Lockdown: noodzaak of maatschappelijke ramp?

[fcal]

Oorspronkelijk geplaatst door Jantje

Er klopt zeker iets niet.
Nederland kent geen ophokplicht.
Nederland heeft zijn bedrijven en winkels niet gesloten.
En toch doet Nederland het beter dan België op papier.

Maar in België telllen ze alle doden in de RVT's die zelfs nog maar vermoedelijke besmet zijn met Covid-19 als een corona-dode.
Iemand met longkanker die slechts voor 5% vermoedelijk besmet is, telt als een corona-dode in België.
In België tellen ze dus veel meer sterfgevallen mee in de corona-doden dan in Nederland.
In België hebben ze die hoge cijfers ook nodig om de maatregelen te kunnen rechtvaardigen.
Nederland heeft de lage cijfers nodig om het gebrek aan maatregelen te rechtvaardigen

Deze factor speelt zeker mee in de rapportering. Anderzijds valt veel te zeggen voor een strikte vaststelling op duidelijke grondslagen. Aldus vervuilt men de data niet en kan men deugdelijker conclusies trekken en terechte maatregelen treffen.
Ondertussen lijken bepaalde politici langzaam aan te beseffen dat die Belgische telling in het buitenland negatief overkomt.

[patrickve]

Oorspronkelijk geplaatst door praha

Ik ga me daar eens wat meer moeten in verdiepen maar volgens mij klopt dat niet geheel hé...dat gaat niet geheel naar 0 tenzij als limietsituatie

Toch wel: als R kleiner is dan 1, dan stopt het. En je krijgt enkel een nieuwe cohorte als er een nieuw, extern geval binnenkomt.

Het is zelfs zo dat als R kleiner is dan 1, het sneller stopt dan het exponentiele model zou laten denken, omdat je op den duur met de wet der kleine aantallen zit. Een fluctuatie "onder nul" het het stopt, ook al is de verwachtingswaarde nog bijvoorbeeld 7.

Kijk: Neem een bevolking waar R = 0.8. Bijvoorbeeld, omdat R0 = 2 en X =60% van de bevolking immuun is. Dan is R = R0 * (1 - X), he.

Stel dat, om gelijk welke reden, daar op een zeker moment 1000 besmetten in rondlopen. Die 1000 besmetten gaan 800 mensen besmetten (dat is wat R wil zeggen). Die 800 gaan op hun beurt 640 andere mensen besmetten. Die op hun beurt 512 mensen gaan besmetten. Die op hun beurt 409.8, enfin, 401, mensen gaan besmetten. En zo voort.
Natuurlijk zijn die getallen *verwachtingswaarden* van een Poisson distributie telkens. Maar die som convergeert naar 5000. Op den duur heb je wel dat er gemiddeld 1 persoon is die 0.8 personen gaat besmetten, waarvan er dan weer 0.64 personen gaan besmetten en zo voort. Als het daar "stil valt" is het gedaan he. Dan zijn er GEEN besmetten meer. De epidemie stopt echt, nadat de laatste patient oftewel genezen oftewel gestorven is. Die laatste zal niemand besmet hebben. Immers, stel dat die iemand zou besmetten. En dat die, op zijn beurt, weer iemand zou besmetten. En zo voort. Dan zou R = 1 zijn, terwijl het 0.8 is.

Dus, als R strikt kleiner is dan 1, hier dus 0.8, dan stopt de epidemie, ook al waren er dus (in ons geval) dus nog 40% die nooit ziek geworden zijn.

Maar men is natuurlijk nooit beschermd tegen nieuwe buitenstaanders die in dit gebied binnenkomen met een besmetting.

Als dat er weer 1000 zijn, dan gaan er weer in totaal ongeveer 5000 ziek worden, en het stopt weer.

Alles valt en staat met de juiste definitie van een epidemie dat ge kunt stellen dat ze is gestopt.

Ze stopt als de laatste zieke genezen of dood is he. Als er geen interne besmetting meer gebeurt. Geen enkele.

Maar je blijft natuurlijk voortdurend blootgesteld aan import. Aan nieuwe zieken die van elders komen.

[patrickve]

Oorspronkelijk geplaatst door Jantje

Er klopt zeker iets niet.
Nederland kent geen ophokplicht.

Toch wel. Ingevoerd op 23 maart.

[praha]

Oorspronkelijk geplaatst door patrickve

Toch wel: als R kleiner is dan 1, dan stopt het. En je krijgt enkel een nieuwe cohorte als er een nieuw, extern geval binnenkomt.

Het is zelfs zo dat als R kleiner is dan 1, het sneller stopt dan het exponentiele model zou laten denken, omdat je op den duur met de wet der kleine aantallen zit. Een fluctuatie "onder nul" het het stopt, ook al is de verwachtingswaarde nog bijvoorbeeld 7.

Kijk: Neem een bevolking waar R = 0.8. Bijvoorbeeld, omdat R0 = 2 en X =60% van de bevolking immuun is. Dan is R = R0 * (1 - X), he.

Stel dat, om gelijk welke reden, daar op een zeker moment 1000 besmetten in rondlopen. Die 1000 besmetten gaan 800 mensen besmetten (dat is wat R wil zeggen). Die 800 gaan op hun beurt 640 andere mensen besmetten. Die op hun beurt 512 mensen gaan besmetten. Die op hun beurt 409.8, enfin, 401, mensen gaan besmetten. En zo voort.
Natuurlijk zijn die getallen *verwachtingswaarden* van een Poisson distributie telkens. Maar die som convergeert naar 5000. Op den duur heb je wel dat er gemiddeld 1 persoon is die 0.8 personen gaat besmetten, waarvan er dan weer 0.64 personen gaan besmetten en zo voort. Als het daar "stil valt" is het gedaan he. Dan zijn er GEEN besmetten meer. De epidemie stopt echt, nadat de laatste patient oftewel genezen oftewel gestorven is. Die laatste zal niemand besmet hebben. Immers, stel dat die iemand zou besmetten. En dat die, op zijn beurt, weer iemand zou besmetten. En zo voort. Dan zou R = 1 zijn, terwijl het 0.8 is.

Dus, als R strikt kleiner is dan 1, hier dus 0.8, dan stopt de epidemie, ook al waren er dus (in ons geval) dus nog 40% die nooit ziek geworden zijn.

Maar men is natuurlijk nooit beschermd tegen nieuwe buitenstaanders die in dit gebied binnenkomen met een besmetting.

Als dat er weer 1000 zijn, dan gaan er weer in totaal ongeveer 5000 ziek worden, en het stopt weer.



Ze stopt als de laatste zieke genezen of dood is he. Als er geen interne besmetting meer gebeurt. Geen enkele.

Maar je blijft natuurlijk voortdurend blootgesteld aan import. Aan nieuwe zieken die van elders komen.

ik zei het...ik zal me er in moeten verdiepen
Ik zie differentiaalvergelijkingen die in limietsitutatie naar dat % streven streven en een curve als verschil van de twee die naar 0 'valt'
Lijkt me vreemd

Er zijn mooie formulekes voor s(t), i(t) en r(t) aangenomen dat we dat model voor ogen houden (waarom ook niet)
...en het klopt dat i=0 als s = 40% en r = 60% ...en gemiddeld statistisch klopt dat wel

Maar de intuitië zegt me compleet iets anders hé...uiteindelijk moet er maar één geval i nog rondlopen en het zaakje kan theoretisch terug opstarten als die i er in slaagt voldoende van die s te treffen.
Als ge dan uitgaat van een mooie verdeling s en r dan gaat het niet terug uitbreken wegens net die buffering maar kan wel mijn inziens blijven sluimeren.
Vandaar dat ik stel dat dat op papier wel mooi is dat ge daar een datum kunt op kleven maar dat niet noodzakelijk overeenkomt met de werkelijkheid.

En dat is nu net wat ik kwam te stellen...wat als we één geval (van buitenaf of de laatste die hier nog rondliep) in een zone (wzc) droppen waar s=100% is ?
Dan gaat het spel toch terug beginnen weliswaar in een kleinere populatie

[gertc]

Oorspronkelijk geplaatst door patrickve

Op den duur heb je wel dat er gemiddeld 1 persoon is die 0.8 personen gaat besmetten, waarvan er dan weer 0.64 personen gaan besmetten en zo voort. Als het daar "stil valt" is het gedaan he. Dan zijn er GEEN besmetten meer. De epidemie stopt echt, nadat de laatste patient oftewel genezen oftewel gestorven is. Die laatste zal niemand besmet hebben. Immers, stel dat die iemand zou besmetten. En dat die, op zijn beurt, weer iemand zou besmetten. En zo voort. Dan zou R = 1 zijn, terwijl het 0.8 is.

Nee, daar vergis je je. Die r is geen 'gegeven', het is een gemiddelde in een bepaalde populatie. En dus heb je een behoorlijk aantal besmettingen nodig om dat gemiddelde op een zinvolle manier te kunnen berekenen. Als het aantal besmettingen klein wordt, kun je geen zinnig getal plakken op 'r'. Als je 1 besmette persoon hebt, en die persoon gaat toevallig naar één of ander lockdown-feestje, dan kan hij gerust 20 personen besmetten.

[gertc]

Oorspronkelijk geplaatst door fcal

Deze factor speelt zeker mee in de rapportering. Anderzijds valt veel te zeggen voor een strikte vaststelling op duidelijke grondslagen. Aldus vervuilt men de data niet en kan men deugdelijker conclusies trekken en terechte maatregelen treffen.

De WHO zegt het al van in het begin... testen, testen en testen!

In Italië werden de patiënten, desnoods post-mortem, getest en alle gevallen die positief testen werden als corona-dode geteld. Ook dat is een overschatting (je kunt gerust een asymptomatische corona-patiënt hebben die overlijdt aan een hartaanval) - maar toch al minder dan bij ons waar buiten de ziekenhuizen tot deze week gewoonweg niemand getest werd.

Als je geen duidelijke doodsoorzaak weet, vervuil je je data ALTIJD. Maakt niet uit of je te veel of te weinig doden een 'corona'-label geeft - in beide gevallen is het vervuilde data die je niet betrouwbaar kunt gebruiken om een beleid op te baseren.

[praha]

Oorspronkelijk geplaatst door gertc

Nee, daar vergis je je. Die r is geen 'gegeven', het is een gemiddelde in een bepaalde populatie. En dus heb je een behoorlijk aantal besmettingen nodig om dat gemiddelde op een zinvolle manier te kunnen berekenen. Als het aantal besmettingen klein wordt, kun je geen zinnig getal plakken op 'r'. Als je 1 besmette persoon hebt, en die persoon gaat toevallig naar één of ander lockdown-feestje, dan kan hij gerust 20 personen besmetten.

inderdaad het gaat over een statisch gegeven die R ( niet die ander R(es) of r(t) hé) maar het reproductiegetal of factor
Als R bv 2 dan neemt ge aan dat 1 persoon gemiddeld 2 andere mensen zal besmetten.

En die R wordt net ingeschat aan de hand van het verloop van s(t),i(t),r(t)

En achteraf valt die te berekenen aan de hand van : ln (s(t0)/s(t1))/(1-s(t1))
Die t1 slaat op het einde van de epidemie...dus ná volledige stabilisatie

Volgens mij dus theoretisch op oo....pas dan zijt ge zeker* dat i(t1)=0 zal zijn , ....praktisch als ge niet meer kunt spreken over een epidemie

*Of ge moet het spel volledig numeriek aan de hand van testen gaan opmeten...begin maar

[gertc]

De nieuwe oversterfte-cijfers zijn er:

België
Berlijn
Italië
Nederland
Zweden

[Vette Pois(s)on]

vele oudjes zijn versneld gestorven, straks is er nog ondersterfte

[praha]

Oorspronkelijk geplaatst door gertc

De nieuwe oversterfte-cijfers zijn er:

België
Berlijn
Italië
Nederland
Zweden

euhmzzz enige legenda en uitleg ?

[morte-vivante]

Oorspronkelijk geplaatst door praha

euhmzzz enige legenda en uitleg ?

euromomo website

[patrickve]

Oorspronkelijk geplaatst door gertc

Nee, daar vergis je je. Die r is geen 'gegeven', het is een gemiddelde in een bepaalde populatie. En dus heb je een behoorlijk aantal besmettingen nodig om dat gemiddelde op een zinvolle manier te kunnen berekenen.

Dat is precies het verschil tussen kansrekenen en statistiek he.

Kijk, als je een muntje gooit, is de KANS altijd precies 1/2 dat je kop gooit. Je kan die kans empirisch inderdaad pas meten als je 1 miljoen muntjes gooit. Maar zelfs als je 1 enkel muntje gooit, blijft die kans 1/2, om kop te gooien.

Maw, als een "zekere populatie (ttz, ziekte plus gedrag) zodanig is dat een persoon een VERWACHTINGSWAARDE heeft om 0.8 personen te besmetten, dan wil dat gewoon zeggen dat de kansen om 0, 1, 2, 3, .... 500, 501, .... personen te besmetten, gegeven zijn door een Poisson verdeling met als verwachtingswaarde 0.8.

Maar voor een gegeven persoon zal het dus een TREKKING uit die verdeling zijn die gerealiseerd wordt: er zullen dus 0 of 1 of 2, 3, .... 500,... personen besmet worden door die bepaalde persoon, met de kansen daarop gegeven door die Poisson verdeling.

Als 0 getrokken wordt, is er dus nadien geen besmette meer. Als 1 getrokken wordt, wel. Als 2 getrokken wordt, zijn er 2. Maar de kans daartoe is al stukken kleiner. Elk van die mogelijkheden wordt weer aan zo een kansproces doorgegeven.

Op het einde heb je dus een kansverdeling dat er uiteindelijk 0 personen, 1 persoon, 2 personen en zo voort nog besmettelijk zijn. En de kansen opdat het anders is dan 0 personen nemen bij elke generatie serieus af. Immers, eens het 0 geworden is, blijft het 0, natuurlijk.

Als het aantal besmettingen klein wordt, kun je geen zinnig getal plakken op 'r'. Als je 1 besmette persoon hebt, en die persoon gaat toevallig naar één of ander lockdown-feestje, dan kan hij gerust 20 personen besmetten.

Uiteraard, maar dat is heel zeldzaam uiteraard. Anders zou de verwachtingswaarde niet 0.8 zijn. Dus ja, als men "pech" heeft, (dus als een gebeurtenis met heel lage kans toch getrokken wordt) gaat het even naar 20 gaan. Maar het had dus veel waarschijnlijker geweest dat het 0 of 1 was. Die 20 gaan dan nadien *gemiddeld* 16 personen besmetten. Misschien 19, maar ook misschien 12. Die nadien gemiddeld 13 personen gaan besmetten, of 15, of 10. Naargelang.

Maar we stevenen altijd af naar kleinere en kleinere getallen, en op den duur is de kans dat je in gans die reeks GEEN 0 tegen komt, ontiegelijk klein.

Het is een beetje als zeggen dat het mogelijk is om altijd maar muntjes te gooien en nooit "kop" te gooien. Ja, dat is mogelijk. Op een rijtje van 4 is dat nog een redelijke kans (ongeveer 6% of zo). Op een rijtje van 20 wordt dat heel zeldzaam (1 op een miljoen). Zeggen dat het zal blijven duren, dat je nooit kop gooit (dat je nooit 0 bereikt) is dus hoe langer hoe onwaarschijnlijker.

[gertc]

Oorspronkelijk geplaatst door praha

euhmzzz enige legenda en uitleg ?

Zie de website van euromomo
De rode lijn is het normale aantal doden per week. De eerste zwarte lijn erboven staat voor 4 standaard-deviaties meer dan normaal, de tweede zwarte lijn 8 standaard-deviaties.

[patrickve]

Oorspronkelijk geplaatst door gertc

De nieuwe oversterfte-cijfers zijn er:

België
Berlijn
Italië
Nederland
Zweden

Dus tot hier toe totaal verwaarloosbaar fenomeen he. Wel statistisch significant, zoveel is duidelijk. Maar verwaarloosbaar op het geheel. Het is geen verdrievoudiging van het jaarlijkse aantal doden. Je ziet het omdat het op korte termijn voorvalt.

[patrickve]

Oorspronkelijk geplaatst door praha

inderdaad het gaat over een statisch gegeven die R ( niet die ander R(es) of r(t) hé) maar het reproductiegetal of factor
Als R bv 2 dan neemt ge aan dat 1 persoon gemiddeld 2 andere mensen zal besmetten.

En die R wordt net ingeschat aan de hand van het verloop van s(t),i(t),r(t)

Ja dat is waar, maar die is a priori een inherente eigenschap van ziekte plus gedrag in de populatie. Zoals de kans opdat een muntje kop geeft 1/2 is, en dat kan afgeleid worden uit het gooien van heel veel muntjes, maar die kans toch nog geldig blijft ook al doe je maar een paar worpen.

De deterministische benadering met differentiaal vergelijkingen zijn de berekeningen van de *verwachtingswaarden* (die in de thermodynamische limiet overeenkomen met de echte waarnemingen, gezien er dan geen statistische fluctuaties meer zijn die een rol spelen). Als we met kleine getallen zitten, dan zijn die deterministisch berekende waarden nog altijd de verwachtingswaarden, maar is de statistische distributie daarrond breder. Dat verandert echter niks aan de verwachtingswaarden.

En zoals ik al zegde, zijn de deterministische verwachtingswaarden pessimistisch, omdat die uitgaan van distributies die evengoed negatief kunnen worden ; terwijl men bij kleine getallen "afbreekt voorgoed bij 0".

[morte-vivante]

Oorspronkelijk geplaatst door patrickve

Dus tot hier toe totaal verwaarloosbaar fenomeen he. Wel statistisch significant, zoveel is duidelijk. Maar verwaarloosbaar op het geheel. Het is geen verdrievoudiging van het jaarlijkse aantal doden. Je ziet het omdat het op korte termijn voorvalt.

...door de maatregelen...

[patrickve]

Oorspronkelijk geplaatst door morte-vivante

...door de maatregelen...

Ja dat is natuurlijk waar. Maar gezien we waarschijnlijk al ongeveer 1/10 van de weg hebben afgelegd, is zelfs 10 keer meer verwaarloosbaar, of we dat nu "horizontaal" doen (dus spreiden in de tijd) of "vertikaal" (LMW).

[praha]

Oorspronkelijk geplaatst door patrickve

Ja dat is waar, maar die is a priori een inherente eigenschap van ziekte plus gedrag in de populatie. Zoals de kans opdat een muntje kop geeft 1/2 is, en dat kan afgeleid worden uit het gooien van heel veel muntjes, maar die kans toch nog geldig blijft ook al doe je maar een paar worpen.

ja klopt maar het is :
1) statistisch
2) pas bekend of in te schatten met het verloop..die R en dus de na te streven % bedoel ik hier

Die 1) is wel belangrijk hier hé

De kans dat ge een zes gooit moge ook maar 1 op 6 zijn maar als die zes betekent dat een dobbelsteen plots uit alleen maar zessen gaat bestaan dan speelt dat wel hé ( allez 't is maar bij wijze van spreken )

Die ene uitschieter kan bv naar China vertrekken...of een nieuwe plaatselijke geïsoleerde pool besmetten...of net die ene verdomde mutatie betekenen die maakt dat het weer rond gaat gaan
Dat bedoel ik
Ge hebt pas 100% zekerheid dat i(t1)=0 op tijdstip oo of nadat ge geval per geval allemaal getest hebt

De deterministische benadering met differentiaal vergelijkingen zijn de berekeningen van de *verwachtingswaarden* (die in de thermodynamische limiet overeenkomen met de echte waarnemingen, gezien er dan geen statistische fluctuaties meer zijn die een rol spelen). Als we met kleine getallen zitten, dan zijn die deterministisch berekende waarden nog altijd de verwachtingswaarden, maar is de statistische distributie daarrond breder. Dat verandert echter niks aan de verwachtingswaarden.

ja goed weet ik wel maar dat veranderd niks aan het feit dat ge een i(t1) hebt die op 0 wordt bepaald maar dat er toch een uitschieter is.
Op zich is dat niet heel belangrijk en compleet verwaarloosbaar maar het kan wel belangrijk worden als die ene aan de basis ligt van het besmetten van een gehele nieuwe populatie

En zoals ik al zegde, zijn de deterministische verwachtingswaarden pessimistisch, omdat die uitgaan van distributies die evengoed negatief kunnen worden ; terwijl men bij kleine getallen "afbreekt voorgoed bij 0".

Dat brengt dan alleen maar wat meer zekerheid maar geen 100%

[Jantje]

Oorspronkelijk geplaatst door fcal

Deze factor speelt zeker mee in de rapportering. Anderzijds valt veel te zeggen voor een strikte vaststelling op duidelijke grondslagen. Aldus vervuilt men de data niet en kan men deugdelijker conclusies trekken en terechte maatregelen treffen.
Ondertussen lijken bepaalde politici langzaam aan te beseffen dat die Belgische telling in het buitenland negatief overkomt.

Natuurlijk komen de tellingen slecht over in het buitenland.
Laten we eerlijk zijn, 289 covid-19 doden in de woonzorgcentra op 1 dag kan geen mooie beeld geven in hetbuitenland.
Maar van die doden zijn er slechts enkele die getest waren.
De rest zijn mogelijk corona-gerelateerde doden en die worden in het buitenland niet in de coronacijfers opgenomen slechts enkele corona-doden.
En 289 of minder dan 10 bevestigde corona-doden geeft een heel beeld naar de rest van de wereld.

En "Maar in de winter van 2017-2018 bedroeg het maximum aantal sterfgevallen (op 7 maart) eveneens 465. Dat was tijdens de piek van een griepepidemie."
https://www.hln.be/nieuws/binnenland...oden~abf12b20/

Toch iets om eens goed over na te denken.

[JimmyB]

Oorspronkelijk geplaatst door patrickve

Toch wel: als R kleiner is dan 1, dan stopt het. En je krijgt enkel een nieuwe cohorte als er een nieuw, extern geval binnenkomt.

Het is zelfs zo dat als R kleiner is dan 1, het sneller stopt dan het exponentiele model zou laten denken, omdat je op den duur met de wet der kleine aantallen zit. Een fluctuatie "onder nul" het het stopt, ook al is de verwachtingswaarde nog bijvoorbeeld 7.

Kijk: Neem een bevolking waar R = 0.8. Bijvoorbeeld, omdat R0 = 2 en X =60% van de bevolking immuun is. Dan is R = R0 * (1 - X), he.

Stel dat, om gelijk welke reden, daar op een zeker moment 1000 besmetten in rondlopen. Die 1000 besmetten gaan 800 mensen besmetten (dat is wat R wil zeggen). Die 800 gaan op hun beurt 640 andere mensen besmetten. Die op hun beurt 512 mensen gaan besmetten. Die op hun beurt 409.8, enfin, 401, mensen gaan besmetten. En zo voort.
Natuurlijk zijn die getallen *verwachtingswaarden* van een Poisson distributie telkens. Maar die som convergeert naar 5000. Op den duur heb je wel dat er gemiddeld 1 persoon is die 0.8 personen gaat besmetten, waarvan er dan weer 0.64 personen gaan besmetten en zo voort. Als het daar "stil valt" is het gedaan he. Dan zijn er GEEN besmetten meer. De epidemie stopt echt, nadat de laatste patient oftewel genezen oftewel gestorven is. Die laatste zal niemand besmet hebben. Immers, stel dat die iemand zou besmetten. En dat die, op zijn beurt, weer iemand zou besmetten. En zo voort. Dan zou R = 1 zijn, terwijl het 0.8 is.

Dus, als R strikt kleiner is dan 1, hier dus 0.8, dan stopt de epidemie, ook al waren er dus (in ons geval) dus nog 40% die nooit ziek geworden zijn.

Maar men is natuurlijk nooit beschermd tegen nieuwe buitenstaanders die in dit gebied binnenkomen met een besmetting.

Als dat er weer 1000 zijn, dan gaan er weer in totaal ongeveer 5000 ziek worden, en het stopt weer.



Ze stopt als de laatste zieke genezen of dood is he. Als er geen interne besmetting meer gebeurt. Geen enkele.

Maar je blijft natuurlijk voortdurend blootgesteld aan import. Aan nieuwe zieken die van elders komen.

Dit is zo.

Maar R is afhankelijk van het gedrag en er is wisselwerking tussen gedrag en R. Indien R laag is gaan de mensen er zich niet teveel aantrekken en zal dit R opnieuw de hoogte doen ingaan.