DEBAT: Ugentlige covid-variationer giver misvisende kommunikation
»Og så til dagens smittetal: Der har i dag været 2.598 nye tilfælde af covid-19, hvilket er 620 flere end i går«. Lyder det bekendt? Med mandagens pressemøde og den kommende genindførsel af coronapas, vender vor alles blik tilbage til smittetal og indlæggelseskurver. Men i den fornyede opmærksomhed på ‘dagens smittetal’ går en vigtig detalje ofte tabt: Antallet af smittede varierer hen over en uge, og selvom ‘dagens’ tal er lavere, så kan covid-19 stadig godt være i vækst. Vi giver et kort overblik over problemet.
Nye smittetilfælde og variationen i test-aktiviteten
Det er som sådan ikke nogen overraskelse at antallet af nye covid-19 smittetilfælde der findes varierer hen over en uge. En tilsvarende variation ses nemlig i antal af test, der bliver udført. Der udføres typisk færre test i weekenden, og derfor bliver der også fundet færre positive tilfælde i weekenden. Derfor skal udviklingen i smittetilfælde også vurderes i relation til test-aktiviteten.
Præcis hvordan man bedst korrigerer for, hvor mange der er blevet testet, er ikke nogen nem sag, og det er en udfordring, som Statens Serum Institut (SSI) løbende har forsøgt at løse. Deres metode, en definition af test-korrigeret smittetilfælde, er dog ikke noget, der vil blive diskuteret her. Pointen her er en anden: Fluktuationerne fra dag til dag er vigtige at tage højde for at fortolke korrekt, uanset hvad de skyldes.
Den daglige forskel
Når man sammenligner dagens smittetal med gårsdagens smitteta, har ugedagen en enorm betydning. På figuren kan man eksempelvis se, at der lørdag den 29. oktober var omtrent 200 færre smittede end dagen før, mens der allerede mandagen efter, 1. november, var en stigning med 500 smittede i forhold til dagen før. Fokuseres der udelukkende på dagens ændring, så kunne man altså lørdag tro, at epidemien var på vej ned, for så mandag at være vendt tilbage i stor stil.
Hvis man ser på den daglige forskel, der vises på figuren, så er problemet tydeligt. Selvom antallet af smittetilfælde gennemsnitligt er i vækst, så er afhænger forskellen fra dag til dag stærkt meget af, hvilken ugedag man ser på. Man kan oven i købet se, at når smitten er højere, så er fluktuationerne større. Problemet med at fortolke på den daglige forskel bliver derfor kun værre, hvis antallet af nye daglige smittede stiger igennem de næste uger og måneder.
Et bedre mål
Et muligt alternativ til dag-til-dag-sammenligningen ligger lige for, og kommer fra årsagen til problemet: Hvis det er vigtigt at korrigere for, hvilken dag på ugen man ser på, så kan man jo vælge at sammenligne med det seneste data fra samme ugedag, altså syv dage tidligere. Denne ugentlige forskel kan du se i den tredje figur. Der ses stadig udsving, men perioder, hvor smitten har været i vækst, ses tydeligt i den ugentlige forskel.
Det ses også, at der omkring udgangen af september var et skift, hvor smitten gik fra at være faldende (set som en negativ ugentlig forskel) til nu at være stigende. Dette skift skete netop dér hvor smitten var på sit laveste niveau. En ugentlig forskel på nul er på den måde en indikator for en udviklingen, der er stagneret eller er i gang med at vende.
Den stigning, der kommer, når data for en bestemt dag er højere end ugen før, er i princippet også en af grundene til, at et rullende syv-dages gennemsnit kan være en god måde at anskue data som en glat kurve: Når en dag ryger ud af det syv-dages rullende vindue, så byttes den ud med data fra samme ugedag ugen efter.
Du kan se den udglatning af ugentlige variationer, som man får ved at betragte et syv-dages gennemsnit i den blå kurve i den første figur. Det er sandsynligvis en af grundene til, at websites til at sammenligne covid-19-situationen på tværs af lande, såsom ourworldindata.org, typisk viser det rullende gennemsnit som udgangspunkt. Man risikerer at forskellig udvikling fra dag til dag gør det besværligt sammenligne udviklingen i forskellige lande.
Går smitten op eller ned?
Det er ikke altid nemt at finde ud af, hvilket mål man skal bruge til at vurdere udviklingen i smitten. Hvis man forventer en udvikling, der er tilnærmelsesvis eksponentiel, så kan det være en fordel at vise data med en logaritmisk anden-akse, sådan som det gøres på den sidste figur. Her vil en eksponentiel udvikling fremstå som en lige linje, og det vil være let at bestemme eksempelvis en fordoblingstid.
Til gengæld kan en logaritmisk anden-akse nemt skjule store forskelle: Hvad der kun er få pixels i toppen er figuren er en forskel på adskillige hundrede smittetilfælde. Man får således et bedre indblik i hvor hurtigt smitten vokser, men på bekostning af en lidt forvirrende fortolkning i ‘virkelige’ termer.
I sidste ende er der mange forskellige måder at holde øje med en epidemis udvikling. Det kan være ved hjælp af fremskrivninger af matematiske modeller, som i de model-rapporter SSI for tiden udgiver hver anden uge, eller gennem data-baserede estimater, eksempelvis det effektive kontakttal, som SSI løbende har estimeret ud fra tidligere ugers data.
Hvilken indikator, man benytter, er ikke trivielt at vælge og kan have betydning for ens vurdering af epidemiens fremtid. Man kan godt snakke om forskellen i smittetilfælde i dag i forhold til i går, men det er sandsynligvis mere retvisende at tage højde for forskellen i forhold til sidste uges tal eller måske bruge et af de andre mere avancerede mål for smittens udvikling. På den måde undgår vi, at også debatten om epidemiens udvikling svinger op og ned fra dag til dag.
