El Reino Unido y el Imperial College de Londres fueron el centro neurálgico intelectual de la respuesta global a la pandemia de COVID-19. Como recordarán, fue Neil Ferguson , físico del Imperial College, quien desarrolló el principal modelo epidemiológico que justificó el cierre de las economías.
Sin embargo, el modelo de Ferguson era un código indocumentado de 13 años que necesitaba ser "depurado", y sus suposiciones eran absurdas. Esto se sabe desde al menos marzo de 2020, aproximadamente al mismo tiempo que el gobierno del Reino Unido implementó su primer cierre de la economía, falsamente llamado "confinamientos".
El Instituto Americano de Investigación Económica (AEIR) señaló en abril de 2021 : «Ferguson predijo un número catastrófico de muertes el 16 de marzo de 2020 a menos que los gobiernos de todo el mundo adoptaran su conjunto preferido de intervenciones no farmacéuticas (INF) para frenar la pandemia. La mayoría de los países siguieron su consejo, en particular después de que los gobiernos del Reino Unido y Estados Unidos invocaran explícitamente su informe como justificación para los confinamientos».
Sin embargo, el modelo de Ferguson se escribió con código indocumentado de 13 años de antigüedad, que luego tuvo que ser "limpiado" con la ayuda de Microsoft para que cualquier otra persona pudiera reutilizarlo. Y eso no es lo peor: las suposiciones clave que conformaban las entradas del modelo eran erróneas, escribe Jonathan Engler al presentar un artículo escrito por Mike Hearn en marzo de 2020.
No perdamos el contacto… Su gobierno y las grandes tecnológicas están intentando activamente censurar la información publicada por The Exposé para sus propios fines. Suscríbase a nuestros correos electrónicos ahora para recibir las últimas noticias sin censura directamente en su bandeja de entrada.
Magnífico artículo de marzo de 2020: “¿Es útil la epidemiología?”
Por Jonathan Engler , 22 de junio de 2024
A medida que pasan los años, es fácil olvidar cuán escandalosamente erróneas eran todas y cada una de las suposiciones en torno a “la pandemia”.
Este artículo (ver enlace a continuación), del 31 de marzo de 2020, que recomiendo encarecidamente, pone de manifiesto las deficiencias de utilizar el modelo GIGO 1 como motor de las políticas públicas, algo que observamos en muchos ámbitos, sobre todo en la agenda "climática", pero también en muchos otros campos.
De hecho, yo caracterizaría la época en que vivimos como una época en la que el modelado pseudocientífico reemplaza al empirismo.
En fin, disfrútenlo. El comentario sobre el modelo de Ferguson/Imperial para la fiebre aftosa es particularmente interesante. ¿Hasta qué punto hay que equivocarse para que alguien dude en confiar en uno para determinar políticas (porque eso fue lo que hizo) que causarán muerte y miseria a millones de personas?
Es necesario destacar que el Reino Unido/Imperio fue el centro neurálgico intelectual de la “respuesta a la pandemia” global.
Sin embargo, el modelo de Ferguson se escribió utilizando un código no documentado de 13 años de antigüedad que luego necesitó ser “limpiado” con la ayuda de Microsoft para que cualquier otra persona pudiera reutilizarlo.

Pero esto no es ni siquiera lo peor: que los supuestos clave que sirvieron de entrada al modelo eran basura.
A continuación se reproduce el resumen del artículo. Haga clic en él o AQUÍ para acceder al artículo completo. [Nota: Hemos reproducido el artículo completo a continuación.]
Notas:
- 1 Basura dentro basura fuera.
- 2 Porque, aunque muchas cosas se desconocían en la primavera de 2020, lo que sí era previsible era que no se puede paralizar la economía mundial sin, a medio y largo plazo, causar millones de muertes por privaciones económicas. Muchos también predijeron los daños inmediatos a la salud derivados del cierre de la atención médica.
¿Es útil la epidemiología?
Por Mike Hearn , 31 de marzo de 2020
Existe un dicho popular sobre las simulaciones del mundo real: « Todos los modelos son erróneos, pero algunos son útiles ». Una pregunta crucial que debemos hacernos ahora es si los modelos epidemiológicos son erróneos pero útiles, o simplemente erróneos.
Actualización 2 de abril de 2020
Aquí hay enlaces a otros análisis que encontré después de la publicación de este artículo.
- Las cifras del estudio imperial no se pueden replicar
- Un llamado a la honestidad en los modelos de pandemia
- Por qué es tan difícil crear un modelo de COVID-19
¿Son útiles los modelos epidemiológicos?
Depende de los gobiernos decidir qué consejos seguir. Nada de este análisis debe interpretarse como una sugerencia para ignorar sus recomendaciones o leyes. No empiece a ignorar las normas locales por leer esta entrada del blog.
El modelo de propagación del SARS-CoV-2 elaborado por el ICL fue lo que impulsó al Reino Unido a adoptar el confinamiento total y lo reforzó o incluso lo desencadenó en muchos otros países. Dadas las nefastas consecuencias de paralizar el planeta, merece un nivel de escrutinio sin precedentes para cualquier trabajo científico. Y esto está empezando a ocurrir poco a poco.
En este artículo, me centraré principalmente en la historia de la epidemiología y los problemas metodológicos que presenta. Si le interesan los problemas específicos de la COVID-19, le recomiendo el artículo « Enfermedad por coronavirus 2019: los perjuicios de la información exagerada y las medidas no basadas en la evidencia », del Dr. John Ioannidis, publicado en el European Journal of Clinical Investigation.
Se proporcionarán citas para todas las reclamaciones.
Resumen
- El Imperial College de Londres (“ICL”) se describe como el mejor del mundo en modelado epidemiológico.
- A pesar de ello, tienen un historial de graves errores que no parecen admitirse. Sus recomendaciones han provocado en el pasado reacciones exageradas y desastrosas por parte de los gobiernos.
- Aunque se presentan como científicos, participan en prácticas no científicas, por ejemplo, hacen afirmaciones infalibles, carecen de revisión por pares, se niegan a mostrar su código y utilizan términos vagos en lugar de límites de confianza estadísticos.
- Han pronosticado que los brotes de enfermedades serán órdenes de magnitud más graves de lo que realmente fueron.
- No está claro qué aprendió el campo de la epidemiología de estos errores, si es que aprendió algo.
- Están utilizando datos para sus modelos que se sabe que no son estadísticamente significativos.
- Han surgido enfrentamientos entre epidemiólogos de distintas universidades, muchos de los cuales se contradicen entre sí en público y de maneras muy importantes.
Si bien la mayor parte de este artículo se centrará en la trayectoria del ICL, el problema es mucho más amplio: el informe del ICL se escucha por la "marca" del mundo académico y, en general, de la ciencia académica. Oxford ha publicado su propio artículo, que no es mejor, sino incluso peor. "Nos guiamos por la ciencia" es el lema de los gobiernos de todo el mundo, porque asumen que la ciencia es correcta, o al menos, mejor que nada. Si esa suposición es falsa, el problema es grave.
¿Quiénes forman el equipo de modelado de ICL?
“Los investigadores del Imperial College son algunos de los mejores modeladores de enfermedades infecciosas del planeta” — Paul Hunter de la Universidad de East Anglia, Reino Unido ( New Scientist )
“Dirigido por el destacado epidemiólogo Neil Ferguson, el informe Imperial es considerado una especie de referente ... Funcionarios estadounidenses afirmaron que el informe, que proyectaba hasta 2.2 millones de muertes en Estados Unidos a causa de tal propagación, también influyó en la Casa Blanca ... 'Mucho no depende de lo que dicen, sino de quién lo dice', declaró Devi Sridhar, directora del programa de gobernanza sanitaria global de la Universidad de Edimburgo. ' Neil Ferguson tiene una enorme influencia' ”. — New York Times
“El estudio del Imperial College ha sido realizado por un equipo de modeladores altamente competentes ” — John Ioannidis (Departamentos de Medicina, Epidemiología y Salud Pública, Ciencia de Datos Biomédicos y Estadística, Stanford)
Así que son muy importantes. Si son los mejores epidemiólogos del mundo, parece que podríamos juzgar el campo de la epidemiología por su desempeño.
Cabe destacar en este punto que la epidemiología no es lo mismo que la medicina. El profesor Ferguson obtuvo su doctorado en física teórica. Los modeladores pueden ser programadores informáticos especializados en matemáticas aplicadas, no médicos en el sentido hospitalario. Esto no pretende ser una crítica: las matemáticas aplicadas son, por supuesto, un campo muy valioso, pero como veremos más adelante, una crítica clave a la epidemiología es la forma en que prioriza los cálculos matemáticos abstractos por encima de la experiencia de personas con experiencia médica práctica.
Prácticas no científicas
El método científico necesita varias cosas para funcionar correctamente.
Revisión por pares. El informe «Impacto de las intervenciones no farmacéuticas (INF) para reducir la mortalidad por COVID-19 y la demanda de atención médica », con fecha del 16 de marzo de 2020, se publicó inmediatamente en la prensa, coincidiendo con el repentino cambio de estrategia gubernamental que provocó. Si bien muchos documentos sobre COVID-19 se someten a revisión por pares, en este caso, parece que se omitió.
Es posible que la revisión por pares hubiera rechazado el artículo; ciertamente, muchos de sus pares tienen problemas con él.
Reproducibilidad. El análisis no se puede replicar por múltiples razones. Entre otros problemas, el modelo en sí no está disponible en ningún lugar porque el código es de tan baja calidad que solo el equipo del profesor Ferguson lo entiende:
No planea publicar jamás el código original, sólo una versión reescrita por Microsoft:
En la clase de matemáticas, los niños que no presentan sus cálculos reciben una calificación de "suspenso", y la calificación es doble si presentan trabajos realizados por otros. En epidemiología, no es para tanto.
Este es un problema sumamente crítico. No puedo enfatizarlo lo suficiente. El mundo académico se encuentra en medio de la crisis de replicación (ese es su verdadero nombre). Campos enteros están perdiendo credibilidad porque nadie puede replicar "descubrimientos" que fueron ampliamente aceptados durante décadas.
Desde que ICL publicó su estudio, otros investigadores no epidemiólogos han desarrollado modelos que no solo están documentados públicamente y cuentan con código fuente disponible , sino que además son totalmente interactivos y pueden ser ejecutados por cualquier persona en un navegador. «Mi código es demasiado complejo para entenderlo sin formación específica» no es una afirmación aceptable para investigadores financiados con fondos públicos, sobre todo cuando ese código tiene más de una década. Imperial tuvo todo el tiempo del mundo para lograr que sus resultados fueran reproducibles y de calidad aceptable, pero nunca lo hizo.
El análisis no puede replicarse por otras razones: se basa en correspondencia privada para obtener datos clave (la "comunicación personal" aparece como fuente dos veces), hace vaga referencia a que "el NHS proporciona una mayor certeza sobre los límites de la capacidad hospitalaria ante un aumento repentino de casos", pero no indica dónde se publicó esta certeza; esto resulta especialmente curioso dado que el análisis muestra que la capacidad se ha mantenido constante durante un año, pero el NHS está construyendo tres nuevos hospitales de urgencias, el primero de los cuales es uno de los más grandes del mundo. ¿De dónde surgió esta línea completamente estancada de 8 camas de UCI por cada 100,000 habitantes?
El trabajo no reproducible se está erradicando poco a poco en otros campos como la psicología: aquí también debe ser inaceptable. ¡Sobre todo ahora!
Predicciones falsables. Los científicos hacen predicciones que pueden ser comprobadas.
El profesor Ferguson tiene la costumbre de hacer predicciones del tipo "si sale cara, gano, si sale cruz, gano". Para ser justos, en su artículo se proporcionaron varias estimaciones del número de muertes dadas diversas combinaciones de valores de reproducción (R0), niveles de confinamiento y valores de activación. Estas estimaciones son bastante precisas y, en retrospectiva, podríamos medir cuán lejos está la realidad de ellas. Por ejemplo, con un R0 de 2.2 y con un confinamiento activado a un ritmo de 300 casos de UCI por semana, predicen 26,000 muertes. Algunos han afirmado que posteriormente revisó a la baja su predicción desde más de 500,000 muertes, pero esa afirmación es falsa.
Pero existe un problema un poco más sutil. Posteriormente, modificó su predicción inicial de «20 000 muertes , cifra que podría ser mucho menor ». Si la cifra de fallecimientos es mucho mayor, puede argumentar que sus recomendaciones no se siguieron con la suficiente rigurosidad; y dado que dichas recomendaciones son prácticamente imposibles de implementar por completo, ¿quién puede refutarlo? Si la cifra ronda las 20 000 muertes, puede afirmar: «Nuestro análisis predijo correctamente el resultado». Si la cifra es mucho menor, puede decir: «El número de fallecimientos se ajusta a nuestras predicciones».
Este tipo de problema ya se ha planteado antes. Cuando se le pidió que modelara el brote de encefalopatía espongiforme bovina (también conocida como enfermedad de las vacas locas), predijo una cifra de muertos humanos de entre 50 y 150,000.
Al ser consultados sobre la vaguedad de esta predicción, la respuesta fue: «Sí, el rango es amplio, pero en realidad no conllevó ningún cambio en la política gubernamental» (véase Daily Telegraph ). Esta respuesta es una falacia, pero revela una profunda preocupación sobre si el asesoramiento epidemiológico influye en los resultados.
Un segundo cambio crucial fue la afirmación de que « probablemente dos tercios de esas personas habrían muerto de todos modos ». La noción de exceso de mortalidad no aparece en el informe original; lo más probable es que ICL descubriera que los datos italianos que utilizó registraban muertes con infección y no muertes causadas por la infección al mismo tiempo que el resto. Esto presumiblemente alteraría fundamentalmente las conclusiones. De hecho, enturbia el concepto mismo de «número de muertes».
Por si acaso piensan que estoy criticando a ICL, el reciente artículo epidemiológico de Oxford sobre la COVID-19 dice: "...la proporción de la población del Reino Unido que ya ha sido infectada podría estar entre el 0.71% y el 56% (intervalos de credibilidad del 95%)...".
Este tipo de rangos en las predicciones realmente significan que la epidemiología no tiene nada útil que aportar. Sin embargo, no lo dicen claramente.
Apariencia de neutralidad. La confianza en la ciencia disminuye cuando se cree que los científicos promueven agendas políticas. Esto explica en gran medida por qué, como informa el Financial Times , « los economistas se encuentran entre los profesionales menos confiables del Reino Unido ». Es también una preocupación común entre los escépticos de la climatología.
Una forma fácil de evitar este problema es que los científicos simplemente publiquen lo que han descubierto y dejen el debate sobre los cambios de políticas en manos de los políticos, quienes, a diferencia de los académicos, son directamente responsables ante aquellos a quienes afectan las políticas.
Los epidemiólogos no parecen hacer esto. Hasta ahora, en todos los casos que he examinado, recomiendan políticas sociales y agrícolas extremadamente específicas, y algunos artículos dedican aproximadamente la mitad de sus palabras a dirigirse directamente a los responsables políticos.
Fiebre aftosa
Veamos cómo algunos de estos problemas pueden conducir al desastre.
La modelización epidemiológica es un campo relativamente nuevo. Su primera prueba en el Reino Unido tuvo lugar en 2001 con la epidemia de fiebre aftosa entre cerdos y ovejas. El resultado fue tan catastrófico que ha sido objeto de numerosos estudios. Si bien este suceso ocurrió hace ya 20 años, también analizaré una segunda predicción de hace unos 5 años para demostrar que, en general, no ha cambiado mucho.
La política de control de la fiebre aftosa, basada en modelos, resultó en una tragedia. Un gran número de animales fueron sacrificados sin motivo. El resultado fue un sufrimiento humano y animal incalculable, por no mencionar las consecuencias económicas. — Dr. Paul Kitching, autor de «Uso y abuso de modelos matemáticos».
Aquí les presento algunos de los artículos que leí sobre el tema este fin de semana, pero hay muchos más. Es evidente que los eventos fueron sumamente traumáticos y, por lo tanto, muy estudiados. Como pueden intuir por los títulos, los autores fueron muy críticos con lo sucedido:
- "Tensión destructiva: matemáticas versus experiencia ', al que aquí se hace referencia como Mansley y otros (Todos los autores tienen formación veterinaria.)
- "Incorrecto, pero útil: Negociando la incertidumbre en el modelado de enfermedades infecciosas», Christley y otros. (orígenes variados)
- "Masacre informática: la economía de pizarra de la epidemia de fiebre aftosa de 2001», Campbell y Lee (Facultad de Derecho de Cardiff)

El “Grupo Científico sobre la Fiebre Aftosa” del gobierno estaba compuesto por diversas disciplinas, pero, según todos los indicios, los epidemiólogos eran los predominantes. Los modeladores provenían de cuatro universidades diferentes, pero el modelo ICL se convirtió rápidamente en el principal utilizado (del artículo “ Medios de comunicación, metáforas, modelización ”).
Sus programas predecían una grave epidemia. Argumentaban que solo podría evitarse con una política inmediata y extrema: el llamado "sacrificio contiguo". Cualquier animal susceptible que viviera a menos de 3 km de cualquier granja que tuviera un animal infectado debía ser sacrificado de inmediato, incluso si estaba sano.
“Esta nueva política, que resultó controvertida, fue justificada por los modeladores matemáticos…
“Esto reemplazó la política existente, que requería una evaluación de riesgo veterinario.
“Más de 1,200,000 animales en 3,369 instalaciones fueron sacrificados como parte del sacrificio contiguo” — Mansley et al.
Prácticamente todos los animales sacrificados no estaban infectados:
“La serovigilancia de 115 rebaños muestreados durante el sacrificio solo encontró un rebaño de ovejas con animales seropositivos (nueve positivos de 56 ovejas)
¿Estaba justificado? Mansley et al. afirman:
El análisis posterior a la epidemia ha respaldado aún más la falta de impacto de la política de sacrificio contiguo.
“La novedosa política de sacrificio selectivo en 48 horas, basada en modelos matemáticos, se implementó cuando la epidemia ya estaba en declive .”
Hubo un grupo de control accidental. Las autoridades de Cumbria no contaban con los recursos para implementar el sacrificio contiguo en todas partes.
Además, la matanza selectiva contigua no se implementó en el norte de Cumbria, sin embargo, la curva epidémica de Cumbria refleja la curva del resto de Gran Bretaña en 2001 (Figuras 2 y 3) y también la curva epidémica de 1967/1968.
En definitiva, los modelos no predijeron correctamente ni el curso ni la duración de la epidemia, ni la eficacia de las medidas de control tradicionales implementadas, ni las nuevas propuestas (61). Por lo tanto, no superaron las pruebas fundamentales de refutación, verificación y utilidad (41).
No pasaron la prueba de fuego de la utilidad.
¿Por qué salieron mal?
Las suposiciones veterinarias de los modelos... representaban un virus diferente (totalmente teórico) , quizás mejor denominado el "virus del Armagedón" , dada su capacidad de infectar rebaños enteros a la vez y ser excretado varios días antes de la manifestación clínica, de forma máxima e indefinida, a menos que los animales fueran sacrificados.
Además de las suposiciones erróneas, el modelo se centraba fundamentalmente en la distribución geográfica entre las explotaciones, pero los datos utilizados sobre las explotaciones eran de muy baja calidad, ya que se habían recopilado originalmente para la gestión de las subvenciones de la PAC:
“Sí, pero ya sabes, a la gente que gestiona la base de datos de granjas realmente no le importa dónde están. Probablemente no sepan por qué tienen esa información. Tienen la dirección de la persona a la que escriben, esa es la única ubicación espacial que realmente necesitan, y el hecho de que las coordenadas geográficas sitúen la granja en medio del Mar del Norte, ¿y qué? ” — Entrevista E7, Christley et al.
Como señalan Kitching et al.: “ La experiencia del Reino Unido constituye una advertencia provechosa sobre cómo se pueden abusar de los modelos en aras del oportunismo científico ”.
Aunque Mansley et al. es el más completo, hay muchos artículos que plantean puntos similares.
Lecciones aprendidas, o no
A raíz de este acontecimiento, ICL elaboró el siguiente gráfico:

El asesor científico principal en ese momento dio este testimonio:
“Y lo que me gustaría que hicieran es observar las cifras tan impresionantes ; si comparan la Figura [1], que muestra las predicciones realizadas, las curvas A, B y C, con [los datos de la epidemia – puntos azules], que muestran cómo se desarrolló la epidemia, creo que tendrán que estar de acuerdo en que la concordancia fue bastante buena, la predicción no estuvo nada mal .” — Profesor David King en una investigación parlamentaria
Para los epidemiólogos, fue un gran éxito. ¿A qué conclusión llegó finalmente el gobierno? Lo sabemos porque años después se produjo otro brote:
“Se aprendieron muchas lecciones de las experiencias de la epidemia de fiebre aftosa en el Reino Unido en 2001, lecciones que se pusieron a prueba demasiado pronto cuando la fiebre aftosa volvió a azotar el Reino Unido en 2007 .”— Mansley et al.
La lección aprendida fue ignorar la epidemiología:
“Entre estas medidas, destacaba la política de emplear los métodos tradicionales y bien establecidos de control y erradicación de la fiebre aftosa, en lugar de utilizar procedimientos novedosos basados en modelos matemáticos no validados .”
¿Qué ha pasado?
“Esta estrategia resultó ser correcta y el virus fue erradicado con relativa rapidez” — Mansley et al.
El fracaso de la epidemiología en este evento fue rotundo: los únicos consumidores de su producto son políticos y funcionarios. Estas personas decidieron no usar modelos en el siguiente brote.
Una pregunta clave es qué aprendió el sector de esto. Y ahí es donde la cosa se pone realmente preocupante. Según The Telegraph : «El profesor Ferguson dijo sobre su modelo para la fiebre aftosa: “Hay varios factores que influyen en la toma de decisiones políticas, de los cuales la ciencia —en particular el modelado— es solo uno. Es absurdo decir ahora que nuestro modelo cambió la política gubernamental . Fueron varios factores los que lo hicieron”».
La afirmación resaltada es problemática porque es muy contundente y, además, no concuerda con nada más escrito sobre el brote. De todos los documentos sobre la epidemia de fiebre aftosa se desprende claramente que los modelos epidemiológicos fueron el principal impulsor de la política gubernamental. ¿Cómo puede el profesor afirmar que es absurdo creer que el trabajo del ICL determinó la política gubernamental cuando tantos autores que escribieron artículos sobre esa época creían lo contrario?
De « Medios de comunicación, metáforas y modelización »: «A medida que la modelización realizada en el Imperial College se convirtió en la principal fuente para la toma de decisiones políticas , la prensa se centró principalmente en los modelos producidos allí, y no en los modelos producidos por los equipos de Edimburgo y Cambridge».
De « Tensión destructiva: matemáticas frente a experiencia »: «Los modelos que respaldaban la política de sacrificio selectivo por zonas contiguas presentaban graves fallos».
A día de hoy, el equipo del ICL todavía cree que básicamente tenían razón sobre la epidemia de fiebre aftosa:
“Estábamos realizando modelos en tiempo real, al igual que los demás grupos en 2001; sin duda, los modelos no eran 100% precisos, debido a la escasez de datos y al tiempo limitado para realizar el trabajo. Pero creo que las conclusiones generales a las que llegamos seguían siendo válidas. ”
Zika: otra señorita
Quizás recuerden el brote de Zika de 2015 en América Latina , un virus aterrador que provocó que los bebés de mujeres infectadas nacieran con la cabeza encogida y graves daños cerebrales. El ICL modeló la epidemia y afirmó en un documento de julio de 2016 :
“Esperamos que la epidemia actual haya terminado en gran medida en tres años, con oscilaciones estacionales en la incidencia causadas por la variación en las poblaciones de mosquitos y su transmisibilidad”.
Y esto fue lo que pasó. No tardó 3 años con retornos estacionales. Desapareció en un año.

El virus Zika ha sido erradicado de Estados Unidos. A nivel mundial, ha habido tan pocos casos desde 2017 que la página de Wikipedia sobre el virus ya ni siquiera se molesta en incluir noticias al respecto (la última actualización trata sobre dos casos en Angola).
Si bien la enfermedad aún circula en Latinoamérica, la región más afectada, que representa el 60% de todos los reportes (Brasil), registra un promedio de unos 365 casos semanales, de los cuales solo unos 30 son confirmados por laboratorio, una cifra demasiado baja para visualizarla en el gráfico anterior. Si las oscilaciones estacionales previstas existen, se pierden entre la multitud.
El análisis tampoco pudo explicar el comportamiento hasta ese momento:
“Actualmente, no podemos evaluar si Asia corre el riesgo de sufrir una gran epidemia de Zika, ni por qué la escala de transmisión en América Latina ha sido mucho mayor que cualquier otra observada anteriormente”.
Aproximadamente la mitad del artículo se dedicó a la sección "¿ Qué deberían hacer los responsables políticos ?", pero no se hicieron recomendaciones concretas más allá de aconsejar a las mujeres que evitaran el embarazo. El artículo sí reconoce: "Se ha criticado que desaconsejar el embarazo sea inviable para muchas mujeres, especialmente a largo plazo".
En serio.
Conclusiones
Problemas similares parecen surgir repetidamente en el análisis epidemiológico:
- Los modelos se basan en datos de entrada de pésima calidad. Esto se reconoce brevemente, pero no impide que se hagan predicciones, aunque debería hacerse.
- La incertidumbre estadística no suele analizarse formalmente. En su lugar, se utilizan adjetivos vagos como «en gran medida», «ampliamente», «probablemente», «sustancialmente» y «típicamente».
- Los modeladores participan activamente en la formulación de políticas y lo perciben claramente como uno de sus principales objetivos. El asesoramiento a líderes políticos puede representar la mitad o más de los artículos supuestamente científicos.
- Las predicciones suelen tener límites tan enormes que resultan inútiles.
- Los modeladores no parecen haber realizado ningún cambio metodológico obvio en respuesta a los fallos de predicción anteriores.
¿Deberíamos tratar a los epidemiólogos con el respeto casi divino que merecen actualmente?
No tengo nada en contra de las personas o instituciones mencionadas en este artículo y, en principio, no veo por qué las epidemias no deberían ser simulables. Pero sería prudente posponer las conversaciones con periodistas y políticos hasta que este campo haya tenido una serie de éxitos innegables y los resultados se hayan convertido en algo habitual. Claramente, aún no hemos llegado a ese punto.
Sobre la autora
Mike Hearn es un exingeniero de Google, autor original de Bitcoinj y antiguo colaborador de Bitcoin Core . Abandonó Bitcoin en enero de 2016; una de las razones que dio fue el aumento de las comisiones (véase «La resolución del experimento Bitcoin »). Publica ensayos en la plataforma de publicación en línea Medium bajo el título « El blog de Mike ».
Imagen destacada: Neil Ferguson, tomada de Asesor británico sobre el coronavirus renuncia tras informes de que su amante lo visitó durante el confinamiento , CNN, 6 de mayo de 2020 (derecha).

The Expose necesita urgentemente tu ayuda…
¿Podrías ayudarnos a mantener las luces encendidas con el periodismo honesto, confiable, poderoso y veraz de The Expose?
Su gobierno y las grandes organizaciones tecnológicas
Intenta silenciar y cerrar The Expose.
Por eso necesitamos tu ayuda para garantizar
Podemos seguir brindándote el
hechos que la corriente dominante se niega a aceptar.
El gobierno no nos financia
publicar mentiras y propaganda sobre sus
en nombre de los principales medios de comunicación.
En cambio, dependemos únicamente de su apoyo. Así que
Por favor, apóyanos en nuestros esfuerzos para llevar
tu periodismo honesto, confiable e investigativo
Hoy. Es seguro, rápido y fácil.
Elija su método preferido a continuación para mostrar su apoyo.
Categorías: Noticias de última hora , Noticias mundiales



Neil Ferguson y el Imperial College se han equivocado constantemente con sus modelos durante muchos años. Sus modelos han demostrado que todas estas enfermedades falsas, como la COVID-19 y la gripe, son altamente contagiosas y ridículamente contagiosas. Parece ser solo alarmismo fraudulento. Y esto parece ser cierto con todo este tipo de modelos, incluyendo las estafas climáticas. Estas personas y las organizaciones para las que trabajan parecen estar actuando de forma fraudulenta y criminal.
También parece que los sistemas de pruebas médicas, especialmente la PCR, y que personas como Drosden y las organizaciones para las que trabajan también son fraudulentos de la misma manera.
Todo diseñado para crear daño y muerte.
Estos actos deberían ser llevados ante tribunales para ser probados legalmente y cualquiera que sea hallado culpable debería recibir los castigos apropiados como crímenes contra la humanidad.
Hola Roger Lewis,
Tienes toda la razón en todo lo que dices.
He ofrecido mis servicios a mi diputado Ed Miliband, para que sea mi verdugo.
Me encantaría colgar a los diputados traidores.
https://www.youtube.com/watch?v=oDbOBJ_MwH0
Me pregunto si cree que debería dimitir. Cualquier cosa con base científica que diga de ahora en adelante será inverosímil.
Y Ferguson usó el software de Microsoft (Gates) para llegar a sus conclusiones. El mayor fraude de nuestra historia. ¿Por qué sigue teniendo trabajo? ¿Y por qué la gente sigue escuchando a Gates? https://www.nature.com/articles/d41586-020-01685-y
NICE
Ojalá la gente dejara de hablar del Genocidio de la Diversidad por la COVID-19 como una serie de "errores"... o "mal modelado". No fue nada de eso. Fue un genocidio planeado... y cada uno de estos pequeños detalles que se "descubren" es solo más alimento para que las masas lo manipulen, mientras la élite continúa con su plan de asesinarnos a todos. Empiecen a hablar y a nombrar a los mentirosos, asesinos y genocidas maníacos... y empiecen a preguntar o sugerir cómo los acorralaremos a todos, les daremos un juicio justo... y luego los colgaremos de una cuerda legal tras la condena. Dejen de seguirles el juego.
Siempre vale la pena recordar a la gente que Ferguson no tenía formación médica ni estadística.
Era simplemente un físico con un interés amateur en escribir código C (muy pobre).
Por favor, vean más del trabajo manual de Neil Ferguson. Este es un documental del sitio web de noticias UK Column. Contiene contenido perturbador, así que véanlo con precaución.
https://www.ukcolumn.org/video/insight-slaughtered-on-suspicion
Hola Craig,
Tienes toda la razón.
Neil Ferguson necesita estar atado a la cuerda por Traición.
Se demostró de una vez por todas que los modelos informáticos de Neil Ferguson son inútiles y que es un programador pésimo. Vi su código, clonado de GitHub, antes de que los ingenieros de Microslop se pusieran a trabajar en la corrección de errores. Si fuera un trabajo de grado, le daría una nota de F, imposible de probar.