Om FHM:s arbete med covid-19

Följande är lite jobbigt att säga rent ut, men mitt förtroende för FHM:s (Folkhälsomyndighetens) arbete med att bedöma och förutse spridningen av covid-19 svajar.

Det är jobbigt av två skäl: för det första att kritik mot FHM av många i min omgivning uppfattas som illojalt och opatriotiskt i ett läge där det är viktigt att vi alla inordnar oss i deras rekommendationer, och för det andra att jag riskerar att framstå som en Dunning-Kruger-anfäktad amatör (jag är ju trots allt inte epidemiolog) som tror mig veta bättre än experterna. Och det är ju helt sant att det är viktigt med bred och lojal folklig uppslutning kring den anbefallna strategin, men samtidigt menar jag att det är också viktigt att inte FHM upphöjs till något slags ofelbara gudar, immuna mot kritik. Likaså är det sant att jag genom att ventilera konträra ståndpunkter riskerar att framstå som något slags epidemiologins motsvarighet till en klimatförnekare, något som blir extra pinsamt av att jag genom åren lagt så stor kraft på att bemöta klimatförnekare, och hävdat att de uppvisar epistemsk omdömeslöshet genom att med (exempelvis) professorlig auktoritet uttala sig om saker de knappt vet något om.

Och det är sannerligen mycket jag inte vet om hur FHM arbetar och vilka deras vetenskapliga underlag och principer är. Kanske är därför det jag säger i det följande blott ett uttryck för min okunskap. Jag kan rätt och slätt ha fel. Men låt mig ändå förklara vad som bekymrar mig.

Ett tidigt frö till min skepsis såddes när FHM:s generaldirektör Johan Carlson den 2 mars beskrev utsikten om 10.000-15.000 insjuknade i Sverige som ett värsta fall-scenario. Detta var i mina ögon en uppenbart orimlig bedömning, men jag valde att hålla öppet för att Carlson menade något annat än det jag tyckte mig höra.

Ytterligare bekymmersam fann jag FHM:s rapport i slutet av mars om skattat behov av slutenvårdsplatser. Jag och några kollegor kämpade hårt med att tolka den ytterst knapphändiga informationen i rapporten, och en del frågetecken lyckades vi räta ut, men jag kände ett kvardröjande obehag inför rapportens påstående att de "modellerar ingen asymptomatisk smitta, bara rapporterade fall".¹ Vad är det de säger? Hur i hela himmelens namn skall man kunna göra vettiga prediktioner av det kommande behovet av vårdplatser om ens modeller överhuvudtaget inte befattar sig med smittans totala utbredning i samhället? En modell som inte tar med något i sammanhanget så fundamentalt kan väl knappt ens kallas modell, utan är väl mer att betrakta som en höftning eller en kurvanpassning? Så kanske borde inte deras påstående tas bokstavligt? Jag blev inte klok på detta.

När P1:s Vetenskapsradion den 7 april sände ett reportage om arbetet på FHM fick vi höra analyschefen Lisa Brouwers ganska tydligt bekräfta och motivera det påstående i vårdplatsbehovsrapporten som jag funnit så svårsmält och underligt. På en fråga om den kritik som riktats mot FHM för att de inte beaktar aktuell spjutspetsforskning kring epidemimodellering, som den från Imperial College,² svarade hon så här, med start cirka 3:20 in i programmet:

Vi har ganska tidigt gjort bedömningen att [vi inte vill] använda de dynamiska modellerna, som motsvarar de som Imperial College och andra har publicerat, utan att ha kunskap om hur stor andel till exempel som blir smittade utan att få symptom, och huruvida de som blir smittade utan att få symptom, huruvida de smittar andra i sin tur: att stoppa in sådana antaganden i en modell har vi valt att inte göra. Vi tycker inte det är meningsfullt, vi tycker inte det är bra att göra den typen av övningar innan kunskapen blir bättre. För det ger resultat som kan leda till felaktiga beslut.

Det är förvisso sant att exempelvis andelen asymptomatiskt smittade är en höggradigt okänd parameter, och det är likaledes sant att om vi naivt kör en modell med ett felaktigt värde på en sådan parameter så riskerar vi att få ett vilseledande svar, vilket i sin tur kan leda till dåliga beslut. Men detta problem försvinner inte av att man använder en mer primitiv modell som inte explicit inbegriper den felande kvantiteten.³ Att göra så är enligt min mening att sopa problemet med osäkerheten i (i detta fall) andelen asymptomatiskt smittade under mattan. Ett mycket bättre förfarande vore att prova den mer avancerade modellen, där den okända parametern (eller parametrarna) explicit finns med, för en uppsättning olika parametervärden, valda inom ett brett intervall men ändå inom rimlighetens ramar (eller ännu hellre valda enligt en välgenomtänkt Bayesiansk a priori-fördelning för parametern ifråga). Detta skulle ge ett spektrum av olika utfall när man kör modellen, och om modellen är bra ger detta spektrum en fingervisning inte bara om hur stort vårdplatsbehovet (eller vad det nu är man eftersöker) kan tänkas bli, utan också om hur stor osäkherheten är.

Intrycket jag får (men som jag alltjämt hoppas är felaktigt, och jag vill väldigt gärna bli överbevisad om detta) är att epidemiologerna på FHM inte begriper det här, och att det får dem att avstå från att ta hjälp av den bästa cutting edge-kunskap om modellering av covid-19 som finns där ute. Risken finns att detta får dem att göra sämre bedömningar och gå ut med sämre rekommendationer än de annars skulle ha gjort.

Fotnoter

1) En nyare version av rapporten finns här, och den förbryllande formuleingen finns kvar.

2) Besläktad modellering, men specifikt för Sverige, finns i ett aktuellt arbete av Jocim Rocklövs grupp i Umeå.

3) Brusselaers m.fl. inskärpte samma poäng i SvD igår.