver i New England Journal of Medicine* om frågor som måste ställas om de matematiska modeller som använts för förutsägelser om smittspridningen under covid-19-pandemin. För det första: I vilket syfte har modellen konstruerats och med vilket tidsperspektiv, för en kortsiktig prognos eller för att undersöka hur olika antaganden leder till tänkbara framtidsscenarier på lång sikt? En modell är sällan lika bra (eller dålig) på allt. Vilka grundläggande antaganden bygger modellen på, till exempel i fråga om immunitet och smittspridning via personer utan symtom? Hur används uppgifter om människors kontakter?

En viktig fråga är också hur osäkerheten i siffrorna beräknas och redovisas, till exempel konfidensintervall. Ju mer långsiktig en specifik prognos är, desto större är ju ofta osäkerheten. Hur tillförlitliga är ingångsvärdena som används i beräkningen, och hur annorlunda blir förutsägelsen om värdena ändras något, inom intervall som verkar rimliga? Bygger siffrorna på bekräftade eller misstänkta fall av smitta eller på dokumenterade dödsfall? Om modellen har utvecklats med utgångspunkt i data, är då dessa nationella, regionala eller lokala? Är modellen avsedd för generell användning eller för ett specifikt sammanhang – och är i så fall de antaganden som gjorts när modellen togs fram giltiga i andra sammanhang, där kanske befolkningstäthet och kontaktmönster är annorlunda?

Blir osäkerheten i en prognos tillräckligt stor, kan man fråga sig hur användbar den är. Har vi verkligen nytta av prognosen ”det-blir-mulet-i-midsommar-fast-kanske-strålande-sol-eller-skyfall-och-storm”? Jodå, verkar NEJM-författarna mena – om vi erkänner, förstår och tar hänsyn till osäkerheten och till sannolikheten för lokala skillnader. Det är ett resonemang som påminner om den legendariske kanadensiske läkaren Sir William Oslers beskrivning av medicinen som ”osäkerhetens vetenskap och sannolikhetens konst”.

Ragnar Levi Chefredaktör

*Holmdahl I, et al. Wrong but useful – what covid-19 epidemiologic models can and cannot tell us. NEJM 2020; May 15. DOI: 10.1056/NEJMp2016822.