Sars2-koronavirus elektronimikroskopiakuvassa tunkeutumassa ulos viljellyistä soluista. Kuva: NIAID / Wikimedia Commons

Kansalaiset ovat kohta vuoden ajan seuranneet erilaisia mallinnuksia, skenaarioita ja simulaatioita koronaviruksen etenemisestä. Koronapandemian etenemistä on ennustettu erilaisin aikavälein tulevaisuuteen: päivinä, viikkoina, kuukausina ja rohkeimmat jopa vuosina.

Oman jännityksensä lisää, että tämän hetken tilanteen ymmärtäminenkin vaatii ennustamista. Koska kaikki epidemian etenemistä kuvaavat mittarit toimivat hieman myöhässä – testitulokset päiviä, sairaalatapaukset pari viikkoa ja kuolemat kuukauden – on vaikea hahmottaa, missä milloinkin ollaan, puhumattakaan siitä mihin suuntaan tilanne on kehittymässä. Englanniksi käytetään termiä nowcasting (vrt. forecasting) kuvaaman nykyhetken ennustamista.

Tähän mennessä ainoat ennusteet, joita päivittäisessä elämässä ihmiset ovat tottuneet seuraamaan, ovat sääennusteita. Sääennuste vastaa kysymyksiin, että miten pukeutua ulos lähtiessä, kannattaako lähteä veneilemään ja saako sytyttää avotulen. Säässä ja koronaviruksessa on kuitenkin yksi merkittävä ero: se, pakkaatko mukaasi sateenvarjon aamulla, ei vaikuta todennäköisyyteen sataako seuraavina päivinä. Koronaviruksen osalta varautuminen ja varominen puolestaan estää viruksen leviämistä.

Pandemian alkuvaiheessa mallinnukset pyrkivät vastaamaan kahtalaiseen kysymykseen: kuinka vaarallinen tauti on ja koska ja paljonko se tulee vaatimaan sairaalan hoitopaikkoja. Alkuvaiheen jälkeen, kun tajuttiin, ettei tautia voi päästää kulkemaan väestön läpi, koska hoitopaikat eivät yksinkertaisesti riitä, on keskitytty arvioimaan, että mikä tilanne on tällä hetkellä ja leviääkö vai supistuuko epidemia – ja miten vastaavasti politiikkatoimia voidaan säätää.

Mallien ja uusien mallinnuksien tulkitseminen on kuitenkin ollut aika haparoivaa läpi koko pandemian.

 

Mallit ovat yksinkertaistuksia maailmasta: kuvauksia siitä miten mielestämme maailmaa voidaan kuvata mahdollisimman kattavasti mutta myös mahdollisimman kevyesti. Tavoittelemme parsimoniaa, optimaalista selitystä siten että se kattaa mahdollisimman paljon ilmiöstä tiiveimmällä tavalla. Se, kuinka kattava selitys oikein voi olla, riippuu siitä minkälainen ilmiö on. Biologeille on riemuvoitto jos kymmenyskin ilmiössä havaittavasta vaihtelusta voidaan selittää muuttujilla.

Mallien luonteesta ja niiden käytöstä päätöksenteosta ovat jo ansiokkaasti kirjoittaneet esimerkiksi Sofia Blanco Sequeiros ja Lari Hokkanen Tiede ja Edistys -lehdessä ja Jaakko Kuorikoski ja Samuli Reijula Alusta-verkkolehdessä, joten näihin kysymyksiin en mene tarkemmin. Menen sen sijaan tarkemmin siihen, miten itse tulkitsen ja lähestyn tautien leviämiseen liittyviä malleja. Oma näkökulmani on kahtalainen: toisaalta opettajankouluttajan, jota kiinnostaa se, mitä malleilla tehdään ja miten niillä ymmärretään todellisuutta, ja toisaalta tautiekologin, joka pyrkii ymmärtämään sitä, miten loiset ja taudinaiheuttajat leviävät populaatiossa.

 

Jokaisella meillä on oma mallimme siitä, miten koronavirusepidemia leviää. Se voi olla hämärä, omituinen ja epäselvä, mutta siellä omassa kallossamme se malli kyllä lymyilee, vaikka sitä ei koskaan lausuttaisi julki tai kirjoitettaisi paperille. Malli voi koostua omituisista muuttujista ja sen parametrit voivat olla kaukaa haettuja, mutta siellä se on.

Tieteellisessä käytössä pyrimme muodollisiin malleihin. Kirjaamme ylös alkuoletuksemme, jonkinlaisen kuvauksen siitä, miten epidemia ajassa ja paikassa etenee ja tarkkailemme sitten lopputulosta.

Kun toimimme vajaalla tiedolla, alkuoletuksissa on paljon epävarmuutta ja vastaavasti mallin tuloksetkin ovat monin tavoin epäluotettavia. Silloin itse kiinnitän enemmän huomiota siihen, mitä alkuoletuksia mallissa on tehty, koska ne kertovat mallin tekijöiden tilannekuvasta.

Viime maaliskuun loppupuolella käytin työajastani merkittävän osan vastatessani toimittajien kysymyksiin, että miksi THL:n mallinnuksessa ja Imperial Collegen mallinnuksessa sairaanhoitoa vaativien ja kuolleisuuden lukumäärissä on kertaluokkaa oleva ero. Näihin kysymyksiin voin vain vastata, etten tiedä, koska THL ei julkistanut mallinnuksiensa perusteita. Imperial Collegen mallista tiesimme tarkalleen, koska he olivat julkaisseet tutkimusraporttinsa, mutta THL:n puolelta tällaisia ei tullut.

”Tutkijana en voi luottaa malliin, jonka alkuoletuksia en tunne”, kerroin eräälle toimittajalle.

Helsingin Sanomien jutussa avattiin eroa kirjoittamalla, että ”THL:n ylilääkäri [Tuija] Leino sanoo, että Imperial Collegen arvio perustuu ajatusvirheelle.”

Tässä olemme nyt mallien ytimessä: ajatusvirhe tarkoittaisi, että mallissa on jotain pielessä. Valitettavasti tämä lausahdus ei avaa enempää, että mikä siinä on pielessä. Koska emme tunteneet THL:n mallia, emme edes pystyneet päättelemään mitä he mallinsivat eri tavoin.

Mielenkiintoisen tilanteesta tekee myös, että kertaluokan ero viruksen vaarallisuudessa on suunnaton. Se tarkoittaa, että joko suomalaisten tai sitten eurooppalaisten terveysviranomaisten tilannekuva on täysin vinksallaan. Mallinnusten teko pakotti tämän eron näkyviin.

 

Se, mitä THL:n mallintajat oikein helmi-maaliskuussa tekivät, onkin vaikeampi operaatio saada selville, mutta näin vuotta myöhemmin siitä on saatu jonkinlainen kuva. Se on vaatinut aika monta tietopyyntöä.

Open Knowledge Finland teki toukokuussa tietopyynnön näistä malleista THL:lle ja saikin tammikuussa tukun kooditiedostoja. Valtioneuvosto linjasi jo toukokuussa, että nämä pitäisi julkaista avoimen tieteen periaatteiden mukaan, mutta se ei ole valitettavasti mahdollista, koska tekijänoikeusasiat ovat vielä THL:n puolella hieman levällään. Koodit saanee pyytämällä niitä THL:n kirjaamosta, mutta niitä ei saa siis julkaista.

Olen kahlannut läpi koodeja ja jonkinlainen tarina alkaa hahmottumaan. Hieman kokonaisuuden hahmottamista vielä vaikeuttaa, että tiedostot eivät vaikuta täysin vastaavan niitä, joista kevään mallinnusseminaareissa puhuttiin. Mallinnuskoodeista ei ole nähtävästi tehty minkäänlaista versiokontrollia, eikä sen suuremmin pidetty kirjaakaan, joten vaikea tietää ja hahmottaa kokonaisuutta.

THL:n koodista pystyy kyllä päättelemään, mikä oli suomalaisen mallinnuksen lähtökohta. Siinä oletettiin, että Wuhanin epidemia ei pysähtynyt tiukkoihin rajoituksiin, vaan että epidemia oli kulkenut Wuhanin väestön läpi. Havaitsemattomien tartuntojen määrä sitten sovitettiin tähän oletettuun taudin etenemiseen. Tämä sopii yksiin hieman kryptisten viime kevään THL:n mallinnusseminaarien kanssa. Itse asiassa, parhaiten tämän mallioletuksen jäljille pääsi Antti Viitala jo viime kesällä, kun hän oli salapoliisityönä yhdistellyt THL:n excel-tiedostojen lukuja.

Tämä oli se merkittävä ero Imperial Collegen mallin ja THL:n mallin välillä: Imperial College esimerkiksi käytti mallinnuksessaan Diamond Princess -risteilyaluksen tartuntatietoja ja arvioi Wuhanin tapausmääriä kaupungista lentäneiden havaittujen tartuntojen perusteella. Kiinalaiset tutkimukset paljastivat, että tartunnan oli Wuhanissa saanut noin viisi prosenttia väestöstä. Tämä on linjassa englantilaisten tutkijoiden mallinnusten kanssa, mutta kertaluokkaa vähemmän kuin THL:n mallinnuksessa.

Ajatusvirhe oli siis THL:n päässä, mutta koska mallin perusteet eivät olleet tiedossa, sitä ei havaittu, kun vasta tilanne oli jo ohi. Ajatusvirhe taisi korjaantua vasta huhtikuun lopussa, kun ensimmäiset väestöserologiset tutkimukset paljastivat, että keväällä 2020 Suomessa tartunnan saaneiden määrä oli kertaluokkaa pienempi kuin THL oletti. Tämä ei estänyt sitä, että vielä ns. Hetemäen raportissa oli harhainen epidemiologinen tilannekuva.

 

THL on viime keväästä parantanut juoksuaan. Tällä viikolla esiteltiin taas uusia mallinnuksia, jotka ylittivät taas uutiskynnyksenkin. Näiden mallinnusten lähdekoodi on julkaistu ja saatavilla THL:n internetsivuilla, joten ne ovat selkeästi nähtävillä. Olennaista mallien tulkinnan kannalta on, että lähtöoletuksena on hybridistrategian mukainen toiminta tästä eteenpäin.

(Hassua kyllä, ainoa oletus, jonka perustaa en ole saanut selville, on sama kuin viime vuoden keväälläkin: kuinka suuri osuus tapauksista jää havaitsematta. THL:n mallit olettavat, että tällä hetkellä tunnistetaan noin 21 prosenttia kaikista tartuntatapauksista. Onhan se ainakin huomattavasti enemmän kohdalla kuin kevään 0,8 prosentin oletus.)

Siinä missä viime vuonna mallinnuksia luettiin ennustuksina ja uutisissa keskityttiin mallinnusten tuloksiin (”Epidemia kestää ainakin heinäkuuhun”), nykyään ei enää tunnuta kiinnittävän huomiota itse mallinnusten tuloksiin. Heiluri on heilahtunut nyt hämmentävänkin paljon toiselle puolelle. Tämä oli erityisen näkyvää uusimmissa mallinnuksissa, joiden tulokset ovat aika kylmääviä, mutta tämä ei noussut esille uutisoinnissa. Mallinnuksen tuloksien esittelyssä on epäilemättä oma vaikutuksensa: tutkijat eivät tässä tapauksessa avanneet, että mallinnus perustuu suomalaisen epidemianhallinnan valintoihin.

THL:n uusimmissa mallinnuksissa on siis tarkasteltu, miten hybridistrategian kevät etenee samalla kun maahan leviää nopeammin leviävää virusmuunnosta. Tulokset ovat aika selkeä tuomio strategialle: joka skenaariossa koronavirus alkaa leviämään ennemmin tai myöhemmin pahemmin kuin missään vaiheessa epidemiaa aikaisemmin. Tähän on tietenkin looginen syy: B.1.1.7-virusmuunnos tulee yleistymään ja koska se leviää paremmin, epidemian hillintä tulee vaatimaan enemmän rajoituksia.

Uusimmat mallinnukset siis osoittavat sen, että jossain vaiheessa kevättä vastaan tulee tilanne, joka vaatii tiukemmat rajoitukset kuin missään vaiheessa aiemmin tämän epidemian aikana, eli ns. lockdown - jos siis pidämme kiinni mallin ennakko-oletuksista. Merkittävää on se, kuinka nopeasti B.1.1.7 alkaa leviämään - ja tämä määrittyy pitkälti siitä kuinka tehokkaasti rajavalvonta ja tehokkaampi tartunnanjäljitys on sitä rajoittanut. Rokotteita ei ole mallinnuksessa huomioitu ja ne voisivat osaltaan helpottaa tilannetta, mutta nykyisellä rokotusvauhdilla hyöty on rajallinen.

Hybridistrategia näyttää THL:n mallinnuksen perusteella olevan ajan peluu -strategia, jossa toivotaan, että B.1.1.7 leviää hitaammin kuin rokotteet toisesta päästä helpottavat tilannetta. Jäämme jännittämään, kannattaako tämä strategia.

Kommentit (1)

Sisältö jatkuu mainoksen alla
Sisältö jatkuu mainoksen alla
Seuraa 

Kaiken takana on loinen

Tuomas Aivelo on ekologian ja evoluutiobiologian tutkijatohtori Helsingin yliopistossa. Hän karkaa arjestaan tutkimaan Helsingin viemärirottia, punkkeja ja metsämyyriä Alpeille, pohtimaan biologian oppimista tai ihan vain ihastelemaan loisia.

Teemat

Hae blogista

Blogiarkisto

2018
2017
Heinäkuu
2016
2015
2014
Sisältö jatkuu mainoksen alla