Manindra Agrawal, professor i matematikk og informatikk, IIT Kanpur (Illustrasjon: Suvajit Dey)
Amitabh Sinha: Hvor høyt tror du den tredje bølgetoppen kan gå, og hvor lenge tror du denne bølgen vil fortsette?
For Mumbai bør den tredje bølgen nå toppen et sted rundt midten av denne måneden. Det er ikke så langt unna nå. Samme med Delhi. I følge vår nåværende beregning, som er foreløpig, fordi vi ikke har nok data for hele India, forventer vi at bølgen topper seg et sted i begynnelsen av neste måned. Høyden på toppen blir ikke fanget riktig for øyeblikket fordi parameterverdiene endres raskt. Per nå, som et estimat, spår vi et bredt spekter mellom fire og åtte lakh tilfeller om dagen.
Delhi- og Mumbai-kurvene vil sannsynligvis falle like raskt som de har gått opp. Kurven for hele India har akkurat begynt å stige. Det bør ta ytterligere en måneds tid å nå toppen og komme ned. I midten av mars er den tredje bølgen av pandemien trolig mer eller mindre over i India.
https://images.indianexpress.com/2020/08/1×1.png Må leses |Tredje bølge kan topp i Delhi, Mumbai midten av januar: Sutra-modellforsker
Amitabh Sinha: Hvor pålitelige er spådommer av en datamodell med tanke på at det er en stor grad av tilfeldighet i spredningen av en pandemi?< /p>
Det er sant at pandemier av natur er ekstremt tilfeldige fenomener, men det er noen grunnleggende prinsipper. Smitte overføres når en smittet person og en ikke-infisert person kommer i kontakt. Det er en ganske enkel analyse at jo flere infiserte personer det vil være, jo flere nye infeksjoner vil det skapes, for jo flere overføringer kan skje. Jo flere uinfiserte mennesker det vil være, jo flere infiserte mennesker vil bli skapt. Basert på dette lager man en modell.
Det er ikke slik at valgmøter ikke forårsaker spredning, selvfølgelig gjør de det. Men det er mange andre ting som forårsaker spredningen, og dette er bare en av dem
Grunnmodellen ble laget for rundt 100 år siden. Den kalles SIR-modellen og har vært svært nyttig for å forutsi banen til flere pandemier. Vi har brukt noen justeringer på denne modellen for å ta hensyn til noen lokale bakkerealiteter. I modellen vår har vi latt parameterne lære verdiene fra selve inndataene. Alt vi trenger er den daglige tidsserien med rapporterte nye tilfeller. Fra den tidsserien er vi i stand til å estimere parameterverdiene som kreves for modellen vår.
Dette betyr også at parameterverdiene ikke skal endres når vi gjør et estimat. Hvis de endrer seg, vil våre estimater gå galt. Modellen krever litt tid før parameterne stabiliserer seg. Hver gang parameterne endres, må vi beregne på nytt. Det gode er at bortsett fra inngangsdata, trenger ikke modellen noen annen beregning for å beregne parameterverdiene; den plukker opp fra selve dataene. Det er der vi har lykkes med å forutsi eller fange baner, når mange andre modeller ikke kunne det.
Må lese |Indias R-null-verdi registrert på 4, Covid-19-topp forventet mellom 1.-15. februar: IIT Madras-analyse
Amitabh Sinha: Hvor god er kvaliteten på data som delstatsmyndighetene legger ut?
Vi har funnet ut at kvaliteten på indiske data er overlegen i mange andre land, inkludert noen få svært avanserte land. Noen ganger gir vi ikke oss selv nok æren, men dette er i det minste én gang jeg tror maskinene våre med rette kan kreve æren.
Anil Sasi: Den opprinnelige antagelsen var at India-banen i Den tredje bølgen vil kanskje speile Sør-Afrika, men den indiske banen virker tydelig mye mer bratt. Hva har gått galt?
I utgangspunktet, siden det ikke fantes indiske data, tenkte vi å kjøre modellen vår på sørafrikanske data fordi den er nærmest India når det gjelder befolkning, aldersprofil, samt nivå av naturlig immunitet. Vi trodde India ville ha en lignende bane. Det skjedde ikke. Årsaken er noe som virologer og biologer burde kunne forklare. I India virker tap av immunitet, spesielt tap av naturlig immunitet, mye mer sammenlignet med Sør-Afrika. Jeg vet ikke hvorfor.
Maulshree Seth: Hvor betydelig ville tapet av immunitet være?
< p>Etter å ha lært leksjonen fra den andre bølgen, da spådommene våre gikk galt, denne gangen, er vi litt mer forsiktige. Vi antok fullstendig tap av immunitet, det er det verste tilfellet. Det er imidlertid ett ekstra datapunkt som må tas med i beregningen. Det har blitt observert overalt at når en vaksinert eller en immun person blir smittet, er intensiteten av infeksjonen mye mindre. Så vi har tatt i betraktning den verste antagelsen, at alle har mistet immunitet, og våre nåværende anslag er basert på det. Det er mulig at den tredje bølgetoppen går utover vår øvre grense på åtte lakh-tilfeller på en dag, men jeg tror ikke den vil være for høy, muligens rundt 10 lakh. Når den nåværende fasen med rask vekst stabiliserer seg, vil vi kunne gi en mer nøyaktig prediksjon.
Vi trodde at Sør-Afrika er nærmest India når det gjelder befolkning så vel som nivå av naturlig immunitet. Vi trodde noe lignende ville skje i India. Det gjorde det ikke
Asad Rehman: Hvor effektive er nedstengninger?
I den første bølgen kuttet den svært strenge lockdownen spredningsraten med en faktor på to. Under den andre bølgen vedtok forskjellige stater forskjellige strategier. Statene som på riktig måte innførte en mild eller middels lockdown var også i stand til å redusere spredningen. Så det hjalp.
En streng lockdown hjelper alltid mer, men da må det byttes ut med ulempen, som er fullstendig tap av levebrød for mange mennesker. Vi snakker alltid om Covid-induserte dødsfall, men vi bør også noen ganger snakke om dødsfall forårsaket av dette tapet av levebrød.
For byer, der vi forventer at toppen skal være i midten av januar, er det absolutt ikke behov for en lockdown. For stater som fortsatt er i vekststadiet, som Tamil Nadu, som har innført en lockdown, er det litt for tidlig, fordi denne gangen er ikke sykehusinnleggelsessakene så mange.
Det kan være verdt en strategi. å la det vokse hvis sykehusinnleggelsen eller medisinske systemet kan håndtere det. La det vokse og bli raskt ferdig med det. Det vil minimere ubehagstiden for hele befolkningen. Selvfølgelig bør det medisinske systemet ditt være klart til å håndtere den typen kort, men intenst press.
Ritika Chopra: SUTRA-modellen har ikke alltid gitt nøyaktige spådommer. Arbeider teamet med å forbedre den?
Vi er opptatt av å forbedre modellen. Ulempen med modellen er at når parameterverdiene endres, har den ingen mulighet til å forutsi hva som vil være deres endelige verdi. Når det kan være en mulighet for den slags forutsigelser med en mer avansert analyse, vil vi gjerne ta noens hjelp til å gjøre det.
Det har vært rapporter om at kirkegårdene er fulle, men det skjedde i løpet av en veldig liten tidsperiode… Jeg finner det vanskelig å tro at antallet dødsfall var 10 ganger enn det som ble rapportert
Amitabh Sinha: En vanlig kritikk har vært at alt du gjør er retrospektiv kurvetilpasning . En annen er at det ikke er noen biologi i modellen din.
Den anklagen er helt korrekt. Det er ingen biologi i modellen vår. Men jeg tror ikke en modell bør se på om det er biologi eller filosofi eller noe annet i en modell. Målet er ganske enkelt, er du i stand til å forutsi nøyaktig? Modellen vår har ikke vært 100 prosent riktig. Men jeg vil påstå at vi har vært bedre enn noen andre modeller som eksisterer. Og jeg vil gjerne bli bevist det motsatte.
Shubhajit Roy: Du har utført disse matematiske modellene det siste og et halvt året. Har det vært noen samtale med regjeringen om dette?
Vi har blitt bedt om å holde presentasjoner fra sentralstyret, samt flere statlige myndigheter. Siden det er sentralstyret, hadde Covid Task Force tatt innspill fra oss ved flere anledninger. Flere statlige myndigheter, inkludert UP, Delhi, Maharashtra og andre, har av og til bedt om å dele funnene våre med dem.
Sohini Ghosh: Hvordan er epidemiologiske faktorer redegjort for i en matematisk modell? >
Den store fordelen med en gjennomsnittlig feltmodell som vår er at den bare gir gjennomsnitt ut alt. Reproduksjonsraten, for eksempel, kommer til å være forskjellig i en veldig tett region sammenlignet med en veldig sparsom region, men når du tar en middelfelt-tilnærming, tar du bare gjennomsnittet ut av hele løpet. Delta, Omicron og kanskje noen andre varianter flyter også rundt. Så, middelfeltmodellen vil bare beregne én enkelt gjennomsnittsverdi av reproduksjonshastigheten.
Sohini Ghosh: Ville ikke det da påvirke nøyaktigheten til modellene? Andre epidemiologiske faktorer som immunrespons og immunflukt blir også utjevnet.
På individnivå er det mye tilfeldighet som individuelle immunresponser. Hvordan en person reagerer på pandemien kan være veldig forskjellig. Det er dette berømte prinsippet for statistikk, loven om store tall, som er at når det er store tall, jevner de individuelle eller lokale tilfeldige variasjonene ut. Bare med noen få parametere kan du fange opp hele fenomenet.
Kaushik Dasgupta: Hvorfor forventer du at sakene faller like raskt som de øker?
Det er i hovedsak naturen til enhver pandemi at hvis du ikke bruker for mange eksterne kontroller, vil kurven på stigning også speile fallet.
Må leses |Ingen grunn til å tro at noen stat vil unnslippe Omicron-bølgen: Cambridge-professor som jobbet med India Covid-19-sporer
Sandeep Singh: Kommer de små tallene i UP som en overraskelse på deg, fordi det kanskje ikke blir rapportert ordentlig?
Det tar tid. UP er en stor stat, og i enhver stor stat vil denne varianten ta tid å bevege seg. Så det er ikke en overraskelse. Vi starter alltid med større byer og går så videre til mindre byer og til landsbyer. Jeg forventer at saker i UP vil gå gjennom taket i løpet av de neste par ukene.
Amitabh Sinha: Flere studier har satt det faktiske antallet døde i India mellom 4 og 5 millioner. Tror du at så store tall kan forsvinne helt fra postene?
Det er svært usannsynlig. Vi lever ikke i steinalderen hvor et så stort antall dødsfall vil bli fullstendig urapportert. Det har vært rapporter fra mange stater om kirkegårder som er fulle, lange køer utenfor, men de har skjedd i en veldig liten tidsperiode – en uke eller 10 dager – da den andre bølgen var på topp. Når du snitter over hele pandemiens tidslinje, vil virkningen av slike overflødige dødsfall ikke være så høy. Så jeg synes det er veldig vanskelig å tro at antallet dødsfall ville være 10 ganger det som er rapportert. Ja, 2x eller 3x er absolutt mulig.
Toppnyheter akkurat nå
Klikk her for mer
Amitabh Sinha: Mange stater rapporterer dødsdata med et etterslep. Gitt at det på en daglig basis helt sikkert ville være et antall dødsfall som ville bli savnet, hva tror du ville være det beste anslaget for antall dødsfall?
Jeg vil si et sted mellom 2x og 3x. Hvordan kommer jeg frem til dette anslaget? Delvis av mine egne studier, men det var også en veldig interessant artikkel som kom ut i The Lancet, som så på overflødige dødsfall i Chennai. De fant at det var rundt 25 000 overflødige dødsfall i løpet av pandemiperioden. Hvis du ser på de rapporterte dødsfallene i juli, var de rundt 9000. Dette betyr at det er litt mindre enn 3x til de faktiske dødsfallene i Chennai.
Jeg har forsøkt å se på hver eneste studie som har kommet som hevder noen dødsfaktorer. I hver “10x” type påstand jeg har sett, er metoden som er brukt alvorlig mangelfull.
Må leses |'Vi er i den tredje bølgen, Omicron-saker sprer seg raskt'
Jeg vil gi deg ett eksempel, som jeg mener helt klart er en rampete metode. De ser på CRS-dataene fra juli 2020 til juni 2021 og sammenligner dem med data fra juli 2019 til juni 2020 og ser på dødsfallene i disse to periodene. Dette er en noe uvanlig tidsperiode å velge. Hvorfor valgte juli-start og juni-slutt spesielt, når vi vet at april, mai og juni 2020 var en veldig streng sperreperiode i hele landet, bokstavelig talt ble alt stengt. Hvis det skjer dødsfall i løpet av denne tremånedersperioden, er det naturlig at de alle vil bli rapportert eller registrert etter juli.
Uten at det er noen overskytende dødsfall, hvis du bare sammenligner dødsfallene i disse to tidsperiodene, vil du finne at den andre tidsperioden rapporterer et mye større antall dødsfall fordi noen dødsfall mangler fra den første perioden og disse dødsfallene blir lagt til den andre. .
Amitabh Sinha: Et av de store diskusjonspunktene i denne dødsdebatten har vært de flytende likene som ble sett i UP og som har blitt brukt til å påstå at staten hadde en massiv underrapportering av dødsfall. Du berømmet faktisk UP-regjeringens håndtering av Covid-pandemien. Hvorfor foreslår du at UP har håndtert pandemien bedre enn det er gitt æren for?
Det mange gjør er at de ser på en stats ytelse i forhold til en annen stats ytelse uten å ta hensyn til helseinfrastrukturen til staten. Det er ingen tvil om at mange dødsfall skjedde i UP. Jeg kommer fra UP, fra Prayagraj. I løpet av min barndom ville vi finne kropper flytende i Ganga. Det er ikke et nytt fenomen. Men det er fortsatt ganske mulig at tallene denne gangen er mye flere. UP har mange fattige mennesker, og de kan tydeligvis ikke finne ressurser til å kremere en kropp. Dette er grunnen til at de ty til å sette lik i Ganga. Man må vurdere ytelsen til UP med hensyn til helseinfrastrukturen den har, som er i en patetisk situasjon. Hvis du starter med en patetisk helseinfrastruktur, forventes du å møte fullstendig katastrofe. At det ikke skjedde er i det minste til en betydelig del takket være måten det ble håndtert på.
Ritika Chopra: Gitt at vi ikke har korrekte tall for Covid-dødsfall for den andre bølgen, synes du det er litt for tidlig å faktisk stemple en stats håndtering av pandemien som stor eller ikke?
< p>Siden dødsdataene ikke var tilgjengelige, analyserte vi ikke håndteringen fra det aspektet. Men data var tilgjengelig for å analysere så mange andre aspekter. For eksempel håndteringen av migrantene, tap av levebrød, utdeling av mat. Hver eneste landsby var heldig som hadde disse komiteene, som ble opprettet for tre år siden for å håndtere japansk encefalitt. Så disse komiteene fikk i oppgave å overvåke hver husholdning i landsbyen. De fikk grunnleggende forebyggende medisin, paracet og sånt. Det fungerte veldig bra.
Det kan fortsatt ha vært mange dødsfall. Men hva om ingenting av dette ble gjort? Antall dødsfall ville ha gått gjennom taket.
Harikishan Sharma: Har du tatt hensyn til at hvis panchayat-valget som skjedde i UP hadde blitt holdt på en Covid-passende måte, kunne vi ha reddet tusenvis av liv? Hvilke initiativer fra UP-regjeringen mener du var effektive?
Statsregjeringen tok en svært viktig beslutning om å sørge for transport til alle arbeiderne som returnerte i den andre bølgen. Bortsett fra å få litt politisk kjørelengde, kunne de kontrollere når og hvor migrantene ankom.
Så de satte opp sentre på hvert av disse punktene. Hver migrant som kom ned dit registrerte alle detaljer, inkludert ekspertisen til den migranten. De ble satt i karantene, symptomatisk behandlet på disse stedene, forsynt med litt mat og deretter sendt til hjemmene sine. I tillegg fikk DM-ene i sitt distrikt en liste over disse migrantene som inneholdt informasjon om deres ekspertise, med forslag om at uansett hvor det er et prosjekt på gang, for å se om de kan ansettes. Mange av dem fikk jobb gjennom den mekanismen.
Om valget, her er noe vi har sittet på en stund. Vi gjorde en analyse av 16 tilstander under den andre bølgen. Fem av dem hadde valg – Vest-Bengal, Kerala, Tamil Nadu, Assam og Puducherry – og 11 stater hadde ikke. Vi kjørte riktige statistiske eksperimenter for å studere økningen i disse tilstandene. Og vi fant statistisk at det ikke er noen forskjell mellom de to gruppene. Noe som betyr eller antyder at valg ikke spilte noen stor rolle i spredningen av pandemien i de fem delstatene. Dette kom som en overraskelse, men det er sant.
Det er ikke det at valgmøter ikke forårsaker spredning, selvfølgelig gjør de det. Men det er mange andre ting som forårsaker spredningen, og dette er bare en av dem. Så hvis du bare fjerner en og beholder de andre, ser det ikke ut til at det gjør mye forskjell.
- Indian Express-nettstedet har blitt vurdert GREEN for sin troverdighet og pålitelighet av Newsguard, en global tjeneste som vurderer nyhetskilder for deres journalistiske standarder.
© The Indian Express (P ) Ltd