الرد على: تأثير التدخلات على COVID-19

 

الرد على: تأثير التدخلات على COVID-19 

التعليق 1 المصاحب يتعلق بورقتنا الأصلية ، Flaxman et al. 2 ، حيث قدمنا ​​نموذجًا هرميًا بايزي لتقدير شدة الانتقال (من حيث عدد التكاثر المتغير بمرور الوقت ، R t ) لمتلازمة الجهاز التنفسي الحادة الوخيمة فيروس كورونا 2 (SARS-CoV-2) من التعداد المرصود لمرض فيروس كورونا 2019 (كوفيد -19) الوفيات ذات الصلة. لقد حددنا معلمات R t من حيث مجموعة ثنائية من التدخلات غير الصيدلانية بتكليف من الحكومة (NPIs) ، مع الدافع لفحص مدى فعالية NPIs في السيطرة على انتقال SARS-CoV-2. خلصنا إلى أن NPIs التي تم استخدامها على نطاق واسع في جميع أنحاء أوروبا نجحت في قيادة R tأقل من 1 ، وبالتالي السيطرة على الوباء. ومع ذلك ، لم نتمكن من فصل أحجام تأثير NPIs التي أخذناها في الاعتبار ، باستثناء استنتاج أن الإغلاق كان له تأثير أقوى من NPIs الأخرى.

نبدأ بإعطاء بعض المعلومات الأساسية عن تطور الورقة. استندت النسخة الأولية الأولى الخاصة بنا ، والتي تم إصدارها في تقرير إمبريال كوليدج 13 3 ، إلى البيانات حتى 28 مارس 2020 واستخدمت نموذجًا أبسط يكون فيه حجم تأثير كل تدخل على الإرسال هو نفسه عبر البلدان (يشار إليه هنا بنموذج التجمع الكامل ؛ في ورقتنا المنشورة 2 ، نستخدم هذا النموذج لتحليلات الدولة الواحدة الواردة في المناقشة التكميلية 8 من الورقة). مع توفر المزيد من البيانات ( يستخدم Flaxman وآخرون 2 البيانات حتى 4 مايو 2020) ، أصبح المزيد من عدم التجانس بين البلدان واضحًا وبالتالي قمنا بتوسيع نموذج التجمع الكامل.

هذا النموذج الموسع ، وهو النموذج المستخدم في Flaxman et al. 2 ، يتضمن تأثيرًا عشوائيًا ، بهدف التعرف على التباين الخاص بكل بلد في فعالية التدخل أو التدخلات الأخير الصادر عن الحكومة ؛ على سبيل المثال ، الإغلاق في إيطاليا ، الإغلاق والحظر على الأحداث العامة في المملكة المتحدة ، وحظر الأحداث العامة في السويد (انظر البيانات الموسعة الشكل 1 ). التأثيرات العشوائية هي مكونات شائعة للنماذج الإحصائية لمراعاة عدم التجانس الذي لم تفسره المتغيرات المشتركة 4 ، 5 ، 6 .

تركيز Soltesz et al. 1 هو حجم التأثير العشوائي الذي حدده نموذجنا للتدخل الأخير في السويد. على وجه التحديد ، هناك حاجة إلى تأثير عشوائي كبير لشرح البيانات السويدية ، وكان من الممكن ذكر ذلك بشكل أكثر وضوحًا في ورقتنا الأصلية. Soltesz وآخرون. 1 تدعي أن الفرق بين أحجام التأثير في نموذج البلياردو الكامل وفي Flaxman et al. 2 نقطة لنموذجنا وجود القليل من هويتها الإحصائي العملي. على هذا الأساس ، Soltesz et al. السؤال الأول عما إذا كان يمكن حل فعالية الإغلاق إلى الدرجة التي ذكرتها ورقتنا.

كان الهدف الرئيسي من ورقتنا البحثية هو فحص بلدان متعددة لمعرفة ما الذي نجح في معظم الأماكن ، وليس شرح مسار الوباء في كل بلد على حدة. على الرغم من أننا نشعر أن Soltesz et al. 1 تثير نقطة مثيرة للاهتمام ، فنحن نؤيد تقييمنا بأنه يمكن تحديد فعالية المؤسسات غير الربحية من حيث المبدأ عند النظر إلى ما نجح في معظم البلدان ، مع مراعاة البيانات المتاحة بالطبع.

نقدم هنا المزيد من التحليلات التي تدعم النتائج التي توصلنا إليها في Flaxman et al. 2 أن الإغلاق كان تدخلاً محددًا وله تأثير كبير. نحن نقبل أنه من المحتمل أن تكون هناك حاجة إلى متغيرات مشتركة إضافية تتجاوز توقيت التدابير الإلزامية لتقديم تفسير مرضٍ تمامًا لمسار الوباء في السويد ، حيث اعتمدت تلك الدولة على تدابير التباعد الاجتماعي الطوعية بدلاً من التدخلات الحكومية.

نظرًا لأن هدفنا كان تقدير المؤسسات التي لا تستهدف الربح التي عملت باستمرار في معظم البلدان ، فإننا نجادل في أن تحليل فعالية هذه المؤسسات يجب أن يكون قويًا لإبعاد أي دولة واحدة. في البيانات الموسعة الشكل 1 من هذا الرد ، قارنا النتائج من نموذج التجمع الكامل (المستخدم بواسطة Soltesz وآخرون 1 ) ، النموذج المستخدم في Flaxman et al. 2 ، ونموذج التجمع الجزئي ، وإزالة بلد واحد في كل مرة من بيانات الإدخال. في نموذج التجمع الجزئي 4 ، 6 ، 7 ، تحتوي جميع NPI على مكون تأثير عشوائي مشترك بين جميع البلدان وتأثير عشوائي خاص بالبلد (عبر انكماش غاوسي سابقًا).

في نموذج التجمع الكامل ، تعتمد نتائج أحجام التأثير على ما إذا كانت السويد مشمولة أم لا ، وبالتالي فإن السويد لها تأثير إحصائي مرتفع جدًا 8 . كما هو موضح في البيانات الموسعة الشكل 1 ، عندما تُترك السويد خارج نموذج التجمع الكامل ، فإننا نستعيد النتائج من Flaxman et al. 2 ، ولكن عندما يتم تضمين السويد ، تتغير التقديرات بشكل ملحوظ. يحدث هذا لأن نموذج التجمع الكامل يعزو حجم التأثير الكبير للحظر المفروض على الأحداث العامة لشرح بيانات الوفيات السويدية.

ومع ذلك ، فإن كلا النموذجين الذي درسناه في Flaxman et al. يُظهر 2 ونموذج التجمع الجزئي الذي تمت مناقشته هنا أحجامًا متسقة للتأثير في جميع البلدان "المعلقة" (أي استبعاد بلد معين من المناسب). (بالنسبة إلى الفضاء ، يتم عرض المملكة المتحدة وإيطاليا والسويد فقط في البيانات الموسعة الشكل 1. ) وهذا ما يفسر اختيارنا للانتقال من نموذج التجمع الكامل ، وهو النموذج الذي يستخدمه Soltesz et al. 1 ، إلى النموذج المستخدم في Flaxman et al. 2

نموذج التجمع الجزئي هو ما نوصي به (ونعتمده حاليًا) لمثل هذه التحليلات في المستقبل. يتيح التجميع الجزئي لجميع التدخلات أن يكون لها تأثير مشترك وتأثير خاص بكل بلد لكل تدخل. وبالتالي ، فهو يقف في مكان ما بين نموذج تجمع كامل و 11 نموذجًا منفصلاً ، مع البيانات التي تُعلم هذا الموقع. تعني هذه الاختيارات أن نموذج التجمع الجزئي ليس له تقارب محدد تجاه دولة أو تدخل معين.

لمزيد من استكشاف القضايا المتعلقة بإمكانية التحديد على مستوى الدولة الفردي مقابل البلدان ، نقدم في الشكل 1 تأثيرات غير الربحية لكل بلد من النماذج المنفصلة الخاصة بكل بلد ، والتحليل التلوي لهذه التأثيرات ، والتقديرات من مختلف مفاصلنا. عارضات ازياء. باختصار ، نرى أنه على الرغم من أن متوسط ​​التأثير الإجمالي للإغلاق أقل في التحليل التلوي ، إلا أنه لا يزال هو مؤشر NPI الوحيد مع حجم تأثير محدد. توفر الدولة الملائمة نظرة ثاقبة حول سبب حدوث ذلك ؛ التدخل الوحيد المهم باستمرار هو الإغلاق (وحظر الأحداث العامة في السويد ، كما نوقش في أسطورة البيانات الموسعة الشكل 1 ).

بالنظر إلى نماذج الدولة الواحدة ، نرى أن فعالية الإغلاق ليست مجرد نتيجة اختيار نمذجة من جانبنا. في بلدان مثل إيطاليا ، لا يُقدر أن أي تدخل أكثر فعالية من أي تدخل آخر. عدم القدرة على تحديد الهوية ليس سمة متأصلة في نموذجنا ، ولكنه تقييد للبيانات المتاحة في ذلك الوقت ، كما أشرنا في ورقتنا البحثية 2 . على وجه الخصوص ، على الرغم من أننا لاحظنا التباعد الوثيق بين التدخلات في الوقت المناسب ، فقد تزامنت عمليات الإغلاق وحظر الأحداث العامة في عدد قليل من البلدان (على سبيل المثال ، في المملكة المتحدة). والنتيجة هي أنه في التحليلات القطرية المنفصلة والتجميع الكامل (Soltesz et al. 1) ، هناك ارتباط خلفي قوي بين تأثيرات هذين المؤشرين (ارتباط بيرسون 0.59 في تحليلات بلد منفصلة ؛ −0.67 في تحليل التجميع الكامل): عندما يكون لأحدهما تأثير كبير ، يكون للآخر تأثير بسيط.

من المهم أن نلاحظ هنا أن Soltesz et al. 1 صائب في أن التأثير النسبي للتدخلات المختلفة لا يمكن فصله عن بلد واحد يُعامل في عزلة. ربما يعكس هذا محدودية استخدام السلاسل الزمنية للوفيات لاستنتاج تغيرات الانتقال ، نظرًا لارتفاع المتوسط ​​والتباين في توزيع التأخير من العدوى إلى الوفيات. ومع ذلك ، عند النظر عبر بلدان متعددة ، تشير جميع النماذج الإجمالية إلى أن تدخل الإغلاق له تأثير محدد. هذا صحيح بالنسبة لجميع النماذج التي تم النظر فيها ، بما في ذلك نموذج البلياردو الكامل Soltesz et al. 1، حيث يكون الاحتمال اللاحق بأن الإغلاق هو التدخل الأكثر فاعلية هو 76٪ ، مقارنة بـ 96٪ في التحليل التلوي و 100٪ في كلا نموذجي التجميع الجزئي. لذلك ، من خلال التحليل المتزامن للاتجاهات في بلدان متعددة ، فإن نموذجنا لديه القدرة على حل إشارة محددة لتأثير الإغلاق.

لتعزيز هذه النقطة بشكل أكبر ، أجرينا أيضًا دراسة محاكاة لفحص المدى الذي يحد فيه توقيت وترتيب التدخلات المستخدمة بشكل أساسي من القدرة على استنتاج أحجام التأثير بشكل موثوق.

استخدمنا نموذجنا لمحاكاة الأوبئة الاصطناعية لجميع البلدان الـ 11 ، مع الحفاظ على التوقيت الأصلي وترتيب التدخلات ونفس مقدمات التهيئة ، ولكن مع تحديد أحجام التأثير الافتراضية لكل تدخل. قمنا بتعيين أحجام تأثير صغيرة (5٪ مع ضيق مسبق) لجميع NPI باستثناء واحد ، مع إعطاء الحجم المتبقي حجم تأثير بمتوسط ​​59٪ ، مع ضيق مسبق أيضًا ، عبر البلدان. بالإضافة إلى ذلك ، من أجل عكس الواقع بشكل أفضل ، نقوم بمحاكاة NPI أخرى تختلف بحسب الدولة ، في وقت عشوائي ، والتي نتعامل معها على أنها غير ملحوظة في نموذجنا. هذا NPI غير المعروف وغير المرصود له حدود مسبقة منتشرة بين 0٪ و 100٪ ، بمتوسط ​​27٪ ، ويتم تضمينه لتقييم ما إذا كان متغير محذوف (على سبيل المثال ، يمثل تغييرًا عفويًا في السلوك استجابة للرسائل الحكومية) يمكن أن يكون متحيزًا تقديرات حجم التأثير لمؤشرات NPI المنمذجة لدينا.

بعد ذلك ، قمنا بتركيب Flaxman et al. النموذج 2 لمجموعات البيانات المحاكاة هذه (20 محاكاة مختلفة لكل إعداد). كما هو مبين في الشكل 2 ، فإن التقديرات من Flaxman et al. يتوافق النموذج المجهز 2 (بدون أي معلومات حول NPI غير المرصود) مع أحجام تأثير NPI التي تم استخدامها لإنشاء البيانات. يقدم هذا التحليل دليلاً إضافيًا على أن النتائج التي وجدناها لم تكن مجرد مصنوعات من نهج النمذجة ؛ إذا كانت هناك إشارة قوية في البيانات لمؤشر NPI محدد ، فيمكن لنموذجنا استعادتها.

أحجام التأثير المقدرة من بيانات المحاكاة.

من أعلى إلى أسفل ، تم تكرار ثلاث عمليات محاكاة منفصلة للإغلاق وإغلاق المدرسة والعزل الذاتي ، بمتوسط ​​59٪ من حجم التأثير (الخطوط الرمادية) ، 20 مرة لكل منها. في كل لوحة ، أحجام التأثير من Flaxman et al. تم رسم النموذج 2 الملائم لعمليات المحاكاة العشرين كتقدير متوسط ​​النقطة مع فترات 95 ٪ من 20 مرة.

ومع ذلك ، لا يُظهر هذا من تلقاء نفسه أن العكس هو الصحيح بالضرورة. لتقييم التفسيرات المتنافسة لديناميات الانتقال المرصودة ، هناك حاجة إلى أدلة تجريبية إضافية - مثل فعالية NPI أو التفسيرات الوبائية البديلة.

باختصار ، نعتقد أن الأدلة الإضافية التي نقدمها هنا تؤكد أن الاستنتاج الرئيسي من ورقتنا البحثية قوي: في نموذجنا يمكننا أن نستنتج أن جميع NPIs معًا قد نجحت في السيطرة على الوباء ؛ كان للإغلاق أقوى تأثير ويمكن تحديده ؛ ولم يكن من الممكن التعرف على التأثير الدقيق للمؤشرات التي لا تستهدف الربح. على الرغم من أن عملنا يظهر أن عمليات الإغلاق كان لها أكبر حجم تأثير ، إلا أننا لم ولن ندعي أنها كانت السبيل الوحيد للسيطرة على الفيروس ؛ مجرد أنه من بين NPIs التي أخذناها في الاعتبار ، كان الإغلاق هو الإجراء الوحيد الأكثر فعالية. نحن نقر بالطبع بإمكانية إجراء تحسينات على نموذجنا ، مثل تضمين العمليات العشوائية والتجميع الجزئي (انظر أعلاه) أو تحليل مسبق أكثر.

توافر البيانات

لم يتم استخدام أي بيانات جديدة في هذه الاستجابة ؛ جميع البيانات متوفرة في المنشور الأصلي.