08 April 2020

Was de huidige corona pandemie voorspelbaar?

Was de corona pandemie  van 2020 voorspelbaar? Beter: is de corona uitbraak voorspeld? Columnisten die nu hun columns schrijven over corona hebben de wijsheid in pacht. Ze vertellen  ons precies wat er allemaal goed en fout gaat met het overheidsbeleid [1]. Dat is achteraf-wijsheid. Ik hecht meer waarde aan boeken over corona die vóór de corona uitbraak verschenen. En aan voorspellingen die op inzicht zijn gebaseerd.

Jaap Goudsmit (2003)
De Virus Invasie.
Over de overleving van virussen en de menselijke soort

 

Het eerste boek is van AIDS onderzoeker en viroloog Jaap Goudsmit. Het boek De Virus Invasie verscheen in 2003. Toeval of niet: dat is precies het jaar waarin SARS uitbrak. SARS en Corona komen er dus niet in voor, maar het boek legt op een bijzonder goede manier uit wat de verschillen zijn tussen de vele virus families, hoe ze zich gedragen, hoe en waarom virus epidemieën ontstaan en zich over de wereld verspreiden. Dit is een populair-wetenschappelijk boek geschreven door een wetenschapper. Veel anekdotes zul je niet in het boek vinden, maar wel inzicht in de biologie en ecologie van virussen. Je gaat begrijpen wat virussen wel en niet kunnen. Een voorspelling:

"Virusinfecties zullen de komende jaren alleen maar toenemen. ... Als de virussen van deze [wilde] dieren ook maar een kans hebben, zullen ze naar de mens overspringen. Dit zal dan vooral gaan om virussen die via de lucht of via consumptie van deze dieren kunnen worden overgebracht." (p.25-26). 

Virussen die zich via de lucht verspreiden: dat is de huidige corona pandemie. Goudsmit zou zeker een nieuwe druk moeten uitbrengen met een hoofdstuk over SARS en Corona. En over 10 jaar weer een nieuwe druk vanwege de volgende epidemie. Jaap Goudsmit geeft inzicht, geen drama. Het volgende boek bevat meer persoonlijk drama en reisverslagen:

 

David Quammen (2012)
Spillover: Animal Infections and the Next Human Pandemic.

 

In 2012 verscheen Spillover: Animal Infections and the Next Human Pandemic van wetenschapsjournalist David Quammen. (In het Nederlands: Van dier naar mens, 2013). Het verscheen 8 jaar geleden. Corona virussen komen in dit boek voor. De huidige corona pandemie lijkt een griezelige herhaling van de SARS epidemie die in februari 2003 begon. En dat is geen wonder want de officiële naam voor de huidige corona ziekte is: Severe Acute Respiratory Syndrome coronavirus 2, afgekort: SARS-CoV-2. We maken nu dus de tweede SARS epidemie mee. 
Quammen weet zijn verhaal zo te schrijven dat je het gevoel krijgt dat je er zelf bij bent als ooggetuige. En dat maakt het zo beklemmend. Hij interviewt betrokken onderzoekers en artsen waardoor je de verhalen uit de eerste hand krijgt. De artsen wisten snel dat het besmettelijk was, maar nog niet of het door een bacterie of virus veroorzaakt werd. De artsen die de eerste patiënten behandelden droegen geen mondkapjes omdat ze nog niets wisten van de besmettelijkheid en de dodelijkheid van de ziekte. De patiënten moesten vrij snel opgenomen worden op de Intensive Care afdeling, en vrij snel waren er niet genoeg IC bedden beschikbaar, er waren te weinig mondkapjes voor medisch personeel, de prijzen verviervoudigden, artsen en verpleegsters werden ziek en sommige stierven zelfs, corona patiënten met diabetes en hartproblemen werden binnengebracht. Komt het U allemaal bekend voor? We maken een tweede SARS epidemie mee, maar dan op veel grotere schaal.

Toeval of niet: in het jaar van verschijnen van Spillover, 2012, werd de eerste patiënt met wat later het Middle East Respiratory Syndrome (MERS) ging heten. Dat was ook een corona virus.


Het boek verscheen dus 8 jaar geleden [3], maar staan er echte voorspellingen in? Wat dacht U van deze:

"that the wet markets provide a venue for SARS-like coronaviruses "to amplify and to be transmitted to new hosts, including humans, and this is critically important from the point of view of public health" (569/1829)
('wet markets': markten in China van levende dieren die ter plaatse worden geslacht, allemaal zeer dieronvriendelijk en onhygiënisch)
"coronaviruses in particular should be considered as serious threats to human health." 1578/1829
"SARS-CoV wasn't gone, it was only hiding. It could return" (570/1829)
SARS-CoV was het eerste coronavirus waarvan aangetoond werd dat het mensen ernstig ziek kon maken. Dat was nog nooit eerder gebeurd. Een corona virus dat lijkt op SARS-CoV werd gevonden in vleermuizen. (578/1829). SARS gedraagt zich op dezelfde manier als corona. 

Een voorspelling die niet op inzicht gebaseerd is, is niet meer dan een bewering. Dat inzicht bestaat uit kennis van factoren die een nieuwe uitbraak bevorderen: 1) virussen die in (wilde) dieren voorkomen, 2) die in China in grote aantallen verhandeld worden op markten; 3) RNA virussen want die zijn variabeler dan DNA virussen; 4) die zich in de lucht kunnen verspreiden; 5) die van dier op mens overgedragen kunnen worden ('spillover'); 6) van mens tot mens overgedragen kunnen worden; 7) wat zeker bevorderlijk is voor de verspreiding is dat besmettelijkheid vooraf gaat aan merkbare symptomen bij de mens; 8) wat zeker helpt in de verspreiding naar andere continenten is dat besmette personen in een vliegtuig stappen [4].
Coronavirussen voldoen aan deze criteria. Het was en is onduidelijk in welke dieren coronavirussen zich schuil kunnen houden (reservoirs), maar geen nood, in Zuid-China wordt alles wat loopt, zwemt, vliegt en kruipt gegeten [5]. Dat vergroot de kansen aanzienlijk. Die markten zijn niet verboden sinds SARS. In tegendeel: ze zijn explosief toegenomen [5]. Het is dus geen wonder dat de 2020 epidemie in China is uitgebroken. Omdat je niet weet in welk dier het nieuwe pandemie-virus zich schuilhoudt kun je niet gericht te werk gaan. Het is evident dat het virus per vliegtuig naar alle continenten is vervoerd.

Voorspelling die nog niet is uitgekomen: een nieuwe dodelijke H5N1 griep epidemie (¶83). Dat kan de Next Big One worden (¶113). Ook is nog niet uitgekomen een nieuwe HIV-achtige, Hendra of Nipah epidemie (¶83,84). Als je meerdere voorspellingen doet heb je een grotere kans dat er één uitkomt.
Ook al heb je een epidemie voorspeld, het is voor de dienstdoend arts niet meteen duidelijk dat een virus de oorzaak is van een syndroom. Ik zou zeggen dat er een universele, programmeerbare virus diagnose kit op de markt gebracht moet worden, waarvan alleen de virus sequentie aangepast hoeft te worden. Wat ik begrepen heb is dat Chinese wetenschappers vrij snel de virus sequentie bekend hebben gemaakt. En dat helpt.

Tenslotte: virussen zijn letterlijk alomtegenwoordig en onuitroeibaar. Een pandemie ontstaat door menselijk handelen waardoor virussen de kans krijgen om zich tot een pandemie te ontwikkelen of niet.  



Leestips

Ik raad aan om het ebook van Quammen te kopen (is goedkoop, doorzoekbaar, geen papierverspilling, er staan sowieso geen foto's in het boek en je hoeft het niet in zijn geheel te lezen van a tot z). Lees hoofdstuk IV over SARS, ¶62 over The Next Big One (de volgende grote pandemie). In ¶65 wordt de formule besproken die o.a. het rivm gebruikt om te berekenen hoe snel de epidemie zich verspreidt. In ¶66 wordt het verschil tussen DNA- en RNA virussen uitgelegd (belangrijk verschil).

donderdag 9 april: kleine verbetering in de tekst.
 

Noten

  1. Prinses Irene: nu betalen we de prijs voor de ongebreidelde groei, Volkskrant 7 april 2020 (is een voorbeeld). Ze geeft in zeer algemene termen een analyse wat er fout is aan onze westerse manier van leven en heeft dat ook eerder gedaan. Globaal ben ik het daar allemaal mee eens. Maar het helpt niet een volgende epidemie te voorkomen. Sluit alle markten in China en Afrika waar wilde dieren verhandeld worden. Dat zet zoden aan de dijk.
  2. (vervallen)
  3. Er verschijnt over 2 dagen een papieren herdruk met nieuw nawoord over de huidige pandemie: David Quammen (2020) Zoönose. Hoe dodelijke ziekten van dier naar mens overspringen, 10 april 2020. NB: er staat al een (zeer positieve) bespreking van het boek op bol.com. Hoe kan dat als het boek nog niet is uitgekomen?
  4. Dit kunnen ook een aantal trekvogels (eenden, ganzen).
  5. In de stad Guangzhou alleen al zijn er 2000 zgn. 'Wild Flavor' restaurants (as het maar wild en exotisch is).
  6. Dit is niet overdreven, zie lijst hieronder: 
uit paragraaf 38 van het boek Spillover.


02 April 2020

Wordt de verspreiding van het Corona virus bepaald door de luchtvochtigheid?

In een interessant interview van Vincent Everts op youtube claimt
Maurice de Hond dat de verspreiding en het aantal doden door corona voor het grootste deel door de luchtvochtigheid ter plaatse verklaard kan worden. Luchtvochtigheid als oorzaak: een bijzonder intrigerende stelling die ik in alle officiële berichtgeving nog niet was tegen gekomen. 

Maurice de Hond (sociaal geograaf) begint met op te merken dat influenza ook een seizoens-gebonden epidemie is. Dat is ook een virus ziekte. Om te controleren of dat ook voor corona geldt, heeft hij letterlijk in kaart gebracht wat het weer en luchtvochtigheid was in landen en steden op het moment van de corona uitbraak. Hij vond een sterke correlatie tussen het weer (luchtvochtigheid) en het aantal besmettingen (en doden?). Volgens hem is zonnig + koud + droog weer gunstig voor de verspreiding van influenza en corona. Dat is het weer zoals het de afgelopen dagen in Nederland was. Hoge luchtvochtigheid belemmert verspreiding. Hij baseert zich op een paar wetenschappelijke publicaties en verder epidemiologische en meteorologische statistieken. Hij gaat zelfs zover te claimen dat een 'lockdown' niet nodig is als het weer ongunstig is voor de verspreiding. Dus de nationale of zelfs lokale maatregelen laten afhangen van het weer. En dat is nieuw voor mij. En daar heb ik het rivm en Rutte nooit over gehoord.

Het mechanisme zou zijn dat als de lucht erg vochtig is gaat een virusdruppel niet zweven, maar valt meteen op de grond en als het heel droog is blijft hij heel lang zweven. [1]

Ik vind het fascinerend dat geografische en klimatologische factoren een rol spelen in de verspreiding van een virus. In evolutie en ecologie is dit vanzelfsprekend. Een virus houdt zich aan evolutionaire en ecologische omstandigheden net als ieder ander organisme. Maar dat dit ook opgaat voor de mens die voornamelijk in steden en binnenshuis woont is verrassend. Met al onze medische kennis en techniek wordt de ernst van een pandemie niet door menselijke maatregelen bepaald, maar door zoiets stoms als de luchtvochtigheid. Die we niet onder controle hebben.

Ik zie wel enige onduidelijkheden in het verhaal van Maurice de Hond. Bijvoorbeeld: hij lijkt geen duidelijk onderscheid te maken tussen de start, verspreiding en sterftecijfer van een lokale uitbraak. Het sterftecijfer heeft o.a. te maken met de leeftijdsopbouw (hoog percentage 70-plussers), en de Intensive Care capaciteit in een land. Als je eenmaal op de IC ligt zal de luchtvochtigheid niet veel meer uitmaken. Ook de mate van verspreiding zal sterk afhangen van overheidsmaatregelen en de mate waarin de bevolking de aanbevelingen opvolgt. En of mensen andere medische problemen hebben (obesitas, hartproblemen, diabetes) heeft grote invloed op de survival.

Hoe dan ook een fascinerende hypothese die ik graag met mijn lezers wilde delen.




Noten

  1. "Air humidity also influences the transmissibility of respiratory viruses. Once the pathogens have been expelled from the respiratory tract with a strong sneeze, they literally hang in the air. "On cold and usually dry winter days, the small droplets, together with the viruses, float in the air longer than when the air humidity is high," Pietschmann elaborates. In this way, the pathogens can spread rapidly" 28.02.2020 bron: Will warmer weather stop the spread of the coronavirus?

 

Bronnen


PS: op weer.nl verscheen op 31 maart 2020 het volgende artikel:
Coronavirus: weer factor in verspreiding? (met dank aan Susan) dat weer verwijst naar dit artikel:
Temperature, Humidity and Latitude Analysis to Predict Potential Spread and Seasonality for COVID-19 Posted: 9 Mar 2020 Last revised: 26 Mar 2020

In deze studie (preprint):
Effects of temperature variation and humidity on the mortality of COVID-19 in Wuhan Posted March 18, 2020
wordt de luchtvochtigheid in verband gebracht met het sterftecijfer.

Vraag: zouden de mathematische modellen van virusverspreiding rekening houden met luchtvochtigheid?

18 March 2020

ObsIdentify (NIA) geeft ALTIJD foute antwoorden buiten zijn eigen domein. Ook met hoge zekerheden. (deel 7)

Dit is een Roestbruine kniptor:

ObsIdentify voorspelt Roestbruine kniptor Elater ferrugineus
met zekerheid 100.0%

ObsIdentify voorspelt Roestbruine kniptor met zekerheid 100.0%.
 

Dit is een Roestbruine kniptor:

ObsIdentify voorspelt Roestbruine kniptor Elater ferrugineus met zekerheid 100.0%

Dit is een Kerkuil:

ObsIdentify voorspelt Kerkuil Tyto alba met zekerheid 99.9%
ObsIdentify voorspelt Kerkuil Tyto alba met zekerheid 99.9%

Dit is een Kerkuil:

ObsIdentify is helaas niet zeker:
de eerste voorspelling Kerkuil Tyto alba (86.0%).

Dit is een Grote Groene Sabelsprinkhaan:

Grote Groene Sabelsprinkhaan Tettigonia viridissima met zekerheid 92.5%


Dit is een Grote Groene Sabelsprinkhaan:

Grote Groene Sabelsprinkhaan ©waarneming.nl

 Dit is een Das:

ObsIdentify is helaas niet zeker:
de eerste voorspelling Das Meles meles 76,2%
ObsIdentify is helaas niet zeker: de eerste voorspelling Das Meles meles 76,2%.
 

Dit is een Das:

Das © waarneming.nl


Resultaten

Wat gebeurt er als je het beeldherkenningsprogramma ObsIdentify-NIA (O) landschappen aanbiedt? of menselijke gezichten? Ik heb ongeveer 6600 landschappen en gezichten met ObsIdentify (O) op waarneming.nl (desktop PC + Firefox) getest. Vier toppers staan hierboven. Voor de geïnteresseerde lezer staan er meer verbluffende voorbeelden op de data pagina. In deze studie zijn normale, niet-gemanipuleerde foto's gebruikt. Alle foto's geven een identificatie met een zekerheid groter dan 0%. En allemaal zijn ze fout. De uitzonderingen zijn wanneer een boom in het landschap toevallig op de voorgrond staat en herkend wordt.
De meerderheid van de voorspellingen van O heeft een percentage onder de 40% (rode gebied). Maar er komen ook zekerheidspercentages tussen de 40% en 90% (blauwe gebied) voor en zelfs tussen de 90% en 100% (groene gebied). Ook deze zijn fout. In totaal heb ik 211 voorspellingen van dieren in menselijke gezichten hoger dan 40% en 22 foto's hoger dan 90% zekerheid gevonden. In totaal zijn er 96 verschillende soorten die in foto's van gezichten herkend worden met een zekerheid groter dan 40,0%. Het zijn allemaal dieren, op een enkele paddenstoel en plant na. Van de landschappen zijn er plm. 50 gevonden met een percentage hoger dan 40% en 5 foto's hoger dan 90%. Indrukwekkender dan de kwantitatieve resultaten zijn echter de kwalitatieve resultaten. Dat is het psychologisch effect wanneer je ziet dat O een insect, paddenstoel of vogel ziet in een landschap of een menselijk gezicht.

Discussie

De fouten die O maakt zijn hilarisch. O ziet altijd een plant of dier in een willekeurige foto. Het maakt niet uit wat het onderwerp is. In alle foto's in deze studie zijn helemaal geen planten of dieren aanwezig. Wanneer de foto's buiten het domein liggen waar O mee getraind is, zijn de antwoorden altijd 'fout'. Niet fout in de zin dat O de ene soort met de andere verwisselt, maar een dier ziet dat er helemaal niet is. Wanneer je een groot aantal foto's buiten zijn domein test, krijg je ook altijd foto's die met hoge zekerheid een fout antwoord geven. 

Maar het is toch logisch dat O foute antwoorden geeft als je foto's buiten zijn eigen domein laat beoordelen? Daar is hij toch niet op getraind? Dat is toch niet zinnig om te doen? Mijn punt is: je zou verwachten dat O met 0% komt, omdat er immers geen plant of dier in de foto aanwezig is. Maar dat doet hij dus wel. Hij ziet niet dat hij buiten zijn eigen domein zit. O komt soms zelfs met 100% zekerheid tot een 'fout' -of beter gezegd- een irrelevant antwoord. De vraag is: waarom? Is dat logisch? Moet je dat verwachten? Wordt het begrip '100% zekerheid' hierdoor niet ondermijnd? Deze kwestie zijn we in een eerder blog tegengekomen. Hoe dan ook, dit soort testen geven ons inzicht hoe O in feite werkt. Het gunt ons een blik onder de motorkap.

Hoe herkent O dingen? Kennelijk heeft O genoeg aan zéér weinig pixels om tot een conclusie te komen. In vorige blogs hebben we gezien dat O soms een soort met hoge zekerheid ziet in een 1-pixel-plaatje. Of in een patroon van enkele tientallen pixels. Ook hebben we gezien dat O binnen zijn eigen domein van planten en dieren geen weet heeft van het verschil tussen object en achtergrond van dat object. O kent überhaupt geen dieren of planten, alleen pixels.
Dit zou het verrassende feit kunnen verklaren dat O soorten (vnl. dieren) in landschappen en portretten herkent. De specifieke pixel patronen kunnen daar door stom toeval aanwezig zijn. Met miljoenen pixels in een foto en met duizenden testfoto's moet de kans groter dan nul zijn voor een hit.

Voor ons maakt O dramatische en vaak komische blunders. Bijvoorbeeld: een Kerkuil of een Grote Groene Sabelsprinkhaan in een gezicht herkennen. Voor mensen zijn deze resultaten tegen-intuïtief. Voor O is dit alles volkomen logisch. De cruciale pixels zijn immers aanwezig. O ziet geen problemen.

Ook kunnen we nu misschien verklaren waarom O dezelfde grote precisie hanteert bij blunders als bij zijn eigen dieren en planten. Het algoritme is nl. zeer gevoelig voor kleine kleurvariaties in de plaatjes waarmee hij blundert. Het is zeker niet zo dat O wild aan het gokken is. Zo lijkt het. Maar O gaat met dezelfde precisie te werk omdat het om dezelfde pixelpatronen gaat. Voor O is er gewoonweg geen verschil tussen beide situaties. Dezelfde pixels zitten gewoon in landschappen, gezichten, dieren en planten. Ze zijn alleen voor ons onzichtbaar. Dat levert voor ons de verrassing op. O heeft maar één domein. Je hoeft immers niet van te voren op te geven of je een foto van een plant of dier geeft. Dat bepaalt O zelf. Uit het feit dat hij soms een plantennaam als alternatieve voorspelling voor een dier geeft, kun je concluderen dat hij het onderscheid tussen plant en dier waarschijnlijk niet kent. Het enige wat hij doet is: pixels koppelen met bepaalde waarschijnlijkheden aan soortnamen. O ziet op zo'n totaal andere manier dan wij mensen, dat we compleet gedesoriënteerd raken. Als je deze resultaten hebt gezien, dan kijk voor altijd met andere ogen naar ObsIdentify.

Het psychologisch effect is des te groter wanneer je alleen maar goede resultaten van goede foto's van planten of dieren kent. Je krijgt dan de sterke indruk dat O weet waar hij het over heeft. Wat een soortenkennis! Een bijna bovenmenselijke soortenkennis! Vooral als je ziet hoe vaak hij het juist heeft. Dat zijn indrukwekkende prestaties als je bedenkt dat er menselijke (super-)specialisten zijn op het gebied van vogels, libellen, vlinders, paddenstoelen, etc. ObsIdentify is een multi-expert die meer weet dan iedere menselijke expert afzonderlijk, maar die fouten maakt die geen beginner zou maken.


Aanbevolen video


TED talk: How we're teaching computers to undersand pictures.

Computerwetenschapper Fei-Fei vertelt in een TED talk dat ze met behulp van duizenden vrijwilligers miljoenen foto's heeft geannoteerd, zodat ze deze als een gigantische trainings-set voor haar beeldherkenningssoftware heeft kunnen gebruiken. Ze claimt dat dit haar beeldherkenningssoftware enorm verbeterd heeft. En ze laat een aantal voorbeelden zien.

 

Data

Dit is een groeiende verzameling van portretten en landschappen waarin ObsIdentify spontaan planten en dieren ziet. De meeste hebben kleur- en contrast correcties, maar enkele scoren hoog zonder enige nabewerking!

 

Disclaimer

Deze resultaten zijn gebaseerd op testen die ik gedaan heb in februari/maart 2020. ObsIdentify kan ondertussen gewijzigd zijn. Op de desktop versie van O is dat nergens zichtbaar.


Alle blogs over ObsIdentify

  1. 30 September 2019 Test van ObsIdentify algoritme voor automatische identificatie van dieren en planten deel 1
  2. 21 Oktober 2019 ObsIdentify software gekraakt! Vlinders identificeren zonder te weten wat een vlinder is... deel 2
  3. 19 November 2019 ObsIdentify (3) Who is afraid of red, yellow and blue? De Vlinder Turing test voor mens en AI deel 3
  4.  4 December 2019 ObsIdentify herkent Kuifeend, Kikker, Kiekendief en vele andere soorten in plaatjes van 1 pixel deel 4
  5. 23 december 2019 Hoe zeker is 100%? Soorten met 100% zekerheid herkennen in random pixels. deel 5
  6.  4 Feb 2020 Hacken voor dummies en gevorderden. Beeldherkenningssoftware ObsIdentify is makkelijk te misleiden. deel 6 
  7. 18 maart 2020  ObsIdentify geeft ALTIJD foute antwoorden buiten zijn eigen domein. Ook met hoge zekerheden. deel 7
  8. Obsidentify voorspelt Wespendief, Buizerd en Ruigpootbuizerd op basis van foto's van dezelfde vogel 30 mei 2020
  9. Toch nog een wespendief! 26 jun 2020 
  10. Tesla beeldherkenning en ObsIdentify beeldherkenning: steeds beter, maar maken nog steeds klassieke fouten (10) 22 jul 2020
  11. Voor alle volgende blogs over ObsIdentify klik op label ObsIdentify