Terveyden ja hyvinvoinnin laitos sekä Aalto-yliopisto ennustivat viime keväänä koronaepidemian kehitystä. Miten eri mallinnukset epidemian alkuvaiheesta onnistuivat ja mitä niistä on opittu?
Suomen ensimmäinen koronavirustartunta vahvistettiin viime vuonna tammikuun lopussa. Tartuntojen määrä alkoi kuitenkin kasvaa toden teolla vasta viime maaliskuun alussa.
Koronatilanteen kehittymisestä Suomessa tehtiin arvioita, jotka eivät lopulta osuneet kovin lähelle todellisia lukuja. Tehohoitoa ja osastohoitoa sairaalassa tarvitsevien potilaiden määrää arvioitiin selvästi yläkanttiin.
THL:n ensimmäinen ennuste maaliskuussa meni metsään
Maaliskuun 25. päivänä vuonna 2020 Suomessa oli THL:n mukaan sairaalassa osastohoidossa 60 ihmistä ja tehohoidossa 22 ihmistä. Samana päivänä THL julkaisi koronaepidemian senhetkisen ennusteen. Sen perusteella noin 11 300 ihmisen arvioitiin tarvitsevan Suomessa sairaalahoitoa uuden koronaviruksen vuoksi. Heistä tehohoitoa tarvitsisi arvioiden mukaan 3 600 potilasta.
Arvio perustui THL:n ja Turun yliopiston yhdessä tekemään mallinnukseen. Mallinnuksessa osasto- ja tehohoidon tarve oli ennustettu epidemian 18. huippuviikolle, joista yhdeksän viikkoa on ennen epidemian huippua ja yhdeksän viikkoa huipun jälkeen.
Sairaalajakson keskimääräiseksi pituudeksi oli oletettu kahdeksan päivää. Tehohoitoon joutuvalla potilaalla oletettiin olevan sekä kahdeksan päivän sairaalahoito että keskimäärin kahdeksan päivän jakso teho-osastolla. Lisäksi ennusteen pohjana oli oletus, että sairaalaan joutuu keskimäärin kymmenen päivän kuluttua koronatartunnan saamisesta.
Aluksi näyttikin siltä, että osasto- ja tehohoitopaikat täyttyvät nopeasti ja THL:n ennuste toteutuu. Esimerkiksi reilu viikko THL:n ennusteen julkistamisen jälkeen, 2. huhtikuuta, osastohoidossa olevien määrä oli noussut jo 95:een ja tehohoidossa olevien määrä 65:een.
"Onnistui yllättävän hyvin"
THL:n ennuste 3 600 tehohoitopotilaasta ei kuitenkaan lopulta osunut lähellekään todellisia lukuja: 3. kesäkuuta 2020 julkaistun THL:n raportin mukaan toukokuun loppuun mennessä tehohoidossa oli ollut 234 koronapotilasta. Koronan piti ennusteen mukaan täyttää teho-osastot, mutta toisin kävi.
– Jos katsotaan sitä, mitä Suomessa on tapahtunut, kuulostaa varmaan oudolta, kun sanon, että kevään mallinnus onnistui yllättävän hyvin, kertoo THL:n erikoistutkija Simopekka Vänskä.
Hänen mukaansa on ymmärrettävä, mikä malli on. Ennuste muodostuu oletuksista, kuten koronarajoituksista, joiden perusteella epidemia etenee mallinnuksissa oletuksien määrittämällä tavalla.
Vänskä myös kertoo, että pandemian aikana on opittu käyttämään sanaa skenaario, sillä se kuvaa mallinnuksia ennustetta paremmin.
– Tässä on ollut kaksi skenaariota. Toisessa R-arvo on ollut 1,6 ja toisessa 1,8. Se on yksi oleellisimmista muuttujista. Suomessa keväällä rajoitukset olivat niin rajut, että R-arvo putosi alle yhteen, Vänskä kertoo THL:n julkaisemasta ensimmäisestä mallinnuksesta.
Suomen hallituksen rajoitustoimet olivat siis kovempia kuin THL:n mallinnuksessa oletettiin. R-arvo kuvaa sitä, kuinka monta ihmistä yksi sairastunut voi tartuttaa.
Aalto-yliopiston ennuste liippasi lähempää laajan vaihteluvälin vuoksi
Viime maaliskuun lopussa myös Aalto-yliopiston tutkimusryhmä laski ennusteita koronaviruspotilaiden määrästä Suomessa. Ennusteiden vaihteluväli oli suuri epävarmuustekijöiden vuoksi.
– Hyvin tehty mallinnus kertoo arvion siitä, kuinka tarkka ennuste on ja kuinka paljon siinä voi olla heittoa johtuen puutteellisesti tunnetusta nykytilanteesta, epävarmuuksista mallin parametreissa sekä ihmisten tekemien kontaktien synnynnäisestä satunnaisuudesta, sanoo Aalto-yliopiston professori Lasse Leskelä.
Leskelän ja Aalto-yliopiston professorin Mikko Kivelän mukaan ennustemalleissa voi olla myös epätarkkuuksia johtuen siitä, että jotain taudin leviämiselle tärkeää yksityiskohtaa ei mallinneta ollenkaan.
Esimerkiksi useissa malleissa ei ole mukana maantieteellistä komponenttia tai huomattavaa variaatiota siinä, kuinka monen kanssa eri ihmiset ovat yhteyksissä. Jälkimmäisen näistä syistä tiedetään teoreettisesti vaikuttavan hyvinkin huomattavasti leviämisprosesseihin, mutta se on perinteisesti jätetty mallintamatta.
Aalto-yliopiston tekemän ennusteen mukaan 3. huhtikuuta vuonna 2020 Suomessa olisi koronaviruksen vuoksi osastohoidossa vähimmillään 154 ihmistä ja enimmillään 500 ihmistä. Tehohoidossa olevien potilaiden määrä olisi tuolloin vähimmillään 39 ja korkeimmillaan 159.
Todelliset luvut 3. huhtikuuta olivat 108 ihmistä osastohoidossa ja 72 tehohoidossa. Osastohoidon osalta todellinen potilasmäärä jäi paljon alhaisemmaksi kuin ennustettiin, mutta tehohoitopotilaiden määrä sijoittui hyvin 39-159 haarukkaan.
Ennusteen mukaan kahden viikon päästä siitä eli 10. huhtikuuta koronaviruspotilaita olisi koko Suomessa alimmillaan 386 ja enimmillään 2 303. Tehohoidossa olisi vähimmillään 101 ja korkeimmillaan 719 potilasta.
Todelliset luvut 10. huhtikuuta olivat 155 potilasta osastohoidossa ja 81 tehohoidossa. Tässä kohtaa Aalto-yliopiston ennuste meni yläkanttiin molempien lukujen osalta.
Koronarokote on tuonut toivoa rajoitusten poistamisesta ja paluusta normaaliin elämään./All Over Press
Miksi eri mallit tuottavat erilaisia ennusteita?
Leskelä ja Kivelä painottavat, että mitä lyhyemmällä aikahorisontilla ennustetaan, sen tarkempia ennusteita saadaan. Vastaavasti mitä pidemmälle tulevaisuuteen mennään, sitä huonompia ennusteet yleensä ovat.
Pandemian kohdalla pitkän aikavälin tarkka ennustaminen vaatisi professoreiden mukaan poliittisten päätöksentekijöiden käyttäytymisen ennustamista, mikä on käytännössä mahdotonta.
Malleissa on eri oletuksia ja ne voivat käyttää eri dataa.
– Yleisesti ottaen maailmanlaajuisesti viime vuosi oli hyvin aktiivinen epidemiamallinnuksessa ja julkaisuja syntyi valtava määrä tähän epidemiaan liittyen. Eli voisi sanoa, että on opittu valtavasti ennustamisesta ja malleista, jopa niin paljon, että sitä on hankala lähteä erittelemään tarkasti, Leskelä kommentoi.
THL:n erikoistutkija Vänskä puolestaan kertoo, että erot mallinnuksissa ovat yleensä yksityiskohdissa.
Uusi malli
– Tutkijoiden joukossa on tietysti varauduttu mallintamiseen hyvinkin pitkään ja tämän tyyppistä epidemiaa on odotettu saapuvaksi, Leskelä sanoo.
Leskelä ja Kivelä molemmat myöntävät, että koronapandemian mallinnuksessa on vielä paljon opittavaa. Professorit kertovat uudesta NordicMathCovid-hankkeesta, joka pyrkii aiempaa laaja-alaisemmin mallintamaan koronaa ja tulevia epidemioita.
– Esimerkiksi nykyhetkellä mallinnus tapahtuu usein vain yksittäisen valtion sisällä. Meidän juuri käynnistyneessä NordMathCovid-projektissa on yhtenä tarkoituksena katsoa pohjoismaisen mallin mahdollisuutta, jonka avulla voitaisiin ymmärtää, millainen vaikutus on rajojen yli saapuvilla tapauksilla ja eri maissa tehdyillä toimenpiteillä, Kivelä kertoo.
Uudet muunnokset on otettu jo huomioon
THL:ssä infektiosairauksien mallinnusta on tehty koko ajan, mutta koronaviruksen aiheuttamaa epidemiaa ei oltu ennen kohdattu.
– Ei tiedetty, mitkä ovat koronaviruksen ominaisuudet ja parametrit, millä epidemiaa lasketaan mallinnuksissa. Alkuvaiheessa yritimme päätellä Kiinan Wuhanin tiedoista parametrejä, Vänskä avaa.
Alussa Kiinasta saadut tiedot jopa hämmästyttivät mallinnuksen tekijöitä.
– Kun teimme ihan ensimmäisiä laskelmia, vaikutti, ettei tiedot sovi mallinnuksiin. Sen vuoksi niitä ei laitettu eteenpäin. Sitten kävi ilmi hyvin voimakas ikäriippuvuus sairastumisessa. Sairaalaan ja tehohoitoon joutuminen sekä myös kuolleisuus on hyvin voimakkaasti iästä riippuvaa.
Tämän jälkeen laskelmat alkoivat käydä järkeen.
THL:n mallinnusryhmässä on myös opittu muun muassa lasten roolista epidemiaan liittyen.
– Heille ei näytä tulevan vakavaa tautia eikä tartuntojakaan niin paljoa kuin aluksi arvioitiin, Vänskä toteaa.
Nyt THL:ssä pyritään pysymään tilanteen päällä.
– Yritämme pitää mallia Suomen tilanteeseen nähden ajan tasalla. Keväällä lähdettiin vähän niin kuin nollasta liikkeelle, nyt lähdetään Suomen nykytilanteesta.
THL:n mallinnusryhmässä on otettu jo huomioon myös koronavirusmuunnokset, joiden on kerrottu olevan aiempaa tartuttavampia. Vänskä ei kuitenkaan vielä halua paljastaa, miten muunnokset ovat vaikuttaneet mallinnuksiin.
Anna Egutkina työskentelee MTV Uutisten toimittajana, jonka erikoisosaamisalue on Venäjä.
Egutkina tuotti ja juonsi myös Itä Nyt -nimistä ohjelmaa, joka käsitteli pintaa syvemmältä Ukrainan, Venäjän ja itäisen Euroopan ilmiöitä sekä ihmisiä.
Egutkinaan voit olla yhteydessä esimerkiksi juttuvinkkeihin liittyen.
