liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Modellering av åtgärders effekter under pandemin kan ifrågasättas: Forskarna vid Imperial College ändrade sina antaganden så att slutsatsen att nedstängning var mest effektiv bibehölls [Modeling the effect of non-pharmaceutical interventions during the corona pandemic]
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska fakulteten.ORCID-id: 0000-0003-3270-171X
Linköpings universitet, Institutionen för hälsa, medicin och vård, Avdelningen för samhälle och hälsa. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Regionledningskontoret, Enheten för folkhälsa.ORCID-id: 0000-0001-6049-5402
2021 (Svenska)Ingår i: Läkartidningen, ISSN 0023-7205, E-ISSN 1652-7518, Vol. 118Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

The Imperial College COVID-19 Response Team (ICCRT) concluded in a series of high-profile reports that lockdown had been the most effective non-pharmaceutical intervention in 11 European countries during the initial phase of the corona pandemic. As the ICCRT used a transparent modeling framework, we were able to examine assumptions made in the model. We found that the ICCRT modified the assumptions made in their model as more data became available in a way that maintained the conclusion that lockdown was most effective. These observations suggest that modeling of non-pharmaceutical interventions during an ongoing pandemic must be interpreted with caution as sources of error can be found both in the technical execution of the modeling and the assumptions made. The secondary analysis was made possible only because the ICCRT published their methodology in detail, which is a prerequisite for scientific progress in the pandemic modeling area.

Abstract [sv]

ICCRT (Imperial College COVID-19 Response Team)drog under våren 2020 i en serie rapporter baserade påmodellering slutsatsen att nedstängning var den mesteffektiva samhällsinterventionen mot covid-19-pandemin i Europa.

Då ICCRT använt en transparent modelleringsmetodikmed revisionshistorik kunde vi i efterhand undersökaeffekten av ett antal antaganden som gjordes.

Vi fann att ICCRT ändrat antagandena i sin modell närfler data blev tillgängliga så att slutsatsen att nedstängning var mest effektivt bibehölls.

Tillförlitlig kunskapsutveckling inom pandemimodellering kräver att den metodik som används görs tillgängligoch granskas av andra forskare.

Ort, förlag, år, upplaga, sidor
Sveriges Läkarförbund , 2021. Vol. 118
Nationell ämneskategori
Sannolikhetsteori och statistik Folkhälsovetenskap, global hälsa och socialmedicin
Identifikatorer
URN: urn:nbn:se:liu:diva-185089PubMedID: 34014556OAI: oai:DiVA.org:liu-185089DiVA, id: diva2:1658770
Tillgänglig från: 2022-05-17 Skapad: 2022-05-17 Senast uppdaterad: 2025-02-20Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

PubMedArticle full text

Person

Gustafsson, FredrikTimpka, Toomas

Sök vidare i DiVA

Av författaren/redaktören
Gustafsson, FredrikTimpka, Toomas
Av organisationen
ReglerteknikTekniska fakultetenAvdelningen för samhälle och hälsaMedicinska fakultetenEnheten för folkhälsa
I samma tidskrift
Läkartidningen
Sannolikhetsteori och statistikFolkhälsovetenskap, global hälsa och socialmedicin

Sök vidare utanför DiVA

GoogleGoogle Scholar

pubmed
urn-nbn

Altmetricpoäng

pubmed
urn-nbn
Totalt: 116 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf