Çoklu rekabetçi istatistiksel modellerle COVID-19’un ilaç dışı müdahalelerinin etkilerindeki belirsizlik ve tutarsızlık

Bu çalışma neden şimdi önemli

COVID-19 salgını, okul kapatmaları, sokağa çıkma kısıtları, maske zorunlulukları ve daha pek çok kural aracılığıyla günlük yaşamı yeniden şekillendirdi. Hükümetler, bu ilaç dışı müdahalelerin (NPI’ler) virüsü yavaşlatmak için gerekli olduğunu savundular. Ancak hangi önlemin gerçekten ne kadar etkili olduğuna dair kanıtlar ne kadar güçlüydü ve bilim insanları tahminlerinden ne kadar emindi? Bu çalışma, Almanya’nın resmi COVID-19 politika analizini yeniden ele alıyor ve hangi önlemin ne kadar yardımcı olduğuna dair sözde kesinliğin büyük ölçüde bir yanılsama olduğunu gösteriyor.

Almanya’nın salgın oyun kitabına yeniden bakmak

Almanya sağlık bakanlığı, farklı müdahalelerin her eyalette virüsün yayılımını nasıl etkilediğini tahmin etmek üzere StopptCOVID adlı kapsamlı bir analiz yaptırdı. Orijinal çalışma, zaman içinde değişen üreme sayısı R(t) – her vaka başına ortalama yeni enfeksiyon sayısı – ile aşılama ve mevsim gibi 50’den fazla politika ve bağlam değişkenini bağlayan bir istatistiksel model kullandı. Model, kamusal alanların kapatılması, gece hayatının kısıtlanması veya maske zorunluluğu gibi önlemlerin R(t)’yi ne kadar azalttığına dair düzenli sayılar üretti ve bu sayılar, hatırı sayılır bir kesinlik izlenimi veren dar güven aralıklarıyla raporlandı.

Yeniden analiz neyi sınamayı amaçladı

Yeni araştırma ekibi, Alman raporunu bağımsız bir denetime tabi tutulması gereken bir çalışma olarak ele aldı. Aynı temel girdi verilerini ve epidemiyolojik varsayımları korudular, ancak orijinal sonuçların gerçekten ne kadar sağlam olduğunu sorgulamak için dokuz farklı, yaygın kabul görmüş istatistiksel yaklaşım kullandılar. Odakları kasıtlı olarak dar tutuldu: salgının hangi biyolojik modelinin en iyi olduğu tartışması yerine, özellikle uzun dönem boyunca çok sayıda bölgeyi izleyen zaman serilerinde ve birbirini örten onlarca politikanın bulunduğu durumlarda istatistiksel belirsizlikler ciddiye alındığında yanıtların ne kadar değiştiğini sordular.

Orijinal çalışmadaki gizli istatistiksel tuzaklar

İki sorun kritik çıktı. Birincisi, resmi model verinin açıklanamayan kısmının — artıkların — günden güne rastgele olduğunu varsaydı. Oysa eyalet bazında zaman içinde çizildiğinde bu artıklar açıkça ardışık hareketler sergiliyor, güçlü otokorelasyon gösteriyordu. Bu, dünkü hataların bugünkülerle bağlantılı olduğu anlamına gelir; temel regresyon varsayımları ihlal edilir ve standart formüllerden elde edilen hata payları çok iyimser olur. İkincisi, birçok müdahale neredeyse aynı zamanda ülke genelinde uygulandı veya sıkılaştırıldı. Bu durum ağır çoklu doğrusal bağlantıya (multicollinearity) yol açtı: farklı NPI’lerin etkinleşme desenleri o kadar benzeyecek şekilde örtüştü ki model onları ayırt etmekte zorlandı. Bu koşullar altında bireysel politika etkileri modelde küçük değişikliklerle genişçe değişebilir ya da işaret değiştirebilir; bu da kesinlik izlenimini zedeler.

Ne sağlam kalıyor, ne kalmıyor

Rekabetçi model seti genelinde araştırmacılar, resmi güven aralıklarının çok daha geniş olması gerektiğini buldular. Otokorelasyon ve kollinearite daha titizlikle ele alındığında, çoğu NPI’nin R(t) değişiklikleriyle güvenle ilişkilendirilemeyeceği ortaya çıkıyor. Bu, söz konusu önlemlerin hiçbir etkisi olduğu anlamına gelmiyor; mevcut veri ve yöntemlerin bunları güvenilir biçimde ayırmaya yetmediği anlamına geliyor. Bazı ilişkiler daha dayanıklı: aşılama bulaşmayı açıkça azalttığı biçiminde öne çıkıyor ve COVID-19’un mevsimsel bir paterni izlediğine dair güçlü, tutarlı kanıt var. Kamusal alanlar, gece hayatı ve belirli hizmet sektörlerine getirilen kısıtlamalar ile çocuk bakımındaki en sıkı kurallar da gerçek etkiler için aday olarak ortaya çıkıyor, ancak burada bile faydanın kesin büyüklüğü son derece belirsiz ve erken dönemde uygulanan geniş önlemler (ör. genel fiziksel mesafe) ile kısmen karışmış olabilir.

Gelecek salgın kararları için dersler

Bir uzman olmayan için ana mesaj, karmaşık, gürültülü verilere dayanan düzenli tabloların politikaları etkinlik sırasına koyarken yanıltıcı olabileceğidir. Yazarlar, Almanya’nın yaklaşımının — ve COVID-19 politikalarına dair küresel zaman serisi literatürünün büyük kısmının — belirsizliği hafife aldığını ve dolayısıyla bireysel müdahaleleri ne kadar hassas değerlendirebileceğimizi fazla ifade ettiğini savunuyorlar. Gelecek salgın planlarının, önlemlerin tasarımına değerlendirmeyi entegre etmesini, yeterli gözlem süreleri bırakılmasını, daha yüksek nitelikli veri toplanmasını, modern zaman serisi yöntemlerinin kullanılmasını ve etkili modellerin bağımsız olarak doğrulanmasını öneriyorlar. Bu özen sağlanmazsa, hükümetler kırılgan bir istatistiksel temel üzerinde geniş politikalar uygulayıp savunma riskiyle karşılaşır ve kamu, bu sayıların hak etmediğinden daha fazla güvenle sunulmasına maruz kalabilir.

Atıf: Müller, B., Padberg, I., Lorke, M. et al. Uncertainty and inconsistency of COVID-19 non-pharmaceutical intervention effects with multiple competitive statistical models. Sci Rep 16, 5767 (2026). https://doi.org/10.1038/s41598-026-36265-z

Anahtar kelimeler: COVID-19 müdahaleleri, salgın politikası değerlendirmesi, istatistiksel belirsizlik, Almanya, ilaç dışı önlemler