No entiendo que tiene que ver el defecto de forma de un meneo con la ideología de sus meneantes.
#2 que la norma no se aplica equitativamente cuando el envío no encaja con lo que creen los que descartan desde@admin que debe ser la forma pura de esa ideología. Y por eso se añaden otros dos envíos que tampoco son actualidad y que, aunque estén etiquetados como tales, y han permanecido sin descartar desde arriba.
Cc. (#4)
#48 No me interesa tu opinión no formada.
#49 Bueno, pues descarta mi hipótesis de manera estadística y sácame de mi error. La mía es la contraria a la tuya, así que eso, demuestra la tuya a base de refutar la mía.
#45 Para demostrar una hipótesis, de forma estadística, hay que descartar la contraria.
Tu razonamiento deductivo no es científico. Si no lo ves, no es mi responsabilidad ayudarte. Creo que tienes formación suficiente para ver tu error, si eliminarás los prejuicios.
Por otra parte, con respecto al R0, que dices que es mi hipótesis, basta ver el informe de sanidad. Si te quieres poner conspira pico con ello, perfecto, pues irá el la línea de tu ya paranoia ahondando en tus errores.
#47 No es paranoia, es que no es la única explicación. Aunque su R0 no se disminuya, todo brote se extingue por sí mismo. Con un pico más alto que si no se redujera (eso es lo de "aplanar la curva"), pero llega a un pico y luego entra en declive. Tampoco se puede hacer lo que dices, porque no hay ningún sitio en el que no se haya hecho nada de nada, siempre hay alguna medida de separación social. Por tanto no hay disponibles datos del escenario alternativo. Pero eso no significa que haya que tragar con el dogma de que no se podía hacer otra cosa, o que era obligatorio hacerlo porque si no el pico habría sido inasumible. Me recuerda a la imposición de la crisis de 2008 y la receta sin alternativa de la austeridad: "¿qué habriamos hecho si no?" "no hay otro camino", "hay que tener disciplina", "hemos vivido por encima de nuestras posibilidades", etc.
El famoso paper del Imperial College (por cierto, sin revisión por pares) hacía un montón de suposiciones (contagio, recuperación, capacidad de UCIs, eficacia de distintas formas de distanciamiento...) para concluir que de no hacer nada se producirían millones de muertes. Ni siquiera en sitios donde han hecho o hacen más bien poco (Irán, bastantes estados de Estados Unidos, Brasil, África...) se llega ni remotamente a esas cifras, así que esas suposiciones eran claramente incorrectas y sobredimensionaron el problema. ¿Que un brote de una enfermedad puede llegar a esas cifras? Por supuesto, ahí está la gripe española para demostrarlo. Pero parece claro que se pasaron de cautos. Lo cual no está mal como principio, "mejor prevenir que curar", pero puede ser contraproducente. Si a ti te sale una infección en una uña del pie pues hombre, puedes cortarte la pierna y así ya te curas, pero te has quedado sin pierna. ¿Era la única alternativa cortarte la pierna? ¿Te tienes que creer porque lo diga el médico que te la cortó que realmente era la única opción? Yo digo que no, porque como buen científico uno siempre debe cuestionarse todo, y ver si puede encontrar un fallo o un contraejemplo en lo consensuado como teoría más válida por la comunidad. La ciencia está en permanente revisión, y nunca una teoría debe darse por totalmente buena, y mucho menos cuando no cuadra con la evidencia.
Suponer que el confinamiento de países como España o Italia ha sido efectivo implicaría todo esto:
- Que cuando se desconfinen surgirán un montón de rebrotes (porque a menos exposición, más susceptibilidad de cogerlo al no tener inmunidad de nada). Esto por el momento NO se cumple.
- Que otros sitios que se confinaron menos y tienen contactos sociales comparables deberían tener muchos más muertos de los que tienen (Irán, Países Bajos, Alemania, Suecia, Estados Unidos, Brasil...). Esto por el momento TAMPOCO se cumple.
- Que cuando se hagan tests fiables y masivos saldrá que pocos lo han tenido. Esto SÍ se cumple, pero en parte, porque en los países menos confinados la prevalencia es bastante similar (ejemplo: Estocolmo un 17% sin confinarse ni cerrar nada y siendo una gran ciudad, Soria un 15% confinándose muy estrictamente, dejando todo cerrado y teniendo una densidad de población muy baja, Diamond Princess siendo un entorno cerrado crucero y con todo el mundo testado apenas del 20%, hospitales con personal desprotegido muy rara vez pasan del 25%, etc.). Parece mejor explicación que o bien hay mucha gente que lo pilla y luego de negativo en los tests, o bien que aun estando expuestos directamente no lo pillas por ser inmunes desde el principio. Y que Suecia, España y los pasajeros del Diamond Princess realmente han estado igual de expuestos.
Así que es al consenso científico actual al que le veo muchos puntos flacos. No casa lo que dicen con lo que va pasando. Por suerte, porque si la realidad es otra entonces el brote quedaría como un mal recuerdo, pero de apenas unos meses, y no habría que condicionar ya los años futuros.
Pero si prefieres que te corten la pierna a saber que se podría haber hecho algo mucho menos radical, o al menos aunque ya no recuperes la pierna servir de evidencia para futuros pacientes para que a ellos no les corten la pierna innecesariamente, adelante. Es tu elección.
#49 Bueno, pues descarta mi hipótesis de manera estadística y sácame de mi error. La mía es la contraria a la tuya, así que eso, demuestra la tuya a base de refutar la mía.
#48 Si gastas pagas IVA y mueves la economía. Lo de volverse un loco del riesgo te lo sacas de la manga a modo de hombre de paja. Todo ello por no pagar un 2% por encima de tus primeros 1.4M€? Tú sí que tienes una empanada mental.
Me refiero a que si el ahorro no va destinado a invertir o favorecer inversiones directas no aporta nada a la sociedad por si mismo (incluso podría fomentar el apalancamiento), en el contexto concreto de argumentar en contra del impuesto del patrimonio como desincentivo del ahorro.
El argumento de la, supuesta, doble imposición es otra cosa. También es debatible en el sentido de que no se grava la posesión, sino la acumulación no productiva por encima de un umbral.
#16 Si 400k de vivienda habitual (suponiendo que dicha vivienda para Hacienda valga eso) están exentos, y todo el patrimonio que reste hasta 1M también, ¿cuánto tienen que ahorrar tus padres para pagar algo?
#31 Pues más que por el impuesto al patrimonio deberías quejarte por la plusvalía municipal. Un impuesto que afecta a todo el mundo, es desigual, no afecta a la especulación y que básicamente afecta a quien hereda una propiedad. Pero como es una ley del 2017 no la conoce nadie... ese sí es un robo, el otro no.
Los principios de equidad, suficiencia y eficiencia deberían ser aplicados a la fiscalidad en su conjunto y no a cada impuesto por separado.
El impuesto sobre el patrimonio no desincentiva el ahorro si está bien diseñado. Además el ahorro debe tener un objetivo de inversión. Y desde luego, tener hasta 400k exentos en vivienda habitual no incentiva el boom inmobiliario.
La propuesta de reforma del impuesto, si cabe, deja más márgen exento que los existentes en muchas CCAA actual. Además, al ser nacional, evita desigualdades entre territorios. Ambos aspectos son deseables.
En cuando a la subida o bajada de impuestos en crisis. Este argumento vale para no alterar la carga impositiva en tiempos de crisis, pero también para no alterarla en otras situaciones. Es decir, el ajuste impositivo, si este es deseable para corregir sus deficiencias, ha de hacerse independiente de si hay crisis o no.
#20 por qué debe?
Qué coño, es mi dinero. Ya he pagado impuestos al ganarlo. Por qué me lo tenéis que confiscar y castigarme por ser ahorrador?
#42
No estoy hablando de overfitting en concreto, aunque esté relacionado. Estoy hablando de fundamentos de validación estadística. No me importa usar jerga de ML si quieres.
El hecho de que tu modelo haga una buena predicción de lo que está pasando ahora, condicionado al confinamiento, no quiere decir nada sobre lo que pasaría si no lo hubiera. El modelo aprende el parámetro de transmisión constante (uno que no puede ser constante, pero que en media está funcionando como tal), y predice bien las consecuencias de esa situación media, de pre y post confinamiento. Al tener una mayor dispersión en el tiempo la distribución de muertes, es muy plausible que los muertos sigan la tendencia de la cola sin incrementar el número de infectados de manera significativa.
Lo de usar modelos simples me parece bien. El problema es que no los estás validando en realidad, pues estás usando datos mixtos que dependen de factores no aislados. Como digo, para demostrar que el confinamiento no hizo nada, los modelos ajustados en base a datos no condicionados al confinamiento, y el modelo ajustado en base a datos condicionados al confinamiento deberían ser iguales. No creo que puedas hacer esa comparación sólo usando los datos de muertes (ya sin tener en cuenta la mayor incertidumbre que estos exponen).
Por terminar. Me sorprende que no seas capaz de ver el error de bulto que cometes. Estás asumiendo lo mismo que concluyes!! Y me sorprende aún más que te hayas venido a meneame a responder a todo comentario que existe ahondando en tu error (error que han visto varios que, sin ser arrogantes, no han expuesto su formación: te sorprenderías del nivel de algunos usuarios), y te sigas creyendo más listo que nadie.
Insisto, sin acritud, estás cometiendo un error de novato y ni te das cuenta.
#43 Estoy siguiendo el método científico, el de intentar verificar una hipótesis. El razonamiento es el siguiente:
1) Hipótesis: supongamos que el confinamiento no haya servido de nada.
2) En ese caso podría intentar ajustar un modelo que asume transmisión constante, y debería casar razonablemente bien con lo observado.
3) ¿Qué modelo hay en epidemiología que asuma eso, y que además sea lo más sencillo posible? (Precisamente por no ser experto en epidemiología) Vale, el SIR.
4) ¿Qué es lo que debería yo intentar que el SIR saque como output para verificar que casa con la realidad? Dado que la población susceptible S se desconoce, y que los infectados I están tremendamente infraestimados por falta de tests e infectados asintomáticos, sólo me queda la R.
5) ¿Qué incluye R? Recuperados y muertos, pero como los recuperados también están infraestimados (mucha gente se ha recuperado silenciosamente en sus casas, y todos los infectados asintomáticos ya no activos ya están recuperados), entonces sólo me quedan los muertos como lo único (medio) fiable.
6) Bien, pues intento hacer eso y resulta que sale todo razonable. El SIR ajusta bien los muertos, la tasa de mortalidad interna sale en torno al 1.4%, lo cual casa bien con las estimaciones médicas, el tiempo de recuperación sale que es 22 días (lo cual también casa con el consenso médico aunque tú disientas), y lo único es que la tasa de contagios ha sido mucho más alta de lo que dicen. El R0 sale en torno a 7.7, cuando se dice que es de 2.5 o así. De todas formas, no me parece descabellado esto porque como precisamente hay infectados sin detectar a punta pala, eso necesariamente quiere decir que el contagio ha sido mucho mayor de lo que está saliendo por casos confirmados.
Por otro lado, si la hipótesis fuera falsa (y la tuya cierta, es decir que el R0 ha ido decreciendo, porque lo tuyo también es una hipótesis, no es un hecho contrastado, de hecho tú también quieres concluir que el confinamiento ha sido útil -tu hipótesis-, pero a diferencia de mí no me das argumentos claros que demuestren tu teoría, simplemente lo pones como dogma), entonces el modelo no ajustaría ni de coña, porque asume que R0 es constante. Entonces a lo mejor ajustaría bien antes del confinamiento, pero de puto culo después (porque el confinamiento habría introducido un descenso muy considerable en dicho R0). O al revés: si consiguiera ajustar bien tras el confinamiento entonces fallaría en la fase pre.
De hecho he intentado ajustar un modelo en 2 trozos porque me parecía extraño: uno con un R0_1 pre-confinamiento y un R0_2 post-confinamiento (con R0_1 > R0_2, obvio, porque yo no discuto que el confinamiento reduce el contacto social, eso sería una gilipollez). ¿Sabes lo que pasa? Pues que entonces el modelo para ajustar lo mejor posible a las muertes hace R0_1 = R0_2. Exactamente iguales. En cuanto usas 2 factores distintos el ajuste es peor. Da igual que toques el tiempo de recuperación, no hay manera de que produzca un ajuste igual de bueno que siendo idénticos.
Más aún fuera de la teoría; si fuera falso que la población susceptible S ya se ha agotado, entonces impepinablemente habrá rebrotes ahora al desconfinarse. No se observa tal cosa; es verdad que es un poco pronto -han pasado 2 semanas desde que se levantó el arresto domiciliario estricto-, pero el fin de semana que viene ya estará bien claro. Si no hay rebrotes es que quedan ya muy pocos S. Y dirás, "pero es que donde se está levantando más el desconfinamiento es donde hubo menos casos". Claro, pero precisamente es donde quedarían más S (porque atizó menos), así que es precisamente donde deberían verse más rebrotes.
No me creo más listo que nadie, pero cuando alguien me dice que me he equivocado (que me puedo equivocar, como todos), exijo que me dé argumentos convincentes que me convenzan de ello. Yo no veo el error metodológico, francamente. Si lo que te chirría es el titular del Menéame (que eso sí te admito que es algo pretencioso, pero no es mío, sino de un amigo que decidió poner el enlace aquí), de este modelo tampoco se deduce que esta necesariamente sea la realidad, significa simplemente que no puede desecharse la posibilidad de que el confinamiento no haya servido de nada. Ni debería desecharse, porque en caso de que fuera esa la realidad es una enseñanza muy buena para el futuro (lo que pasa es que muchos gobiernos quedarían como el culo, y el varapalo económico habría sido evitable).
No puede desecharse porque suponiendo que haya sido así, es posible ajustar un modelo que casa bien con lo observado. Y es simple: por la navaja de Occam, veo más plausible suponer que esto se hizo tarde, como se hizo tarde se colapsó, y como se colapsó y llegó a su tope natural precisamente por eso mismo ya no cabe temer gran cosa, y que por eso no se observan rebrotes. Más plausible que suponer un R0 desconocido, que va disminuyendo de manera desconocida por un montón de medidas de distanciamiento y protección diferentes cuya influencia individual no se puede cuantificar de manera clara. Y más plausible que el hecho de que países con confinamientos mucho menos estrictos no tengan una cifra de muertos bestial, porque esto no sólo va de España. Si lo hacen menos estricto, entonces bajan su R0 mucho menos, luego sus infectados deberían subir mucho más, y consecuentemente los muertos también. Si (casi) todos los que confinaron confinaron tarde, entonces el brote dura lo mismo en casi todas partes, cosa que por cierto ya se va observando https://www.timesofisrael.com/top-israeli-prof-claims-simple-stats-show-virus-plays-itself-out-after-70-days/
#45 Para demostrar una hipótesis, de forma estadística, hay que descartar la contraria.
Tu razonamiento deductivo no es científico. Si no lo ves, no es mi responsabilidad ayudarte. Creo que tienes formación suficiente para ver tu error, si eliminarás los prejuicios.
Por otra parte, con respecto al R0, que dices que es mi hipótesis, basta ver el informe de sanidad. Si te quieres poner conspira pico con ello, perfecto, pues irá el la línea de tu ya paranoia ahondando en tus errores.
#47 No es paranoia, es que no es la única explicación. Aunque su R0 no se disminuya, todo brote se extingue por sí mismo. Con un pico más alto que si no se redujera (eso es lo de "aplanar la curva"), pero llega a un pico y luego entra en declive. Tampoco se puede hacer lo que dices, porque no hay ningún sitio en el que no se haya hecho nada de nada, siempre hay alguna medida de separación social. Por tanto no hay disponibles datos del escenario alternativo. Pero eso no significa que haya que tragar con el dogma de que no se podía hacer otra cosa, o que era obligatorio hacerlo porque si no el pico habría sido inasumible. Me recuerda a la imposición de la crisis de 2008 y la receta sin alternativa de la austeridad: "¿qué habriamos hecho si no?" "no hay otro camino", "hay que tener disciplina", "hemos vivido por encima de nuestras posibilidades", etc.
El famoso paper del Imperial College (por cierto, sin revisión por pares) hacía un montón de suposiciones (contagio, recuperación, capacidad de UCIs, eficacia de distintas formas de distanciamiento...) para concluir que de no hacer nada se producirían millones de muertes. Ni siquiera en sitios donde han hecho o hacen más bien poco (Irán, bastantes estados de Estados Unidos, Brasil, África...) se llega ni remotamente a esas cifras, así que esas suposiciones eran claramente incorrectas y sobredimensionaron el problema. ¿Que un brote de una enfermedad puede llegar a esas cifras? Por supuesto, ahí está la gripe española para demostrarlo. Pero parece claro que se pasaron de cautos. Lo cual no está mal como principio, "mejor prevenir que curar", pero puede ser contraproducente. Si a ti te sale una infección en una uña del pie pues hombre, puedes cortarte la pierna y así ya te curas, pero te has quedado sin pierna. ¿Era la única alternativa cortarte la pierna? ¿Te tienes que creer porque lo diga el médico que te la cortó que realmente era la única opción? Yo digo que no, porque como buen científico uno siempre debe cuestionarse todo, y ver si puede encontrar un fallo o un contraejemplo en lo consensuado como teoría más válida por la comunidad. La ciencia está en permanente revisión, y nunca una teoría debe darse por totalmente buena, y mucho menos cuando no cuadra con la evidencia.
Suponer que el confinamiento de países como España o Italia ha sido efectivo implicaría todo esto:
- Que cuando se desconfinen surgirán un montón de rebrotes (porque a menos exposición, más susceptibilidad de cogerlo al no tener inmunidad de nada). Esto por el momento NO se cumple.
- Que otros sitios que se confinaron menos y tienen contactos sociales comparables deberían tener muchos más muertos de los que tienen (Irán, Países Bajos, Alemania, Suecia, Estados Unidos, Brasil...). Esto por el momento TAMPOCO se cumple.
- Que cuando se hagan tests fiables y masivos saldrá que pocos lo han tenido. Esto SÍ se cumple, pero en parte, porque en los países menos confinados la prevalencia es bastante similar (ejemplo: Estocolmo un 17% sin confinarse ni cerrar nada y siendo una gran ciudad, Soria un 15% confinándose muy estrictamente, dejando todo cerrado y teniendo una densidad de población muy baja, Diamond Princess siendo un entorno cerrado crucero y con todo el mundo testado apenas del 20%, hospitales con personal desprotegido muy rara vez pasan del 25%, etc.). Parece mejor explicación que o bien hay mucha gente que lo pilla y luego de negativo en los tests, o bien que aun estando expuestos directamente no lo pillas por ser inmunes desde el principio. Y que Suecia, España y los pasajeros del Diamond Princess realmente han estado igual de expuestos.
Así que es al consenso científico actual al que le veo muchos puntos flacos. No casa lo que dicen con lo que va pasando. Por suerte, porque si la realidad es otra entonces el brote quedaría como un mal recuerdo, pero de apenas unos meses, y no habría que condicionar ya los años futuros.
Pero si prefieres que te corten la pierna a saber que se podría haber hecho algo mucho menos radical, o al menos aunque ya no recuperes la pierna servir de evidencia para futuros pacientes para que a ellos no les corten la pierna innecesariamente, adelante. Es tu elección.
#49 Bueno, pues descarta mi hipótesis de manera estadística y sácame de mi error. La mía es la contraria a la tuya, así que eso, demuestra la tuya a base de refutar la mía.
#20
En primer lugar, por lo que sabemos de la enfermedad [1], desde la exposición al virus hasta la muerte pueden pasar desde 2 hasta 10 semanas, con una distribución desconocida. Puesto que modelas en base a muertes, no podemos asumir un desplazamiento constante desde la exposición, sin asumir un error amplio.
En segundo lugar, claro que el modelo SIR asume tiempo constante, y asume tasa de contagios constante, y no dudo de que sepas bien como funciona el modelo, ni como se ajusta. El problema es que, como seguro que también sabes, no se puede pretender ajustar un modelo paramétrico (con unas premisas) a unos datos que no cumplen esas premisas, y sacar conclusiones válidas de ello. Y esto no quiere decir que no puedas ajustarlo: cláro que se puede. Pero hay que tener mucho cuidado con interpretarlo literalmente.
Con respecto a demostrar pre y post confinamiento con tu modelo. Y aquí me tengo que poner muy serio ya. ¿De verdad crees que puedes sacar esa conclusión del hecho de que un modelo determinado se ajuste a tu conjunto de entrenamiento?. Pero si lo que quieres demostrar es lo que asumes... tendrás que usar un conjunto de datos held out para validar tu modelo ¿no?. Esto ya sin necesidad de meternos en analizar por qué tu modelo parece funcionar falsamente.
Por último, viendo tus nuevos twits, me doy cuenta de que, puedes saber ajustar un modelo con todo el detalle del mundo, pero es evidente que no sabes lo que estás haciendo para aplicarlo. Y me refiero específicamente a [2]. En tu modelo solamente entran los muertos. Lo único que permite el modelo para pasar a muerto, es haber pasado por infectado, y estos solo pueden venir de los sanos. La única forma de que se ajuste una curva decreciente de infectados, es que se agote el suministo de sanos. Es decir, que para modelar los datos observados post-hoc, estás asumiendo que el suministro de sanos no inmunes se paró. ¿Cómo vas a extrapolar esto a toda la población (y no sólo la foto fija de los que han fallecido)? ¿cómo va a ser el R0 constante (no lo es, ver [1]) e independiente de la movilidad reducida por el confinamiento (no lo es, ver [3])? ¿No ves que estás usando datos no curados?
[1] https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual/nCov-China/documentos/20200417_ITCoronavirus.pdf
[2]
[3] Correlación entre mortalidad del Covid-19 y movilidad: La responsabilidad es nuestra
Publicado hace 4 años por
AlvaroLab
a
naukas.com
#41 Gracias por tus observaciones y por tus referencias, francamente interesantes. Intento contestar.
Evidentemente que cada paciente es distinto y no para todos se cumplen los mismos tiempos de recuperación, pero importa más que nada el promedio puesto que estamos aproximando el país en conjunto. Hay variantes del SIR que asumen que por ejemplo gamma (cuyo inverso es ese tiempo) sigue una distribución determinada (gaussiana, Erlang, etc.) en lugar de un valor fijo, pero la evolución de las curvas cambia poco. Siempre es buena idea intentar primero con modelos muy simples, y sólo empezarlos a complicar si te ajustan mal. Ese principio es el que estoy siguiendo: vamos a ver qué pasa si asumo todo constante todo el tiempo. ¡Hostia, tú, que ajusta bien! De momento no me complico más.
En cuanto al ajuste en sí, creo que estás comentando lo que en jerga de Machine Learning llamamos el problema del sobreajuste (overfitting en inglés), es decir, que yo debería ajustar un modelo para un periodo y luego ver qué pasa en otro periodo, aparte del ya ajustado. Totalmente cierto, y por eso al final hago predicciones, porque el brote no ha terminado. Ese es mi periodo de test. Cuando hice esto estábamos a 5 de mayo, y si el modelo va bien predice cosas como estas:
- A finales de mayo todavía estaremos en torno a los 50 muertos diarios.
- Hasta finales de junio seguirá habiendo muertos todos los días.
- El total de muertos (según lo que dice el Gobierno, ya he comentado en otra respuesta que en realidad son más, pero eso sólo subiría la curva hacia arriba) será de 30 mil (la realidad será que será algo más de 40 mil).
Por último sí, por las asunciones del modelo SIR la extinción de un brote se produce porque se agota el suministro de sanos S. Lo que discuto yo es la posibilidad (ojo, posibilidad, no estoy asegurando nada) de que efectivamente se haya agotado ya el suministro de sanos susceptibles de enfermar. Es decir, que aunque en la seroprevalencia salga el 5% eso no significa que el 95% restante todavía esté susceptible de enfermar. Puede ser que no; bien porque haya inmunidad de partida en un gran porcentaje de la población (es como si fueran R desde el principio, no S), bien porque desarrollan tan pocos anticuerpos que no son detectados como I ni siquiera a posteriori, aunque en realidad sí lo hayan sido... Muchos motivos.
En cuanto a R0 constante, aquí está la gracia de todo. Está claro que el confinamiento reduce el R0, ¡pero sólo si se hace a tiempo, cuando I todavía es muy bajo y hay muchos S, de lo contrario ya no! Si de verdad hubiera reducido R0 los contagios no sólo es que yo no podría ajustar un modelo para todas las muertes (me saldría bien antes del confinamiento, y mal después, o al revés), sino que en la propia curva de muertes (la de verdad) se observaría un salto. Una discontinuidad como unas 2-3 semanas después de habernos confinado. Porque al haber reducido R0 mucho, y al ser proporcionales las muertes a los contagios, si tú reduces R0 de repente, reduces también las muertes de repente, únicamente que con un retardo temporal correspondiente eso, al periodo que tarda la enfermedad en matarte. Pero eso no se observa por ningún lado. SIgue una curva suave (si haces una media ponderada que mitigue los "efectos fines de semana" y demás oscilaciones que hay si tomas los datos diarios al pie de la letra),
#42
No estoy hablando de overfitting en concreto, aunque esté relacionado. Estoy hablando de fundamentos de validación estadística. No me importa usar jerga de ML si quieres.
El hecho de que tu modelo haga una buena predicción de lo que está pasando ahora, condicionado al confinamiento, no quiere decir nada sobre lo que pasaría si no lo hubiera. El modelo aprende el parámetro de transmisión constante (uno que no puede ser constante, pero que en media está funcionando como tal), y predice bien las consecuencias de esa situación media, de pre y post confinamiento. Al tener una mayor dispersión en el tiempo la distribución de muertes, es muy plausible que los muertos sigan la tendencia de la cola sin incrementar el número de infectados de manera significativa.
Lo de usar modelos simples me parece bien. El problema es que no los estás validando en realidad, pues estás usando datos mixtos que dependen de factores no aislados. Como digo, para demostrar que el confinamiento no hizo nada, los modelos ajustados en base a datos no condicionados al confinamiento, y el modelo ajustado en base a datos condicionados al confinamiento deberían ser iguales. No creo que puedas hacer esa comparación sólo usando los datos de muertes (ya sin tener en cuenta la mayor incertidumbre que estos exponen).
Por terminar. Me sorprende que no seas capaz de ver el error de bulto que cometes. Estás asumiendo lo mismo que concluyes!! Y me sorprende aún más que te hayas venido a meneame a responder a todo comentario que existe ahondando en tu error (error que han visto varios que, sin ser arrogantes, no han expuesto su formación: te sorprenderías del nivel de algunos usuarios), y te sigas creyendo más listo que nadie.
Insisto, sin acritud, estás cometiendo un error de novato y ni te das cuenta.
#43 Estoy siguiendo el método científico, el de intentar verificar una hipótesis. El razonamiento es el siguiente:
1) Hipótesis: supongamos que el confinamiento no haya servido de nada.
2) En ese caso podría intentar ajustar un modelo que asume transmisión constante, y debería casar razonablemente bien con lo observado.
3) ¿Qué modelo hay en epidemiología que asuma eso, y que además sea lo más sencillo posible? (Precisamente por no ser experto en epidemiología) Vale, el SIR.
4) ¿Qué es lo que debería yo intentar que el SIR saque como output para verificar que casa con la realidad? Dado que la población susceptible S se desconoce, y que los infectados I están tremendamente infraestimados por falta de tests e infectados asintomáticos, sólo me queda la R.
5) ¿Qué incluye R? Recuperados y muertos, pero como los recuperados también están infraestimados (mucha gente se ha recuperado silenciosamente en sus casas, y todos los infectados asintomáticos ya no activos ya están recuperados), entonces sólo me quedan los muertos como lo único (medio) fiable.
6) Bien, pues intento hacer eso y resulta que sale todo razonable. El SIR ajusta bien los muertos, la tasa de mortalidad interna sale en torno al 1.4%, lo cual casa bien con las estimaciones médicas, el tiempo de recuperación sale que es 22 días (lo cual también casa con el consenso médico aunque tú disientas), y lo único es que la tasa de contagios ha sido mucho más alta de lo que dicen. El R0 sale en torno a 7.7, cuando se dice que es de 2.5 o así. De todas formas, no me parece descabellado esto porque como precisamente hay infectados sin detectar a punta pala, eso necesariamente quiere decir que el contagio ha sido mucho mayor de lo que está saliendo por casos confirmados.
Por otro lado, si la hipótesis fuera falsa (y la tuya cierta, es decir que el R0 ha ido decreciendo, porque lo tuyo también es una hipótesis, no es un hecho contrastado, de hecho tú también quieres concluir que el confinamiento ha sido útil -tu hipótesis-, pero a diferencia de mí no me das argumentos claros que demuestren tu teoría, simplemente lo pones como dogma), entonces el modelo no ajustaría ni de coña, porque asume que R0 es constante. Entonces a lo mejor ajustaría bien antes del confinamiento, pero de puto culo después (porque el confinamiento habría introducido un descenso muy considerable en dicho R0). O al revés: si consiguiera ajustar bien tras el confinamiento entonces fallaría en la fase pre.
De hecho he intentado ajustar un modelo en 2 trozos porque me parecía extraño: uno con un R0_1 pre-confinamiento y un R0_2 post-confinamiento (con R0_1 > R0_2, obvio, porque yo no discuto que el confinamiento reduce el contacto social, eso sería una gilipollez). ¿Sabes lo que pasa? Pues que entonces el modelo para ajustar lo mejor posible a las muertes hace R0_1 = R0_2. Exactamente iguales. En cuanto usas 2 factores distintos el ajuste es peor. Da igual que toques el tiempo de recuperación, no hay manera de que produzca un ajuste igual de bueno que siendo idénticos.
Más aún fuera de la teoría; si fuera falso que la población susceptible S ya se ha agotado, entonces impepinablemente habrá rebrotes ahora al desconfinarse. No se observa tal cosa; es verdad que es un poco pronto -han pasado 2 semanas desde que se levantó el arresto domiciliario estricto-, pero el fin de semana que viene ya estará bien claro. Si no hay rebrotes es que quedan ya muy pocos S. Y dirás, "pero es que donde se está levantando más el desconfinamiento es donde hubo menos casos". Claro, pero precisamente es donde quedarían más S (porque atizó menos), así que es precisamente donde deberían verse más rebrotes.
No me creo más listo que nadie, pero cuando alguien me dice que me he equivocado (que me puedo equivocar, como todos), exijo que me dé argumentos convincentes que me convenzan de ello. Yo no veo el error metodológico, francamente. Si lo que te chirría es el titular del Menéame (que eso sí te admito que es algo pretencioso, pero no es mío, sino de un amigo que decidió poner el enlace aquí), de este modelo tampoco se deduce que esta necesariamente sea la realidad, significa simplemente que no puede desecharse la posibilidad de que el confinamiento no haya servido de nada. Ni debería desecharse, porque en caso de que fuera esa la realidad es una enseñanza muy buena para el futuro (lo que pasa es que muchos gobiernos quedarían como el culo, y el varapalo económico habría sido evitable).
No puede desecharse porque suponiendo que haya sido así, es posible ajustar un modelo que casa bien con lo observado. Y es simple: por la navaja de Occam, veo más plausible suponer que esto se hizo tarde, como se hizo tarde se colapsó, y como se colapsó y llegó a su tope natural precisamente por eso mismo ya no cabe temer gran cosa, y que por eso no se observan rebrotes. Más plausible que suponer un R0 desconocido, que va disminuyendo de manera desconocida por un montón de medidas de distanciamiento y protección diferentes cuya influencia individual no se puede cuantificar de manera clara. Y más plausible que el hecho de que países con confinamientos mucho menos estrictos no tengan una cifra de muertos bestial, porque esto no sólo va de España. Si lo hacen menos estricto, entonces bajan su R0 mucho menos, luego sus infectados deberían subir mucho más, y consecuentemente los muertos también. Si (casi) todos los que confinaron confinaron tarde, entonces el brote dura lo mismo en casi todas partes, cosa que por cierto ya se va observando https://www.timesofisrael.com/top-israeli-prof-claims-simple-stats-show-virus-plays-itself-out-after-70-days/
#45 Para demostrar una hipótesis, de forma estadística, hay que descartar la contraria.
Tu razonamiento deductivo no es científico. Si no lo ves, no es mi responsabilidad ayudarte. Creo que tienes formación suficiente para ver tu error, si eliminarás los prejuicios.
Por otra parte, con respecto al R0, que dices que es mi hipótesis, basta ver el informe de sanidad. Si te quieres poner conspira pico con ello, perfecto, pues irá el la línea de tu ya paranoia ahondando en tus errores.
#47 No es paranoia, es que no es la única explicación. Aunque su R0 no se disminuya, todo brote se extingue por sí mismo. Con un pico más alto que si no se redujera (eso es lo de "aplanar la curva"), pero llega a un pico y luego entra en declive. Tampoco se puede hacer lo que dices, porque no hay ningún sitio en el que no se haya hecho nada de nada, siempre hay alguna medida de separación social. Por tanto no hay disponibles datos del escenario alternativo. Pero eso no significa que haya que tragar con el dogma de que no se podía hacer otra cosa, o que era obligatorio hacerlo porque si no el pico habría sido inasumible. Me recuerda a la imposición de la crisis de 2008 y la receta sin alternativa de la austeridad: "¿qué habriamos hecho si no?" "no hay otro camino", "hay que tener disciplina", "hemos vivido por encima de nuestras posibilidades", etc.
El famoso paper del Imperial College (por cierto, sin revisión por pares) hacía un montón de suposiciones (contagio, recuperación, capacidad de UCIs, eficacia de distintas formas de distanciamiento...) para concluir que de no hacer nada se producirían millones de muertes. Ni siquiera en sitios donde han hecho o hacen más bien poco (Irán, bastantes estados de Estados Unidos, Brasil, África...) se llega ni remotamente a esas cifras, así que esas suposiciones eran claramente incorrectas y sobredimensionaron el problema. ¿Que un brote de una enfermedad puede llegar a esas cifras? Por supuesto, ahí está la gripe española para demostrarlo. Pero parece claro que se pasaron de cautos. Lo cual no está mal como principio, "mejor prevenir que curar", pero puede ser contraproducente. Si a ti te sale una infección en una uña del pie pues hombre, puedes cortarte la pierna y así ya te curas, pero te has quedado sin pierna. ¿Era la única alternativa cortarte la pierna? ¿Te tienes que creer porque lo diga el médico que te la cortó que realmente era la única opción? Yo digo que no, porque como buen científico uno siempre debe cuestionarse todo, y ver si puede encontrar un fallo o un contraejemplo en lo consensuado como teoría más válida por la comunidad. La ciencia está en permanente revisión, y nunca una teoría debe darse por totalmente buena, y mucho menos cuando no cuadra con la evidencia.
Suponer que el confinamiento de países como España o Italia ha sido efectivo implicaría todo esto:
- Que cuando se desconfinen surgirán un montón de rebrotes (porque a menos exposición, más susceptibilidad de cogerlo al no tener inmunidad de nada). Esto por el momento NO se cumple.
- Que otros sitios que se confinaron menos y tienen contactos sociales comparables deberían tener muchos más muertos de los que tienen (Irán, Países Bajos, Alemania, Suecia, Estados Unidos, Brasil...). Esto por el momento TAMPOCO se cumple.
- Que cuando se hagan tests fiables y masivos saldrá que pocos lo han tenido. Esto SÍ se cumple, pero en parte, porque en los países menos confinados la prevalencia es bastante similar (ejemplo: Estocolmo un 17% sin confinarse ni cerrar nada y siendo una gran ciudad, Soria un 15% confinándose muy estrictamente, dejando todo cerrado y teniendo una densidad de población muy baja, Diamond Princess siendo un entorno cerrado crucero y con todo el mundo testado apenas del 20%, hospitales con personal desprotegido muy rara vez pasan del 25%, etc.). Parece mejor explicación que o bien hay mucha gente que lo pilla y luego de negativo en los tests, o bien que aun estando expuestos directamente no lo pillas por ser inmunes desde el principio. Y que Suecia, España y los pasajeros del Diamond Princess realmente han estado igual de expuestos.
Así que es al consenso científico actual al que le veo muchos puntos flacos. No casa lo que dicen con lo que va pasando. Por suerte, porque si la realidad es otra entonces el brote quedaría como un mal recuerdo, pero de apenas unos meses, y no habría que condicionar ya los años futuros.
Pero si prefieres que te corten la pierna a saber que se podría haber hecho algo mucho menos radical, o al menos aunque ya no recuperes la pierna servir de evidencia para futuros pacientes para que a ellos no les corten la pierna innecesariamente, adelante. Es tu elección.
#13 Si hay una oferta pública de empleo suficiente, y la gente lo asume libremente, entonces no le veo el problema.
#5 Pero entonces el estado puede contratar por debajo del salario mínimo?
#10 No debería. Ayuda de 500 € por media jornada. Y media jornada recogiendo hojas en un parque. Y la otra media, la dedicas a lo que te parezca.
¿No?
#13 Asi en parte, se evitaria el trabajo en negro, o como minimo el fraude de cobrar ayuda y trabajar en B al mismo tiempo,
Si estás haciendo alguna actividad aunque sea a media jornada, no estas trabajando en negro. Si el trabajo que hacias en negro, te merece más la pena, dejarias de cobrar el subsidio (aunque quizas tampoco declarases el trabajo)
#16 Es que de eso va....
Lo que planteas es crear empleo público para todos? Es decir, que el estado aporte una remuneración a cambio un trabajo.
#3 Una remuneración mala a cambio de un trabajo malo, sí.
Pero siempre mejor que dinero a cambio de nada.
Si recibes de la sociedad, aporta a la sociedad.
#10 No debería. Ayuda de 500 € por media jornada. Y media jornada recogiendo hojas en un parque. Y la otra media, la dedicas a lo que te parezca.
¿No?
#13 Asi en parte, se evitaria el trabajo en negro, o como minimo el fraude de cobrar ayuda y trabajar en B al mismo tiempo,
Si estás haciendo alguna actividad aunque sea a media jornada, no estas trabajando en negro. Si el trabajo que hacias en negro, te merece más la pena, dejarias de cobrar el subsidio (aunque quizas tampoco declarases el trabajo)
#16 Es que de eso va....
#12
En primer lugar ajusta el modelo con datos pre y post confinamiento, asumiendo que no hay ningún factor adicional. Pero el modelo que utiliza no es capaz de contemplar factores adicionales. La consecuencia es lo que tú indicabas, que implícitamente se asume R0 constante.
El fallo no lo ve porque el modelo se le ajusta a "predicciones futuras" de las últimas semanas. Pero es que el modelo ya está ajustado a una propagación del virus disminuida.
El segundo error, gravísimo, es que asume que el tiempo que pasa desde la infección y la muerte es constante, y de 5-6 +14 días. Porque asume falsamente que para pasar de I a R pasan 14 días.
Esto da lugar a dos conclusiones, erróneas. La primera es que el pico de contagios es muy anterior al confinamiento, pero en el fondo está derivada de que asume -3 semanas desde que lo pillas hasta que mueres. Esto no lo aporta el modelo. La segunda conclusión errónea es que no hubiera pasado nada por no confinar, ya que el modelo indica que la curva sería igual. Error de novato, pues en el fondo está ajustando la curva post hoc. Para hacer esto debería sólo usar datos de contagiados antes del confinamiento y comparar si los modelos resultantes son probablemente iguales.
Vamos. Una tautología donde de A derivo A.
#13 Hola vladrik, ¿por qué dices que es falso que para pasar de I a R tengan que pasar 14 días? El consenso médico es que incluso puede pasar más tiempo, pero el mínimo son 3 semanas, de las cuales 1 es de incubación, y las otras 2 de síntomas ya claros, complicaciones, etc. (https://grupoinfeccsomamfyc.wordpress.com/2020/04/01/periodo-infectivo-en-pacientes-covid-cuando-finalizar-el-seguimiento/). Por eso se pone a la gente en cuarentena 2 semanas. Porque desde que empiezas con síntomas durante 2 semanas al menos eres infeccioso y no se te puede considerar recuperado. En cuanto a los casos peores, se pueden tirar en UCI bastante más tiempo: https://www.lavanguardia.com/vida/20200322/4817187506/los-que-van-a-ir-mal-estan-28-dias-en-la-uci-los-que-van-bien-11-hay-que-pensarlo.html
Por otro lado, asumir ese tiempo constante (sea el que sea) es una de las suposiciones del modelo SIR, en concreto el parámetro gamma, como sigo discutiendo en twitter.com/jorloplaz/status/1261584645361143808 A mí me sale que si quieres ajustar las muertes lo mejor posible, ese gamma es de 22 días.
Además, lo de pre y post-confinamiento es precisamente lo que quiero demostrar, que usando exactamente los mismos valores en la fase pre y post se ajustan bien las muertes, también tanto las pre como las post. Si de verdad el confinamiento hubiera frenado las cosas habría 2 tramos bien diferenciados, 2 comportamientos distintos, y por tanto no podía ajustar bien las muertes ni de coña. O bien ajustaría bien solo las pre, o bien sólo las post, pero no ambas.
#20
En primer lugar, por lo que sabemos de la enfermedad [1], desde la exposición al virus hasta la muerte pueden pasar desde 2 hasta 10 semanas, con una distribución desconocida. Puesto que modelas en base a muertes, no podemos asumir un desplazamiento constante desde la exposición, sin asumir un error amplio.
En segundo lugar, claro que el modelo SIR asume tiempo constante, y asume tasa de contagios constante, y no dudo de que sepas bien como funciona el modelo, ni como se ajusta. El problema es que, como seguro que también sabes, no se puede pretender ajustar un modelo paramétrico (con unas premisas) a unos datos que no cumplen esas premisas, y sacar conclusiones válidas de ello. Y esto no quiere decir que no puedas ajustarlo: cláro que se puede. Pero hay que tener mucho cuidado con interpretarlo literalmente.
Con respecto a demostrar pre y post confinamiento con tu modelo. Y aquí me tengo que poner muy serio ya. ¿De verdad crees que puedes sacar esa conclusión del hecho de que un modelo determinado se ajuste a tu conjunto de entrenamiento?. Pero si lo que quieres demostrar es lo que asumes... tendrás que usar un conjunto de datos held out para validar tu modelo ¿no?. Esto ya sin necesidad de meternos en analizar por qué tu modelo parece funcionar falsamente.
Por último, viendo tus nuevos twits, me doy cuenta de que, puedes saber ajustar un modelo con todo el detalle del mundo, pero es evidente que no sabes lo que estás haciendo para aplicarlo. Y me refiero específicamente a [2]. En tu modelo solamente entran los muertos. Lo único que permite el modelo para pasar a muerto, es haber pasado por infectado, y estos solo pueden venir de los sanos. La única forma de que se ajuste una curva decreciente de infectados, es que se agote el suministo de sanos. Es decir, que para modelar los datos observados post-hoc, estás asumiendo que el suministro de sanos no inmunes se paró. ¿Cómo vas a extrapolar esto a toda la población (y no sólo la foto fija de los que han fallecido)? ¿cómo va a ser el R0 constante (no lo es, ver [1]) e independiente de la movilidad reducida por el confinamiento (no lo es, ver [3])? ¿No ves que estás usando datos no curados?
[1] https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual/nCov-China/documentos/20200417_ITCoronavirus.pdf
[2]
[3] Correlación entre mortalidad del Covid-19 y movilidad: La responsabilidad es nuestra
Publicado hace 4 años por
AlvaroLab
a
naukas.com
#41 Gracias por tus observaciones y por tus referencias, francamente interesantes. Intento contestar.
Evidentemente que cada paciente es distinto y no para todos se cumplen los mismos tiempos de recuperación, pero importa más que nada el promedio puesto que estamos aproximando el país en conjunto. Hay variantes del SIR que asumen que por ejemplo gamma (cuyo inverso es ese tiempo) sigue una distribución determinada (gaussiana, Erlang, etc.) en lugar de un valor fijo, pero la evolución de las curvas cambia poco. Siempre es buena idea intentar primero con modelos muy simples, y sólo empezarlos a complicar si te ajustan mal. Ese principio es el que estoy siguiendo: vamos a ver qué pasa si asumo todo constante todo el tiempo. ¡Hostia, tú, que ajusta bien! De momento no me complico más.
En cuanto al ajuste en sí, creo que estás comentando lo que en jerga de Machine Learning llamamos el problema del sobreajuste (overfitting en inglés), es decir, que yo debería ajustar un modelo para un periodo y luego ver qué pasa en otro periodo, aparte del ya ajustado. Totalmente cierto, y por eso al final hago predicciones, porque el brote no ha terminado. Ese es mi periodo de test. Cuando hice esto estábamos a 5 de mayo, y si el modelo va bien predice cosas como estas:
- A finales de mayo todavía estaremos en torno a los 50 muertos diarios.
- Hasta finales de junio seguirá habiendo muertos todos los días.
- El total de muertos (según lo que dice el Gobierno, ya he comentado en otra respuesta que en realidad son más, pero eso sólo subiría la curva hacia arriba) será de 30 mil (la realidad será que será algo más de 40 mil).
Por último sí, por las asunciones del modelo SIR la extinción de un brote se produce porque se agota el suministro de sanos S. Lo que discuto yo es la posibilidad (ojo, posibilidad, no estoy asegurando nada) de que efectivamente se haya agotado ya el suministro de sanos susceptibles de enfermar. Es decir, que aunque en la seroprevalencia salga el 5% eso no significa que el 95% restante todavía esté susceptible de enfermar. Puede ser que no; bien porque haya inmunidad de partida en un gran porcentaje de la población (es como si fueran R desde el principio, no S), bien porque desarrollan tan pocos anticuerpos que no son detectados como I ni siquiera a posteriori, aunque en realidad sí lo hayan sido... Muchos motivos.
En cuanto a R0 constante, aquí está la gracia de todo. Está claro que el confinamiento reduce el R0, ¡pero sólo si se hace a tiempo, cuando I todavía es muy bajo y hay muchos S, de lo contrario ya no! Si de verdad hubiera reducido R0 los contagios no sólo es que yo no podría ajustar un modelo para todas las muertes (me saldría bien antes del confinamiento, y mal después, o al revés), sino que en la propia curva de muertes (la de verdad) se observaría un salto. Una discontinuidad como unas 2-3 semanas después de habernos confinado. Porque al haber reducido R0 mucho, y al ser proporcionales las muertes a los contagios, si tú reduces R0 de repente, reduces también las muertes de repente, únicamente que con un retardo temporal correspondiente eso, al periodo que tarda la enfermedad en matarte. Pero eso no se observa por ningún lado. SIgue una curva suave (si haces una media ponderada que mitigue los "efectos fines de semana" y demás oscilaciones que hay si tomas los datos diarios al pie de la letra),
#42
No estoy hablando de overfitting en concreto, aunque esté relacionado. Estoy hablando de fundamentos de validación estadística. No me importa usar jerga de ML si quieres.
El hecho de que tu modelo haga una buena predicción de lo que está pasando ahora, condicionado al confinamiento, no quiere decir nada sobre lo que pasaría si no lo hubiera. El modelo aprende el parámetro de transmisión constante (uno que no puede ser constante, pero que en media está funcionando como tal), y predice bien las consecuencias de esa situación media, de pre y post confinamiento. Al tener una mayor dispersión en el tiempo la distribución de muertes, es muy plausible que los muertos sigan la tendencia de la cola sin incrementar el número de infectados de manera significativa.
Lo de usar modelos simples me parece bien. El problema es que no los estás validando en realidad, pues estás usando datos mixtos que dependen de factores no aislados. Como digo, para demostrar que el confinamiento no hizo nada, los modelos ajustados en base a datos no condicionados al confinamiento, y el modelo ajustado en base a datos condicionados al confinamiento deberían ser iguales. No creo que puedas hacer esa comparación sólo usando los datos de muertes (ya sin tener en cuenta la mayor incertidumbre que estos exponen).
Por terminar. Me sorprende que no seas capaz de ver el error de bulto que cometes. Estás asumiendo lo mismo que concluyes!! Y me sorprende aún más que te hayas venido a meneame a responder a todo comentario que existe ahondando en tu error (error que han visto varios que, sin ser arrogantes, no han expuesto su formación: te sorprenderías del nivel de algunos usuarios), y te sigas creyendo más listo que nadie.
Insisto, sin acritud, estás cometiendo un error de novato y ni te das cuenta.
#43 Estoy siguiendo el método científico, el de intentar verificar una hipótesis. El razonamiento es el siguiente:
1) Hipótesis: supongamos que el confinamiento no haya servido de nada.
2) En ese caso podría intentar ajustar un modelo que asume transmisión constante, y debería casar razonablemente bien con lo observado.
3) ¿Qué modelo hay en epidemiología que asuma eso, y que además sea lo más sencillo posible? (Precisamente por no ser experto en epidemiología) Vale, el SIR.
4) ¿Qué es lo que debería yo intentar que el SIR saque como output para verificar que casa con la realidad? Dado que la población susceptible S se desconoce, y que los infectados I están tremendamente infraestimados por falta de tests e infectados asintomáticos, sólo me queda la R.
5) ¿Qué incluye R? Recuperados y muertos, pero como los recuperados también están infraestimados (mucha gente se ha recuperado silenciosamente en sus casas, y todos los infectados asintomáticos ya no activos ya están recuperados), entonces sólo me quedan los muertos como lo único (medio) fiable.
6) Bien, pues intento hacer eso y resulta que sale todo razonable. El SIR ajusta bien los muertos, la tasa de mortalidad interna sale en torno al 1.4%, lo cual casa bien con las estimaciones médicas, el tiempo de recuperación sale que es 22 días (lo cual también casa con el consenso médico aunque tú disientas), y lo único es que la tasa de contagios ha sido mucho más alta de lo que dicen. El R0 sale en torno a 7.7, cuando se dice que es de 2.5 o así. De todas formas, no me parece descabellado esto porque como precisamente hay infectados sin detectar a punta pala, eso necesariamente quiere decir que el contagio ha sido mucho mayor de lo que está saliendo por casos confirmados.
Por otro lado, si la hipótesis fuera falsa (y la tuya cierta, es decir que el R0 ha ido decreciendo, porque lo tuyo también es una hipótesis, no es un hecho contrastado, de hecho tú también quieres concluir que el confinamiento ha sido útil -tu hipótesis-, pero a diferencia de mí no me das argumentos claros que demuestren tu teoría, simplemente lo pones como dogma), entonces el modelo no ajustaría ni de coña, porque asume que R0 es constante. Entonces a lo mejor ajustaría bien antes del confinamiento, pero de puto culo después (porque el confinamiento habría introducido un descenso muy considerable en dicho R0). O al revés: si consiguiera ajustar bien tras el confinamiento entonces fallaría en la fase pre.
De hecho he intentado ajustar un modelo en 2 trozos porque me parecía extraño: uno con un R0_1 pre-confinamiento y un R0_2 post-confinamiento (con R0_1 > R0_2, obvio, porque yo no discuto que el confinamiento reduce el contacto social, eso sería una gilipollez). ¿Sabes lo que pasa? Pues que entonces el modelo para ajustar lo mejor posible a las muertes hace R0_1 = R0_2. Exactamente iguales. En cuanto usas 2 factores distintos el ajuste es peor. Da igual que toques el tiempo de recuperación, no hay manera de que produzca un ajuste igual de bueno que siendo idénticos.
Más aún fuera de la teoría; si fuera falso que la población susceptible S ya se ha agotado, entonces impepinablemente habrá rebrotes ahora al desconfinarse. No se observa tal cosa; es verdad que es un poco pronto -han pasado 2 semanas desde que se levantó el arresto domiciliario estricto-, pero el fin de semana que viene ya estará bien claro. Si no hay rebrotes es que quedan ya muy pocos S. Y dirás, "pero es que donde se está levantando más el desconfinamiento es donde hubo menos casos". Claro, pero precisamente es donde quedarían más S (porque atizó menos), así que es precisamente donde deberían verse más rebrotes.
No me creo más listo que nadie, pero cuando alguien me dice que me he equivocado (que me puedo equivocar, como todos), exijo que me dé argumentos convincentes que me convenzan de ello. Yo no veo el error metodológico, francamente. Si lo que te chirría es el titular del Menéame (que eso sí te admito que es algo pretencioso, pero no es mío, sino de un amigo que decidió poner el enlace aquí), de este modelo tampoco se deduce que esta necesariamente sea la realidad, significa simplemente que no puede desecharse la posibilidad de que el confinamiento no haya servido de nada. Ni debería desecharse, porque en caso de que fuera esa la realidad es una enseñanza muy buena para el futuro (lo que pasa es que muchos gobiernos quedarían como el culo, y el varapalo económico habría sido evitable).
No puede desecharse porque suponiendo que haya sido así, es posible ajustar un modelo que casa bien con lo observado. Y es simple: por la navaja de Occam, veo más plausible suponer que esto se hizo tarde, como se hizo tarde se colapsó, y como se colapsó y llegó a su tope natural precisamente por eso mismo ya no cabe temer gran cosa, y que por eso no se observan rebrotes. Más plausible que suponer un R0 desconocido, que va disminuyendo de manera desconocida por un montón de medidas de distanciamiento y protección diferentes cuya influencia individual no se puede cuantificar de manera clara. Y más plausible que el hecho de que países con confinamientos mucho menos estrictos no tengan una cifra de muertos bestial, porque esto no sólo va de España. Si lo hacen menos estricto, entonces bajan su R0 mucho menos, luego sus infectados deberían subir mucho más, y consecuentemente los muertos también. Si (casi) todos los que confinaron confinaron tarde, entonces el brote dura lo mismo en casi todas partes, cosa que por cierto ya se va observando https://www.timesofisrael.com/top-israeli-prof-claims-simple-stats-show-virus-plays-itself-out-after-70-days/
#45 Para demostrar una hipótesis, de forma estadística, hay que descartar la contraria.
Tu razonamiento deductivo no es científico. Si no lo ves, no es mi responsabilidad ayudarte. Creo que tienes formación suficiente para ver tu error, si eliminarás los prejuicios.
Por otra parte, con respecto al R0, que dices que es mi hipótesis, basta ver el informe de sanidad. Si te quieres poner conspira pico con ello, perfecto, pues irá el la línea de tu ya paranoia ahondando en tus errores.
#5 Yo soy doctor en informática y sé que no hay por donde coger el razonamiento que usa. Si te vale como falacia de autoridad, perfecto. Si no te explico dónde están los dos errores fundamentales.
Pero mira, en #8, una persona que no lo entiende por completo ya va pillando una parte del error. Aunque no todo.
#12
En primer lugar ajusta el modelo con datos pre y post confinamiento, asumiendo que no hay ningún factor adicional. Pero el modelo que utiliza no es capaz de contemplar factores adicionales. La consecuencia es lo que tú indicabas, que implícitamente se asume R0 constante.
El fallo no lo ve porque el modelo se le ajusta a "predicciones futuras" de las últimas semanas. Pero es que el modelo ya está ajustado a una propagación del virus disminuida.
El segundo error, gravísimo, es que asume que el tiempo que pasa desde la infección y la muerte es constante, y de 5-6 +14 días. Porque asume falsamente que para pasar de I a R pasan 14 días.
Esto da lugar a dos conclusiones, erróneas. La primera es que el pico de contagios es muy anterior al confinamiento, pero en el fondo está derivada de que asume -3 semanas desde que lo pillas hasta que mueres. Esto no lo aporta el modelo. La segunda conclusión errónea es que no hubiera pasado nada por no confinar, ya que el modelo indica que la curva sería igual. Error de novato, pues en el fondo está ajustando la curva post hoc. Para hacer esto debería sólo usar datos de contagiados antes del confinamiento y comparar si los modelos resultantes son probablemente iguales.
Vamos. Una tautología donde de A derivo A.
#13 Hola vladrik, ¿por qué dices que es falso que para pasar de I a R tengan que pasar 14 días? El consenso médico es que incluso puede pasar más tiempo, pero el mínimo son 3 semanas, de las cuales 1 es de incubación, y las otras 2 de síntomas ya claros, complicaciones, etc. (https://grupoinfeccsomamfyc.wordpress.com/2020/04/01/periodo-infectivo-en-pacientes-covid-cuando-finalizar-el-seguimiento/). Por eso se pone a la gente en cuarentena 2 semanas. Porque desde que empiezas con síntomas durante 2 semanas al menos eres infeccioso y no se te puede considerar recuperado. En cuanto a los casos peores, se pueden tirar en UCI bastante más tiempo: https://www.lavanguardia.com/vida/20200322/4817187506/los-que-van-a-ir-mal-estan-28-dias-en-la-uci-los-que-van-bien-11-hay-que-pensarlo.html
Por otro lado, asumir ese tiempo constante (sea el que sea) es una de las suposiciones del modelo SIR, en concreto el parámetro gamma, como sigo discutiendo en twitter.com/jorloplaz/status/1261584645361143808 A mí me sale que si quieres ajustar las muertes lo mejor posible, ese gamma es de 22 días.
Además, lo de pre y post-confinamiento es precisamente lo que quiero demostrar, que usando exactamente los mismos valores en la fase pre y post se ajustan bien las muertes, también tanto las pre como las post. Si de verdad el confinamiento hubiera frenado las cosas habría 2 tramos bien diferenciados, 2 comportamientos distintos, y por tanto no podía ajustar bien las muertes ni de coña. O bien ajustaría bien solo las pre, o bien sólo las post, pero no ambas.
#20
En primer lugar, por lo que sabemos de la enfermedad [1], desde la exposición al virus hasta la muerte pueden pasar desde 2 hasta 10 semanas, con una distribución desconocida. Puesto que modelas en base a muertes, no podemos asumir un desplazamiento constante desde la exposición, sin asumir un error amplio.
En segundo lugar, claro que el modelo SIR asume tiempo constante, y asume tasa de contagios constante, y no dudo de que sepas bien como funciona el modelo, ni como se ajusta. El problema es que, como seguro que también sabes, no se puede pretender ajustar un modelo paramétrico (con unas premisas) a unos datos que no cumplen esas premisas, y sacar conclusiones válidas de ello. Y esto no quiere decir que no puedas ajustarlo: cláro que se puede. Pero hay que tener mucho cuidado con interpretarlo literalmente.
Con respecto a demostrar pre y post confinamiento con tu modelo. Y aquí me tengo que poner muy serio ya. ¿De verdad crees que puedes sacar esa conclusión del hecho de que un modelo determinado se ajuste a tu conjunto de entrenamiento?. Pero si lo que quieres demostrar es lo que asumes... tendrás que usar un conjunto de datos held out para validar tu modelo ¿no?. Esto ya sin necesidad de meternos en analizar por qué tu modelo parece funcionar falsamente.
Por último, viendo tus nuevos twits, me doy cuenta de que, puedes saber ajustar un modelo con todo el detalle del mundo, pero es evidente que no sabes lo que estás haciendo para aplicarlo. Y me refiero específicamente a [2]. En tu modelo solamente entran los muertos. Lo único que permite el modelo para pasar a muerto, es haber pasado por infectado, y estos solo pueden venir de los sanos. La única forma de que se ajuste una curva decreciente de infectados, es que se agote el suministo de sanos. Es decir, que para modelar los datos observados post-hoc, estás asumiendo que el suministro de sanos no inmunes se paró. ¿Cómo vas a extrapolar esto a toda la población (y no sólo la foto fija de los que han fallecido)? ¿cómo va a ser el R0 constante (no lo es, ver [1]) e independiente de la movilidad reducida por el confinamiento (no lo es, ver [3])? ¿No ves que estás usando datos no curados?
[1] https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual/nCov-China/documentos/20200417_ITCoronavirus.pdf
[2]
[3] Correlación entre mortalidad del Covid-19 y movilidad: La responsabilidad es nuestra
Publicado hace 4 años por
AlvaroLab
a
naukas.com
#41 Gracias por tus observaciones y por tus referencias, francamente interesantes. Intento contestar.
Evidentemente que cada paciente es distinto y no para todos se cumplen los mismos tiempos de recuperación, pero importa más que nada el promedio puesto que estamos aproximando el país en conjunto. Hay variantes del SIR que asumen que por ejemplo gamma (cuyo inverso es ese tiempo) sigue una distribución determinada (gaussiana, Erlang, etc.) en lugar de un valor fijo, pero la evolución de las curvas cambia poco. Siempre es buena idea intentar primero con modelos muy simples, y sólo empezarlos a complicar si te ajustan mal. Ese principio es el que estoy siguiendo: vamos a ver qué pasa si asumo todo constante todo el tiempo. ¡Hostia, tú, que ajusta bien! De momento no me complico más.
En cuanto al ajuste en sí, creo que estás comentando lo que en jerga de Machine Learning llamamos el problema del sobreajuste (overfitting en inglés), es decir, que yo debería ajustar un modelo para un periodo y luego ver qué pasa en otro periodo, aparte del ya ajustado. Totalmente cierto, y por eso al final hago predicciones, porque el brote no ha terminado. Ese es mi periodo de test. Cuando hice esto estábamos a 5 de mayo, y si el modelo va bien predice cosas como estas:
- A finales de mayo todavía estaremos en torno a los 50 muertos diarios.
- Hasta finales de junio seguirá habiendo muertos todos los días.
- El total de muertos (según lo que dice el Gobierno, ya he comentado en otra respuesta que en realidad son más, pero eso sólo subiría la curva hacia arriba) será de 30 mil (la realidad será que será algo más de 40 mil).
Por último sí, por las asunciones del modelo SIR la extinción de un brote se produce porque se agota el suministro de sanos S. Lo que discuto yo es la posibilidad (ojo, posibilidad, no estoy asegurando nada) de que efectivamente se haya agotado ya el suministro de sanos susceptibles de enfermar. Es decir, que aunque en la seroprevalencia salga el 5% eso no significa que el 95% restante todavía esté susceptible de enfermar. Puede ser que no; bien porque haya inmunidad de partida en un gran porcentaje de la población (es como si fueran R desde el principio, no S), bien porque desarrollan tan pocos anticuerpos que no son detectados como I ni siquiera a posteriori, aunque en realidad sí lo hayan sido... Muchos motivos.
En cuanto a R0 constante, aquí está la gracia de todo. Está claro que el confinamiento reduce el R0, ¡pero sólo si se hace a tiempo, cuando I todavía es muy bajo y hay muchos S, de lo contrario ya no! Si de verdad hubiera reducido R0 los contagios no sólo es que yo no podría ajustar un modelo para todas las muertes (me saldría bien antes del confinamiento, y mal después, o al revés), sino que en la propia curva de muertes (la de verdad) se observaría un salto. Una discontinuidad como unas 2-3 semanas después de habernos confinado. Porque al haber reducido R0 mucho, y al ser proporcionales las muertes a los contagios, si tú reduces R0 de repente, reduces también las muertes de repente, únicamente que con un retardo temporal correspondiente eso, al periodo que tarda la enfermedad en matarte. Pero eso no se observa por ningún lado. SIgue una curva suave (si haces una media ponderada que mitigue los "efectos fines de semana" y demás oscilaciones que hay si tomas los datos diarios al pie de la letra),
#42
No estoy hablando de overfitting en concreto, aunque esté relacionado. Estoy hablando de fundamentos de validación estadística. No me importa usar jerga de ML si quieres.
El hecho de que tu modelo haga una buena predicción de lo que está pasando ahora, condicionado al confinamiento, no quiere decir nada sobre lo que pasaría si no lo hubiera. El modelo aprende el parámetro de transmisión constante (uno que no puede ser constante, pero que en media está funcionando como tal), y predice bien las consecuencias de esa situación media, de pre y post confinamiento. Al tener una mayor dispersión en el tiempo la distribución de muertes, es muy plausible que los muertos sigan la tendencia de la cola sin incrementar el número de infectados de manera significativa.
Lo de usar modelos simples me parece bien. El problema es que no los estás validando en realidad, pues estás usando datos mixtos que dependen de factores no aislados. Como digo, para demostrar que el confinamiento no hizo nada, los modelos ajustados en base a datos no condicionados al confinamiento, y el modelo ajustado en base a datos condicionados al confinamiento deberían ser iguales. No creo que puedas hacer esa comparación sólo usando los datos de muertes (ya sin tener en cuenta la mayor incertidumbre que estos exponen).
Por terminar. Me sorprende que no seas capaz de ver el error de bulto que cometes. Estás asumiendo lo mismo que concluyes!! Y me sorprende aún más que te hayas venido a meneame a responder a todo comentario que existe ahondando en tu error (error que han visto varios que, sin ser arrogantes, no han expuesto su formación: te sorprenderías del nivel de algunos usuarios), y te sigas creyendo más listo que nadie.
Insisto, sin acritud, estás cometiendo un error de novato y ni te das cuenta.
#3 Golpistas Asesinos
Hay equidistancia?
#4 Tal cual. Argumentar que los ancianos no deberían contar como muertos para un indicador, tanto del avance de la pandemia, como de la capacidad de gestión y riesgos asociados a esta, es realmente perverso. Y básicamente se reafirman.
#29 Será desde la terraza del bar, salvo que estés recogiendo un pedido.
En el artículo habla de la "opinión" de los expertos como algo a valorar, cuando en ciencia la opinión que pueda tener cualquiera, independientemente de su nivel de experiencia, no vale nada. Lo que valen son las valoraciones basadas en datos y el análisis riguroso de los mismos, lo que permite diferenciar lo que sabes de lo que no sabes.
Creo que el artículo saca de contexto la frase "hacer social la ciencia es bajarla de su pedestal". Lo que quiere, claramente, decir es que la sociedad tiene idealizados a los científicos como si fueran magos. Y que para que la ciencia sea valorada socialmente, la sociedad debe dejar de pretender poner a los científicos en pedestales. No que los científicos se crean que están en un pedestal. Mas bien al contrario. Los científicos de mayor relevancia, en mi experiencia, suelen ser gente muy afable y sin arrogancia, y son los primeros que intentan apagar, con su actitud, cualquier inclinación del interlocutor a caer en la falacia de la autoridad cuando le piden "opinión". Un buen científico no te da su opinión, sino su valoración objetiva. Ahora bien, gilipollas los hay en todos los ámbitos. Aunque en ciencia los arrogantes tienen las patas muy cortas.
#4 El mismo titular del artículo es ya tan ridículo que no sé si merece la pena leer el resto.
#6 #2 Ambas cosas no son incompatibles. Una cosa es no prohibir la venta de coches diesel (cosa que es lógica) y otra diferente seguir limitando el uso de coches diesel en ciudad para no alcanzar niveles de NOX insalubres (cosa que también es lógica).
El coche diesel sigue siendo la alternativa más ecológica para los desplazamientos entre ciudades en vehículo personal, hasta que el desarrollo del coche 100% eléctrico esté más avanzado. Lo que debería prohibirse es la venta de microhíbridos no enchufables a gasolina.
@ValaCiencias
Bueno, puede que no lleguemos a un acuerdo. Pero igualmente dejame explicar.La voluntad de pertenecer a un grupo y soportarlo es el incentivo, sí, pues no hay otro. Sin esa voluntad, te queda el anarquismo individualista de Tucker, que es una postura válida, o el mutualista de Proudhon, que también. No hay problema siempre y cuando tu concepto de libertad se ajuste a: "mi libertad empieza donde empieza la libertad de los demás". Es decir, ser consciente que para ser libre debes hacer lo posible para que los demás lo sean. En eso está todo el anarquismo de acuerdo. A excepción del llamado anarco-capitalismo, que cambia su máxima de libertad por la del liberalismo: "mi libertad empieza donde termina la de los demás".
Llegar al consenso en la máxima de libertad implica el consenso en todo lo demás. Si cambias esa máxima nunca llegarás al consenso. Es más, no podrás concebir que este exista, y nadie será libre realmente.
Si no consensuamos eso... pues nada.
Saludos
@ValaCiencias
Bien, "si no hay consenso ¿Qué sigue?", es una pregunta que está muy bien. Pero es que el consenso ha de haberlo en una comunidad que se plantea que quiere solucionar los problemas juntos. El consenso surge siempre que hay voluntad de buscarlo, de ceder, de abstraer, hasta un punto razonable. Lo contrario es competir por "llevarse la perra gorda" y solo puede derivar en violencia.
De ahí que te planteara las preguntas sobre el capitalismo (por poner un ejemplo, eh), porque es esencial que esa pregunta que planteas no tiene solucion en ninguna organización social que se base en la competencia ajena a la razón y no en el acuerdo mutuo en igualdad de condiciones negociadoras. Y es que veas que no hay otra forma no violenta que no sea la busqueda libre del consenso, en colaboración con la sociedad, con autodisciplina. Cualquier otra cosa implica coaccionar. El no tener voluntad de consenso, implica coaccionar. Y con voluntad de consenso, siempre hay consenso.
@ValaCiencias
Bueno, el capitalismo no tiene solución para a la falta de consenso. Es más la falta de consenso desembocaría en monopolios/oligopolios, y la falta de gestión coordinada provoca un uso no eficiente de los recursos, de ahí que por lo general se formen consorcios de compañías para su gestión ante tales situaciones, i.e. monopolios, con la única salvedad de que en vez de buscar el bien común con la participación de todos los interesados, se busca el beneficio propio de los que tienen capital suficiente para participar en ello.
En otro orden de cosas. Cómo evitas la emergencia del marketing favorecedor de la necesidad diseñada? marketing fraudulento? obsolescencia programada? y volviendo al tema fundamental y problema del liberalismo: La propiedad privada tiene un límite?
@ValaCiencias
Bueno, a ver, no es necesario un poder central, sí es necesaria una organización que permita la gestión, con una burocracia mínima. Si, por ejemplo, las reservas de cobre están bajo mínimos y hay que buscar alternativas, esta búsqueda de alternativas se haría colaborativamente y en previsión. Esto es, los productores de cobre colaboran con los consumidores de cobre. Puesto que el cobre es de todos y simplemente se ponen los medios para su extracción porque es necesario para algo. Se trataría de priorizar de mutuo acuerdo qué sectores pueden prescindir del cobre y cuales no, y no sería necesario esperar a su escasez para subir el precio, puesto que habría que planificarlo de antemano. Es decir, la viabilidad de algo no se basa en dinero, sino en otras cosas como las que comentas, ergo no es necesario convertirlo a dinero, pues este no tiene sentido. Podría haber un sistema de gestion horizontal, siempre sujeto a excrutinio público.
Valaciencias, te contesto aquí.
Me dices que supongo una serie de cosas que no son ciertas, como que yo considero que las cosas se pueden distribuir y replicar a coste cero... Y también afirmas que no soy consciente de que a veces es dificil llegar a un consenso. Bien, pues te equivocas. Soy consciente y aun así mantengo mi postura.
También afirmas que para mantener una propiedad colectiva es necesaria una burocracia monstruosa... En fin, y esto se lo dice un "anarquista" a otro. El anarquismo es anarquismo y se basa en la autogestión y libre asociación. En comunismo libertario yo puedo gestionar por mi mismo, una parcela o una fábrica, por ejemplo. Sin problema ninguno. Pero eso no significa que, si en un momento determinado mi posesión entra en conflicto con el común deba cederlo, pues no era mío en primer lugar.
Bien, ahora, el debate sería: es la libertad compatible con propiedad privada? (privativa, que priva incondicionalmente al resto, tiene un límite? tu propiedad eres tú?)
#50 No es una cuestión de opinión. Lo que yo opine no importa. Ya te he demostrado tu error desde la primera respuesta. Solo hay que mirar la documentación.