Článek
Ředitel Ústavu zdravotnických informací a statistiky Ladislav Dušek zveřejnil minulý týden první verzi matematického modelu, jenž naznačil další průběh šíření koronaviru způsobujícího onemocnění COVID-19. Ve středu odhady zpřesnil. Výhledy se o něco zlepšily, šíření nákazy se podle údajů z testování podařilo zpomalit.
Velký otazník však stále visí nad počtem lidí, kteří se nakazili, ale nepodstoupili test. Podle Duška to souvisí i s faktem, že část nakažených nepociťuje žádné příznaky. Prognóza jeho ústavu předpokládá, že takových je deset procent infikovaných. V rozhovoru pro Seznam Zprávy Dušek vysvětluje, proč se zatím nepřiklání k pesimističtějším odhadům.
Podle čeho odhadujete počet nakažených lidí, kteří nepociťují příznaky?
Vycházíme z údajů v literatuře, protože žádné jiné v tuto chvíli nemáme. Nejčastěji se u těchto takzvaně subklinických osob publikuje podíl deset procent. Objevují se ale už i poměrně věrohodné informace, že by to mohlo být až 40 procent. My s takovým číslem zatím nepočítáme, protože by predikce vyšly úplně jinak, až děsivě. Také by to znamenalo, že se populace rychleji promoří. A o to více by bylo třeba hlídat zranitelné skupiny obyvatel, hlavně seniory.
Minulý týden při představení první verze modelu jste ale zmiňoval jenom 10 procent. Nejste tedy příliš optimističtí, když v prognóze počítáte jenom s desetinou lidí bez příznaků?
V době, kdy jsme začali dělat matematické modely, byly jediné věrohodně publikované informace o deseti procentech. Mezitím vyšla práce, která poměrně věrohodně ukazuje, že by to mohlo být i 40 procent. Je ale jenom jedna, jež ovšem byla zatím uveřejněna pouze na serveru medRxiv, kde jsou publikovány práce, které zatím neprošly kompletním recenzním řízením.
Jak je tato studie podle vás věrohodná?
Je samozřejmě otázkou, čemu můžeme věřit. Jsou to neověřené informace. Já považuji za fér říci, že rozptyl může být velký. Zároveň chci ale zdůraznit, že z hlediska hlavního sdělení je to vlastně jedno. Ať je to 10 nebo 40 procent, jsou to bezpříznakoví lidé, kteří s vysokou pravděpodobností vůbec nezatíží systém.
Ale šíří nákazu…
Šíří nákazu. Proto, čím větší to číslo je, o to větší důraz je třeba klást na opatření, která chrání seniory a další ohrožené skupiny. Aby nedošlo k nekontrolovatelnému návalu na akutní péči.
Co by znamenalo, kdybychom se ve skutečnosti spíše blížili té čtyřicítce?
Na predikční modely to má samozřejmě devastující dopad. Ve chvíli, kdy do nich zadáte 40 procent, jste v úplně jiném světě, než když zadáte 10 procent. Nicméně, tu situaci nějak nastavila příroda, za to nikdo nemůže. Jenom se s tím smiřme a třeba za týden bude literatura přesvědčivější. Anebo už budeme mít nějaká data z plošnějšího testování a tím pádem i náš odhad. V tuto chvíli to opravdu nevíme.
To číslo není úplně nejdůležitější. Více důležité na celém modelu je inkubační doba a potenciál člověka šířit nákazu. Číslo s bezpříznakovým průběhem je spíš takový varovný signál v pozadí. Je otázka, jak jsou lidé bez příznaků virulentní. Být pozitivní neznamená, že je člověk infekční. Mohou mít i velmi slabou nálož viru v těle, proto také mohou být bezpříznakoví.
Míra nakažlivosti u různých lidí je tedy různá?
Desetkrát zdůrazňuji, že nejsem epidemiolog ani imunolog. Ale podle všeho, co jsem dokázal načíst, mám všechny důvody si myslet, že to může být velmi různé.
Při modelování vašich scénářů je klíčové takzvané reprodukční číslo. Konstanta, která vyjadřuje, kolik dalších lidí nakazí jeden infikovaný. Jak se vlastně takové číslo určuje?
Číslo je, bohužel, odhadem modelu. Je výstupem, není vstupem. Pokud jsem řekl, že nějaké R předpokládáme, tak je to na základě opakovaných kalibrací. Máte křivku diagnostikovaných zachycených jedinců, de facto netušíte, co je kolem nich v té bublině „nakažení a nediagnostikovaní“, a simulačně nastavujete co nejlepší shodu mezi křivkou, která kreslí model, a mezi pozorovanými daty. Platí přitom, že z čím kratšího časového úseku jsou data, tím více jste limitován. Paradoxně vás limitují také skoky, které se dělají v systému, protože vždycky něco změní. Hledáte nejlepší shodu a z ní pak odhadujete hodnotu R, s nějakou variabilitou, která se dělá například opakovanými simulacemi, abyste získal nějaký interval spolehlivosti.
Jste spokojen s množstvím údajů, které máte k dispozici?
Česká republika má jeden velmi dobrý nástroj. Tím, že v informačním systému máme záznamy krajských hygienických stanic, tak máme záznamy i o počtech kontaktů daného člověka. A roste nám databáze v počtech efektivních kontaktů, které vedly k nákaze. Ta databáze vyžaduje nějakou robustnost. Před týdnem bych o tom nemohl ani mluvit. Teď už můžu snít a za týden už budu mít databázi v reálném čase, která ukáže, kolik infikovaný jedinec s vysokou pravděpodobností nakazil jiných jedinců, kolik realizoval kontaktů a kolik rizikových kontaktů bylo efektivních. Kolegové už zkoušeli tohle číslo na systém kalibrovat a zpráva je pozitivní. Je to další zdroj velmi exaktních dat, která by mohla vést k ověření čísla R.
Jak dalece můžeme vývoj šíření koronaviru v Česku věrohodně srovnávat s nějakou jinou zemí?
Moje odpověď jako člověka, který analyzuje data, je: ne. Ani to nesouvisí s tím, že v jiné zemi se vývoj šíření nějak liší. Je to proto, že každá země úplně jinak testuje - jinou kapacitou, jinak vybírá lidi, některé země netestují děti. Je to nesrovnatelné.
