El Reino Unido y el Imperial College de Londres fueron el centro neurálgico intelectual de la respuesta mundial a la pandemia de COVID-19. Como recordarán, fue... Neil Ferguson, físico del Imperial College, quien desarrolló el principal modelo epidemiológico detrás de la justificación para cerrar 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 proceso de Instituto Americano de Investigación Económica (“AEIR”) anotado en abril de 2021Ferguson 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 contener la pandemia. La mayoría de los países siguieron su consejo, sobre todo después de que los gobiernos del Reino Unido y Estados Unidos invocaran explícitamente su informe como justificación de 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 reportada por The Expuesto Para satisfacer sus propias necesidades. Suscríbete a nuestros correos electrónicos ahora para asegurarte de recibir las últimas noticias sin censura. en tu bandeja de entrada…
Magnífico artículo de marzo de 2020: “¿Es útil la epidemiología?”
By jonathan engler, 22 junio 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 abajo) del 31 de marzo de 2020, que recomiendo encarecidamente, expone las deficiencias del uso de GIGO.1 El modelado como motor de las políticas públicas, algo que vemos en muchos ámbitos, especialmente 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 la fiebre aftosa de Ferguson/Imperial es particularmente interesante. ¿Hasta qué punto hay que estar equivocado para que alguien dude en confiar en que se determinen políticas (porque eso es lo que hizo) que causarán muerte y miseria a millones de personas?2?
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.
El resumen de la pieza se reproduce a continuación. Haga clic en él o AQUÍ Para acceder al artículo completo. [Nota: Hemos reproducido el artículo 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?
By mike hearn, 31 marzo de 2020
Hay un dicho famoso sobre las simulaciones del mundo real: “Todos los modelos son erróneos, pero algunos son útiles." Una pregunta crítica que debemos plantearnos ahora es si los modelos epidemiológicos son erróneos pero útiles, o simplemente incorrectos.
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.
ICL modelado de la propagación del SARS-CoV-2 Es lo que desencadenó el confinamiento total en el Reino Unido y lo reforzó o incluso lo desencadenó en muchos otros países. Dadas las graves consecuencias de paralizar el planeta, merece un nivel de escrutinio al que ningún trabajo científico se ha sometido antes. Eso es ahora. despacio Está empezando a suceder.
En este artículo, analizaré principalmente la historia de la epidemiología y los problemas metodológicos que la acompañan. Si te interesan los problemas específicos de la COVID-19, te recomiendo...Enfermedad del coronavirus 2019: los daños de la información exagerada y las medidas no basadas en evidencia' por el Dr. John Ioannidis, aceptado según el Revista Europea de Investigación Clínica.
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 pueblos imperiales 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 un destacado epidemiólogo, Neil Ferguson, El sistema imperial se considera una especie de patrón oro … Los funcionarios estadounidenses dijeron que el informe, que proyectó hasta 2.2 millones de muertes en Estados Unidos debido a tal propagación, También influyó en la Casa Blanca. …. “Gran parte no es lo que dicen, sino quién lo dice”, dijo 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 modelistas altamente competente” — John Ioannidis (Departamentos de Medicina, de Epidemiología y Salud Poblacional, de Ciencia de Datos Biomédicos y de 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. 'Impacto de las intervenciones no farmacéuticas (INF) para reducir la mortalidad por COVID19 y la demanda de atención médica'El artículo tiene fecha del 16 de marzo de 2020 y se publicó de inmediato, coincidiendo con el repentino cambio de estrategia gubernamental que provocó. Si bien muchos artículos sobre la COVID-19 se han sometido 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 varias razones. Entre otros problemas, el modelo en sí no está disponible en ninguna parte debido a la baja calidad del código, que solo el equipo del profesor Ferguson comprende.
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 excepcionalmente crítico. No puedo enfatizarlo lo suficiente. La academia está en medio de... crisis de replicación (Ese es el nombre real). Campos enteros están perdiendo credibilidad porque nadie puede replicar "descubrimientos" que fueron ampliamente aceptados durante décadas.
Desde que el ICL publicó su estudio, otros no epidemiólogos lograron construir modelos que no son sólo documentado públicamente y con fuente disponible, es que son totalmente interactivos y pueden ser ejecutados por cualquier persona En un navegador. "Mi código es demasiado complejo para entenderlo sin entrenamiento personal" no es aceptable para los investigadores financiados con fondos públicos, especialmente cuando ese código tiene más de una década de antigüedad. Imperial College 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 comprobables.
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 hay un problema un poco más sutil. Más adelante Él cambió lo que estaba prediciendo ser “20,000 muertos y podría ser mucho menor.Si las muertes son mucho mayores, puede argumentar que sus recomendaciones no se siguieron con la suficiente precisión, y como es prácticamente imposible implementarlas por completo, ¿quién puede discutirlo? Si las muertes rondan las 20,000, puede decir: «Nuestro análisis predijo correctamente el resultado». Si las muertes son mucho menores, puede decir: «Las muertes se ajustaron 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.
Cuando se le preguntó sobre la vaguedad de esta predicción, la respuesta fue: “Sí, el rango es amplio, pero en realidad no condujo a ningún cambio en la política gubernamental” (ver Daily Telegraph). Esa respuesta no tiene sentido, pero muestra una profunda preocupación acerca de si el asesoramiento epidemiológico orienta los resultados.
Un segundo cambio crítico fue la afirmación de que “Probablemente 2/3 de esas personas habrían muerto de todos modos.” La noción de exceso de mortalidad no aparece en ninguna parte del informe original; lo más probable es que ICL haya descubierto que los datos italianos que utilizaron informaron de muertes. con Infección y no muertes becauseofInfección al mismo tiempo que todos los demás. Presumiblemente, esto cambiaría las conclusiones de manera fundamental. De hecho, confunde el concepto mismo de "número de muertes".
En caso de que pienses que estoy criticando a ICL, el reciente artículo epidemiológico de Oxford sobre la COVID-19 dice que “… la proporción de la población del Reino Unido que ya ha sido infectada podría ser 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 la gente cree que los científicos están impulsando agendas políticas. Esto explica en gran medida por qué, como... Financial Times informes, 'Los economistas entre los profesionales menos confiables del Reino Unido' También es 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 joven. Su primera prueba en el Reino Unido se produjo con una epidemia en 2001 de... enfermedad de pies y boca (“FA”) entre cerdos y ovejas. El resultado fue tan catastrófico que ha sido objeto de numerosos artículos. Aunque este evento ya tiene 20 años, también analizaré una segunda predicción de hace unos 5 años para demostrar que 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 de la Fiebre Aftosa" del gobierno estaba compuesto por diversas disciplinas, pero, según todos los informes, los epidemiólogos eran los más destacados. Los modeladores provenían de cuatro universidades diferentes, pero con bastante rapidez el modelo ICL se convirtió en el principal (del artículo "Medios, metáforas y modelado').
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 continuo de 48 horas, impulsada por 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, El sacrificio contiguo no se implementó en el norte de Cumbria, pero la curva epidémica de Cumbria refleja la curva del resto de Gran Bretaña en 2001. (Figs. 2 y 3) y también la curva epidémica de 1967/1968”.
En definitiva, Los modelos no predijeron correctamente el curso y la duración de la epidemia ni la eficacia de las medidas de control tradicionales. ni las nuevas propuestas (61). Por lo tanto, no superaron las pruebas de fuego de refutación, comprobación y utilidad (41).
No pasaron la prueba de fuego de la utilidad.
¿Por qué salieron mal?
Los supuestos veterinarios de los modelos… representaba un virus diferente (totalmente teórico), Quizás mejor se le llame el "virus del Armagedón"., dada su capacidad de infectar rebaños enteros a la vez y excretarse varios días antes de la manifestación clínica, como máximo y de manera 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 a quienes gestionan la base de datos de granjas realmente no les 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 real que necesitan y El hecho de que las coordenadas geográficas sitúen la granja en medio del Mar del Norte, ¿sabes?, así que, ¿qué?” — Entrevista E7, Christley et al.
Como lo expresan Kitching et al.: “La experiencia del Reino Unido proporciona una advertencia saludable 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 hicieras es mirar las cifras muy impresionantes; si comparas la Figura [1], que son las predicciones que se hicieron, las curvas A, B, C, con [los datos de la epidemia – puntos azules], que es cómo se desarrolló la epidemia, creo que tienes que estar de acuerdo en que no fue un mal acuerdo, La predicción no fue tan mala.” — 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:
“De las experiencias de la epidemia de fiebre aftosa de 2001 en el Reino Unido se aprendieron muchas lecciones que se pusieron a prueba demasiado pronto cuando La fiebre aftosa volvió a atacar al Reino Unido en 2007.”— Mansley y otros
La lección aprendida fue ignorar la epidemiología:
“Una de las principales fue la política de emplear los métodos tradicionales y bien establecidos de control y erradicación de la fiebre aftosa y no 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 campo de esto. Y ahí es donde se vuelve realmente preocupante. El Telégrafo:“El profesor Ferguson dijo sobre su modelo para la fiebre aftosa: Hay una serie de factores que intervienen en las decisiones políticas, de los cuales la ciencia –en particular el modelo– es sólo uno. Es ridículo decir ahora que nuestro modelo cambió la política gubernamental.. "Fueron varios factores los que influyeron".
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, metáforas y modelado': “A medida que el modelado realizado en el Imperial College se hizo más La fuente principal para la toma de decisiones políticas“La prensa se centró principalmente en los modelos producidos allí, no en los modelos producidos por los equipos de Edimburgo y Cambridge”.
De 'Tensión destructiva: matemáticas vs. experiencia': “Los modelos que sustentaron la política de sacrificio contiguo presentaban graves fallos”.
A día de hoy, el equipo del ICL todavía cree que básicamente tenían razón sobre la epidemia de fiebre aftosa:
Estábamos modelando en tiempo real, al igual que los otros grupos en 2001. Ciertamente, los modelos no eran 100 % precisos, sobre todo con datos limitados y tiempo limitado para realizar el trabajo. Pero Pienso que las conclusiones generales a las que llegamos seguían siendo válidas."
Zika: otra señorita
Usted podría recordar el Brote de Zika en América Latina en 2015, un virus aterrador que provocó que los bebés de mujeres infectadas nacieran con cabezas reducidas y daño cerebral grave. ICL modeló la epidemia y dijo en un artículo 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 es lo que pasó. No se necesitaron tres años con retornos estacionales. desapareció en un.
El Zika está erradicado de los EE. UU. A nivel mundial ha habido tan pocos casos desde 2017 que Página de Wikipedia sobre el virus Ni siquiera se molesta en dar noticias al respecto después de eso (la última actualización es 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 estuvo dedicada a la sección "¿Qué deberían hacer los responsables políticos?Pero no se hicieron recomendaciones concretas más allá de recomendar a las mujeres que eviten el embarazo. El artículo admite: «Aconsejar no quedarse embarazada ha sido criticado por ser 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 el Autor
mike hearn es un ex ingeniero de Google, el autor original de Bitcoinj y ex colaborador de Bitcoin CoreAbandonó Bitcoin en enero de 2016; una de las razones que dio fue el aumento de las tarifas (ver La resolución del experimento de 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 coronavirus dimite 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 del mundo
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 software de Microsoft (Gates) para determinar sus hallazgos. La mayor estafa de nuestra historia. ¿Por qué sigue trabajando? ¿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.
[...] https://expose-news.com/2024/06/22/did-neil-fergusons-modelling-of-covid/ [...]