传染病模型的结果解读

COVID-19的流行提供了一个很好的例子，说明迅速变化的形势如何产生了数量急剧增的研究——包括数学模型——其结果往往是相互矛盾，甚至是相互冲突的。 这不仅使公众感到困惑，也使需要根据现有证据制定预防政策的决策者感到困惑。 这就经常提出这样的问题：我们如何知道哪些模型是正确的，哪些是错误的，我们应该从现有的证据中得出什么结论？

证据综合的黄金标准是系统评价——系统检索某一特定主题的所有现有证据，或者进行Meta分析，试图以简明和全面的方式综合和呈现所有可用的证据。虽然临床研究的系统评价在决策中的价值是公认的，但数学模型却不能如此。 很多时候，决策者只采用一种模式来支持他们的决策。这可能是基于以前类似模型的积极经验，但主要问题仍然存在——任何模型都只能反映其假设的结果，而且这些假设很可能是不正确的。 各国政府有责任做出控制流行病和保护其公民与居民的决定，因此他们应该能够获取所有现有的证据。 单一的模型或研究无法提供这一点。相反，为了了解真实情况，决策者应该对所有的研究和模型以及研究结果进行广泛了解，特别是因为这些研究提供了不同的结果。

我们将从讨论确切的研究问题开始，共同制定一个文献检索策略，以确定一个现有的可以回答这个问题的数学模型。 一旦确定，我们将收集基本信息：模型结构、技术方面、输入参数。在与客户的互动中，这将被总结成一个叙述性综合，解释模型之间的本质差异，找出可能产生冲突结果的原因，并总结现有证据的主要含义。 我们可以在非正式会议上陈述和讨论结果，或者写一份正式报告，或者两者兼有——如果您需要。