Exit-strategie COVID19 hapert

De economische effecten waren in China indrukwekkend, terwijl de medische gegevens in die fase nog spaarzaam waren voor de broers Slagter

Er schuilt absoluut symboliek in de online voordracht die Bert Slagter op donderdagmiddag 11 juni 2020 online verzorgt

Zijn stemgeluid valt geregeld weg. De verbinding, de connectivity, om maar in zijn eigen jargon te blijven, is niet optimaal. Maar doordat een medewerker vanuit een autostoel parallel via een andere Internetlijn met een laptop de plaatjes aanlevert, wordt het toch een glashelder verhaal. Voor Bert is dit dan ook zijn vakgebied en hobby: hij studeerde complexity and uncertainty. Decisionmaking in uncertainty. Vooral op het terrein van financiële technology is hij goed ingevoerd. Hoe te handelen in onzekere tijden. Dat is nu ook aan de orde! We weten zoveel niet. (Rutte: met 50% kennis, 100% van de beslissingen nemen).

Dashboard
De boodschap van Bert Slagter is ook heel duidelijk. En komt tegen het eind van zijn lezing van 25 minuten: Hoe is het risico op een ‘second wave’, een tweede golf te monitoren. Het dashboard van het RIVM vertoon serieuze tekortkomingen en is onvolledig. Het is nu vooral een achteruitkijkspiegel. We moeten meer weten, ook vanuit de regio. Zo wordt ook het doel niet goed bereikt, namelijk het betrekken van de burgers bij de exit-strategie en voorkomen van een tweede golf van COVID19. Nodig is voldoende draagvlak. Omdat de testcapaciteit van meet af aan steeds veranderd is, betekent het ook dat de aantallen van positief getesten niet alles zegt. Het is daarmee een onzekere variabele geworden.

Data
Bert Slagter is een van de twee sprekers tijdens de online voordracht vanuit het Amsterdam Data Science (ADS) and Amsterdam Medical Data Science (AMDS). Een serie verkennende nieuwe lezingen in samenwerking met  Elsevier en Google. Samen met zijn broer ziet Bert Slagter begin dit jaar de economische effecten van de lockdown vanaf 23 januari 2020 in China. De economische effecten zijn dan in China indrukwekkend, terwijl de medische gegevens in die fase nog spaarzaam zijn. Is dit dan toch een gevaarlijk virus? Is er sprake van onderrapportage? Kortom heel strijdige gegevens. Hij besluit in actie te komen. We moeten een catastrofe vermijden.

Connectivity
Op 24 februari 2020 stuurt Bert een oproep de wereld in. Hij wijst daarbij op het belang van connectivity bij de virusverspreiding. Het advies aan de overheid is om lange afstand ‘connectivity’ te stoppen. Denk daarbij aan grote evenementen, bijeenkomsten en groepsreizen. Het blijft stil. Pas weken later krijgt zijn oproep de gevraagde aandacht met een spraakmakende publicatie op 5 mei 2020 in FTM. Op 16 maart 2020 komt Rutte met zijn oproep. Het leidt tot een lockdown. Het gaat meteen om de beperkte capaciteit op de IC. Dat blijkt echt de bottleneck te zijn. Het virus verspreidt zich exponentieel. Hoe dit bij te sturen.

Model
Er wordt door Bert c.s. een eenvoudig model gebouwd waarin bekende gegevens worden opgenomen. Desktop research laat ook veel variatie zien in mogelijke scenario’s. Hoe kun je gegevens extrapoleren naar de nabije toekomst. Op een zeker moment dreigt er in ons land een piek van meer dan 20.000 IC opnames aan te komen. Het moet nu toch echt via lockdown. Groepsimmuniteit duurt immers nog jaren. Er is uiteindelijk een lichte overschatting, maar de berekeningen komen in de buurt van de werkelijkheid. Een catastrofe is afgewend. 

Exitstrategie
Vervolgens  gaat het eerst om een betrouwbaar exit plan te maken. Beslissen in onzekerheid. Alleen maar het getal R<1 is niet afdoende. Om echt over een exit te kunnen praten moet eerst voldoende afname in infecties zichtbaar zijn. Pas bij een duidelijk lager aantal kan gedacht worden aan een exit. Het dashboard van het RIVM voldoet zoals gezegd nog niet. De meting van mRNA in rioolwater lijkt wel zinnig. Het lijkt een leidende indicator met drie dagen voorsprong. Ook de mobiliteitsgegevens helpen. Maar er is dus geen enkele interactie met de burgers. Zo weten we nog heel veel niet.

Steun
De cijfers zijn zoals gezegd ook minder betrouwbaar omdat we steeds het testvolume (naar boven) hebben aangepast. Dat zou voor een zekere inschatting een stabiele factor dienen te zijn Dus de opgave is een laag aantal infecties te krijgen en dat ook te handhaven. Dat ziet er nu juist even wat minder gunstig uit. Meer gegevens en ook de lokalisatie van eventuele infectiehaarden is wenselijk. Dan kun je quarantaine locaal instellen (test-trace-isolate). Cruciaal is ook in de discussie hoe je de steun van de bevolking kunt vasthouden. Anders verwateren afspraken. Dat kan eigenlijk alleen door de bevolking voortdurend te betrekken. 

Details

Amsterdam Data Science (ADS) and Amsterdam Medical Data Science (AMDS) are co-hosting a new lecture series in collaboration with Elsevier and Google to explore -.
Aims:
– Showcase the power and limitations of data centred approaches
– Jointly understand and learn from the different COVID approaches and views
– Shape the time for Data Science research/education after the lock-down
: –
12:00 Welcome & Introduction
12:05 Talk #1: Bert Slagter + Q&A
12:30 Talk #2: Edwin van den Heuvel + Q&A
12:55 Panel discussion
13:15 End!
Marc Salomon (ABS UvA, ADS) and Mark Hoogendoorn (VU, AMDS)
(founder Procurios)
The COVID-19 pandemic is a complex system with many unknowns and uncertainties. There is data, but is it reliable? And how do we make decisions when data (and evidence) is incomplete or contradictory?
We’ll visit three phases of the pandemic from this perspective:
1) Estimating required ICU capacity in the early stages of lockdown
2) Constructing a reliable exit plan
3) Building a dashboard that minimizes the risk of a second wave
(professor in statistics TU Eindhoven)
Title: Predictions and changes in spread of the corona virus in different countries – data-oriented approaches
During the beginning of the COVID-19 crisis in the Netherlands, we started to monitor and predict the number of infections and deaths in the short-term and long-term in several countries. Our analysis are based on the official reported numbers from governmental institutes, knowing that this type of data could be non-representative for the population of a country. Therefore, we used different logistic growth curves and epidemic disease models to obtain a better understanding of the daily information and temporal changes present in the data. Based on our data-oriented approaches we tried to determine as soon as possible when countries reached their turning point in virus spread and we tried to help determine the required hospital intensive care capacity with our predictions. Furthermore, we could identify which governmental measures had an impact on the “effective contact rate” within a country.
Date: Thursday 11 June 2020
Time: 12:00-13:15

Mijn gekozen waardering € -