Under dagens presskonferens delgavs siffror om att ”det går cirka ett bekräftat fall på covid-19 på 1 000 fall totalt”. Det skulle innebära att det i Stockholm fanns 6 miljoner fall totalt. Under presskonferensen höll man fast vid siffrorna – men nu pudlar man.
– Det blev alldeles galet, säger Lisa Brouwers, på Folkhälsomyndigheten.
Nyheten kom som en punkt i powerpointpresentation under presskonferensen, utifrån en beräkning i hur spridd smittan var i Stockholm. Siffrorna hämtades från en större rapport som Folkhälsomyndigheten släppte idag.
Under presskonferensen fick jag chans att ställa följdfrågor kring påståendet, men biträdande statsepidemiolog kunde inte förtydliga närmare, utan hänvisade till Lisa Brouwers, chef för enheten för analys på Folkhälsomyndigheten.
Hon säger nu att det blev fel.
– Det blev alldeles galet.
Så man ska inte tolka det som i sliden, att för varje bekräftat fall finns det ytterligare 999?
– Den stämmer inte, det är en hastigt framtagen powerpoint som tyvärr inte stämmer.
Hon hänvisar till rapporten, sidan 12, där en tabell visar hur man ska förstå de 99,9 procenten. Att det ger en siffra på hur många som antas vara smittade i Stockholm den 1 maj.
För någon som inte är matematiker är det inte helt lätt att hänga med i tabellen eller vad de 99,9 procenten betyder.
Så när det står 99,9 procent i rapporten, hur ska man förstå det?
– Ja, den frågan får jag hänvisa till den matematiker som gjort det här, för det är inte jag person nog att berätta.
Matematikern heter Disa Hansson.
– Ja, vi har mycket nu, tack vare din fråga, och när du sa det tänkte jag ”hur kunde vi inte bara tänka på det”. Det här har gått igenom så många personer. Men det är inte det rapporten har tagit fram eller så, säger Disa Hansson.
Hon förklarar att felet i huvudsak kan sammanfattas att det är en på hundra, istället för en på tusen, för 11 april.
Hör hela Disa Hanssons förklaring här:
Under den tisdagkväll meddelar Folkhälsomyndigheten att de nu kontrollerar hela rapporten igen.
”De går igenom all data en gång till för att se så att det inte är fel på resultaten. Allt gås alltså igenom igen och körs under kvällen och natten. Vi lägger ut information när detta är klart. Vi hoppas det ska vara klart i morgon bitti”, säger Christer Janson enhetschef på Folhälsomyndigheten.
Uppdaterat: Under onsdagsmorgonen meddelar Folkhälsomyndigheten att de inte kommer att bli klara under onsdagen.
– Det tar tid att gå igenom all data igen så tyvärr är de inte klara ännu. VI kommer publicera så fort de är klara. Troligen inte idag är det senaste jag fick veta.
Var det flera fel? Eller kan ni säga något preliminärt?
– De går igenom allt. Först när det är klart går det att säga enligt den uppgift jag har fått, säger Christer Janson enhetschef på Folkhälsomyndigheten.
Flera medier har under onsdagen rapporterat att myndigheten avpublicerat rapporten, men den finns fortfarande att ladda ner på myndighetens hemsida. Här finns också lokalt sparad kopia.
Uppdaterat2: Under onsdagens presskonferens kommenterar Tegnell rapporten och vad som blev fel:
–– Vi jobbar med den och kommer med uppdaterad version imorgon. För att säga kort utan att bli för teknisk, modeller är svåra. En felaktig variabel i början hade sedan inte uppdaterats. Modellen kompenserade genom att öka en annan variabel. Därför blev den så gigantiskt hög, vilket vi borde sett, många av oss, vi är glada att någon såg det, och att vi hann stoppa den före stor spridning. Det ändrar inte alla delar, men vi återkommer imorgon när vi lusläst den, säger Anders Tegnell.
– Felet var kompensationen som modellen fixade genom att säga att på varje fall som hittades fanns 1000 fall i samhället. Det var fel, och det håller vi på att rätta till, säger Tegnell.
Uppdaterat3: Under torsdagens presskonferens presenterade Folkhälsomyndigheten en ny modell där det gick 1 bekräftat fall av covid-19 på 75. Alltså långt från de tidigare nämnda 1 på 1000. Den uppdaterade rapporten finns här.
Den här artikeln är gratis och tillgänglig med hjälp av personer som varje månad bidrar ekonomiskt för att journalistik ska vara öppen.
Du kan också bidra, genom tjänsten Patreon.
Artikeln är skriven under licensen CC-BY, fri att dela och återpublicera om du hänvisar tillbaka hit.
I sammanfattningen av rapporten står det:
”Eftersom graden av smittsamhet bland de obekräftade fallen just nu är okänd har vi
lagt in olika scenarier med olika antaganden om hur smittsamt ett obekräftat fall är
i relation till ett rapporterat fall. Det scenario som ger bäst anpassning till antal
rapporterade fall mellan 17 februari och 10 april 2020 är det där obekräftade fall är
en tiondel så smittsamma som rapporterade fall. Detta scenario indikerar att det går
1 rapporterat fall per 1000 fall totalt, det vill säga 0.1 % av fallen rapporteras och
99.9% förblir obekräftade.”
Hur kan man tolka detta på annat sätt än att bara ett av tusen fall bekräftas genom provtagning? Är det en annan person som skrivit sammanfattningen och som inte förstått matematiken (som inte jag heller förstår)? Man kan väl inte skylla på hastigt framtagen Powerpoint bild när det står så i själva rapporten.
Sant, tyvärr hann jag aldrig fråga om det. Har sökt dem i efterhand för en kommentar men inte fått svar.
Jag är enbart hobbystatistiker, men jag tycker sammanfattningen stämmer?
En nyckelmening är för mig ”Eftersom graden av smittsamhet bland de obekräftade fallen just nu är okänd har vi lagt in olika scenarier med olika antaganden om hur smittsamt ett obekräftat fall är i relation till ett rapporterat fall”. När de gör antagandet att smittsamheten för obekräftade fall är lägre än 100% så måste de höja antalet obekräftade fall, annars stämmer inte modell med data. Vi kan leka med tanken att obekräftade fall är dubbelt så smittsamma som bekräftade, då minskar antalet obekräftade fall till kanske femtio på ett bekräftat fall, men modellen kanske ändå stämmer med data.
De hävdar även (i början av resultatdelen) att data från 27 mars – 3 april gör gällande att andelen obekräftade fall är en på hundra OM smittsamheten är lika stor för obekräftade som bekräftade fall, d.v.s 100%.
Tre scenarier, som använder samma modell, har valts som möjliga förklaringar till den data som samlats in:
Nummer 1, att det går 100 smittade på en smittad som testats positiv, men smittsamheten för alla smittade (testade som otestade) är lika hög, 100%
Nummer 2, att det går 200 smittade på en smittad som testats positivt, men smittsamheten för de som inte testat sig är bara 55% av de som testat sig
Nummer 3, att det går 1000 smittade på en smittad som testats positivt, men smittsamheten för de som inte testats är bara 11% av de som testat sig
När de gjort sin analys så säger de att scenario nummer tre ger bäst matchning mot data, och OM scenario nummer tre stämmer med verkligheten så följer det att 1 bekräftad på 1000 obekräftade är ett rimligt påstående och ”mörkertalet” är 99,9%.
Statistik är dock statistik, inte nödvändigtvis sanning :)
Mitt påstående att ”då minskar antalet obekräftade fall till kanske femtio på ett bekräftat fall” är förstås helt felaktigt, det minskar mycket mer än så förstås.
Men själva problemet med scenario 3 som förutsätter att det går 999 obekräftade fall på varje bekräftat fall är ju att det skulle ge: 6189 bekräftade fall x 999 obekräftade fall = 6 182 811 smittade.
Det finns ju inte 6 miljoner Stockholmare så därför stämmer scenario 3 inte med verkligheten även om det ”stämmer” med FHM:s data.
Men det går nog inte att extrapolera på det sättet. Modellen funkar för datan som samlades in då men bara med de förutsättningar som fanns under tiden datan samlades in; om antalet tester exempelvis utökas och fler positiva hittas så ger det inte nödvändigtvis att antalet dolda smittade ökar insamlade utsträckning. En ny körning av modellen med nya parametrar måste till då och resultatet blir troligen att fördelningen mellan testade och otestade fall kommer att minska.
Förhållandet mellan testade och otestade smittade bör nog alltså inte ses som någonting konstant. Det blir vad det blir för att modellen ska funka med datan.
Jag ser att jag slarvat i mitt första inlägg, det ska vara 99, 199 och 999 otestade per testad smittad…
The report is puzzling, particularly in light of Disa Hansson’s explanation. The parameter p0 is *defined* as the proportion of unconfirmed cases. They say on pg. 9, ”Vi anpassar den matematiska SEIR-modellen efter olika antaganden om värden för parametrarna p0, andelen dom de obekräftade fallen utgör, och q0, faktorn som beskriver hur mycket obekräftade fall smittar i förhållande till rapporterade fall.” Similar statements appear throughout the report.
The report raises several questions. First, what constrains the choice of values of p0 and q0? The report suggests that they selected pairs of values of p0 and q0 that fit the existing data, but presumably, there are many more pairs that would fit. For instance, as another commentator in this feed suggests, if q0 were allowed to exceed 100%, p0 could be reduced while preserving fit with the data. However, a clue to the background assumptions appears on pg. 7, where they say ”I vår modell kan en infekterad individ antingen vara av den typen som kommer bli ett rapporterat fall med en smittsamhet på bt eller ett obekräftat fall *med en lägre smittsamhet på q0bt*.” That is, their starting assumption is that the unreported cases are either as infectious or less infectious than the reported cases.
The second question is why they assume this. They suggest that it is because the unconfirmed cases include those who have no symptoms at all, and are less likely to transmit. Of course, this assumption has been questioned by many people, including the WHO. On the other hand, there are good reasons to think that unconfirmed cases are more infectious, especially in Sweden, where tests are primarily conducted on people who are sick enough to be sent to the hospital as well as hospital staff. This means that people who test positive are likely to be isolated from others, either because they are admitted to hospital or because they self isolate at home. In contrast, many of those who do not test positive have mild symptoms that they may attribute to a common cold or allergies, and hence not reduce their contacts at all, thereby infecting more people. Some may not have the luxury to stay at home until they are symptom free for 2 days because they have too small of an economic margin to do so.
The third question is why they didn’t calibrate p0 against the data that they had, from the study done of the period from the 27th of March to the 3rd of April. The result from that study was that 2.5 % of the population of Stockholm was infectious during that week. Stockholms region provides data for those who test positive each day during that week. They could easily work out the percentage of confirmed cases for that week by summing the number of new confirmed cases per day during that week (and perhaps a few days before, assuming that people remain infectious for a few days), and then dividing that by their estimate of the total number of cases. Though the study in question was small, and the confidence interval is large, this would have given them at least some kind of guidance in choosing values of p0 and q0. My rough estimate (though this would have to be double checked) is that the p0 for that week is somewhere between 94% and 97% — so much less than assumed in the study. But if e.g. p0=95%, the total infected in Stockholm would currently be only about 120 000, and it is hard to see how we could get to a third infected (600 000) by the 1st of May.
If you look at the sensitivity analysis in the appendix, it’s clear that the values they choose for p0 and q0 don’t matter. The model will find basically the same curve fit no matter whether the 10% or 99.9% of the cases are missed.
If I had to guess at what the problem is, it’s their definition of the time-dependent infection rate bt. It has too many free variables and has almost total control over the shape of the curve. So no matter what happens with the rest of the parameters, their optimization process can find a good curve fit with the right values for delta/theta/epsilon.
The error seems to be two-fold.
First the part of curve fitting is done on the wrong expression, you should compare dI_r/d_t not the part of d_E/d_t that stems from infection from reported infections. This gives rise to the unfeasible results on p_0. We should also add that it is likely approximately equal with some scaling constant, this might be 10 (resulting in p_0=0.99) or 30 (resulting in p_0=0.97), we don’t know.
Second problem is the overfitting you are implying. The curve that is fitted, gives too similar result for p0, q0, so the model seems to have too many degrees of freedom. This is harder (impossible) to combat. I am worried they will correct the first point (should be changing one or two lines in the code), rerun everything and arrive to the same result with a different p_0 (of order of magnitude 0.99). But the overparameterization should be discussed as well.
Ett annat sätt att se det är så enkelt som att alla gör fel ibland och så mycket uppgifter, siffror, antagande etc och med de krav/önskemål som framförallt journalister ställer på tidiga uttalande är det inte så konstigt. Det är ju alldeles uppenbart att om ca 6000 Sthlmare är bekräftat smittade så kan det inte vara 1:1000 utan mer rimligt 1:100.
Ja, heller vilket annat random nummer som helst. Det alla utsagor om en massa smittade utan symptom har gemensamt är att de saknar trovärdiga beräkningar om hur de kom fram till sin siffra. Känns mest som önsketänkande från rädda människor.
Jag håller med om att det är ett önsketänkande. De testade tex en by i Italien och märkte att hälften hade symptom hälften inte. På kryssningsfartyget var 2 ggr fler än de smittade utan symptom. Men det har aldrig varit fantasisiffror. WHO sa i alla fall för ett tag sedan att de allra flesta får symptom för eller senare. Och sedan brukar det stå lite överallt att 80% får ett milt förlopp och 20% kräver vård. Om FHM utgår från att max 1/100 blir testade varav i nuläget ca 11% dör så förstår jag att de eftersträvar flockimmunitet. Då räknar de med dödlighet på 0,1%. Men det finns mycket som talar för att dödligheten är högre. Just nu spelar FHM ett högt spel med våra liv, med osäkra kort på handen.
Det är lite bekymmersamt med rättningen från 1/1000 till 1/100. Det får det att framstå som att felet beror på att man ”missade en nolla”. Jag kan inte se någon annan möjlighet än att slutsatsen som antyds i sammanfattningen är ett missförstånd (skrivet av en annan person?) och att det snarare är en fråga om slump att det råkade slå fel på en faktor 10.
Så ska man verkligen inte se det, och så ser de inte själva. Det är nog snarare som du säger.
Parametrarna sattes bland annat till pO=0.999 samt pO=0.11 för att det gav lägst kvadratrest samt i övrigt stämde in på de matematiska constraints som finns. Ett p0 på 0.999 ska bara tolkas som att någon gång (vid t=0 om man börjat från början) var mörkertalet x999. Sedan börjar diffekvationerna röra på sig (och kom ihåg att vi talar kontinuerlig tid här, inte diskret i dagar) . Det faktiska mörkertalet vid en tidpunkt t erhålls sedan genom att räkna ut Ir/Io. Och ligger då på runt 99.1% (min huvudräkning). Man antar helt enkelt ett mörkertal a priori som sedan matchas med data och i slutändan spottas ett modellera mörkertal ut.
Jag tycker de har presenterat sin modell väl och även sina antaganden. Jag förhåller mig skeptisk till att man valt scenario 3 (pO=0.999). Dels för att jag tycker det känns som en skrivbordsprodukt men också för att konfidensintervallet är bredare då än vid scenario 1. Jag inväntar någon som har mer uppdaterad matstat i huvudet som kan komma med sina tankar. Klart är dock att journalister har svårt att kritiskt granska dessa saker, då de saknar nödvändig utbildning (vilket även våra stadsepidemiolger tycks göra då de inte helt förstår modellerna) . Så forskarsamhället i stort måste bidra.
Det här är anledningen varför många forskare krävt att få granska FHMs modeller.
Modellen som nu publicerats är helt uppenbart orimlig, då den bara passar det tillgängliga datat om den matas med orimliga parametervärden. Om man läser rapporten så ser man klart och tydligt att det är inte fråga om något skrivfel, utan 1/1000 är vad modellen kommer fram till. Slutsatsen är ju självklart att modellen är kass.
Om de hade presenterat detta på en vetenskaplig konferens hade de fått skämmas så in i helvete och aldrig blivit inbjudna igen.
Fast det är ju inte riktigt sant – eftersom modellen beräknar 450k fall den 11e april givet antalet detekterade fall fram till den 10. Troligast är att någon annan (som inte förstått matten och vad p0 innebär) skrivit inledningen.
Läs själv under ”Analys – Anpassning till observerad data” på sidan 8.
Det står klart och tydligt att modellen anpassas efter datat för att minimera felkvadratsumman genom att anpassa olika parametrar. Parametern p_0/p_r (andel obekräftade / bekräftade) anpassas för att modellen ska passa datat.
Som sagt så är den enda rimliga slutsatsen att modellen är kass, eftersom den passar datat bättre med fullständigt orimliga parametervärden.
Det här är ett klassiskt exemepel på en usel modell, och jag har sett liknande bli krossade vid många konferenser. Om man parametertrixar och kurvanpassar så kan vilken modell som helst passa ett dataset, men den kommer ju inte kunna förutspå någonting eftersom den är hokus pokus.
Men FHM hävdade ju tidigt att de är den mest kompetenta gruppen specialister på det här området, åtminstone i Sverige. Och än så länge har de väl aldrig (erkänt att de) haft fel?
Erik – jag förstår inte alls din kritik mot metoden. Visst handlar det om ”curve-fitting” men det är ju det som är själva metoden. Det är ju inte vilken matematisk modell som helst som man använt utan en parametriserad deterministisk epidemiologisk standardmodell – det finns gränser för modellantagandena och man kan inte utan vidare avfärda dem som orimliga om man inte begriper vad p_0 verkligen är (dvs. inte ”mörkertalet”). Givet data och en modell (som i det här fallet är mycket etablerad) så är det de mest sannolika parametervärdena de som ger minst ”felkvadratsumma” (om man tillåter sig att anlägga ett likelihood-perspektiv på parameterarna). Det som är bra är att man hanterat den genuina osäkerhet som finns genom att göra tre scenarier med olika parameterantagande. Trots väldigt olika antaganden ger de liknande resultat och med i princip samma ”mörkertal” om man delar antalet anmälda fall med skattningen av antalet smittade (1%). Men det vi normalt kallar ”mörkertalet” är inte det som kallas p_0 i modellen. Min egen tolkning är att ”det är mycket nu” på FHM och att någon har gjort en felaktig tolkning av p_o när rapporten författats som inte fångades upp innan publicering. Någon satte ihop en Powerpoint som Wallensten läste från och sedan blev det cirkus på Twitter. Men såvitt jag kan se är det enda felet själva tolkningen av p_0 som mörkertalet och att det inte var det som modellen syftade till att skatta. Men eftersom mörkertalet är intressant för många så blev den felaktiga beskrivningen allvarlig. Tur att Emanuel hängde på. Det hade han inte gjort om han direkt avfärdat FHM som dilettanter. Istället försökte han förstå.
Lär nog komma en del reaktioner kommande dagar. Hoppas på sakliga synpunkter från Britton, Rocklöv m.fl. Nu jobbar jag med helt andra modeller, men jag tänker också att indatan inte är sylvass så finns nån slags super-duper-modell är det inte självklart att det blir bättre. Som Tegnell väl sa nyligen, ”en modell är inte bättre än datan den matas med”.
Det är inte seriöst att använda en modell där antagandena är uppenbart ofysikaliska. De borde istället funderat på om det är överhuvudtaget rimligt att använda den här modellen till det här datat.
Med tanke på osäkerheterna i datat så ser jag inte hur en sån här modell ska kunna ge en rimlig beskrivning av dynamiken. T.ex har insamlingsmetoden ändrats en hel, i början testades till exempel vårdpersonal i större utsträcking, men sedan övergick det till enbart de som blev inlagda på sjukhus. Detta tas ej hänsyn till. De skriver att de bara filtrerade bort de som smittades utomlands från datat. En annan osäkerhet är detta ”En infekterad individ blir efter inkubationstiden, det vill säga när symptom uppstår, antingen provtagen i vården med positivt svar eller förblir ett obekräftat fall”. Modellen antar alltså att personer insjuknar samma dag som de rapporeras som smittade. Det ger förmodligen en förskjutning på upp till 1 vecka eftersom de flesta är sjuka i många dagar innan de söker vård. Infektivititeten är ju också en total höftning.. Osv osv..
Istället för att hantera dessa osäkerheter trixar man med olika parametrar för att tvinga modellens utdata att följa det befintliga datat. Den parameter som lyckades bäst med att tvinga modellen att följa (det osäkra) datat var parametern p_0 som definierades som förhållandet mellan verkliga smittade och bekräftade smittade. Därav slutsatsen 6.2 miljoner smittade stockholmare för någon vecka sedan.
När den här rapporten blir översatt till engelska kommer det inte bli nådiga sågningar.
Vad då ”ofysikaliska”? Det här är en standardmodell för smittspridning, inte någon form av fysikaliskt förlopp. Det är denna typ av modell, SIR / SEIR / SEIRD, som normalt används för smittspridning, rätt eller fel. Så själva valet av modell är inte kontroversiellt. Parametriseringen kan man alltid dividera om. Självklart blir modellen aldrig ”rätt” – ”all models are wrong, but some are useful”. Återigen, detta är inte fysik.
Smittspridning är ett fysikaliskt förlopp.
Att 6,2 miljoner av 2,3 miljoner är smittade är ofysikaliskt.
Får fortsätta det här en annan dag, godnatt.
Att mörkertalet vid någon punkt t skulle kunna vara 999% är absolut inte orimligt. Vi pratar en tid t och inte en dag. Vid t=0 sattes antal smittade till 1. Är det fysikaliskt omöjligt att i själva fallet 1000 var smittade då? Därefter stegas deffekvationerna fram och det modellerade mörkertalet verkar snabbt närma sig 99%
Som ngn mer skrev, modellens okänslighet är ett stort problem, (känslighetsanalys s 21 och framåt), rapportern säger i princip inget. Ett misslyckat försök till uppskattning av antalet smittade.
Men p_0 och q_0 är ingår väl inte i de parametrar som skattas? Med reservation för att jag har missuppfattat: som jag förstår det så ”låser” man modellen i tre (väsentligen godtyckligt valda) s.k. scenarier, d.v.s. värden på (p_0, q_0), som är förenliga med den uppmätta utvecklingen. För varje sådan konfiguration skattar man modellparametrarna, och redovisar för respektive scenario skattningen av peakdatum och ackumulerat antal, som såvitt jag kan avgöra inte skiljer sig så värst mellan scenarierna.
Men sedan gör – eller antyder – man en mycket märklig sak, nämligen att scenariet (0,999; 0,11) ger det minsta SSE och därmed skulle vara mer sannolikt. Som jag uppfattade presskonferensen så var det samma resonemang man gav uttryck för där. Så kan man helt enkelt inte göra, och jag hoppas verkligen att följande stycke är författat av en annan person än den som gjort beräkningarna:
”Det scenario som ger bäst anpassning till antal rapporterade fall mellan 17 februari och 10 april 2020 är det där obekräftade fall är en tiondel så smittsamma som rapporterade fall. Detta scenario indikerar att det går 1 rapporterat fall per 1000 fall totalt, det vill säga 0.1 % av fallen rapporteras och
99.9% förblir obekräftade.”
Kanske menade man egentligen ”innebär” och inte ”indikerar”?
Det citatet är inte korrekt nej. Scenario 3 indikerar att mörkertalet (Ir/Io) är runt 99%. pO är ju en satt konstant och ett startläge och säger inget om hur mörkertalet ser ut när modellen anpassas efter data. Minst sagt märkligt att förklaringen av modellen och vad den indikerar görs av någon som inte förstår modellen..
Jag tror att parametrarna inte betyder vad som står i sammanfattningen. Det finns en tidskomponent i modellen som jag tror fallit bort i förklaringen och jag tror det ska läsas som att 0.1% är sannolikheten att en smittad blir ”upptäckt” PER DAG. Så, om en smittad person är sjuk i tio dagar så blir chansen att hen blir ”upptäckt” 1%.
Jag är varken matematiker eller modellerare men så mycket har jag förstått att modellen i sig inte är något FHM-påhitt. Och jag har också förstått att den kör hela tiden ”per dag” så jag tror alla parametrar ska läsas med det osynliga ”Per dag” inkluderat, de förklaringar till SEIR jag sett pratar alla om vilken andel av bef. som flyttar från ett tillstånd till ett annat per dag.
Henrik – När det gäller missförstånden av modellen är jag är inne på liknande spår och jag tror att det är vad Love Tronner också är inne på också, nämligen att många inte ser tidskomponenten i modellen. Eller diffekvationerna för den delen. Jag tror att ett antal ”vid varje given tidpunkt” eller något liknande skulle behöva infogas här och var.
When I first went to the FHM site there was link to a github repo with their model, but it is gone now.
https://github.com/FohmAnalys/SEIR-model-Stockholm
Did anyone grab it?
https://github.com/jonasbir/SEIR-model-Stockholm
Har läst mer i rapporten nu och det står ju uttryckligen att P0 är andel obekräftade fall av totalt antal fall.
Det är ju ingen beräkning, utan ett väldigt grovt antagande. Hur kan ni ens släppa igenom en så vag siffra? Ni = journalister. Tycker ni som journalister MÅSTE granska siffrorna lite mer också innan ni kastar ut detta. Ni behöver inte vara först med en nyhet utan gärna granskad.
Det är väl det jag gjort?
Du gjorde det bra!/ En av dina hårda kritiker.
Kan däremot tycka att granskning måste till. Emanuel upptäckte/reagerade. Men att t.ex Aktuellt/Rapport sedan berättar om modellen och modellens resultat helt utan kritisk granskning är naturligtvis inte bra. Tvärtom ganska skrämmande.
Emanuel Karlsten är journalist och han gjorde precis det ”granskade siffrorna och hittade ett nu uppenbart fel”.
All heder åt dig Emanuel! Bra med journalister som räknar och rimlighetsbedömer! FHM skrev i en tidigare rapport att de räknade med att 1% av befolkningen skulle bli kliniskt sjuka och en andra massa konstiga påståenden. Har du möjlighet att kika på den? Den ligger till grund för hur vården planeras så den är oerhört viktig. Dessutom, hur kan FHM anta att dödligheten ska förbli på samma nivå när de samtidigt säger att antalet smittade ökat mer än tiofalt i april? Jag får inte ihop det.
Tack! Äntligen någon som faktiskt reflekterar över de orimliga ”fakta” som FHM delar med sig av.
Jämför vi med Sydkorea som vi kan förvänta oss har fångat de flesta fall har ca 200 dött av 10500. Troligen är det betydligt färre som dör där jämfört med de som behöver sjukhusvård, men räkna med att minst 1000 har behövt sjukhusvård (20% av dessa dör), men troligen närmare 2500 (<10% av dessa dör).
Att Sydkorea skulle ha en stor population smittade (även utan symptom) som de missat att provta är orimligt då de smittspårat extremt aktivt runt alla som visat symptom. Men låt oss i värsta fall tänka oss att de missat hälften, dvs att det har funnits 20 000 smittade, och att bara 1000 av dessa behövt sjukhusvård (de som räknas i svenska systemet).
Även i detta värsta fall är det alltså inte mer än 19 på 20 som skulle vara oupptäckta i Sveriges system, dvs 5% av de smittade upptäcks. Att med den datan tro att vi i Sverige skulle kunna ha en fem gånger högre nivå av oupptäckta fall är alldeles orimligt (dvs 1%), och med rimligare antaganden har vi snarare bara strax över 10 000 smittade och troligen minst 2000 som skulle hittats i Sverige. Alltså närmare 20%, och bara 80% odiagnostiserade i Sverige. Knappast fler än 50% utan symptom. Att tro på 1% mot 99% skulle innebära att verkligheten i Sverige är fullständigt annorlunda än på andra ställen i världen. Men visst, vi vill gärna tro att vi är väldigt unika.
Även om man räknar åt andra hållet, som t ex 3% samtidigt smittade i Stockholmsregionen och en platt kurva så ger det 12% som varit smittade efter en månad, vilket passar bra med datan från blodgivarna. Men då tar det MYCKET längre tid än till mitten av maj innan 60% är smittade (eller vilken gräns man vill sätta för flockimmunitet).
Det skulle kännas bättre om FHM kunde presentera prognoser och modeller som inte är fullständigt orimliga, och som inte är helt omöjliga att passa in på den datan och de siffror av nuläget som presenteras.
Då skulle möjligheten också vara större att befolkningen insåg att vi inte riktigt är färdiga med det här ännu utan troligen måste ha det tråkigt några månader till, om vi vill undvika en ännu jobbigare situation i vården.
Jag är inte vetenskapligt insatt, men en tanke /fråga. Går det verkligen att använda Sydkorea som en modell? Jag tänker vi har olika strategier och metoder för att möta smittan. Och vi har en spridning som är helt annorlunda mot Sydkorea. Kan vi då göra antaganden mellan dessa strategier? Frågar för att förstå.
Om du menar blodgivarna med den serologiska kontrollgrupp som redovisades igår där 11 av 100 hade antikroppar så får du tänka bakåt att de smittades inte i förra veckan. De testades för antikroppar i förra veckan. Det tar storleksordning 5 dagar inkubation och sen 10-14 dagar minst till man får antikroppar under sjukdomsförloppet. Så de som testades för antikroppar förra veckan blev smittade med stor sannorlikhet tidigast för 3-4 veckor sen. Men som sagt, serologtestet var bara en kontrollgrupp för att utvärdera testet. Den riktiga studien startar den här veckan.
Är det inte relevant i det här sammanhanget att titta på hur det ser ut i världen i stort? 1,675 milj ”active cases” varav ca 57 000 ”serious or critical” enl. Worldometer. Det är alltså 97 % vs 3 %. Och det är väl också rimligt att anta att det bland de som inte har testats finns ett stort antal smittade med milda symptom? Dvs. att antalet critical cases är lägre än 3 %?
Man kan säga att du sått tvivel genom att påpeka en till synes orimlig koppling.
Nu får dussintals hobbymatenatiker och tyckare chans att lära sig lite statistik. Men det finns ingen lärare här som anger facit att utgå från. Istället blir det i andra och tredje led faktaförvrängning. Yttra sig som det ska omkullkasta och radera, istället för stödja och korrigera.
Med det sagt är det igen bra att ifrågasätta när det ser konstigt ut. Lätt att glömma, efter dussintals kommentarer, är att ditt inlägg är helt neutralt. Såväl kommentarerna är neutrala och diskussionsuppmuntrande.
Hittills verkar grövsta felet vara att man inte placerat en kunnig bakom siffrorna, på samma ställe som den som läste upp dem. Eller att inte transcriptet härleder tittarna till annat håll ex FHM webbplats. Det är i sig ett typiskt problem i flera avseenden.
Hej!
Bra att du lyfter det!
Jag tycker att FHM har slängt ur sig mycket märkliga siffror på senaste tiden. exempelvis har de testat 100 personer och av dessa visar 11% att de bär på antikroppar. Ändå står FHM och säger att det troligtvis ligger på 30%. Dels är deras test på 100 personer löjligt liten för att kunna dra några slutsatser men att sen påstå att deras resultat inte stämmer och i stället dra till med en mycket högre siffra är mycket märkligt för att inte tala om oseriöst.
Ytterligare ett oseriöst och chokerande uttalande är Johan Giesecke (visserligen jobbar ha nej på FHM längre men ändå illa nog) påstår att 99% av coronsmittade inte får några symtom. Var har han fått den siffran ifrån?
Nu var det inte FHM som gjorde testet utan det var KI. Dessutom var det inte en studie utan en test mot en kontrollgrupp på 100 för att utvärdera det serologiska testernas sensitivitet etc. Den egentligen serologiska studien startar den här veckan nu när de vet att hur testerna fungerar och är tillräckligt bra. Det här redovisade man mycket tydligt när man pratade om det.
Dessutom så visade inte de 11% (som underskattar antal som egentligen varit smittade) hur många som varit smittade i förra veckan. Du måste gå tillbaka till när de blev smittade. Det är flera veckor sen. 5 dgr inkubation + minst 10-14 dagar för att börja bilda antikroppar. Sen behöver det vara tillräckligt mycket antikroppar för att kunna mäta. Så de som testades i förra veckan blev smittade med stor sannorlikhet åtminstone för 3-4 veckor sen.
Lite amatör synpunkter:
Det man säger är att de 11% smittades för minst 2 veckor sedan ( 2 veckor fria från corona symptom). Smittades troligen i början av april. Under dessa veckor har antalet bekräftat smittade trefaldigas. Man menar då att det borde röra sig om minst 30% smittade 1 maj.
Urvalet ”blodgivare” är väl inte heller det mest representativa i sammanhanget.
En liknande beräkning utifrån FHM s 700 personers testning månadskiftet där man testade aktiv smitta kan ge ungefär samma resultat. Minst lika många hade tillfrisknat vid testtillfället. Totalt kanske 7%. Efter tre veckor hamnar du någonstans kring 20% och fram till 1 maj 30%.
De kvinnor som födde på Karolinska vid månadskiftet var 7% smittade. En del hade säkert tillfrisknat. Inte orimligt att det handlar om 30% 1 maj.
Tittade på presskonferansen, höll på att ramla av stolen när jag såg 1/1000 på Power Pointen.
Sedan 10 journalister som i vanlig ordning ställer frågor om fotboll, makalös inkompetens.
Wallensten, konfirmerade sedan på den personliga intervjun efter i lugn och ro att för varje hittat Covid fall finns det 1000 till. Kan ju ett barn räkna ut att det inte kan var i närheten av att stämma.
På det franska hangarfartyget med 1700 bestättningmän behövde 20 stycken sjukhusvård, må vara att Stockholmare är av segare virke, men betänk då att på DN festen hamnade 2 av 70 i respirator.
FHMs siffror är illa underbyggt önsketänkande, därför som ingen internt reagerade.
Mikael Löfgren siffra ovan på 10-15%, som är eller har varit smittade i Stockholm är rimlig. Behövs då minst 3-4 månader i samma takt innan man närmare sig flock immunitet.
Det är Karolinska Institutet som gjort antikroppstestet, inte Folkhälsomyndigheten.
Tänker angående svininfluensan. 60% var vaccinerade. Ändå angav de en hög siffra som haft den. Kommer inte ihåg men kanske 60%. Då kan inte vaccinet varit effektivt.
Ursäkta två kommentarer i rad men läste precis följande som överläkare Anders Jansson skrivit i en debattartikel. Känner bara VA? men vänta… VA? läste jag rätt? Det innebär alltså att Anders Tegnells uttalande om siffrorna i den uppmärksammade debattartikeln var helt felaktig. HUR är det möjligt att ingen journalist uppmärksammar att Tegnell står och ljuger bokstavligt talat. Detta är så sjukt!
Delar av överläkare Anders Janssons debattartikel:
”Våra data är fullt valida och tagna direkt från den europeiska smittskyddsmyndigheten (ECDC) som hämtar in data från bland annat de svenska myndigheterna. Vi bedömde att perioden 7–9 april var representativ. Genomsnittet i antalet rapporterade döda var då 102 döda/dygn.
Anders Tegnell hävdade på presskonferensen den 14 april att våra data inte stämde med svensk statistik och angav i stället 60 döda/dygn. Anders Tegnell, till skillnad från svenska folket, visste att det inte var sant. Han kritiserade oss för att inte ha subtraherat de patienter som egentligen dött tidigare men registrerats först den 7–9 april.
Det han undvek att nämna var att han inte adderat någon av de patienter som ännu inte hade registrerats trots att de faktiskt dog 7–9 april. Sjukvården har svårt att hinna med att rapportera och fall fortsätter att dyka upp 2–3 veckor efter dödsdatumet.
Folkhälsomyndigheten har sedan dess i tysthet justerat upp siffrorna så att deras eget medelvärde för just den 7–9 april i dag är 85 döda/dygn och denna siffra kommer med hög sannolikhet att stiga ytterligare. Redan 85 döda/dygn ligger mycket närmare vår skattning än Tegnells utsaga från den 14 april.”
Fast överläkaren kan omöjligt veta vilka siffrorna skulle bli sen. Inte heller redovisade de någon modell för att ha gjort det. Istället bad de om ursäkt för att ha angett fel siffror.
Emanuel: Nej ingen kunde veta exakt hur mycket dödstalen skulle öka med för de specifika dagarna men det var rimligt att anta att det skulle tillfalla fler dödsfall på grund av fördröjning i rapportering, och detta måste Tegnell ha vetat.
Forskarna gjorde samma misstag som tidiga klimatforskare. De har i princip rätt, men de tappar trovärdighet och uppfattas som alarmistiska för att de inte var konservativa med sin jämförelse.
Det gjorde de inte. De redovisade dock hur de gått tillväga. De bad inte om ursäkt ”för att ha angett felaktiga siffror”. Läs hela tillägget till artikeln.
De använde ju helt enkelt de dagssiffror som presenterats. Utan att dra av de som faktiskt dött tidigare men rapporterades just de tre dagarna. Hur skulle de kunnat göra annorlunda? Om de skulle ha dragit bort (tidigare fall) så hade de också varit tvungna att själva lägga till ett estimerat antal fall som vi vet tillkommer de valda datumen pga eftersläpningen. Hade de gjort så så hade de blivit ,om möjligt, ännu mer karaktärsmördade.
Ola, jag tycker att de kunnat jämfört en hel vecka istället för 3 dagar, men jag håller med om att de blivit mycket orättvist behandlade och att deras högst legitima frågor har bemötts med mellanstadiemobbing.
Men Emmanuel, varför vill du inte kommentera Tegnells lögn? Han ljög ju om siffran på 60 per dag. Han bör ju rimligtvis veta att den siffran inte stämmer. Är inte det höst anmärkningsvärt ändå?
Anmärkningsvärt. Minst sagt.
”Istället bad de om ursäkt för att ha angett fel siffror”
Ljuger du medvetet?
Först en känga till övriga journalister. Jag satt helt förvirrad hela presentationen och inte en enda annan journalist ifrågasätter 1000 på 1 förrän du gjorde det. Övriga rädda att framstå som okunniga. Sedan vill jag säga att nyckeln till kurvan är dödligheten. Är den 0.2% är vi snart igenom det här. Är den 1% har eländet bara börjat. Faktorn slår ju 5ggr på ack. antalet smittade om antal döda är givet. Vill rekommendera Tom Britton s artikel, men med justerat dödlighetsantagande.
Det finns siffror på dödligheten. I data från Tyskland var det 0.37% relativt de som hade antikroppar efteråt. Det ger 4.900 döda i Stockholm enligt Tom Brittons modell.
https://www.land.nrw/sites/default/files/asset/document/zwischenergebnis_covid19_case_study_gangelt.pdf
I en modellering i Frankrike från verkliga data kom de fram till 0.53%. Det ger 7.000 döda i Stockholm.
https://hal-pasteur.archives-ouvertes.fr/pasteur-02548181
Om smittan når äldre och andra riskgrupper blir det högre än om de flesta smittade är unga, och det har tyvärr hänt i Sverige.
Hur kan Giesecke säga att minst 99% inte ens märker av smittan när alls 18 smittade av dom 773 testade i 2,5%-testet hade symptom?
Karin Tegmark Wigsell berättade det i förra fredagens presskonferens.
Mycket bra att du bad om klargörande Emanuel! Lite avsett var det blev fel och vad man tycker om olika modeller bör väl FHM först få chans att rätta och förklara, vilket du hjälpte till med, skarpt!
Based on the data from other countries and studies I estimate that in most Western countries the mortality rate is on average 1 % if everyone gets the infection (including children who are most of the time asymptomatic).
Since the majority of deaths in Stockholm area has come from the elder care homes – i.e. the disease has probably spread among the older people more than, say, people in their 30s who live alone and work from home – I’d assume the mortality rate in Stockholm has been at least 2 % of all the infected people.
It is my understanding that in Sweden only people who were tested positive with Covid-19 before their death are included in the registered covid-19 deaths. I’ve seen a newspaper article from the Stockholm that in some eldercare homes (or all homes?) less than half of those who died had a confirmed covid-19 infection. Let’s say that as of today 1500 people in total have died in Stockholm alone of covid-19 (1000+ cases are confirmed). It takes on average 3 weeks from the infection to death (variation is between 2–8 weeks).
With 2 % mortality rate that would mean that per 1 person who died, 49 had infection. With that logic 3 weeks ago at least 75 500 people in Stockholm had been infected with (and many of them already healed or died from) covid-19.
I don’t have time to go search for the numbers of deaths for Stockholm (I have only numbers for the whole Sweden), but if I would, I would check how long it takes for those numbers to double. Let’s say it takes a week for the number of deaths to double (e.g. go from 750 => 1 500).
In that case Stockholm area could have been altogether 150 000 infected people two weeks ago. For my numbers to match, week from now there should be 2 000+ official deaths and altogether 3 000 deaths from Covid-19 in Stockholm.
Assuming that the additional restrictions (meetings over 50 people forbidden, no visits to elder care homes) were countered by all the happy party people in Stockholm’s bars, week ago there could have been 300 000 infections (in total, all time) and today 600 000 infections.
Let’s assume the mortality rate is now dropping to the 1 % as the visits to the elder care homes are forbidden, majority of the elders have either died or survived covid-19 and younger people in the bars are infecting each other instead.
If my calculations are correct, three weeks from now in Stockholm altogether 6 000 people have died of Covid-19. Maybe 3000–4000 of these deaths are officially recorded as Covid-19 deaths. The rest will be discovered by comparing this spring’s death statistics to the death statistics of an average year. Any excess deaths (above the ”normal” death rate) could and should be considered as covid-19 deaths.
Of course we won’t find out if I’m right until the end of May, since there’s up to 10–14-day lag in the reporting of the deaths.
I’d be more than happy to be wrong and to see the actual number of deaths to stay much lower. From a Finnish point of view it makes me sick to think that at least 2000–3000 people have died in Sweden of Covid-19 so far (again, note the lag in reporting + all the people who died before they were tested).
Det gjorde de inte. De redovisade dock hur de gått tillväga. De bad inte om ursäkt ”för att ha angett felaktiga siffror”. Läs hela tillägget till artikeln.
Om minst 99% av alla fall är obekräftade som det står på sista sidan i rapporten så innebär det att ca 1,5 miljoner i Sthlms län är smittade idag…orimligt…suck…
Bara ett litet formuleringsfel i din inledande text där du skriver: ”Under dagens presskonferens delgavs siffror om att ”det går cirka ett bekräftat fall på covid-19 på 1 000 fall totalt”. Det skulle innebära att det i Stockholm fanns 6 miljoner bekräftade fall.”
FHM har inte sagt eller nämnt att de 999 fallen skulle vara BEKRÄFTADE, utan motsatsen till detta – att de inte söker sjukvård. Bekräftat är det först när de har fått en konstaterad diagnos.
Tyvärr finns det andra allvarliga (medvetna) brister när FHM presenterar antalet avlidna. Jag har lagt märke till att de ena veckan säger att antalet avlidna ligger stabilt på 30 stycken per dygn. Mindre än 1 vecka senare. ”Ja, antalet avlidna ligger på stabila 45”. 5-6 dagar senare, ”Som ni ser ligger antalet avlidna rätt så stabilt runt 60”. 5-6 dagar senare: ”Antalet avlidna ligger stabilt på 75.” Ordet stabilt tolkar nog de flesta i folkhemmen som att ingen ökning skett. Sedan förstår jag att man inte vill sprida panik men emellanåt känner jag nästan att FHM försöker mörka utvecklingen. Man får verkligen hoppas att cirka 30% är immuna nu i Stockholmsregionen för annars kan detta sluta riktigt illa.
Att ett värde ligger stabilt ska förstås som att det inte förändras nämnvärt över tid.
P g a eftersläpning i statistiken har vi ännu inte tillgång till det faktiska antalet avlidna per dygn, men det innebär inte att detta antal förändras, utan att det sakta framträder. Att dagsnoteringen av det stabila värdet ökar behöver således inte kullkasta antagandet att antal avlidna per dag är stabilt.
Jag anser m a o att det är helt logisk att säga att antalet avlidna ligger stabilt på N, där N är att tal som sakta konvergerar mot det faktiska antalet avlidna.
Jag är ganska övertygad om att ordet ”stabilt” ger en förskönande bild för de flesta medborgare. Och jag börjar ana att just förskönande/nedtonande bild är det som FHM vill ge. FHM är mycket väl medvetna om eftersläpningseffekten (exempelvis nu är vi uppe på ”stabila” 90-95 stycken per dygn så redan nu kan man glömma det jag skrev för några dagar sedan om stabila 75 avlidna per dygn…så stabilt var det) eftersom de hänvisar till eftersläpningseffekten hela tiden när det är höga dagsnoteringar. Pratar man om eftersläpningseffekten när man vill tona ner höga dagsnoteringar så måste man så klart beakta eftersläpningseffekten när man kommenterar att något är stabilt en vecka bakåt eftersom siffrorna hela tiden fylls på mer än 1 vecka bakåt.
Utan minsta välvilja kan man komma fram till precis vad som helst.
Faktum kvarstår dock att antalet avlidna per dag ser att vara väldigt stabilt. Så har det sett ut ett tag nu, vilket torde vara helt uppenbart för alla utan foliehatt.
Dagsnoteringen förändras dock givetvis tills den konvergerat mot sanningen och eftersläpningen kommit ifatt.
Ja, det är ju precis det jag menar, dvs ”Dagsnoteringen förändras dock givetvis tills den konvergerat mot sanningen och eftersläpningen kommit ifatt.” Jag kunde inte skrivit det bättre själv. Man ser ju hur eftersläpningen successivt bygger på staplarna en bra bit bakåt i tiden. Pga eftersläpningen kan man inte dra några som helst slutsatser av de senaste 7-8 dagarna utan man måste hela tiden titta längre bak i tiden på staplarna för att kunna dra slutsatser (och till och med staplarna äldre än 7-8 dagar fylls ju på emellanåt). Exempelvis kan man nu se att 8-9 dagar bakåt i tiden är vi nu uppe i över 100 avlidna per dygn och de dagarna är nog inte ens helt ”färdigfyllda”.
Jag har gjort en bild som illustrerar detta baserat på presskonferensen med Tegnell den 6 april:
https://i.imgur.com/smxmcGH.png
Tegnell säger att det varit ca 30 ”fall” per dag senaste veckan men slutresultatet visar på en brant stigande kurva från drygt 40 till drygt 80 döda per dag under de föregående 7 dagarna (30/3 – 5/4).
Tack, Viktor! Du beskriver exakt det jag försöker uttrycka (men du gör det bättre med bilden).
Till Anders: Jag instämmer med dig att det finns en foliehatt med i bilden. Frågan är bara vem som bär den.
Hur kommer det sig att inga frågor ställs till FHM angående dödligheten? För det är väl det som vi alla undrar över. FHM fokuserar hela tiden på antalet smittade och får det att låta som något positivt att 30% snart är smittade. 2,5% var smittade i början av mars. Två veckor senare var 500 döda i Stockholm. Det tar ett par veckor att dö, så därmed bör man väl kunna säga att 2,5% smittade motsvarar 500 döda. 30% smittade borde därmed generera minst tiofalt fler döda :-(.
https://www.facebook.com/benjamin.wellander/posts/10163281265565263
Här är en facebook post från en läkare som räknat på antal döda utifrån utfallet av anitkroppstester i New York där man uppmätte 21 % antikroppar. Då snackar vi 23000 döda under 70 år och ytterligare 60000 över 70 år i Sverige om jag förstått honom rätt. Han hänvisar till källor för dessa beräkningar. Helt klart läsvärt!
Det finns även en intressant diskussion i kommentarerna där han blir utmanad i tankesättet att det skulle gå att applicera New yorks statistik på Sverige, men överlag tror jag nog att man kan ha detta scenatio som värstascenario. Och New york har haft hårdare regler än vi har i Sverige, dock med en mycket mer trångbodd befolkning.
Först ett stort tack till Emanuel, för att du tagit dig an att granska den här märkliga händelsen! Den här rapporten är ju inte en lek med siffror, utan något som kan komma att ligga till grund för beslut som rör enorma värden och många människoliv. FHM kommer nog tyvärr att få se sin trovärdighet sjunka drastiskt efter det här.
Jag tycker jag har läst rapporten noga, och kan inte tolka p_o som något annat än just ”mörkertalet” – andelen av de infekterade som efter inkubationstiden förblir obekräftade fall. Det framgår tydligt av beskrivningen på sidan 6 och av ekvationerna på sidan 7. Jag tycker även att sammanfattningen på sidan 5 visar att det är så författaren menar att man skall tolka p_o.
Med ett p_o som varierar med en faktor 10 är det dock spontant väldigt svårt att förstå hur resultaten i Bild 1-3 kan vara så lika.
Jag misstänker att det är något väldigt grundläggande fel i beräkningarna. På sidan 7, andra stycket efter ekvationerna, finns ett uttryck för ”daglig incidens av nya rapporterade fall vid tiden 𝑡” som för mig verkar vara helt fel. Samma uttryck återkommer på sidan 8. Kanske finns det någon annan kommentator som är mer kunnig än jag i sådan här modellering, och som kan göra en kvalificerad bedömning av detta?
p_0 är inte mörkertalet idag, utan dess begynnelsevärde. Lyssna gärna på den inspelade intervjun.
Och, nej, det finns inget grundläggande fel i beräkningarna. Sök på signaturerna Hannes och Love Tronner. Läs vad de skriver och sedan rapporten igen :)
Tack Anders! Jag har lyssnat på Disa och läst vad Love skriver. Intressanta synpunkter men de lyckas inte övertyga mig :-) En sak som jag nu inser är i alla fall att det finns olika uppfattningar om vad ordet ”mörkertal” betyder rent matematiskt.
Mr Dobalina ovan verkar vara inne på ett liknande spår som jag vad gäller uttrycket för ”daglig incidens…”.
”Fall som smittats utomlands exkluderas då de inte har smittats inom den modellerade populationen.”
Och så sätter dom startdatum 17 februari med 1 smittsam individ.
1:e Mars kommer sportlovsfirarna hem från Italien. Dessutom ett konstant inflöde från Iran. Båda riktiga smitthärdar vid tillfället.
Det går förstås inte att göra en modell utan att ta hänsyn till att det kommer ett inflöde av smittade tidigt in i modellen.
From the published figures yesterday it can be seen that:
The total number of deaths is 1765.
The number of people treated in IVA today is 536.
Those who use or have used IVA are 1158.
By subtracting the last two, the number of those who have used IVA (but no longer use it) comes out: 1158-536 = 622
Of these (if we estimate a mortality rate of 50%) 311 died while 311 did well.
Does this mean that out of 1765 deaths, 311 went through an intensive care unit and that the remaining 1454 did not use one? In other words, they passed away without being cared for, without entering IVA!
Why; Has anyone asked in any press conference? How many people pass away in their homes or nursing homes every day without being taken to the hospital? Is that how the system is holding well?
Please let me know where am I wrong.
They (Socialstyrelsen) have mentioned this in the press conferences: intensive care is VERY intensive and most elderly people (with underlying conditions etc) wouldn’t survive due to the care method itself. Therefore, intensive care is prioritized for those who are most likely to survive intensive care. In some cases it is possible that is more likely that the elderly person would survive covid-19 given no intensive care. It is not so black and white.
Even if that was the case, according to those numbers 82% of the deceased did not use IVA. Were all of them so elderly that they could not receive intensive care? And at the end is it better for them to be left to die?
Agree completely with Maris but want to add one more thing. It’s not just about getting IVA or not. Many (most?) of the elderly people at ”äldreboende” are not even being sent to hospital for basic health care (for example getting oxygen which is quite good to get when you can’t breath – getting oxygen is NOT very advanced …).
There is an article saying that majority of the very elderly people (and with other deceases) survive corona if they get to such hospital health care: ”Trots farhågor om att äldre sköra skulle ha mycket svårt att överleva en allvarlig covid-19-infektion så visar nya siffror att en majoritet av de som skrivits in i den geriatriska slutenvården till följd av covid-19 i region Stockholm tillfrisknar.”
Read full article: https://www.svt.se/nyheter/inrikes/louise-92-jag-ville-valdigt-garna-leva
Maris, exactly, this is spot on what I also have wondered last weeks! I am quite sure the sad answer is that most of the ”older” people at ”äldreboende” are not even being sent to hospital and I think most often doesn’t even get any oxygen so you could say we sacrifice them to make FHM and politicians being able to say that the IVA and hospital resources still hold. It’s sad and actually a scandal. The big question (and also a scandal) is why media/journalists don’t bring this up at the press conference harder?? Maybe they don’t see the simple maths as you describe Maris or something else I don’t understand.
Emanuel, en fråga som jag önskar svar på:
På vilket sätt var FHMs nya ”referensgrupp” inblandat i den här modellen som publicerades och sedan drogs tillbaka?
Om de inte var inblandade, varför inte? Många utomstående experter har sagt sig villiga att bidra inom bland annat modellering.
Om de var inblandade, hur i hela friden kunde det bli publicerat?
Det tog mig som fullständigt utomstående 5 minuter att inse att jag måste spara ned det här historiska dokumentet innan det dras tillbaka. Om det gick igenom FHMs referensgrupp så är den gruppen tyvärr inte mycket värd.
En fråga till nästa presskonferens: Varför väljer Folkhälsomyndigheten att inte nyttja data över antal döda? Uppenbarligen är det brist på datapunkter generellt för att fastställa deras matematiska modeller, och antal döda är väl den mest definitiva jämfört med allt annat (även om den säkert underskattats en hel del). A.T. hänvisar till att det är gamla siffror, men eftersom man vet hur lång tid efter smitta man i snitt dör (om man dör) så är det ju modellmässigt extremt värdefull data (jämfört med vad man har för övrigt). Dock tvingas man göra en uppskattning/beräkning av dödligheten, och det kanske de absolut inte vill.
Oavsett om det är ”svårt” att simulera detta inklusive tillhörande matematik så är det helt obegripligt att referensgruppen och statsepidemiologerna inte upptäckte detta med 1000 ggr som var så uppenbart fel. Kan man inte ens göra en normal rimlighetsbedömning så kan man ifrågasätta deras expertis allmänt på området.
En annan sak man kan fråga om på presskonferensen är följande:
I onsdags 22/4 visades en graf över antalet avlidna per dag. I den finns ett rullande medelvärde där 7 dagar är undantagna. Men man ser i grafen att stora justeringar har gjorts även veckan innan och att data har uppdateras från tisdagen till onsdagen så mycket som 3 veckor bakåt. För inte vara missvisande och ge en falsk indikation på att kurvan böjer av nedåt, borde man inte undanta de 2 senaste veckorna i det rullande medelvärdet?
De senaste veckorna har man hela tiden pratat om att det är stabilt, en platå, kurvan ser ut att vända nedåt. Men detta stämmer ju inte. Varför uttalar man sig hela tiden i dessa termer när det är obestridligt att man i efter hand kan se att kurvan inte alls pekar nedåt utan pekar mer eller mindre rakt uppåt när alla data har kommit in? Man har även pratat om att det ligger stabilt på 60 döda per dag men man ser ju att det är över 80. Kan man inte lära sig att sluta spekulera kring ofullständiga data eftersom slutsatserna blir tokiga?
Instämmer helt. Jag förstår att FHM och regeringen har ett egenintresse av att visa upp en lyckad hantering av corona-epidemin. Däremot förstår jag inte att inte massmedia ser detta och kritiskt granskar detta.
Antalet avlidna per dag är ju uppenbart ett hyfsat stabilt värde vars dagsnotering är ca 90 nu.
Så vad är det som pekar rakt uppåt uppåt, menar du?
Dagsnoteringen är ointressant då det är upp till 3 veckors eftersläpning på avlidna för en viss dag. Men när siffrorna ramlar in ser man att siffran stiger hela tiden trots att man envist hävdar att den ser ut att plana ut, har nått en platå etc. Detta är rent önsketänkande och det är lätt att se varför det inte går att göra sådana uttalanden baserat på senaste 2 veckornas data. Det går heller inte dra slutsatser från endags ”inkommande” döda, som kan vara allt från 30 till 180, men de ramlar sedan in på gamla datum upp till 3 veckor eller mer i enstaka fall.
Antalet avlidna per dag är ju uppenbart ett hyfsat stabilt värde vars dagsnotering är ca 100 nu. Vad är det ni inte förstår? Tror ni att folk går och dör retroaktivt, eller? Antal avlidna en viss dag är ett faktum. Värdet på detta faktum börjar man skönja först någon vecka i efterhand. När det väl framträder ser man att det är stabilt och har så varit ett tag.
Till Anders:
För det första: Detta är ingen lek med siffror utan vi upplever en fruktansvärd tragedi (exempelvis på våra äldreboende).
För det andra: Du motsäger dig själv. Först säger du att ”Antalet avlidna per dag är ju uppenbart ett hyfsat stabilt värde vars dagsnotering är ca 90 nu”. Mindre än 12 timmar senare skriver du: ”Antalet avlidna per dag är ju uppenbart ett hyfsat stabilt värde vars dagsnotering är ca 100 nu.” Låt oss vänta ytterligare 1 vecka (då 15:e/16:e april förmodligen börjat stabilisera sig) och jämför sedan med början av april så kommer man inte ens behöva ha glasögonen på sig för att se en mycket tydlig ökning (redan nu ser man en tydlig ökning och den kommer bli ännu tydligare). Man måste alltid beakta eftersläpningseffekten när man drar slutsatser av stapeldiagrammet !
Vad är det du inte förstår? Folk går inte och dör i efterhand men det är rapporteringen som släpar efter. Om FHM presenterar ”180 döda” sedan gårdagen så har inte dessa dött senaste dygnet. Det man rapporterar är hur många fler döda man fått in rapporter om sedan gårdagen. Dessa ska då fördelas på ett flertal dagar bakåt i tiden. Det kan som exempel vara 100 igår, 50 i förrgår, 5 för två veckor sedan, 2 för 3 veckor sedan etc. FHM har lurat befolkningen och regeringen då man har lagt fram det som att det avtar, ligger på en platå. I princip är det så att om man sagt att det ligger stabilt på en platå, säg 40 döda per dygn, så har det i efterhand visat sig att den verkliga siffran är den dubbla. Häromdagen sa man ”stabilt 60 per dygn”, vilket nu ligger runt 100 och om en vecka kanske på 120. Alltså att den siffran man sa i själva verket var dubbelt så hög i verkligheten.
Exakt! Det är fullständigt obegripligt att FHM tillåts att manipulera folket på det här sättet. Varför ställer inte journalisterna fler kritisk frågor?
All of their numbers seem strange. The press release said that 20,000 were being test per week. At the 60% stated herd immunity that would mean 12,000 positives per week. Sweden is reporting less that 4000 new cases per week. The 1937 deaths is a good indication that the number of infections is much higher than the 16,000 that have been reported. But, the 7 day average of deaths has not flattened. I fear there is going to be many thousands more that die before the the numbers start matching up.
The only usable numbers are:
– Total number of patients in hospital with Covid-19
– Number of patients in intensive care with Covid-19
– Number of deaths related to Covid-19
And if there are delays in the reporting, such as up to 3 weeks for the number of deaths for a certain day, data shall be ignored for the most recent weeks (2 weeks now for the number of deaths).
Jag tycker att överläkaren och professorn Björn Olsen är betydligt mer rak och ärlig i sin kommunikation till folket än vad FHM är. Tycker denna intervjun med Björn var bra (länk nedan). Där förklarar han bland annat vad han tror om FHM:s överdrivet positiva prognoser om att vi snart har nått flockimmunitet.
https://www.expressen.se/nyheter/giesecke-forsvarar-svenska-taktiken-i-tyska-bild-nya-loftet-kommer-inte-kollapsa1/
De 22 forskare blir kölhalade p.g.a. att de räknat på 100 döda per dag i mitten av april.
Tegnell sa att det var knas och att den korrekta siffran var 60.
Nu visar FHM egna siffror att det faktiskt dog 90-100 personer per dygn i covid-19 dessa dagar.
Varför är det ingen journalist som vågar påpeka detta?
Instämmer. Jag har tänkt precis samma tanke. De 22 forskarna hade ju ett väldigt viktigt budskap som helt försvann pga Tegnells (felaktiga) ”punch line” och som journalister/massmedia dessvärre köpte med hull och hår.
Håller helt med! Jag fattar inte varför media är så passiva. Blir uppriktigt ledsen över detta. Eftersom Sverige avviker från resten av världen i vår analys av detta virus så borde det inte kräva allt för mycket av våra journalister att börja grubbla på om de bör granska detta. Detta med efterrapporteringen har det snackats om på sociala medier i flera veckor.
Expressen har fångat upp mycket av detta och ställt frågor till Tegnell som inte svarat. Man borde ha ställt honom mot väggen vid den dagliga presskonferensen. Han ser väldigt ansträngd ut nu, han börjar nog förstå att hans amatörmässiga hantering av statistiken med vilseledning av allmänheten snart är avslöjad.
https://www.expressen.se/nyheter/tegnells-fel-i-braket-med-de-22-forskarna/
sr.se har även uppmärksammat det här.
https://sverigesradio.se/artikel/7459277
Det bisarra är att Tegnell säger följande:
”Men det är ju definitivt inte så att vi försökt dölja någonting. Det är inte heller så att det här har påverkat några beslut vi tagit utan vi har hela tiden pekat på vikten av att skydda de äldre äldre, säger Anders Tegnell.”
Om antalet döda är runt dubbelt så högt som FHM rapporterar när de säger att det stabiliserat sig på X antal döda per dygn så borde detta rimligen påverka besluten. Man har ju faktiskt heller inte lyckats skydda de äldre! I äldrevården vill anställda ha munskydd och visir för att skydda de som ännu inte är smittade men man får inte för cheferna hävisar till FHM:s direktiv. FHM:s direktiv räddar inte de äldre, de bidrar till att de fortsätter att dö i stor omfattning.
Detta svar är också märkligt:
”Som Ekot kunde rapportera i morse har Folkhälsomyndigheten vid flera tillfällen underskattat utvecklingen av hur många svenskar som dör i covid-19. På dagens presskonferens fick statsepidemiolog Anders Tegnell en fråga om huruvida deras felbedömningar av dödsfallen har påverkat beslut och restriktioner.
– Nej, den nivån var redan hög nog. Vi skickade ut väldigt mycket varningssignaler om att det här var på gång. Att den var ännu högre ändrar inte det, sa Anders Tegnell.”
https://sverigesradio.se/sida/artikel.aspx?programid=83&artikel=7460091
Har FHM skickat ut ”väldigt mycket varningssignaler”? Vilka då? Man har ju snarare vilselett allmänheten genom att säga att det är en platå etc.
Jag blir uppriktigt sagt enormt bekymrad över hanteringen av detta. Man är sena på bollen hela tiden. Man är fruktansvärt otydliga i sin kommunikation. Och man har avgörande fel i sina bedömningar.
Svaret på frågan på presskonferensen idag angående munskydd i äldrevården var ju också helt beklämmande.
-Det är komplicerat och vi måste utreda mer innan vi gör något.
Det handlar om att sätta på folk munskydd. Som han pratar så låter det som att hon föreslog att de skulle prova någon experimentel medicin eller något. Hur kan användning av munskydd vara något man måste utreda? Det skadar ju absolut ingen att införa detta som en försiktighetsåtgärd. VARFÖR är det ingen som ifrågasätter hans konstiga uttalande??
Håller med. Senfärdigheten är enorm. Börjar ana att det ligger prestige bakom, att man inte vill erkänna att man haft fel.
Man brukar säga att det bästa inte får vara det godas fiende och när det gäller människors liv borde man faktiskt ta det osäkra för det osäkra. Låt personal på äldreboende och hemtjänst ha minst munskydd och handskar oavsett om patienterna smittade eller inte. Vet man att patienten har Codvid-19 kan man ju ha andningsskydd och visir dessutom.
Tidigare har man även sagt att det inte är någon mening med att gå ut med krav man inte klarar att uppfylla eftersom det är brist på skyddsmateriel. Helt fel att sänka kraven till vad som går just nu. Säg vad kraven är och så får man väl göra undantag eller hitta något alternativt sätt tills man har tillräckligt med skyddsmateriel.
Det är helt obegripligt hur handlingsförlamade man är. Statsministern slår sig för bröstet och hävdar att han tycker att hanteringen är bra eftersom den bygger på vetenskap. Gör den? Det man i praktiken gör är att låta smittan härja fritt, eftersom man inte lyckas hindra den från att nå den grupp man sa att man skulle skydda. Det spelar ingen roll om man har IVA-platser, folk dör ändå. I förorter i Stockholm har runt 20% av de bekräftat positiva dött och det är många fler som dött som inte fått IVA eller inte kan tillgodogöra sig IVA.
Experimentet med flockimmunitet är ett experimenterande med människor som dör. Man är också så himla självgoda att man inte ens vill göra prognoser för hur många som kommer att dö med nuvarande linje. Man säger att det inte spelar någon roll för att det bara handlar om att hålla kurvan ner för att sjukvården ska hinna med. Men folk dör ändå!
Ta det säkra före det osäkra menade jag förstås. Som man brukar göra när något farligt kan hända. Människor dör!
Instämmer fullständigt. FHM och för den delen också Socialstyrelsen (och ytterst regeringen) har varit minst ett eller två steg efter redan från januari och dessutom tonat ner faran (i motsats till exempel Sydkorea som vi borde nyttjat som ”blueprint”). Instämmer att FHM nu är skyldiga att besvara hur många man räknar med kommer avlida med nuvarande strategi! Den frågan är ju extremt viktig!! Jag tror också prestige är ett nyckelord här. Det är en skandal hur myndigheterna (och ytterst regeringen) sviker och offrar tusentals av de äldre (jag vill inte ta ordet ”tiotusental” i min mun men jag börjar så smått ana att det snarare kommer handla om det). Detta är en mardröm och jag förstår inte riktigt hur Sverige ska kunna vända på denna utveckling med tanke på FHMs och delvis Socialstyrelsens beteende (och ytterst regeringens beteende). Man blir bara ledsen. Några (av många) frågor till FHM och Socialstyrelsen:
1) Hur många i Sverige räknar FHM kommer avlida med nuvarande strategi?
2) Hur stor andel av de som bor på äldreboenden och som avlidit av viruset har fått komma till sjukhus (jag menar inte IVA för där vet jag redan svaret utan helt enkelt bli inlagd och vårdad på sjukhus) ?
3) Hur stor andel av de som bor på äldreboenden och som avlidit av viruset har fått syrgas på antingen äldreboendet eller på sjukhus?
4) Är det inte självklart att personal inom hemtjänst och äldreboende alltid ska bära munskydd (och handskar) när de möter brukarna i dessa tider? Om brist råder på munskydd varför har inte regeringen sett till att något av våra tusentals företag fått i uppdrag att snabbt ställa om sin produktion till att producera munskydd (med rätt ersättning finns det säkert 100-tals företag som skulle vara villiga att ställa upp)?
En fråga till man bör ställa till FHM är:
Det har visat sig att ni genomgående har tonat ner utvecklingen vad gäller döda och smittade, för att ni inte har tagit hänsyn till att det är fördröjningar på 2-3 veckor i rapporteringen. Att ”det ligger stabilt på 60 döda per dygn” nu ser ut att i själva verket vara 120 döda per dygn när statistiken kommer ifatt. Lägger vi då dessutom på kompensation för överdödlighet (1000 personer v13-14, 638 rapporterade) så kan det handla om att runt 175 personer i själva verket dör av Covid-19 varje dag i dagsläget.
Hur ser ni på att er felaktiga tolkning av antalet döda och ”platå” kan ha påverkat viktiga beslut om åtgärder och människors respekt för rekommendationer?