Denně se na nás valí nezměrné množství informací a asi by se dalo dodat – máme, co jsme chtěli. Otázkou je, zda jsme si opravdu uměli představit, že budeme vystaveni nekonečnému proudu informací, dat a údajů, které jen málokdo z nás zvládne vytřídit a analyzovat, zejména proto, že na to skoro nikdo nemá čas, a navíc je to velmi pracné. Na druhou stranu, když si člověk zasurfuje na sociálních sítích, tak nutně nabude dojmu, že nejméně 90 procent všech debatujících jsou špičkoví informační analytici, a nevěnují se prakticky ničemu jinému. Dá se tak usuzovat ne z kvality obsahu jejich vyjádření, ale podle jistoty, se kterou své názory prezentují. Jak se ale opravdu vyznat v oceánu informací, které jsou nám předkládány k uvěření? O takový vhled se pokusíme s naším hostem, matematikem, který studoval matematické modelování na Matematicko-fyzikální fakultě Univerzity Karlovy. Domnívá se, že matematika je jazykem přírodních věd, a baví se matematickým modelováním různých přírodních jevů a procesů, zabývá se také například zpracováním a predikcí dat a metodami správného usuzování. Proti své vůli byl také zatažen do problematiky koronaviru, kterou považuje za globální epidemii ztráty soudnosti. Naším hostem je matematik Tomáš Fürst. A ještě doplním, že momentálně pracuje na Katedře matematické analýzy a aplikaci matematiky Univerzity Palackého v Olomouci.
Martina: Pane doktore, proč matematika? Řekněte mi, proč právě ona vás přesvědčila, že skrz ni porozumíte světu, životu a klasické otázce: Kam kráčíme?
Tomáš Fürst: Vlastně ano. Původně jsem chtěl studovat fyziku, protože mě vždycky strašně zajímalo, jak a proč funguje příroda, a tak jsem se chystal na to, že někam půjdu studovat fyziku. A zrovna v roce, kdy jsem odcházel ze střední školy na vysokou, jsem se rozhlížel v Praze, otevřeli kombinaci matematika-filozofie mezi matfyzem a Filozofickou fakultou UK v Praze. Tak jsem si říkal, že u toho nemůžu chybět, a šel jsem se podívat, jak to bude fungovat. Takže místo fyziky jsem se zapsal na kombinované mezifakultní studium matematiky, filozofie a nelituji toho, bylo to úžasné, zajímavé. Vydržel jsem jenom první rok, a pak jsem přešel na matematiku, a zůstal tam.
Ale já jsem ještě poslední generace, která pamatuje na Filozofické fakultě třeba Erazima Koháka, což byly krásné přednášky. Skvělé bylo, že jsem chodil z Malé Strany po Karlově mostě na fildu a zpátky, a rád na to vzpomínám. Ale po roce, kdy jsem sedával na přednáškách na fildě, jsem si říkal: „Však jsem mohl sedět na matfyzu, a naučit se něco hlubšího.“
Martina: Něco fundamentálního. Hlubšího?
Tomáš Fürst: Hlubšího, nebo trvalejšího. Něco, co není tak závislé na tom, co si zrovna kdo myslí, ale co jde dokázat, a jak se to jednou dokáže, tak už to bude vždy pravda. Takže jsem potom zůstal na matice, ale v rámci studia matematiky jsem konvergoval zpátky k fyzice. A když jsme se potom dělili podle toho, co studovat a co nestudovat, tak jsem odešel na matematické modelování, což je vlastně aritmetický průměr mezi matematikou a fyzikou, takže jsem matematický fyzik.
Neživou přírodu, auta, domy a podobně, jde matematicky modelovat dobře. Ale u virů, buněk a lidí to jde špatně. Zkuste predikovat, co kočka udělá za pět minut.
Martina: Já jsem si vás pozvala proto, že mě nesmírně zaujal pro mě naprosto originální pohled na současnou situaci, na covid, hlavně na získávání a zpracovávání dat k této epidemii. A také dojdeme k tomu, proč je v naší vědě čím dál tím méně falzifikátů, a jakým způsobem se to promítá do našeho života. To předesílám našim posluchačům proto, aby si nemysleli, že se budeme bavit jen, řekněme pro mnohé, nudné matematice, protože ve vašem podání je matematika skutečně živoucí, když analyzujete a modelujete nejrůznější přírodní procesy. Řekněte mi, opravdu se dá porozumět jevům, které teď prožíváme? A lze je třeba predikovat?
Tomáš Fürst: To je skvělá otázka, a odpověď na ni trvá už asi 300 let s vývojem matematiky. Ale nějak to zkrátím: Matematické modelování znamená, že alespoň trochu znám mechanismus, kterým se systém, který chci modelovat, řídí. Výborně se třeba modeluje kyvadlo: Když pověsím kuličku na špagátek, tak přesně vím, že F=m*a, neboli síla je úměrná zrychlení, což je druhý Newtonům zákon, který známe už 300 let. Známe výborně rovnice, podle kterých se systém řídí, tudíž můžeme napsat rovnice, které popisují chování daného systému. A principem, nebo smyslem tohoto modelování je, že tyto rovnice můžete vyřešit dopředu, a podívat se dopředu, co se stane v realitě, když chcete nějakou predikci. Takže když mám kuličku na špagátku, tak to umím poměrně dobře, protože znám fyzikální zákony.
Matematické modelování má obrovský úspěch zejména ve vědách o neživé přírodě: Auta, letadla, rakety, mosty, všechno, co tady stojí, baráky, statika, celé 20. století je obrovský úspěch matematizovaných věd o neživé přírodě – tam rozumíme úžasným věcem. Rozumíme věcem, které jsou tak malinké, že je nemůžeme vidět, které fungují tak, že to v podstatě neumíme pochopit selským rozumem, ale umíme to modelovat.
Martina: Lidi vám nejdou.
Tomáš Fürst: Lidi nám nejdou. A ne jenom, že nám nejdou lidi, ale už od buňky nám to nejde. Jakmile to začne být živé, tak nám to přestane jít, ani viry nám nejdou, a kór ne, když viry integrují s lidmi. Takže obrovský úspěch matematického modelování ve 20. století se týká věd o neživé přírodě, ale nebyl zopakován ve vědách o živé přírodě. Zkuste predikovat, co kočka udělá za pět minut. Nikdo neví. Nemáme porozumění živé přírodě do té míry, abychom uměli matematickým aparátem udělat predikci, která se poté v experimentech ukáže, jako že je ok.
Martina: Ale zrovna u vás na Univerzitě Palackého, tuším, vznikla práce o souvislosti osobnosti majitele s behaviorálním profilem jeho kočky.
Tomáš Fürst: Slovo „kočka“ znám, ostatním si nejsem tak jistý.
Matematický model SIR se vztáhl na šíření infekčních chorob ve společnosti, což nefunguje. Věří v něj všichni, kromě profesionálů v matematickém modelování.
Martina: Protože jste nechodil na filozofii, nebo sociologii, takže se zdá, že jiní na tom už makají. Ale pravděpodobně to nebudou fakta, ale trošku něco jiného. Ale to jsem vás přerušila, nechci odbočovat – povídejte. Nemůžete vědět, co za chvíli udělá kočka.
Tomáš Fürst: Ano, co se týká našeho porozumění živým systémům, tak jsme někde úplně jinde. Neznáme žádné zákony, kterými se řídí živé systémy, kromě toho, že se řídí fyzikou, kterou známe. Ale matematické modelování v doméně živé přírody je věc velmi nejistá, a konec konců jste to mohla pozorovat na této epidemii. Téměř okamžitě se vynořily učebnicové matematické modely. Každá učebnice epidemiologie má na straně 1 model, který se jmenuje SIR, a SIR je soustava diferenciálních rovnic, která je známá už sto let, a víceméně popisuje chemickou reakci, chemický reaktor, akorát se to analogií natáhlo na šíření infekční choroby ve společnosti. A jasně že to nefunguje, je to tak obrovské zjednodušení, že se vlastně nikdo ani netváří, že ty SIR budou popisovat věrně to, co se děje.
A zmatení kolem toho bylo obrovské, protože třeba ty SIR modely mají jednu zajímavou vlastnost, že vždy vyprodukují jednu vlnu epidemie. Počet infikovaných jde nahoru, pak dosáhne nějakého maxima, a pak jde dolů, a tím ho hasne, je konec. SIR model víc neumí. A toto vedlo k obrovskému zmatení velké části odborné veřejnosti, která má v hlavě ze školy narvané poučky o SIR modelech, teď pozoruje reálnou epidemii a vidí jednu vlnu, dvě vlny, tři vlny, a říká si: „Aha, tak teorie říká, že vlna má být jedna, ale v praxi pozoruji víc vln. Tak to musí být tím, že se změnily parametry, tak to bude efekt vládních opatření.
Tohle myšlení jsem během posledního roku a půl zaznamenával strašně často, a není to logicky správně. Může to být efekt vládních opatření, ale to není důkaz. To, že mi matematický model ukazuje jednu vlnu, a já vidím dvě, mnohem spíše ukazuje na to, že daný matematický model je neadekvátní, než že jsou dvě vlny důsledkem vládních opatření. Takže mám občas pocit, že na použití tohoto matematického modelu věří všichni, kromě profesionálů v matematickém modelování. My jsme s tím opatrní, protože trochu víme, ve kterých doménách je to oprávněné, a ve kterých doménách je potřeba dávat velký pozor.
Martina: Jak už jsem tady řekla, vyslovil jste se tak, že považujete globální epidemii za epidemii ztráty soudnosti, nikoliv za epidemii koronaviru. Ale tady jste také řekl, že vám matematikům tak úplně nejdou lidé, ani viry. Řekněte mi, proč jste se tedy nechal vtáhnout, byť proti své vůli, do problematiky koronaviru? Co vás vytáhlo z vaší matematické ulity, abyste si řekl: „Království za fakta.“
Tomáš Fürst: Já jsem vlastně vůbec nechtěl dělat data a statistiku. Původně, jak jsem říkal, jsem vystudoval matematické modelování, a docela rád bych dělal skutečně tvrdé matematické modelování v deterministických fyzikálních disciplínách, třeba v průmyslu, a podobně. Ale když jsem se vrátil do Olomouce, tak se na mě obracelo čím dál tím více lidí z akademické půdy, a to vždy s tím, že potřebují pomoct s nějakým matematickým problémem. A skoro vždycky to byla statistika, skoro vždy jim z nějaké mašiny vypadla nějaká data, a oni nevěděli, co s tím mají dělat. Tak jsem se musel dívat zpět – na matfyzu jsem statistiku tak trochu ignoroval, takže jsem o tom, a dnes myslím, že naštěstí, nic nevěděl – a musel se podívat zpátky do literatury, co se s tím dělá. Takže jsem statistický samouk.
A vzhledem k tomu, že to už v Olomouci dělám 15 let, kdy si hraju s daty různého druhu, tak bylo pochopitelné, že když se začal šířit virus, a přišly SIR modely, což jsou diferenciální rovnice, což je moje doména, a začaly chodit nějaká data, tak s tím lidé za mnou začali chodit. Já jsem úplně nechtěl, ale člověk nemůže sedět na zadku a říct: „Hele, mě to nebaví, budu dělat něco jiného.“ Takže bylo přirozené, že chodili za mnou.
Martina: Asi vás to i samotného zajímalo.
Tomáš Fürst: To určitě ano. Zajímá mě všechno.
Studie Preval z počátku epidemie covidu byla katastrofa
Martina: Ale přesto jste řekl, že v roce 2020 jste ztratil víru v českou koronavirovou responzi, protože přišla studie Preval. Proč?
Tomáš Fürst: To je dobrá historie. Podívejte, když to v březnu přišlo, tak nikdo nevěděl, co to je za potvoru, a byly dobré důvody se domnívat, že to bude průšvih, protože starší bratranci SARS a MERS byly potvory, které měly smrtnost v řádu desítek procent. Takže kdyby přišla nemoc, která má smrtnost v řádu desítek procent, tak by to byla katastrofa.
My jsme dodnes v českých zemích nepřeložily klíčové odborné termíny infection fatality rate a case fatality rate. Oběma říkáme smrtnost, což je obrovské zmatení pojmů. Infection fatality rate je počet lidí, kteří zemřou na danou infekci, lomeno počtem případů, které detekujete v populaci. Case fatality rate je počet lidí, kteří zemřou na infekci, lomeno počtem všech nakažených, ať už je najdete, nebo nenajdete. Samozřejmě case fatality rate je vždy mnohem vyšší než infection fatality rate, protože závisí na tom, kolik ze skutečně nakažených najdete. Kdybyste například testovala jenom mrtvé, tak case fatality rate bude 100 procent, protože každý, koho jste našla, je mrtvý, protože testujete jenom mrtvé. Zatímco infection fatality rate může být někde úplně jinde. Takže na začátku bylo děsně důležité vědět, jaká je skutečná infection fatality rate, protože case fatality rate je spíše funkce toho, jak testujete. Infection fatality rate je funkce dané nemoci a společnosti. Takže na začátku bylo strašně důležité vědět, jaká je infection fatality rate.
Martina: A víme to už alespoň dneska?
Tomáš Fürst: Ano, dneska to víme už docela dobře, za chvíli se k tomu dostanu. Ta infection fatality rate se samozřejmě nejlépe zjišťuje tím, že uděláte nějaký statistický průzkum, že otestujete sample populace. To se tehdy neumělo, nedalo, nedělalo, nevím. Ale druhá metoda, jak toto zjistit, je udělat takzvanou séroprevalenční studii. To znamená otestovat, kolik lidí má protilátky, protože to, že máte protilátky, je důkazem toho, že jste infekci prodělala. Takže na začátku bylo strašně důležité vědět, kolik lidí tuto infekci prodělalo, a nevědí o tom, protože nebyli zachyceni, ale mají protilátky.
Martina: A to byla studie Preval?
Tomáš Fürst: To byla přesně studie Preval. Infection fatality rate mohla být mezi nulou a 20 procenty, a studie Preval si toto vetkla za cíl, a byla velká. Její design byl statisticky docela dobrý, celkem otestovali na přítomnost protilátek 26 tisíc lidí, a testovali v Uničově, v Litovli, což tehdy byla místa na Moravě, kde to ze začátku hodně hořelo, jestli si pamatujete.
Martina: Ano.
Tomáš Fürst: Takže testovali tam, a také v Praze, v Brně, měli nějakou kohortu po celé republice. Celkem měli přes 26 tisíc otestovaných lidí. Jenže problém byl, že použili antigenní testy, které byly velmi pochybné kvality, což už se tehdy vědělo.
Martina: Měli pětiprocentní odchylku, nebo tak nějak.
Tomáš Fürst: Teď neumím říct úplně přesně, jak to je, ale každý test je charakterizován dvěma čísly. Jednomu číslu se česky říká citlivost neboli senzitivita. Což vyjadřuje, jak dobře daný test funguje na nemocných, to znamená, jak pravděpodobně řekne, že jste fakt nemocná, když jste fakt nemocná. A druhé číslo je specificita, tedy jak dobře to funguje na zdravých, jak pravděpodobně to řekne, že jste zdravá, když jste skutečně zdravá. Takže nemá moc cenu říkat, jak je test účinný, nebo spolehlivý, jsou vždy dvě čísla, a každopádně antigenní testy, které použily, jsou možná docela dobré, ale pro nemocné, symptomatické lidi. Tyto testy měli verifikované na lidech, kteří leželi v nemocnici s covidem, a použít tento test na screeningování populace, která je bezpříznaková, je sázka do loterie, vůbec to nemusí fungovat. A v jejich případě to dopadlo katastrofou.
Martina: Jakou? Nikdo nám o katastrofě na tiskové konferenci nevyprávěl.
Tomáš Fürst: Otestovali 26 tisíc lidí. Když si na papíře uděláte tužkou výpočet, kolik falešně pozitivních výsledků by člověk očekával, každý test, který nemá stoprocentní specificitu, musí skončit nějakými falešně pozitivními výsledky.
Studie Preval lhala, protože použila nefunkční test. A místo toho, aby to přiznali, začali vyvolávat strach.
Martina: Nemůže dopadnout na sto procent.
Tomáš Fürst: To znamená, že u lidí, kteří protilátky ve skutečnosti nemají, test řekne: „Ano, vy protilátky máte.“ To jsou takzvaně falešně pozitivní. Test, který použili, měl deklarovanou takovou specificitu, že i kdyby žádný koronavirus neexistoval, tak z 26 tisíc testovaných lidí museli dostat 1000 pozitivních.
Martina: Protože tam je odchylka testů.
Tomáš Fürst: Ano, jenom díky této odchylce. Ve skutečnosti jich našli asi jenom 100.
Martina: To není mnoho.
Tomáš Fürst: To není mnoho, takže ve chvíli, kdy dostali tento výsledek, kdy dostali 100 pozitivních z 26 tisíc lidí, tak jediná rozumná a správná reakce měla v tu chvíli být taková, že měli říct: „Nezlobte se, použili jsme nefunkční test, nedozvěděli jsme se o séroprevalenci nic.“ Jenomže místo toho začala nějaká šaškárna, kde, jak říkáte, na tiskové konferenci stáli vedle sebe profesoři, doktoři a docenti, a s vážnou tváří citovali výsledky, v uvozovkách, studie Preval, což je naprostý nesmysl. Prostě studie Preval lhala, protože použila nefunkční test, a oni místo toho, aby to přiznali, tak řekli, že ta stovka je skutečnost.
Jenomže to má závažné důsledky, protože jestli stovka byla prezentovaná jako skutečnost, tak pokud našli 100 lidí s protilátkami z 26 tisíc, tak ta zpráva, kterou tehdy pustili do éteru, byla: „Koronavirus ještě nikdo neměl. Nikdo to ještě neměl, bojte se, bojte se, bojte se.“ Jenže ve skutečnosti v době, kdy dělali Preval, to už mělo něco kolem dvou procent české populace za sebou. Asi dvě procenta české populace už měly protilátky, to znamená, že měly covid za sebou.
Martina: Jak to víte?
Tomáš Fürst: Protože jsme na to konto udělali v jižních Čechách s Martinem Kubou vlastní séroprevalenční studii.
Martina: Že oni nebyli matematici?
Tomáš Fürst: Ještě vydržte, jo?
Martina: Už vás nebudu rušit.
Tomáš Fürst: Pardon, jenom chci doříct důležitou zprávu kolem Prevalu. Kdyby ve skutečnosti došli ke správnému výsledku, tak by tehdy mohli veřejnost významně uklidnit, že skutečná infekčnost, fatality rate, je hluboko pod jedním procentem. Ve skutečnosti tehdy rozšířili poplašnou zprávu, že skutečná infection fatality rate je vysoká, protože to prakticky nikdo neměl. To mělo hrozně závažný dopad, a v té chvíli jsem si říkal: „Tak teda, hoši, s tímhle manšaftem to bude těžký.“ Protože oni zjevně nerozuměli tomu, co dělají, a doteď to zjevně nepochopili.
Koronavirová epidemie, a každý problém, má čtyři fáze: Sehnat data. Na základě nich vytvořit model, úsudek. Z toho udělat predikci. Na základě té přijmout rozhodnutí.
Martina: A proč to udělali?
Tomáš Fürst: Nevím. Skutečně nevím.
Martina: Měli to být ti nejlepší z nejlepších. V tu chvíli tam měl stát výkvět naší vakcinologie, epidemiologie, a medicíny jako takové.
Tomáš Fürst: Ale to tak bylo. Na studii Preval je podepsáno asi 15 profesorů jako odborných garantů, a já dodnes nevím, jestli to bylo opravdu tak, že oni nevědí, co dělají, nebo jim došlo, že je to celé špatně, ale už jim bylo blbý to říct veřejně. Už neměli nervy na to vylézt před národ, a říct: „Sorry, my jsme to udělali celý blbě. Musíme ještě jednou.“ Skutečně dodnes nevím. Mezi těmi, kteří byli odbornými garanty této studie, jsou lidé, o kterých se domnívám, že tomu musí rozumět, a není možné, aby přehlédli takovouto triviální chybu. Taky si všimněte, že studie Preval nemá žádný oficiální výsledek. Na webu visí předběžné výsledky, to je tiskovka někdy z května, a od té doby jsme rok a půl, a nic. Není z toho žádný článek, žádný výstup, výsledek. Takže oni vědí, že je to celý blbě.
Martina: Vy jste to tehdy s kolegou komentovali tak, že jste se nedozvěděli nic, s přesností na tři desetinná čísla.
Tomáš Fürst: To byla další věc, protože jsme si museli reverse engineeringem zpětně dopočítat, kolik vlastně našli pozitivních lidí. Oni zveřejnili jenom nějaká procenta s přesností na tři desetinná čísla. A třeba v Praze byla procenta spočítaná z jednoho jediného pozitivního člověka. Našli jednoho pozitivního člověka z 300, nebo kolik jich testovali, to nějak vydělili, a s přesností na tři desetinná místa nám to vrátili. Za něco takového vracíme protokoly v prvním semestru v praktikách.
Martina: Jak si to vy, jako absolvent královny věd, ex post vysvětlujete? Protože politici, odborníci, dělali další kroky. Toto je zrovna oblast, kde by se statistika a modely asi měly uplatňovat, a být jedním z doprovodných prvků, aby to mělo nějakou validitu.
Tomáš Fürst: To je moc široká otázka, protože něco smysl má, něco nemá. Něco z dat smysl má, něco nemá. A něco z modelů smysl má. Zkusím to rozebrat na součásti: Každý problém, který řešíme – a skutečně každý problém, ne jenom koronavirová epidemie, třeba i problém, jaký si koupit rohlík, nebo jogurt, na jakou školu jít, koho si vzít za manžela – má stejné fáze. První fáze je: Seženu data. Druhá fáze je: Na základě těchto dat udělám nějaký úsudek. Většinou postavím nějaký model, a v tomto modelu udělám nějaký úsudek. Třetí fáze: Na základě toho modelu udělám nějakou predikci. A čtvrtá fáze: Na základě této predikce udělám nějaké rozhodnutí. Takže data, úsudek, predikce, rozhodnutí.
Typicky je za každou část tohoto problému zodpovědný někdo jiný, a můžeme komentovat, jak, kdo toto dělal. Sběr dat samozřejmě nemůžu udělat já. Nemůže obcházet nemocnice a říct: „Dejte mi data.“ Tohle máme z ÚZIS, a ÚZIS to dělá dobře, za to bych je docela rád pochválil. My jim často nadáváme, tak aby neplakali, musíme je někdy pochválit. Tohle podle mě dělají dobře. Navíc nečekali, že něco takového přijde, takže na koleně a poměrně rychle vyvinuli systém sběru dat, který není špatně. To dělají dobře. S nějakými výjimkami, budiž.
Potom přijde modelovací oblast, postavení modelů. Tohle by ÚZIS dělat neměl. On do toho tak trochu vstupoval, a často mluvili o krátkodobých a dlouhodobých modelech, a tam, myslím, že to byla katastrofa, nedávalo to příliš dobrý smysl. My jsme to opakovaně kritizovali, je to napsáno ve spoustě našich odborných textů. Toto ÚZIS vlastně neměl dělat. Oblast úsudku a modelování může být otevřená široké akademické veřejnosti, a veřejnosti vůbec. Ať si každý hraje s takovými modely, s jakými chce. To je skvělý, když máme data, tak je dejte spoustě chytrých lidí, tahle republika je plná chytrých lidí, které to baví. Na ČVUT, VUT, na matfyzu. Dejte jim data, a oni vymyslí spoustu chytrých věcí.
U moci je generace, která kašle na data. Místo, aby se na základě kvalitních dat rozhodli, jdou se zeptat experta.
Martina: Dejte jim data.
Tomáš Fürst: K tomu se vrátím za chvíli. Takže tohle mohla dělat akademická veřejnost. Když máte model, tak predikce už je potom taky. Rozhodnutí samozřejmě musí dělat politici. A tato čtyřbodová cesta zůstala nepochopena a neprojita, protože rozhodování na základě dat je překvapivě cizí myšlenka lidem, kteří jsou dnes u moci. U moci je generace, která ještě vyrůstala ve světě, kde žádná data nebyla, a všimněte si, že jejich první instinkt je: Jdu a zeptám se experta. Když nevím, tak jdu a zeptám se experta. Místo toho, aby jejich první instinkt byl: Seženu kvalitní data, a na základě dat se rozhodnu, tak oni kašlou na data, a jdou se někoho zeptat, co si o tom myslí. Jenomže každý si myslí něco jiného.
A bohužel česká akademická půda vygenerovala spoustu samozvaných expertů a odborníků, kteří každý den v televizi prezentovali své názory. To nebyly fakta, ani data, to byly názory. „A já si myslím, že.“ „A tamten si myslí, že.“ „Tenhle si myslí, že.“ A potom nastoupil filtr – nechci říct, že cenzury, no, teď už to je cenzura, tehdy to ještě cenzura nebyla – že zvali jenom ty experty, kteří jim potvrzovali to, co chtěli slyšet. A toto je hrozně nebezpečné. Celý řetízek, který měl začít sběrem dat, úsudkem na základě těchto dat, a rozhodováním na základě dat, vlastně ani nezačal. Na začátku jsme jeli v režimu: Půjdu a zeptám se experta.
ÚZIS nemá statistiky. A není divné, že místo epidemiologů řeší epidemii molekulární biologové?
Martina: Tak dobře, půjdu a zeptám se experta. I to by šlo, kdyby se daný expert zabýval sběrem dat. Tak mi teď řekněte, jestli se dal někde najít, jestli byl mezi některými ministry zdravotnictví, jestli byl mezi těmi, kteří byli, nebo jsou u rozhodování.
Tomáš Fürst: Nemám je úplně prokádrované, ale třeba trochu bolest je, že na ÚZISu fakt nejsou statistici. ÚZIS nemá statistiky. Šikovní statistici jsou u nás v Českém statistickém úřadě, to jsou lidé, kteří tomu rozumí. Spousta šikovných statistiků je na matfyzu, a všimněte si, že buďto významně mlčí, nebo se spíše angažují na naší straně než na opačné. Takže statistici chyběli velmi. V lékařských profesích to úplně komentovat neumím, ale zaznamenali jste, že asi nejznámější český epidemiolog má víceméně stopku, co se týká vyjadřování k epidemii. Není divné, že místo epidemiologů řeší epidemii molekulární biologové?
Martina: Myslíte profesora Berana, který je označován za dezinformátora?
Tomáš Fürst: Jasně. Na rozdíl od těch, kteří o něm říkají, že je dezinformátor, tak on je opravdu epidemiolog. Ale veřejně se k tomu vyjadřují lidé, jako kolega Flégr, který je parazitolog, pokud tomu správně rozumím. Vyjadřoval se k tomu kolega Hořejší, který také není epidemiolog. Myslím, že by česká epidemiologická půda udělala fakt dobře, kdyby se tito lidé drželi své odbornosti, to je fajn, a kdyby se také drželi toho, že není jejich rolí rozhodovat. Univerzitní profesoři by se opravdu neměli producírovat v médiích a říkat: „A já bych udělal lockdown.“ Nebo: „Zavřel bych průmysl.“ „Otevřel bych kina.“ Případně: „Já bych zavřel tamto.“ To není jejich role, za to jsou zodpovědní politici. Proto máme demokracii, kde je volíme, a oni nám skládají účty. To nemají dělat profesoři.
Martina: Profesoři by měli pravděpodobně poskytovat fakta, data, a informace.
Tomáš Fürst: Data má poskytovat ÚZIS. Profesoři ať si hrají s modely a predikcemi, to je jejich role. Oni mají zkoumat, jak a proč funguje příroda, tam je jejich kompetence a jejich zodpovědnost.
Martina: Vy jste jim řekl: „Maž do kouta!?“
Tomáš Fürst: Co do kouta, do laboratoře.
Infection fatality rate, tedy počet úmrtí z počtu detekovaných případů, je u covidu a chřipky srovnatelný
Martina: Pane doktore Tomáši Fürste, znovu se vrátím k vašemu výroku, že nejde o globální epidemii koronaviru, ale o globální epidemii ztráty soudnosti. Vím, že kolem toho už brousíme, ale řekněte mi: Proč? Jak se tato ztráta soudnosti projevuje? Protože to je něco jiného než to, o čem jsme teď mluvili.
Tomáš Fürst: Asi ztrátou smyslu pro proporce, a ztrátou benchmarkingu, srovnávání. Vysvětlím: Proto jsem mluvil o infection fatality rate. Infection fatality rate charakterizuje, jak je nemoc skutečně nebezpečná. A poslední odhady, které máme pro západní populaci z roku a půl probíhající epidemie na obrovském vzorku, říkají, že infection fatality rate je něco kolem 0,2 procenta. Je to strmě závislé na věku do té míry, že křivka úmrtí, a závislost na věku úmrtí na koronavirus, je v podstatě identická křivce úmrtí. To znamená, že když vezmete, jak vypadá věkový profil lidí, co umřou normálně, a pak vezmete, jak vypadá věkový profil lidí, co umřou na koronavirus, tak je to téměř identické, takže pravděpodobnost úmrtí na covid je dramaticky závislá na věku.
Ale obecně je pravděpodobnost úmrtí závislá na věku, a celkové číslo infection fatality rate 0,2 procenta není tak strašná tragédie. To skutečně není dramaticky odlišné od chřipky. Když se podíváte, tak chřipka je mnoho různých nemocí, které se proměňují, každý rok je to jiné, někdy je horší, někdy méně hrozné, ale řádově je infection fatality rate covidu a infection fatality rate chřipky srovnatelná. Teď vám smažou tento příspěvek za to, že…
Martina: Ne. Teď se zase ozve: „Pojďte se podívat na JIPky. A co těch 30 tisíc mrtvých s covidem?“
Tomáš Fürst: Ano, chřipka umí zabít desítky tisíc, stovky tisíc, miliony…
Martina: Vy to říkáte proto, že už jste asi mnohokrát těmto argumentům čelil. Už jste měl asi čas si to vybrousit.
Tomáš Fürst: Právě proto je potřeba se dívat na čísla, a ne na takzvanou anekdotickou evidenci. Anekdotická evidence je jeden trpící na JIPce, která vypadá dobře, nebo špatně, podle toho, jak to chcete na první stránce novin. Ale na rozhodování potřebujete zapnout rozum – racionálně.
Martina: A potřebujete data, ale to byste musel mít data lidí, kteří umřeli na covid, a lidí, kteří umřeli s covidem.
Tomáš Fürst: To je těžká věc. Obávám se, že to už se nikdy nedozvíme. Podle mě to už nikdy nepůjde od sebe rozklíčovat, kdo umřel na co.
Martina: Ale to je pro vaše modelování asi dost velký problém.
Tomáš Fürst: Jo, a ne. Velmi bezpečná čísla, ve státě jako je ČR, jsou celkové počty mrtvých. Myslím, že v ČR nejde prakticky umřít, aniž by si toho někdo nevšiml, to asi nejde. Takže celková množství úmrtí jsou asi správné, a v tom je vidět vlna nadúmrtí. Vlna nadúmrtí jde částečně na vrub koronaviru jako takovému, to znamená, že lidé umírali na covid, a částečně jde na vrub ostatním vlivům. Ostatní vlivy jsou: Zavřená, nebo velmi omezená lékařská péče, vyděšení k smrti z častého sledování ČT, a podobně. Těchto vlivů je spousta, a pokud si pamatujete, tak bývalý ministr Blatný ještě loni na Vánoce sliboval, že dá dohromady nějakou komisi, která to celé projde, a rozklíčuje, kdo umřel na co. Říkalo se, že to bude do ledna, pak do února, potom se o tom přestalo mluvit. Vůbec nevím, jestli to někdy nějak skončilo. Oni říkali, že projdou všechny úmrtní listy. Tomuto úplně nerozumím, to je lékařská otázka.
Martina: Asi ani nevíme, jestli to vůbec někdy začalo.
Tomáš Fürst: Určitě to začalo. Představuji si to tak, že to začalo,a že zjistili, že to nejde udělat, že už nikdy nikdo nezjistí, na co dotyční lidé umřeli.
Martina: To pak budete pracovat s velmi nepřesnými daty, a budou vám vycházet bůhví jaké modely. Abyste jednoho dne nezjistil, že se pinožíte zbytečně, protože je tam už tato prvotní chyba.
Tomáš Fürst: Je potřeba dobře definovat, co modelujeme. Když budeme modelovat celkový počet mrtvých, tak ten máme změřený dobře. Když budeme modelovat počet mrtvých přímo na covid, tak to máme změřené s nějakou nejistotou. Ale nejistota je ve všem, jen je potřeba s touto nejistotou správně pracovat. Takže tady fakt není jasné, kolik lidí z vlny nadúmrtí umřelo na covid, a kolik z nich umřelo na něco jiného. A samotného by mě to dost zajímalo. Názory na to se různí, a já asi nejsem ochoten od boku střílet nějaké odhady. To ne.
(21 votes, average: 4,86 out of 5)
Loading... 
Be the first to comment