“Ik bekijk voorspellingen op basis van een model altijd heel kritisch”, zegt Remco van der Hofstad, hoogleraar Kansrekening en Statistiek aan de faculteit Wiskunde en Informatica. “De verspreiding van een ziekte over een wereldpopulatie van zes miljard mensen is een onmogelijk moeilijk probleem. Mijn vertrouwen in de conclusie hangt dan ook sterk af van hoe goed de modellering is.

Ik heb hierover juist een artikel voor me liggen van gerenommeerde wetenschappers. Een simulatie op basis van hun model suggereert dat als dertig procent van de mensen met de griepsymptomen antistoffen krijgt, de piek van de besmetting vier weken wordt uitgesteld. Dat is genoeg tijd om grootschaliger vaccinatieprogramma’s op te zetten.

De onderzoekers hebben de wereld-bevolking van zes miljard mensen opgedeeld in 3.362 subpopulaties in 220 verschillende landen. Ze verzamelden informatie over het besmettingsrisico, de sterftefactor en het aantal besmettingen van de Mexicaanse griep in 2009. Eerst hebben ze een simulatie gemaakt die de ziekteverspreiding binnen een beperkt geografisch gebied zo goed mogelijk voorspelt. Daarna verzamelden ze statistische gegevens over het reisgedrag van mensen tussen de gebieden. Die namen ze tenslotte mee in het uiteindelijke model.

De ziekte wordt dus meestal losgekoppeld van een populatiemodel. In zo’n model gaat veel tijd zitten, maar het is vrij stationair; het verandert niet zo heel erg snel. Ziekten wel, die veranderen voortdurend. Een tijdje geleden hadden we SARS, nu de Mexicaanse griep en elk jaar heerst er weer een ander soort herfstgriep. Het populatiemodel dat je in vele jaren hebt opgebouwd, vul je aan met schattingen van de parameters die van belang zijn voor de specifieke ziekte. Op basis daarvan maak je simulaties.

Of zo’n simulatie voorspellende waarde heeft, hangt af van de gevoeligheid van de simulatie. In hoeverre verandert de uitkomst als de parameters veranderen? Bij een weinig gevoelige simulatie kun je veel waarde hechten aan de uitkomst. Verder moet je je afvragen hoe goed je de parameters statistisch kunt schatten.
Het is heel lastig om zoveel mogelijk aspecten in het model te verwerken en er tegelijkertijd voor te zorgen dat het allemaal nog berekenbaar blijft. Het is altijd moeilijk om die balans te vinden. Je gaat er bijvoorbeeld vanuit dat alle mensen dezelfde kans hebben om een ander te besmetten, ook al is dat natuurlijk niet zo. Sommige mensen, zoals collega’s, zie ik vaker dan anderen. Zulke gegevens kun je niet meenemen in een model, dat zou te complex worden. Je moet simplificeren, schattingen maken en hopen dat je toch een zo gefundeerd mogelijk antwoord geeft op vragen omtrent het verspreidingspatroon van de ziekte. Daarom moet je een dergelijk antwoord altijd met een korrel zout nemen.”

Prof.dr. Remco van der Hofstad.