Derfor har eksperterne lavet så mange forkerte forudsigelser om pandemien
Modelberegninger er aldrig bedre end den data, der er tilgængelig.

Eksperterne kæmper stadig med utilstrækkelige data, når de skal forudsige corona-pandemiens udvikling. Det er især data på vores adfærd under pandemien, der er svær at forudse. (Foto: Shutterstock)

Eksperterne kæmper stadig med utilstrækkelige data, når de skal forudsige corona-pandemiens udvikling. Det er især data på vores adfærd under pandemien, der er svær at forudse. (Foto: Shutterstock)

Cirka 870 indlagte med COVID-19 i midten af april. 

Sådan skulle indlæggelses-tallet ifølge Sundhedsministeriet have set ud, hvis regeringen fulgte sin genåbningsplan for foråret. Tallet er baseret på en rapport, som Statens Serum Instituts ekspertgruppe for matematisk modellering præsenterede 22. februar i år.

Nu står vi i maj og kan - lykkeligvis - se tilbage på en april måned, hvor antallet af COVID-19-indlagte balancerede på lige over og under 200. 

Prognosen holdt så langt fra stik. 

Det samme kan siges om ekspertgruppens forudsigelser for smittetallet og nyindlæggelser, der heller ikke ramte lige så høje niveauer som frygtet. Gennem hele pandemien har man faktisk kunnet støde på faglige forudsigelser, der har ramt mere eller mindre skævt. 

Hvorfor regner eksperterne tilsyneladende hele tiden forkert? 

Opsummeret i 7 punkter: Derfor rammer eksperternes forudsigelser skævt
  1. Eksperterne bruger modelberegninger til at udregne, hvordan smitten spreder sig, alt efter hvordan landet genåbnes.
  2. Modelberegninger laves altid med en angivet usikkerhed - ligesom økonomiske prognoser.
  3. Usikkerheden skyldes, at en model aldrig er bedre end de antagelser og data, man fodrer den med. 
  4. Selvom eksperterne nu har bedre data på selve virussen, kæmper de stadig med utilstrækkelige data.
  5. Data er især utilstrækkelig, når det kommer til vores adfærd under pandemien og under forskellige genåbnings-scenarier. 
  6. Derudover er der stadig ringe data på forskellige ting - f.eks. sæsoneffekten - da vi stadig kun har kendt virussen i et år. 
  7. Til sidst laver eksperterne en forudsigelse på baggrund af en grov genåbningsplan. Planen justeres mere ned i detaljen, så den ændrer sig reelt også. 

Til sammen kan det være med til at gøre, at forudsigelserne rammer skævt.

Modelberegninger er altid usikre

Som du måske ved, bruger ekspertgrupperne blandt andet modelberegninger til at forudse forskellige scenarier i pandemien. 

Her putter de en masse data om, hvordan virussen spreder sig, ind i forskellige typer af matematiske modeller, som beregner, hvad forskellige politiske beslutninger og scenarier betyder for, hvordan pandemien udvikler sig.

De to primære modeltyper er:

  • De grovkornede populationsmodeller, der arbejder med gennemsnit for befolkningen. 
  • Og de mere fintmaskede individ-baserede-modeller, der er gode at bruge på lokalt niveau. De følger nemlig hver enkelt borger på individniveau.

Det vigtigste at vide er dog, at modelberegninger altid - ligesom alle andre kvalificerede forudsigelser om fremtiden - har en indbygget usikkerhed.

»Man kan bedst sammenligne de epidemiologiske modeller med økonomiske prognoser, og de er jo heller ikke altid lige på kornet,« forklarer epidemiologi og lektor på Roskilde Universitet Viggo Andreasen, der er medlem af referencegruppen, som vejleder regeringen.

»Smitteudviklingen i prognoserne er behæftet med usikkerhed, ikke mindst fordi vores dataserier er korte (er indsamlet over kort tid, red.) og en hel del parametre fortsat er baseret på skøn,« supplerer læge Camilla Holten Møller fra SSI’s afdeling for infektionsepidemiologi og forebyggelse.

Modeller bygger på antagelser om fremtiden, der beror på data. En model er derfor aldrig bedre end den data og de antagelser, den fodres med. 'Shit in, shit out' og omvendt, siger folk, der arbejder med den slags.

Kæmper stadig med utilstrækkelige data

I begyndelsen af pandemien var det måske lettere at forstå, at der var utilstrækkelige data. Nu har vi kendt virussen i et år, og selvom data er blevet bedre på nogle punkter, så navigerer vi stadig på baggrund af utilstrækkelige data behæftet med stor usikkerhed i nogle tilfælde. 

»Noget er blevet bedre. Specielt data om, hvor mange der bliver syge, og hvor farlig virussen er,« fortæller Viggo Andersen.

Men, tilføjer Camilla Holten Møller, der leder ekspertgruppen for matematisk modellering:

»Mange gange handler det om, hvorvidt der overhovedet er data. Mange ting er der begrænsede data på, og så bliver vi nødt til at lave modeller, der bygger på skøn, der eksempelvis kommer fra ministeriet.«

Camilla Holten Møller nævner genåbningen af idræt for børn og unge som et konkret eksempel, der kan være svær at forudse konsekvenserne af. 

Der findes ikke tal på, hvad det præcis vil betyde for smitteudviklingen, hvis der åbnes op for idrætten blandt børn og unge. Den erfaring har man simpelthen ikke. Og derfor har man ikke data.

I det tilfælde har ekspertgruppen brugt skøn fra ministeriet, om hvad en genåbning af idrætten betyder for smittespredningen, som de så fodrer deres model med. Skønnene, der i dette tilfælde bygger på faglige vurderinger fra ministerierne, har ekspertgruppen ikke ressourcer til at prøve efter. 

Derfor er konsekvenserne af, at børn og unge igen får mulighed for at gå til idræt, ret usikre, og sådan er det med flere scenarier i det store genåbnings-spil.

»Det samme er tilfældet, når vi åbner zoologiske haver eller lemper på corona-passet, så er det mere usikkert, hvad det kan betyde. Det vil i højere grad bero på skøn, hvordan sådanne lempelser vil påvirke befolkningens adfærd,« forklarer Camilla Holten Møller og fortsætter:

»Omvendt har vi har gode data på skoler. Vi ved præcist, hvor mange børn der går i skolerne, hvilke klasser de går i og så videre. Derfor har vi et bedre datagrundlag for, hvad der vil ske, hvis vi åbner skolerne. Så nogle tiltag vil være mere underbyggede end andre.« 

5 forskellige grupper styrer os gennem pandemien

I alt er der 5 grupper, der hver især består af embedsfolk, fagfolk og forskere, der rådgiver regeringen og ser på genåbnings-scenarier.

Ekspertgruppen for modellering af COVID-19 sidder alle regnefolkene med computermodellerne - herunder en del forskere. 

I Den faglige referencegruppe sidder der også forskere - herunder Viggo Andreasen - der ud fra forskellige fagligheder rådgiver de andre gruppe. I nogle tilfælde giver de også data.

Så er der Indsatsgruppen, der har ansvaret for at fastlægge risikovurdering og risiko-niveau og anbefale tiltag og indsatser. Her sidder både fagfolk og embedsfolk fra ministerierne. Det var Indsatsgruppen, der præsenterede notatet med de cirka 870 indlagte med COVID-19 i midten af april.

Der er også Signalgruppen, der giver overblik over regionale smitteudbrud.

Og til sidst er der Det besluttende regeringsudvalg med relevante ministre, der med oplæg fra de andre grupper tager de politiske beslutnigner om genåbninger.

Adfærd er tricky

Generelt mangler der dog gode og solide data på, hvordan vi mennesker opfører os og reagerer under ikke bare corona-pandemien, men pandemier helt generelt. 

Adfærd er blandt andet tricky, fordi det er svært at vurdere, hvorfor folk ændrer adfærd. Skærer du eksempelvis ned for indkøbsturene og din omgangskreds på grund af påbud, eller gør du det helt af dig selv, fordi du kan se og læse, at smitten stiger? 

»Der er stadig meget usikkerhed i data på adfærd, som man også skal lære at forstå. Sådan er det helt generelt på det epidemiologiske felt,« forklarer Viggo Andreasen. 

»Vi har aldrig før i historien set så stor en politisk og folkelig reaktion på en pandemi, som vi har set under corona. De omfattende restriktioner og nedlukninger, og den måde folk har ændret adfærd på, kender vi ikke fra historien,« tilføjer Viggo Andreasen, der har forsket i historiske pandemier.

Når der mangler køreklare data på folks adfærd, kæmper eksperterne også med at sætte sig ind i alle de afledte effekter, som et lille ryk på en genåbnings-knap kan have, påpeger Camilla Holten Møller: 

»Når vi åbner for spillesteder, barer og restauranter, så skal vi også forvente, at det vil resultere i flere efterfester eller andre afledte sammenkomster. Eller når 0. til 4. klasserne starter i skole, vil folk i højere grad tage ind på arbejde, og så vil der måske være flere i metroen om morgenen. Sådan nogle ting er svære at give et præcist skøn på.«

Test-iver og lokale nedlukninger tog fusen på eksperterne

I den seneste vurdering fra ekspertgruppen – hvor der er estimeret et spænd på 89-197 daglige nye indlæggelser - er der flere årsager til, at den faktiske udvikling har været anderledes. 

Tilsammen giver de et godt billede af de usikkerheder - og overraskelser - der opstår, når man laver modelberegninger.  

For eksempel har befolkningens store iver efter at lade sig teste helt regulært taget fusen på ekspertgrupperne, mener Camilla Holten Møller: 

»Testkapaciteten er sat op til et helt exceptionelt niveau. Selvom vi kørte forskellige scenarier, hvor test også var inkluderet, havde vi ingen forudsætninger for at vide på daværende tidspunkt, at vi ville nå op på så mange daglige test, som vi ser nu. Det, tror jeg, er den store forklaring,« siger hun og tilføjer:

»Den anden ting er de automatiserede nedlukninger på sogneniveau. Her har kommuner eksempelvis kunnet kommunikere ud på Facebook, at de risikerer at lukke skolen, hvis smitten udvikler sig. Det, tror vi, har påvirket folks adfærd lokalt, så de måske aflyser sammenkomster eller andet, hvis de har set, at der var risiko for endnu en nedlukning.« 

I modellerne antog ekspertgruppen, at smitten ville stige i takt med genåbningerne. Men i realiteten er smittestigningen blevet holdt i skak ved hjælp af lokale nedlukninger.

»Over tid har det betydet ganske betydelige forskelle,« forklarer Camilla Holten Møller.

Manglede data på det gode vejr

Til sidst har sæsoneffekten - det vil sige effekten af det ‘gode’ vejr - haft en positiv betydning, som eksperterne først senere har kunnet regne med i deres modeller. 

Data om, hvad forårets komme betyder for smittespredningen, har nemlig hidtil være for små og for usikre til, at eksperterne ville inddrage den i modellerne, som de lavede i vinter.

»Vi har været bevidste om sæsoneffekten. Men vi havde ingen gode data at basere en model på, fordi vi i samme periode sidste år havde restriktioner og en skolesommerferie, og derfor har det været svært at estimere, hvad effekten af vejret faktisk ville betyde for smitten,« forklarer Camilla Holten Møller.

I en rapport fra 21. marts har ekspertgruppen dog inkluderet sæsoneffekt ud fra en model baseret på svenske data, hvor man havde en længerevarende stabil periode uden restriktioner.

Viggo Andreasen tilføjer, at sæsoneffekten er notorisk svær for epidemiologer at forudsige, fordi den afhænger af, hvilken variant af virussen der er fremherskende:

»Og vi har ikke samme corona som sidste år. Så det er meget ofte et sjus, man må lave på sæsoneffekten.«

Screendumpet her illustrerer, hvordan ekspertgruppen arbejder med deres prognoser. Artiklen fortsætter efter graferne.

To screendumps fra notatet med den ordrette titel "Ekspertrapport af den 21. februar 2021 - Prognoser for smittetal og indlæggelser ved genåbningsscenarier d. 1. marts". Som det kan ses, arbejder ekspertgruppen med 9 forskellige scenarier for indlagte ved et smittetal på 0,75 og 9 forskellige scenarier ved et smittetal på 0,8. Gruppen lægger sig altså ikke fast på et tal og et scenarie. 

Talknuser: Vi vildleder ikke

Ifølge Camilla Holten Møller skal man også huske på, at når eksperterne i februar lavede deres beregninger på forårets genåbning, skete det ud fra et groft udkast til en genåbning. 

Den reelle genåbning blev - og bliver som oftest - anderledes og meget mere detaljeret end den, ekspertgrupperne regner efter. 

»Modellerne antager, at verden, ud over de beskrevne scenarier for genåbning, er statisk. Det er en præmis i modelberegningerne, selvom verden jo sjældent er statisk. Det er vi klar over, og derfor vil modelberegningerne aldrig være mere end en rettesnor for den faktiske udvikling, da verden hele tiden ændrer sig,« lyder det fra Camilla Holten Møller.

»Disse forbehold informerer vi også fuldt ud om i vores rapporter, hvor vi også gør opmærksom på, at de langsigtede prognoser især er mere usikre,« uddyber hun.

Kan du forstå, at folk bliver skeptiske overfor jeres forudsigelser, når I rammer så meget forbi?

»Jeg kan sagtens forstå folk, der siger, ‘se, det blev ikke sådan, de fik ikke ret, så hvad skal vi bruge dem til?’ Men vores job er først og fremmest at vejlede politikerne om effekterne af forskellige genåbninger, og hvordan de samlede genåbninger spiller ind i hinanden. Vi gør altid opmærksom på alle usikkerheder og forbehold i vores modelberegninger,« siger Camilla Holten Møller.

Klar politisk kommunikation mangler forbehold

Ofte er der også en indbygget forskel i det, som eksperterne skriver i deres langhårede rapporter, og det, som politikerne - på baggrund af rapporterne - skal kommunikere ud i klar og kondenseret form til pressemøder. 

»Kommunikationsmæssigt er det en udfordring,« forklarer Camilla Holten Møller:

»På det politiske niveau er der brug for klar kommunikation, og så bliver vi ofte skudt i skoene, at vi regner forkert, fordi politikerne ikke kommunikerer usikkerheder. Men det gør vi i vores rapporter og notater.«

Har man med tanke på alle usikkerhederne, der i brugen af matematiske modeller, lagt for meget vægt på dem i den danske strategi?

»Modelberegningerne har informeret politikerne om, hvordan udviklingen i epidemien kunne blive, under nogle givne forudsætninger. Det har man ageret på og indført mange nye tiltag til at bevare epidemikontrollen, blandt andet en automatiseret nedlukningsmodel, coronapasset og screeningstest på uddannelsesområdet. På den måde mener jeg, at modelberegningerne har tjent deres formål godt.«

 

Hej! Vi vil gerne fortælle dig lidt om os selv

Nu hvor du er nået helt herned på vores hjemmeside, er det vist på tide, at vi introducerer os.

Vi hedder Videnskab.dk, kom til verden i 2008 og er siden vokset til at blive Danmarks største videnskabsmedie med 1 million brugere om måneden.

Vores uafhængige redaktion leverer dagligt gratis forskningsnyheder og andet prisvindende indhold, der med solidt afsæt i videnskabens verden forsøger at give dig aha-oplevelser og væbne dig mod misinformation.

Vores journalister fortæller historier om både kultur, astronomi, sundhed, klima, filosofi og al anden god videnskab indimellem - i form af artikler, podcasts, YouTube-videoer og indhold på sociale medier.

Vi stiller meget høje krav til, hvordan vi finder og laver vores historier. Vi har lavet et manifest med gode råd til at finde troværdig information, og vi modtog i 2021 en fornem pris for vores guide til god, kritisk videnskabsjournalistik.

Vores redaktion gør en dyd ud af at få uafhængige forskere til at bedømme betydningen af nye studier, og alle interviewede forskere citat- og faktatjekker vores artikler før publicering.

Hvis du går rundt og undrer dig over stort eller småt, vil vi elske at høre fra dig og forsøge at give dig svar med forskernes hjælp. Send bare dit spørgsmål til vores brevkasse Spørg Videnskaben.

Vi håber, at du vil følge med i forskningens forunderlige opdagelser her på Videnskab.dk.

Få et af vores gratis nyhedsbreve sendt til din indbakke. Du kan også følge os på sociale medier: Facebook, Twitter, Instagram, YouTube eller LinkedIn.

Med venlig hilsen

Videnskab.dk

Videnskab.dk Podcast

Lyt til vores seneste podcast herunder eller via en podcast-app på din smartphone.

Danske corona-tal

Videnskab.dk går i dybden med den seneste corona-forskning. Læs vores artikler i temaet her.

Hver dag opdaterer vi også de seneste tal.

Dyk ned i grafer om udviklingen i antal smittede, indlagte og døde i Danmark og alle andre lande.

Ny video fra Tjek

Tjek er en YouTube-kanal om videnskab henvendt til unge.

Indholdet på kanalen bliver produceret af Videnskab.dk's videojournalister med samme journalistiske arbejdsgange, som bliver anvendt på Videnskab.dk.