#FAKENEWS

Vad ska man tro? Vem ska man tro på?



Antropofagi har tidigare förutspått att A) alla kommer infekteras av corona-viruset och att detta kommer att krascha sjukvården, samt att B) 13-240.000 personer kommer att dö i Sverige (sannolikt ca 90.000).

***

En fråga som uppstår är:

Hur många av de 90.000 som dör, skulle ändå ha dött under samma år? Om vi lite slappt kollar på Socialstyrelsens statistik om dödsorsaker så verkar det som att medelåldern för dödsfall ligger på ca 82 år för kvinnor och 77 år för män. En ögonbollning visar att högst 15 procent av alla som avlider är under 65 år, vilket ger oss ett riktmärke på 13.500 döda under 65 och 76.500 däröver. De som avlider torde dessutom i många fall vara i covid-19-riskgrupper. Cirkulationsorganens sjukdomar, tumörsjukdomar, samt andningsorganens sjukdomar är de vanligaste kategorierna av död.

Med detta knappa underlag i ryggen gissar Antropofagi att adderade dödstal till följd av corona/covid-19 kanske är så låga som 10-20.000, även om scenariot "90.000 döda i covid-19" realiseras. Samtidigt ser vi att mitt bästa-scenario på 13.000 döda är baserat på att exakt 60 % av befolkningen infekteras, och att alla dessa är så unga som möjligt (dvs. så låg CFR som möjligt), vilket ger att 13.000 döda kanske ger adderade dödstal i samma storleksordning som 90.000 döda, i alla fall i detta scenario. Kort sagt: Att skydda riskgrupperna räddar vården, men inte alla gånger riskgrupperna, givet att dessa ändå är nära döden. (Alla är inte det. Men många av de som dör kommer att vara det. Allt detta är höggradigt ungefärligt och skjutet från höften. Amen.)

***

En annan fråga som uppstår är:

Gör FHM rätt?

Om vi beräknar R (reproduction rate, hur snabbt viruset sprider sig) som tiden viruset smittar ("Duration")*tillfällen för överföring ("Opportunity")*sannolikhet för överföring ("Transmission probability")*mottaglighet i befolkningen ("Susceptibility")=R, så har vi den sk. D*O*T*S-modellen. Eftersom det föreligger en multiplikatoreffekt (dvs. eftersom vi multiplicerar de här faktorerna), så kan det hända en hel del med R om vi lyckas skruva ner vilken som helst av variablerna.

R för corona-viruset verkar vara 2-3, att jämföra med ca 1.2 för vanlig säsongsinfluensa. Det betyder att vi har en exponentiell ökning. Om varje smittad smittar två nya, så dubblas ökningstakten för varje "generation" av smittade. Exemplet med schackbrädet med riskorn på ligger nära tillhands.

Ett riskorn är inte så mycket. Två är inte så mycket. Fyra är inte så mycket. Åtta. Sexton. Trettiotvå. Sextiofyra. &c.

Sammanfattningsvis vill vi alltså inte ha en exponentiell ökning, eftersom det vid en viss tidpunkt kommer att innebära en explosion av fall. Om Sverige just nu ligger på 2048 fall, och R är 2, så kommer vi ha 4096 fall i nästa generation av nysmittade. Plus de som redan är sjuka, som ännu inte dött eller tillfrisknat. Det kan med andra ord BALLA UR.

Ett ytterligare problem är den eftersläpning som föreligger. Dels pga. inkubationstid - det verkar ta i genomsnitt fem dagar efter smittotillfället för symptom att uppträda. Dels pga. att bara fall som kommer i kontakt med vården testas numera, och det kommer ta ett tag för fall att bli så svåra att de kräver sjukvård. Därefter ser vi en eftersläpning i att svåra fall blir kritiska och belastar IVA, och slutligen så kräver IVA-patienterna ett par veckors vård. Så, den totala mängden patienter som belastar IVA kommer släpa efter med många veckor. Åtgärder som vi gör idag, måste med andra ord syfta till effekter som vi vill ha om några veckors tid. Dagens nuläge ska beräknas på antalet smittade för några veckor sedan.

FHM tycks främst sträva efter att skruva ner O, dvs. opportunity. Därmed vill man rucka hela DOTS-ekvationen i en riktning där R närmar sig en hanterbar storlek, helst närmare 1 än 2. För att skruva på O måste man emellertid skruva på O i genomsnitt. DOTS gäller hela populationen, och det krävs att människor i allmänhet minskar sina kontakter med en viss andel, för att hela befolkningens O ska minska tillförlitligt.

När O minskar tillräckligt mycket, minskar R till en hanterbar storhet. Smittan sprider sig då på ett kontrollerat sätt genom befolkningen. Det torde innebära samma absoluta antal svåra och kritiska fall - givet att man inte helt lyckas isolera riskgrupperna för evig tid - men bara inte på en och samma gång. När smittan sprider sig så minskar också S, "susceptibility", eftersom fler blir immuna och en allt mindre andel av befolkningen därmed kan smittas. Vi ett tillräckligt lågt S kan vi säga att det föreligger flockimmunitet.

Teoretiskt sett verkar det här ganska bra. Skruva ner O, och skruva upp O igen allteftersom att S sjunker. Dock finns det oklarheter.

Kommer S verkligen sjunka tillförlitligt? Hur länge kommer S i så fall vara lågt? Eller, med andra ord, kommer vi bli immuna, och kommer immuniteten att vara i all framtid?

Är vi tillräckligt bra på att kalibrera R, givet att exponentiell tillväxt är känsligt även för små variationer? Om R är 1 så är det lätt att förutsäga utvecklingen. Men, om R är högt så kommer små förändringar i R göra väldigt stor skillnad längre fram. Skillnaden i antalet smittade ökar snabbt över tid, om vi spelar upp scenarier där R skiljer sig åt.

Är vi tillräckligt bra på att kalibrera den eftersläpning som synes föreligga i antalet smittade, testade fall, svåra och kritiska fall, och dödsfall? Skruvar vi exakt rätt volym på R idag, givet att volymen vi kontrollerar hörs först om några veckors tid?

Teoretiskt sett kan det verkar som att FHM tillämpar en rimlig strategi, även om de har varit episkt usla på att kommunicera och förklara den. Det är också svårt att se några bra alternativ, med tanke på den ödeläggelse av ekonomin som följer i åtgärdernas spår. Men, det är inte uppenbart - för mig - att FHM:s strategi kommer att vara särskilt framgångsrik i praktiken.

Möjligen är den det. Möjligen inte, och i så fall kommer vi få se en explosion av smitta och fall med grava vårdbehov.

Visst kommer O variera mellan länder, och svenskar har inte hängt med sina riskgrupper och äldre under många decennier. Det återstår att se om skillnaden mellan t.ex. Spanien, Italien och Sverige är så stor som många verkar hoppas.