Voorspellen
Graag wil ik de data rondom de corona pandemie in Nederland beter duiden. Enerzijds zijn er heel veel gegevens te vinden en nog meer discussie. Anderzijds mis ikzelf inzichten in de presentaties die ons geleverd worden door de overheid en andere media. Daarom heb ik een reeks artikelen gepubliceerd op LinkedIn onder de noemer 'R-waarde, even wat ruis van de lijn halen'.
Deze pagina bevat een transscript van mijn derde LinkedIn publicatie hierover. De oorspronkelijke titel daarvan was 'R-waarde, even wat ruis van de lijn halen - Deel 3, de glazenbol' en ging over hoe je nu enigszins een uitspraak kan doen over hoe de cijfers zich zullen ontwikkelen in de nabije toekomst.
De originele publicatie en mijn up-to-date voorspeller vind je hier:
In dit derde artikel ga ik mij wagen aan toekomstvoorspellingen. Zoals eerder gesteld is dat namelijk waar de kracht zit in logaritmische grafieken; stabiele exponentiele processen worden rechte lijntjes! En die rechte lijntjes zijn eenvoudig door te trekken.
Let wel, gelijk even een vette disclaimer: dat doortrekken is dus alleen valide onder gelijkblijvende randvoorwaarden. Wisselingen van overheidsbeleid, het opstarten van vaccinaties, het oprukken van de zogenaamde Britse variant (aangeduid met B1.1.7) en bijvoorbeeld groepsimmuniteit zijn randvoorwaarden die we zeer kort door de bocht genomen genegeerd worden. Dit soort zaken kunnen ook ingeschat worden, echter zijn daar complexere berekeningen voor nodig. Voer voor een toekomstig artikel.
Mijn voorspellingen werken als volgt; als beginpunt pak ik het laatste valide weekgemiddelde. Dit doe ik om effecten van ruis te onderdrukken. Vanaf daar kan ik met verschillende R-waardes de helling uitrekenen die een lijn in de logaritmische grafiek moet hebben. Trek ik deze een tijdje door dan ontstaat de waaier van grijze streepjes in de toekomst. Hieronder een voorbeeld waar ik dit toepas op het aantal ziekenhuisopnames:
Dit is dezelfde soort logaritmische grafiek als uit Deel 1. Tevens heb ik de signaalwaarde erbij gezet. Zo kan je zien hoe een verschil van slechts 0.01 in R-waarde, oftewel de afstand tussen de streepjes, er voor zorgt dat veel eerder of later de signaalwaarde pas gepasseerd wordt. De waaier met grijze lijntjes zijn dus theoretische verlopen van het aantal ziekenhuisopnames in de tijd bij verschillende waardes van R.
Twee daarvan heb ik hier een aparte kleur gegeven en gunstig en ongunstig scenario genoemd. Dat is een beetje arbitrair en geen officiële onzekerheidsband. Voor het gunstige scenario baseer ik me (momenteel) op zuiver wat ik zie gebeuren in het aantal ziekenhuisopnames. Bij het ongunstige scenario kijk ik onder water naar veel meer, IC opnames, overlijdens, aantal positieve testresultaten en percentage positieve testresultaten.
Omdat de overheid met meer risiconiveaus werkt, ernstig en zeer ernstig, en omdat we in die laatste zitten wil ik ook de signaalwaardes daarvan inzichtelijk maken. Zo ver ik kan nagaan worden deze risiconiveaus alleen met signaalwaardes aangeduid op het aantal positieve testresultaten. Daarom heb ik hierbij dezelfde grafiek gemaakt voor het aantal positieve tests:
Nu zijn er drie signaalwaarde niveaus aangegeven die corresponderen met de verschillende risiconiveaus zoals de overheid ze hanteert. We lijken rond half januari de barrière naar een niveau lager gepasseerd te hebben.
De bovenstaande logaritmische grafieken kunnen dus gebruikt worden om een gevoel te krijgen wanneer we (onder niet veranderende omstandigheden) op andere risiconiveaus en dus versoepelingen kunnen rekenen. Uiteraard neemt dit niet weg dat de overheid juist nog veel hardere maatregelen zou kunnen nemen om de zorg sneller te ontlasten. Op het moment van herschrijven van dit artikel, 19 januari, is dat ook precies wat er lijkt te gebeuren.
Dezelfde informatie kan ook worden weergegeven in een ‘gewoon’ R-waarde diagram:
De groene en rode lijnen voor het gunstige en ongunstige scenario zijn nu horizontale lijnen omdat deze grafiek de R-waarde zelf op de verticale as heeft staan. De signaalwaarde-lijnen die eerder horizontale lijnen waren veranderen nu in kromme lijnen, een soort hyperbolen. Daarbij valt het op dat de signaalwaarde voor ziekenhuis opnames en de laagste signaalwaarde van het aantal positieve testresultaten vrijwel op elkaar liggen. Dit geeft aan dat de verhouding voor deze signaalwaardes vermoedelijk op elkaar gebaseerd is. Verder is het nu heel duidelijk hoe hele kleine stapjes omhoog in R-waarde, bijvoorbeeld van 0.94 naar 0.97 een verschil van weken, zo niet maanden betekent voordat hetzelfde niveau gehaald kan worden.
Hopelijk is mijn glazenbol iets beter te begrijpen dan de vele getallen en grafiekjes op het overheidsdashboard. Ook hoop ik dat dit kan helpen om inschattingen te maken van het komende overheidsbeleid aangaande de maatregelen in de nabije toekomst voor bijvoorbeeld ondernemers. Uiteraard met de disclaimer dat ik ook fouten kan maken en er geen rechten ontleent kunnen worden, oordeel altijd zelf hoe je de toekomst wil plannen.
Verder lezen
In mijn voorlopig laatste artikelen behandel ik wat er gebeurd zou zijn zonder ingrijpen van de overheid (Deel 4) en hoe vaccinaties enerzijds en de opkomst van de Britse variant (B1.1.7) anderzijds voor invloed hebben (Deel 5).