Koronavirüs: Neye Güvenebiliriz ve Neyi Göz Ardı Etmeliyiz?

Bu metin, Sylvia Richardson ve David Spiegelhalter tarafından yazılan ve 12 Nisan 2020 tarihinde The Guardian’da yayımlanan makalenin çevirisidir. Çeviri, Doğruluk Payı stajyeri Esin Cansu Yılmaz tarafından hazırlanmıştır.

Salgının etrafında oluşan veriler, grafikler ve tahminler kafa karıştırıcı nitelikte. İki uzman bize bu labirentte yol gösteriyor.

Son birkaç hafta istatistiklerden oluşan durmak bilmez bir epidemi gördü. Bu bilgi seli hepimizi bunaltmakla tehdit ediyor ancak bütün bu sayılar ne ifade ediyor? Aşağıdaki sekiz istatistiği, bunlara ne kadar güvenebileceğimizle ilgili uyarılarla birlikte görebilirsiniz.

1. Günlük yeni vaka sayısı 

Bu sayı, yapılan test sayısına önemli bir biçimde bağlı olduğu için gerçekten enfekte olan insanlar sayısının yetersiz bir yansıması olabilir. Örneğin 9 Nisan’a kadar, Almanya’da 1,3 milyon test yapılmışken bu sayı Birleşik Krallık’ta 317 bin idi.

2. Günlük ölüm sayısı 

Kaynakların aralığı oldukça şaşırtıcı olabilir. Günlük ölüm sayısı duyurularına dikkatli yaklaşılmalıdır, çünkü bu sayılar yalnızca koronavirüs testi pozitif çıkan hastaların hastanelerde gerçekleşen ölümlerini kapsamaktadır ve genellikle bu sayıların raporlanmasında birkaç gün, hatta bazen daha da uzun bir süre gecikme yaşanabilir. Örneğin 27 Mart’ta İngiliz hükümeti İngiliz hastanelerinde gerçekleşen 926 Covid-19 kaynaklı ölümü açıklamışken, Birleşik Krallık Ulusal Sağlık Servisi şimdi doğru sayının aslında 1,649 olduğunu söylüyor. En ideal değerlendirme Ulusal İstatistik Ofisi tarafından derlenen ölüm belgeleri: bu verilere göre ise 27 Mart’ta en az 1,568 Covid-19 kaynaklı ölüm gerçekleşti. Bu sayı yeni kayıtlar geldikçe değişebilir.

3. Toplam ölüm sayısı

Toplam ölüm sayılarını veren tablolar hükümetlerin günlük basın toplantılarında gösteriliyor, ancak bu veri trendlerini gözlemlemek için sağlıksız bir araç: trendin yatay seviyeye (yani peak noktası olmayan) geçip geçmediğini görmek için günlük sayılara ihtiyacımız var. Ama günlük sayılar da dengesiz olabilir, bu yüzden eğilimleri görmek için bazı düzeltmeler yapılmalı: örneğin World in Data sitesi üç günlük hareketli ortalamayı kullanıyor.

4. Logaritmik ölçekte kaydedilmiş sayılar

Burada 1, 10, 100, 1.000 gibi sayıların tanımlandığı bir dikey eksen olacak. Bunlar eğilimleri karşılaştırmak için yararlı olsa da sorunun büyüklüğüyle ilgili bir izlenim edinmede işe yaramaz.

5. Modellerle oluşturulan tahminler

Bilgisayar modellemeleri iki şekilde olabilir. Birincisi, virüsün bir toplulukta hangi mekanizmalarla yayıldığıyla ilgili basitleştirilmiş tahminler yaparak epideminin kendisini modellemeye çalışır. Ortalama kaç kişinin enfekte olacağı gibi önemli sayılar, epideminin başında oldukça belirsiz olmakla birlikte daha çok veri toplandıkça daha belirgin hale gelir. Bu tip modeller Birleşik Krallık gibi ülkelerde uygulanacak politikaların sonuçlarını tahmin etmenin temelini oluşturdu.

İkinci tip model ise tamamen deneyime bağlı olarak oluşturuluyor ve gözlenen verilerden eğriler oluşturularak eğrinin şeklinin gelecekte nasıl olacağına dair güçlü tahminler yürütmeye dayanıyor. Bu tip tahminler birkaç veri noktasının değerine oldukça hassas şekilde bağlı oldukları için temkinli bir şekilde incelenmelidir. 9 Nisan’da ABD’deki Sağlık Ölçümleri ve Değerlendirme Enstitüsü (IHME), Birleşik Krallık’ta nihai olarak 66.000 Covid-19 kaynaklı ölüm tahmini yapmıştı ancak bu tahmin üç gün sonra 37.000’e düşürüldü. Böyle modellemeleri ciddiye almak zordur. Medya tarafından nadiren söylense de model tahminleri her zaman belirsizliği/değişkenliği kabul etmelidir.

6. Fazladan ölümler

Bu zaman aralığında Covid-19’a veya karantina uygulamalarına bağlı olarak kayda geçecek ekstra ölümlerin sayısı da oldukça tartışmalı. Koronavirüs yüzünden, herkesin erişimindeki sağlık hizmetinin azalması sebebiyle, ev içi şiddet ile işsizlik ve fakirliğin etkileriyle hayatlar kaybedilecek. Bununla birlikte daha az gerçekleşen kazalar ve iyileşen hava kalitesi sayesinde hayatlar kurtarılmış olacak. Ölümün yer değiştirmesi veya ‘’hasat etkisi’’ olarak adlandırılan bu fenomene göre, şu anda ölen insanların bir kısmı (ne kadarı olduğu tartışmalı olsa da) zaten önümüzdeki sene içinde ölmüş olacaktı. Yine de bu olayın yaratacağı genel etkiyi tahmin etmesi güç olduğundan cüretkar iddialara şüpheyle yaklaşılmalıdır.

7. Enfekte olmanın ölüm riski

Bu oran normal risklerde olduğu gibi yaş ve bünyenin hassaslığına göre büyük değişimler gösteriyor. Hatta şu anki tahminlere göre kamu (sağlık çalışanları dışarda tutulursa) her yıl yüzleştiğimiz benzer risklerle karşı karşıya ama hepsi birkaç hafta içine sığdırılmış şekilde.

8. Antikor testlerinin doğruluğu 

Görünüşte doğru olan antikor testleri bile yanlış bağışıklık güvenine sebep olabilir. Ancak bu daha az doğru testler eğer bağışıklık kazanmış nüfus oranını saptamak için temsili örnekleme uygulanırsa iyi olabilir.

Son olarak bir ülkenin istatistiklerini virüsü kontrol altına almak için uyguladıkları önlemlerle birlikte açıklamak oldukça çekici: Örneğin, İsveç’in daha serbest olan politikası, karantina uygulaması kadar etkili mi? Ülkeler çok fazla konuda değişkenlik gösteriyor: temel nüfus göstergeleri, riayet ve sosyal ağlar, test kapasitesi ve politikası, sağlık sistemi özellikleri gibi… Eski İsveç Başbakanı Carl Bildt, İsveçlilerin zaten “sosyal mesafe kurallarına uymaya genetik bir eğilimleri var” diyerek şaka yapmıştı.