ESPLORARE UNO SPAZIO

Per secoli in Europa si è pensato che oltre le Colonne d'Ercole non ci fossero altre terre. Non che non si fosse navigato nell'Atlantico, ma da quelle rotte non si scorgevano altre terre, solo altro mare. Quindi il mare continuava ad estendersi a dismisura, magari fino alle coste delle Indie. Poi Colombo fece la sua traversata etc etc.

Questo è quel che spesso succede con le estrapolazioni. Cos'è un'estrapolazione? Ammettiamo che voi abbiate dati molto solidi riguardo un intervallo dello spazio in cui un fenomeno è definito. Estrapolare è ritenere che il fenomeno avrà lo stesso andamento al di fuori dell'intervallo per cui si hanno i dati. Il che può essere perfettamente legittimo, a seconda della dinamica del fenomeno o della distanza dagli estremi dell'intervallo per cui si estrapolano i valori. 

Esempio: un orologio a pendolo carico. Se misurate la frequenza delle oscillazioni del pendolo per dieci minuti potete perfettamente concludere che nella successiva ora la frequenza non cambierà (del resto è un orologio, no?). Poi si arriverà a un momento in cui la carica si esaurirà e quindi il modello di frequenza del pendolo elaborato nei dieci minuti di osservazione non sarà più valido.

Le cose cambiano molto con un doppio pendolo:

In questo caso se campionaste le posizioni delle due sfere  per 5 minuti concludendo che nei successivi 5 l'andamento delle posizioni sarà lo stesso la vostra previsione sarebbe completamente errata (perché le frequenze nel doppio pendolo non sono lineari neanche per piccoli intervalli di tempo: si tratta di un sistema caotico). Ah, è ovvio che l'animazione è frutto di un modello al computer basato sulle equazioni che governano idealmente il moto del doppio pendolo. Ma qui si parla di osservazione di fenomeni, quindi questo è un dettaglio del tutto trascurabile (avrei forse dovuto cercare un filmato del volo di uno stormo di storni, ma forse per molti l'accostamento sarebbe stato meno efficace - che c'entra un pendolo con gli storni?).

Ma non solo. Quando i fattori che governano il fenomeno sono più di tre quello che fate misurando in un intervallo è esplorare uno spazio n-dimensionale. E in questi casi può succedere di trascurare una o più dimensioni di quello  spazio (perché si ritengono quei fattori ininfluenti, o perché se ne ignora l'esistenza). Il che può andare molto vicino all'essere un cittadino di Flatlandia che non si cura della terza dimensione, perché nella sua esperienza di vita nel mondo a due dimensioni dello spazio la terza dimensione spaziale è completamente ininfluente (in realtà per i flatlandesi la terza dimensione spaziale è del tutto incocepibile).

https://www.youtube.com/watch?v=JQq_w38j9v0

Un esempio classico, nell'esplorazione dello spazio del fenomeno, riguarda il trascurare o l'ignorare l'esistenza di zone a sella della superficie che rappresenta i valori del fenomeno osservato.

Ammettiamo che si pensi che il valore di x è ininfluente (la dimensione ignorata) e ci si muova nello spazio del fenomeno con x=0, costante, misurando quel che succede variando y. A un certo punto arriveremo al punto di sella. Fin lì i valori misurati crescevano, dopo scendono. E pensiamo di aver trovato il valore di y per cui il valore è massimo (0). Ma la dimensione x non è ininfluente. Non è stata considerata, ma i massimi dei valori in quell'intervallo di spazio bidimensionale li abbiamo invece per y=0 e x=±8 (la stessa cosa si può applicare ai minimi). Una dimensione vs due dimensioni è esattamente uguale a n dimensioni vs n+1 dimensioni.

Come già detto in realtà la maggior parte dei fenomeni non ha due o tre dimensioni ma n.  Ugo Bardi fa presente per esempio che il il fenomeno clima è un iperoggetto (https://www.ilfattoquotidiano.it/2024/01/04/guardiamo-al-clima-come-a-un-elefante-siamo-accecati-mentre-andiamo-verso-lestinzione/7399113/ e il titolista ha tradotto "siamo a rischio di estinzione" con "andiamo verso l'estinzione").  Vero, si tratta di un iperoggetto caotico, per cui il battito di ali di una farfalla in Cina potrebbe provocare un temporale a New York. E quale è l'effetto di 6,2 Gigawatt di pale eoliche installate in Danimarca? Nessuno può dirlo, sempre che non si linearizzi un fenomeno che lineare non è per dire: nessun effetto, troppo poco (la risposta del tipico millenarista che dicendo scienza invece professa la sua fede). Con questo non intendo dire che l'eolico danese è già sufficiente a risolvere il problema, ma semplicemente che non siamo ancora in grado di quantificare o apprezzare l'effetto di una serie di processi virtuosi in moto ormai da anni. Lo stesso dicasi di quei processi deleteri di cui invece è poco educato parlare, tipo le emissioni di anidride carbonica di Cina e Asia nel suo complesso che continuano a crescere costantemente da anni - mentre quelle dell'occidente sono sostanzialmente da anni piatte o decrescenti. 

https://ourworldindata.org/co2-emissions

Se vogliamo parlare di rischi siamo vicini come mai a un conflitto termonucleare globale (90 secondi a mezzanotte https://thebulletin.org/doomsday-clock/). Il punto  è quantificare il rischio climatico e di questo nessuno è davvero capace (diciamo che il track record lascia molto a desiderare). Non è vero che "un cattivo modello è meglio di nessun modello": è bene ricordarsi dell'uso che è stato fatto dei pessimi modelli durante la stagione COVID e dei danni che tale uso ha provocato.

La cosa più prudente in certi casi è non estrapolare - cioè in parole povere parlando del nostro pianeta non si può prendere sul serio nessuna previsione a dieci anni. E' meglio non produrne di previsioni del genere, in modo da evitare le arrampicate sugli specchi triplo carpiate tipo quelle di Al Gore riguardo la incauta uscita che fece anni fa sullo scioglimento della calotta artica - il record di estensione minima della calotta artica è detenuto dall'anno 2012 e non c'è stata una serie di minimi sempre più bassi negli ultimi 10 anni (https://www.firenzemeteo.it/previsioni-stagionali/calotta-artica-stato-attuale-ghiaccio-e-previsioni-prossimi-mesi.php). Questo vuol dire che non c'è cambiamento climatico in atto? No, vuol dire che semplicemente il fenomeno ha una complessità che sopravanza le capacità di tanti dei modelli che sono stati prodotti.

Cadere nell'apocalitticismo è una tendenza comune negli ultimi anni (eppure un annetto fa le cose stavano così https://ilchimicoscettico.blogspot.com/2023/02/e-dacci-oggi-la-nostra-apocalisse.html). Nel dibattito climatico questa tendenza ha prodotto attitudini controproducenti - se arrivi a negare "a fin di bene" evidenze storiche documentate tipo periodo caldo medievale e successiva piccola era glaciale ottieni esattamente l'effetto opposto a quello che ti prefiggi. Sarebbe bene evitare di fare con il cambiamento climatico quel che è stato fatto con il COVID, ma sembra che non ci sia verso, ormai ogni tema del "dibattito" presenta invariabilmente la stessa fenomenologia. 

PS: Ormai ci sono librerie di Machine Learning ("intelligenza artificiale") con cui da una serie di dati con un numero opportuno di iterazioni puoi ottenere un modello con p-value piccolo a piacere. Che quel che ottieni abbia anche un reale significato è tutta un'altra storia. Vedasi il caso "smooth lines" nella vignetta, che ripropongo perché dovrebbe essere ritenuta un classico a tutti gli effetti.

 And that's it.

SCRIVERE DI SCIENZA?

https://archive.org/details/lescienze-160/mode/2up?view=theater

(La rete ha memoria, ma certe cose vanno riproposte a cadenze regolari)

C'era una volta "Le Scienze". Ci tenevano rubriche Douglas Hofstadter, che mi iniziò a feedback e ricorsività, e Martin Gardner, allora. E se scorrete le pagine di questo numero del 1981 vi renderete conto di quanto la proposta editoriale dei tempi fosse radicalmente diversa da quella odierna - indipendemente da considerazioni sullo spessore degli autori specie dell'edizione italiana, che sarebbero pure doverose... 

Ecco, se si parla di "scrivere di scienze" a me viene in mente uno standard delineato da Scientific American e New Scientist fino a tutti gli anni 80. Quanto a trattare argomenti scientifici d'attualità nel dibattito pubblico non posso non ricordare il magistrale classico di Robert May e Roy Anderson The Logic Of Vaccination (https://ilchimicoscettico.blogspot.com/2018/04/la-logica-della-vaccinazione-1982-uk.html). Un classico che segna l'abisso tra il livello e la qualità con cui allora vennero trattati questi temi e quello che perlopiù oggi si chiama "divulgazione" o science writing : nessuno specie in Italia negli ultimi cinque anni ha voluto né saputo trattare il tema "vaccinazioni" in questo modo, anzi, cinque anni fa, quando qualcuno ripropose questo testo, venne perlopiù tacciato di eresia (dai più imbecilli fu classificato come materiale obsoleto). Il fatto è che May e Anderson conoscevano e capivano bene la materia, perché ci lavoravano assieme da qualche anno. Lo science writer tricolore degli ultimi anni non solo non aveva una specifica conoscenza al riguardo, ma neanche gli strumenti concettuali per comprendere il tema, quindi si affidava ad una "comunità medica" che al riguardo, purtroppo, era altrettanto incompetente. E il risultato si è visto negli anni, dai tempi del furioso dibattito su morbillo e obbligo vaccinale fino agli ultimi due anni quando l'unico vocabolo ammesso è stato "esponenziale", che la curva flettesse o che calasse. E ogni increspatura della linea di fondo diventava l'inizio di un nuovo picco epidemico.

Ma torniamo allo "scrivere di scienze". Se leggo alcuni titoli suggeriti da Nature (https://www.nature.com/articles/d41586-022-04236-9?utm_source=Nature+Briefing&utm_campaign=71486d0211-briefing-dy-20221202&utm_medium=email&utm_term=0_c9dfd39373-71486d0211-44112225) non vedo niente che mi interessi (pandemie e clima sono questioni politiche, la scienza non c'entra niente), ma mi appaiono  significativi: seguono il mercato. Ma è a questo che ci si riferisce mediamente in Italia quando si parla di alfabetizzazione scientifica: educazione ai temi (e alla loro vulgata corrente), non educazione al metodo - nonostante la vasta platea di scientificamente incompetenti che "diffondono scienza" si riempiano la bocca di "metodo scientifico". Educare al metodo significa in primis educare alla pratica, e spiace dirlo, in tante scuole superiori il laboratorio di scienze era un relitto del passato in disuso già negli anni 80 dello scorso secolo.

Quando chi scrive di scienze viene dalla pratica scientifica di solito la cosa si capisce, o almeno io la percepisco bene. Un caso emblematico è "L'universo a raggi X" di Giacconi. Ma trovai anche affascinanti le doti di scrittura di Lisa Randall. Dimenticate per un attimo il contesto del suo "Passaggi Curvi" (2006), cioè le fazioni pro e contro teoria delle stringhe, gravità quantistica e tutto il resto. E dimenticate assolutamente il marketing del libro ("La Randall ha aperto le porte del multiverso"). Fu in primis un brillantissimo tentativo di scrivere la storia della fisica recente senza mezza equazione ma minimizzando la perdita di informazioni, e per me si trattò di un tentativo riuscito ( secondo altri , che poi si sono trovati perfettamente a loro agio con "Cinque Lezioni di Fisica" di Carlo Rovelli, il testo della Randall è molto difficile).

Il successivo "Bussando alle porte del cielo" (2012) uscì quasi in contemporanea con il rilevamento del bosone di Higgs a LHC. Il che costrinse l'autrice a scrivere una lunga in prefazione e una più lunga introduzione. Scrivere libri sulla fisica, contemporanea e in prospettiva storica in quel periodo era un lavoro estremamente rischioso. Forse anche per questo all'epoca il testo della Randall lì per lì mi deluse. A distanza di più di 10 anni lo ho riaperto e lo ho trovato significativo per più di un aspetto. 

Primo, il ribadire il ruolo che le leggi fisiche hanno, o non hanno, a seconda della scala su cui il fenomeno si verifica, tutt'altro che comune nella divulgazione scientifica, specie in Italia (trattai brevemente la cosa qua: https://ilchimicoscettico.blogspot.com/2021/10/chimica-gravita-posizione-del-sole.html ). Se si è perso il conto di quelli che si sono lanciati contro la meccanica quantistica tirata fuori a sproposito, dall'altra parte con balestre tese e compagnia bella si è caduti esattamente nello stesso schema, tirando in ballo Einstein dove la relatività non ha alcun ruolo significativo (i fenomeni descritti da meccanica e termodinamica classica). 

Secondo, il racconto dei rapporti dell'autrice con interlocutori al di fuori dal "mestiere della scienze": sceneggiatori, giornalisti, politici. Ed è qualcosa che ci ricorda che in USA certi fenomeni iniziano con una decina di anni di anticipo rispetto all'Italia (la difficoltà del rapporto con il "grande pubblico", che di solito recepisce le conoscenze scientifiche in modo malamente distorto) .

Terzo: l'attenzione alla parte sperimentale, dalla costruzione di LHC e degli esperimenti fino al problema dei dati e come trattarli.

Quarto: il piglio di chi con l'evidenza sperimentale si è misurato, rispettandola. E qua non posso non citare:

Fare previsioni precise e affidabili è un'impresa difficile. Anche quando ci si adopera per il meglio, per modellizzare tutto ciò che è importante, le variabili in ingresso e le ipotesi introdotte in un certo modello influenzano significativamente le conclusioni. Così la previsione di un rischio basso non ha senso se le incertezze associate alle ipotesi iniziali sono maggiori del valore di rischio calcolato. Se una previsione deve avere un qualche significato è importante che il problema delle incertezze introdotte nel calcolo sia pesato accuratamente e debitamente tenuto in conto.

Prima di passare ad altri esempi, lasciatemi raccontare un piccolo aneddoto che aiuta a inquadrare il problema. All'inizio della mia carriera di ricercatrice osservai che il Modello Standard, per una certa grandezza che si intendeva studiare, aveva un campo di valori più esteso di quanto si pensasse precedentemente: ciò era dovuto a un contributo quantistico, la cui entità dipendeva dal valore sorprendentemente alto della massa del quark top, come risultava da recenti misure. Quando in un convegno presentai i miei risultati mi si chiese di tracciare l'andamento dei nuovi dati previsionali in funzione della massa attribuibile al quark top. Mi rifiutai, perché sapevo che si sarebbero dovuti mettere in conto diversi contributi e che le incertezze residue comportavano una variabilità del risultato troppo ampia perché si potesse tracciare una tale curva, come mi era stato richiesto. Avvenne tuttavia che un collega "esperto" sottostimasse le incertezze e tracciasse un grafico del genere (non diversamente avviene nelle previsioni in ambito non fisico).

Il collega "esperto" fu smentito a breve dalle evidenze sperimentali e si esibì in un pattern comportamentale che non vi dovrebbe essere ignoto: avevo torto ma avevo ragione (e lei aveva ragione ma aveva torto). Quanto al "non diversamente avviene nelle previsioni in ambito non fisico"... beh, inutile rivangare le vicende di due anni di pandemia, dai modelli ai farmaci.

Trovo questo passo vecchio di 11 anni o giù di lì di un'attualità spaventosa. Sorvoliamo sulla differenza di peso specifico tra chi scrive di scienza per sentito dire e chi lo fa sulla base di competenza e esperienza. E' anche una questione di attitudine: nel breve periodo il rispetto dei dati non premia, il trattarli con nonchalance sì (cfr, ancora, due anni di pandemia). Qualcuno dovrebbe aver imparato, pure nel vasto caos del web e dei social media, a distinguere tra gli uni e gli altri, in tutte e due le categorie (hands on experience e sua assenza inclusa, intendo). Poi guardate a chi scrive di scienza sui social (o su Le Scienze oggi) e traetene le debite conclusioni, perché sarebbe anche ora.

MISURARE, MA COME?

 

https://www.nature.com/articles/d41586-022-03059-y...

Mai visto un biologo calibrare una bilancia (il che non vuol dire che non ci sia chi lo fa).

Credo che lo gli strumenti più calibrati siano i pHmetri, semplicemente perché dai tempi dei tempi il sw dello strumento ti obbliga periodicamente alla calibrazione. Sulla calibrazione delle pipette potrete trovare di tutto, in giro. Mai visto nel campo life sciences in ambito accademico qualcuno che se ne curasse più di tanto.

Perché un numero è un numero: 90%, 99% , 10%, 1 % di errore: numeri al lotto più volte di quanto potreste immaginare.

I chimici, che con i pesi (non con le masse) ci lavorano dall'alba della disciplina magari possono essere disattenti e dimenticarsi di farlo: ma di solito in un cassetto vicino alla bilancia hanno un set di pesi standard. Per la calibrazione della bilancia. Per essere sicuri che quando pesi dieci grammi dieci grammi siano (più o meno un grammo o più o meno 100 milligrammi, o dieci, o uno, a seconda dello strumento).

Quando i sistemi di misura diventano più complessi la calibrazione è più complessa. A calibrare un LC-MS in ambiente GMP serve una giornata intera, almeno.

Questo per dire che quando leggete numeri troppo spesso li leggete da chi dà i numeri - al lotto.

 

Ma c'è un problema diffuso anche tra i chimici che lavorano nel mio settore. Ai tempi avevo parlato qua sopra di Design Of Experiments (https://ilchimicoscettico.blogspot.com/2018/04/duro-o-morbido-dove-non-si-parla-di.html). Molti di quelli che sanno di cosa si tratta lo classificano come "statistica". Per quel che mi riguarda, anche se ovviamente usa pure tecniche statistiche, non saprei: perché non si tratta soltanto di analisi dei dati a posteriori. Si tratta di una tecnica di progettazione di esperimenti e di analisi dei risultati, il che a parer mio è qualcosa di più di solo "statistica".

Mi è capitato tempo fa di usare uno dei software più popolari per il DOE (la scelta era obbligata) e sono rimasto a disagio. A disagio perché ero nelle mani dell'ennesimo "wizard", e quando gli esperimenti furono finalizzati e i dati inseriti otteni bei grafici facilmente leggibili ma nessuna equazione della superficie di risposta era accessibile. Ma al di là di questo ci fu una blanda discussione con un collega. Perché io avevo voluto le analisi eseguite con metodi validati presso il Controllo Qualità. E la cosa aveva preso tempo. Il collega diceva che se avessi fatto fare le analisi direttamente dal chimico che aveva messo su gli esperimenti su un HPLC del laboratorio, che funzionava con un metodo omnibus, avrei fatto prima. Già, avrei fatto prima. Ma la superficie di risposta sarebbe stata ottenuta da dati molto meno affidabili. Dati poco affidabili, modello poco affidabile.

E per finire, se si vuole parlare di una delle misure più antiche della storia, il peso, una prece per i fisici che tiravano in mezzo la relatività (variazione della massa con la temperatura) quando l'adsorbimento di umidità sulla superfice dell'oggetto pesava - letteralmente - molto di più; sì, perché per fare gravimetria servivano un crogiolo, o una capsula di platino, una muffola e... un essiccatore con gel di silice, quello con l'indicatore, blu quando secco, rosa quando umido)

COVID E MODELLI (PER L'ULTIMA VOLTA, SUL SERIO)

https://www.spectator.co.uk/.../how-did-sage-scenarios...

Parlare di pandemia e modelli nel 2022 per me non ha ormai alcun senso. Tra i buffoni che producono buffonate, magari dicendo "Oh, non e' una previsione questa, solo un esercizio teorico" e i blasonati che continuano imperterriti a sfornarne, dopo due anni e performance che sono state quelle note, è inutile discuterne ancora, se non un'ultima volta.

L'articolo linkato merita di essere letto da capo a fondo. Quanto in media i modelli SAGE abbiano funzionato si vede benissimo dall'immagine. E veniamo al punto cruciale:

"Le difese dei modelli Sage lasciano molte domande senza risposta. Se i modelli sono solo "illustrativi" e non predicono, perché sono stati riassunti e presentati ai ministri in questo modo?

“Senza interventi in aggiunta alle misure già in atto i modelli indicano un picco di almeno 3000 ospedalizzazioni al giorno in Inghilterra".

E perché questi scenari sono stati descritti come probabili?

I modelli contano. Hanno conseguenze. Se gli scenari Sage sulla riapertura estiva fossero stati creduti il lockdown sarebbe stato esteso - con il relativo danno sociale ed economico. Se si fosse creduto ai modelli Sage per l'autunno le scuole potevano rimanere chiuse. Se solo un consiglio dei ministri di dicembre fosse andato diversamente ci sarebbero state restrizioni che i dati del mondo reale ora dicono sarebbero state completamente non necessarie"

Poi una cosa la dovrei aggiungere. Parlando di modelli a me viene da ricordare roba letta secoli fa, e precisamente questo:

Risfogliandolo, nella sua parte introduttiva questo ritrovo:

Prendiamo l'esempio del meccano. Pensiamo si chieda un modello di carrozza ferroviaria, per quanto approssimato possa venire usando quello strumento. Nel momento in cui ci viene consegnato invece un modello di gru c'è un problema. Non c'è dubbio che il modello di gru funzioni in sé, ma non è una carrozza ferroviaria, e non fa, per quanto con approssimazione e margine di incertezza, quello che fa una carrozza ferrovia, che è andare su rotaie avendo spazio per traportare merci o persone. Ma da due anni a questa parte, siccome parliamo di professionisti, c'è chi ha prodotto gru, e poi ci ha appiccicato un carrello ferroviario...

ERRARE E' UMANO, PERSEVERARE...

ECDC aveva pubblicato a marzo un modello per l'andamento epidemico in Francia in aprile (https://www.eurosurveillance.org/.../1560-7917.ES.2021.26...), ipotizzando una prevalenza della variante B.1.1.7. . Il modello stimava un 15% di riduzione di Rt dovuto al coprifuoco e prevedeva un'impennata dei casi, durante quel mese, un'impennata che nessuno ha visto. Da metà aprile i casi hanno continuato a scendere, e ancora continuano a scendere assieme a tutto il resto.

Un preprint (https://www.medrxiv.org/.../2021.03.25.21254330v1.full) stimava l'effetto su Rt del coprifuoco al 13%, sì, ma con 95% CI: 6-20%: intervallo di confidenza (cioè margine di errore) maggiore del valore stimato... statisticamente significativo? Forse a casa degli autori (e non solo perché la cosa riguarda spesso anche i valori di Rt pubblicati da ISS).

Il fatto è che stiamo vivendo una fedele replica della stessa stagione dell'anno scorso. I casi scendono nello stesso identico modo e vengono fatti esattamente gli stessi discorsi: il coprifuoco è indispensabile, gli scellerati della movida provocheranno un'impennata dei casi, le sciagurate riaperture provocheranno un disastro, etc etc. Una perfetta replica. Notare bene che la curva epidemica lo scorso anno se ne è fregata altamente di questi pareri, autorevoli o meno che fossero. Nonostante le varianti inglesi, sudafricane, brasiliane, indiane, nepalesi, kirghise e mongolo buriate ci ritroveremo esattamente nella stessa situazione, a giugno si continuerà ad esecrare i giovani che si ritrovano in strada o davanti a locali, a luglio qualcuno dirà "non ce n'è coviddì!" e apriti cielo, etc etc etc.

Ma intanto bene o male la campagna vaccinale un po' di strada l'ha fatta: già i numeri di contagi e decessi negli operatori sanitari sono crollati (https://www.infermieristicamente.it/.../covid-crollano-i...), e si spera che nel prossimo autunno il film sarà un bel po' diverso. Il film, per i commenti ci sono poche speranze.

GUARDA CHI SI RIVEDE (IMMUNITA' DI GREGGE E COVID-19)

 

Chi sarà mai Roy Anderson?

Una vecchia conoscenza di questa pagina (https://ilchimicoscettico.blogspot.com/.../la-logica...). Assieme a Robert May tra anni 70 e anni 80 ha scritto alcuni lavori storici sulla dinamica delle malattie infettive. E questo articolo su Lancet ha il suo stile di sempre: https://www.thelancet.com/.../S0140-6736(20)32318-7/fulltext

Solo che non fai in tempo a dire "aspettiamo i dati" (https://ilchimicoscettico.blogspot.com/.../limmunita-di...) che tutti lo rimbalzano in giro parlando di immunità di gregge conferita dal vaccino Pfizer (o Moderna, tanto è uguale). Anderson invece parla di un vaccino "con definite proprietà" (immunità sterilizzante e perenne), non di nessuno di quelli in dispiegamento, quando produce i suoi (semplici) conti.

Roberto Gallina, che questa faccenda lo manda ai matti, ne ha scritto su La scienza nel pollaio: https://www.facebook.com/groups/3082297638466078/permalink/4327890770573419/

Ma il fischi per fiaschi (sempre nello stesso senso) non finisce qua.

Esquire titola "Ecco quanto dura l'immunità dal Covid-19 col vaccino". Wow, hanno viaggiato in avanti nel tempo?

No. Premettendo che i trial in corso ancora non hanno "la profondità temporale" necessaria (tradotto: l'unica è aspettare), cita uno studio su 187 soggetti che hanno avuto non il vaccino Pfizer ma COVID-19 e evidenzia che dopo 8 mesi dalla guarigione hanno ancora livelli anticorpali alti (e immunità cellulare attiva). Non è il primo studio di questo genere con risultati simili, ma con il vaccino Pfizer non c'entra niente (con la malattia si sviluppano anticorpi e risposta cellulare contro vari elementi del virus, e non solo contro la proteina Spike).

Insomma, la regola aurea è: aspetta la fine della fase III, ma pare che nessuno la voglia seguire...

LINEARE ALLA BISOGNA - By Starbuck

 

Quello che segue brevemente sono le riflessioni di un operaio della statistica. Non ho mai fatto modelli né giocato con gli algoritmi, ma quando hai a che fare con "dati" un minimo di statistica, una "occhiata" a come vanno, ogni tanto gliela dai, o almeno dovresti. Sottolineo dovresti perché poi scopri che "la gente", quella che lavora in laboratori/istituti di ricerca/ ecc, quella che eventualmente pubblica, non sempre questa cosa di "curare la qualità del dato" la fa. E' una cosa che tendenzialmente si apprezza ad inizio di carriera, quando si prova a riprodurre qualcosa di pubblicato con scarsi successi: a inizio carriera ti dai del cretino, qualche anno dopo prendi su il telefono e cerchi quello che ha pubblicato, quando arrivi al paio di decenni di (non-)carriera sai più o meno chi pubblica, come e cosa ed associ un "tasso di affidabilità" tuo personale a quello che leggi.
Poi ad avere dati che negli anni si accumulano può accadere che un modellista bussi alla tua porta con qualche brillante idea per un "lavoretto insieme". Il lavoretto insieme si può affrontare in diversi modi, da "ti do i dati e dammi il coauthoring" fino a "ma fammi un attimo vedere come stai facendo girare il modello": in mezzo il mondo delle sfumature ( a secondo anche delle necessità o dei progetti in corso). Chiudo questa premessa, a beneficio dei non addetti ai lavori, per tornare alla breve aneddotica di questi mesi in cui, "tutti a casa", c'era da giocare con i dati, spesso provenienti da più fonti: inevitabile che qualche gioioso modellista bussasse alla mia porta per quel famoso "lavoretto"
E magari quel qualcuno c'ha fatto su un PhD... o, non pago, un postdoc...segue tesisti...diciamo non è di primo pelo...sembra quasi serio....fino a quando non ti esce con " senti poi qua ho fatto la regressione, ma per sbaglio l'ho fatta anche lineare e ti dirò, viene meglio: tu che dici la tengo lineare?"
(col tono di "Tu che ne pensi: metto il completo rosso o lo spezzato?"). Al che bisogna armarsi di pazienza (colleghi...seri....) e porre delle domande inframezzate da risposte cammuffate da domande, del genere:
- ma tu normalmente che correlazoni hai tra le grandezze? perché nelle altre pubblicazioni NON correlavano linearmente...
- ma hai notato che questi dati in specifico rispetto agli altri portano dietro elevata incertezza e cambia ordine di grandezza? Come ne hai tenuto conto?
- ma con che criterio valuti se siano comparabili o utilizzabli insieme i vari dati?
- ...no perché, poi l'esperto sei te, generalmente quando ha dati molto dispersi, una nuvola, è facile che quello che ci passi meglio dentro sia una retta...o anche una polinomiale...anche una curva a mano libera. La domanda è se ha senso che ci passi, dal momento che il comportamento di queste grandezze "sarebbe" noto...sempre in teoria.

(Quasi) fine dell'aneddotica spicciola. Per la cronaca, sopra non si parla di dati da Covid, personalmente non mi sono andata a guardare nenache un modello Covid... anche sui dati, mi sono informata poco...ma la mia esperienza con dati e modelli è in media come descritto sopra.
Sul discorso alla moda del momento (la curva del COVID) così a sentimento, ci vedo una grande disomogeneità, non solo da nazione a nazione, da regione a regione, ma anche tra i dati che si sono prodotti ad inizio anno rispetto a quelli che si producono ora...e stante che i modelli hanno un loro uso e senso, ma non hanno mai fatto miracoli, se vengono nutriti con dati disomogenei o con alto bias può accadere che ci passi in mezzo bene una retta...
Per cui, quando guardate i modelli ed i dati in giro (voi, io continuo a non farlo), ecco magari ponetevi qualche domanda, non solo certezze.

Epilogo
"Ah, allora sì, mi sa che so la risposta da solo. Forse è meglio che lascio perdere la regressione lineare e riguardo meglio i dati."
Mi sa.

(immagine da xkcd, ovviamente - NdCS)

IL PROBLEMA DEI DATI

Negli ultimi giorni mi è capitato di dialogare a lungo con qualcuno che sui modelli ci lavora, nel senso che lo fa di mestiere, e con altri interessati al topic.
Parliamo di curva degli infetti in Italia. In generale pongo il problema "quale curva". Gompertz sarà anche maneggevole (il fit non richiede elaborazione numerica), ma è matematica che non include il feedback che governa il fenomeno: n infetti+n' suscettibili=n+n' infetti . Cioè l'infetto è sia causa che effetto del processo (chimicamente è sia reagente che prodotto di reazione).
E' la faccenda del feedback (https://ilchimicoscettico.blogspot.com/…/05/feedback-caos.h…).
La cosa ha un'immensa importanza concettuale. Ricordo Robert May nel 1989: 

Il messaggio che mi parve urgente più di dieci anni fa è ancor più vero oggi: non solo nella ricerca biologica ma anche nel quotidiano di politica ed economia le cose sarebbero molto migliori se si comprendesse che semplici sistemi nonlineari non possiedono necessariamente proprietà dinamiche semplici.

Ok, detto ciò, perché ad aprile come oggi chi fitta i dati con una curva a campana ha problemi, diciamo così, di errore vicino alla sommità della curva?
Perché mentre nella prima fase di salita dei contagi i punti stanno precisi sulla curva e poi tendono a disperdersi velocemente?
Semplice, perché il sistema di tracciamento raggiunge la saturazione e salta.
Ok, benissimo. Allora perché succede la stessa cosa con altri dati , che sono chiaramente funzione degli infetti, ma che richiedono semplicemente registrazione e trasmissione ? Pare che anche la capacità di acquisizione di dati relativamente semplici abbia lo stesso problema di saturazione.
Quindi... quindi firmate la petizione #datiBeneComune , ma non credo che basterà...

La famosa curva pare arrivata a un plateau, se non al massimo. E un po' prima delle delle due settimane attese per vedere gli effetti delle ultime misure (in realtà si continuava a parlare di esponenziali quando ormai la curva aveva già piegato). Ma confido che il laqualunquismo correlativo continuerà a darci grandi soddisfazioni, comunque (correlation is causation, quando pare e piace).

https://datibenecomune.it/…

 

 

LA CURVA, LA BIBLIOGRAFIA

Non imparano mai. Ma proprio mai. Per questo mi uscì un "come le pigne verdi" (https://www.facebook.com/chimicoscettico.blogspot/posts/2790906881128181). Paradossalmente quel che il 4 di marzo andava bene (https://www.facebook.com/chimicoscettico.blogspot/posts/2653994038152800) il 15 di ottobre non valeva più.
Cosa succedeva a marzo? Fioccavano esponenziali e logistiche. Cosa succedeva il 15 di ottobre? Fioccavano esponenziali e logistiche. DIfferenza? Il lockdown. Retropensiero: con i lockdown abbiamo l'ondata epidemica, senza lockdown casi sempre crescenti o giù di lì? (Strano che nei pianeti alieni senza lockdown in primavera i casi infinitamente crescenti non li abbia visti nessuno - più o meno danni, ma ovunque l'ondata epidemica è stata a forma di ondata epidemica - curioso, vero?).

"E' facile capire che - essendo la popolazione italiana finita - la curva dei contagi potrebbe assomigliare ad una curva di crescita logistica. Esponenziale lo può essere localmente, nel brevissimo periodo"
"Eccone un'altro che non ha mai aperto la bibliografia minima sul tema"
"Ho un PhD in matematica"
" E con ciò? L'hai fatta la bibliografia minima o ti credi superiore a queste scemenze?"

Questo un breve scambio ottobrino tra un PhD in matematica e il sottoscritto. Poi la cosa è degenerata, e quindi è facile indovinare dove questo dialogo si trovi immortalato.
Fermo restando che non ogni crescita è esponenziale e ogni sigmoide non è una logistica, un modello SIR per un singolo outbreak ha tre gruppi di soluzioni: due sigmoidi (suscettibili e recovered) e una campana (infetti). E questa è roba consolidata da quasi un secolo che però viene regolarmente dimenticata.
Ci sono due grossi gruppi con un rapporto controverso con la bibliografia: quelli che non la capiscono, perché non ne hanno gli strumenti, e quelli che non se la leggono, pur avendo gli strumenti per capirla, perché non ne hanno voglia e si ritengono superiori alla cosa.

Riccardo Giacconi, che poi avrà un Nobel per la fisica, quando venne chiamato ad occuparsi di radiotelescopia RX, non avendo familiarità con l'argomento, che fece?
Si fece una ricerca bibliografica e si studiò la bibliografia. E questo in tempi in cui era tutto cartaceo, e una ricerca bibliografica voleva dire giorni in biblioteca, non una mezz'ora davanti a un PC (been there, done that).
Oggi la maggioranza di chi disquisisce di modelli evidentemente si sente molto, molto più avanti di Giacconi, che comunque veniva da un periodo stupidamente arretrato, senza rete e senza potenza di calcolo. Lo stesso periodo di Penrose e di Prigogine.

Poi ci sono posizioni più sottili, che sarebbero "i numeri sono numeri però io ritengo che questa volta è esponenziale e lo resterà". Perché il buon senso. Perché questo e quell'altro. Che in teoria dovrebbero commentarsi da sole. In teoria.
In pratica sottraggono il tema alla sopra citata bibliografia, all'analisi del dato (perché ormai il tracciamento è saltato, come se di dati non ne esistessero altri), per spostarsi nel campo dell'indecidibile, e quindi dei messaggi semplici: che piova o ci sia il sole ombrello sempre aperto, che basta e avanza. E se non è bastato è perché gli ombrelli erano troppo piccoli, o perché erano rossi.
Ma magari tra un mese ci accorgeremo che quelli senza ombrello si sono bagnati quanto quelli che hanno usato l'ombrello che è stato distribuito, chissà...

Nell'immagine l'occupazione delle terapie intensive al 10/11, fonte https://www.infodata.ilsole24ore.com/…/terapie-intensive-s…/ . La linea verticale rossa segna la soglia d'allerta (30% di occupazione). Ora, o al Sole24Ore stanno facendo un pessimo, pessimo lavoro, oppure chi parla di saturazione delle terapie intensive esagera "un poco".
Quella dell'immagine è la fotografia di una situazione grave in diverse regioni, ma non di un sistema collassato, e molti lo davano ko per la fine di ottobre (e continuano a darlo ko oggi); se, e sottolineo SE, la diminuzione nella crescita dei *sintomatici* figurerà anche nei dati consolidati, le TI potrebbero non raggiungere la saturazione neanche in Lombardia. Incrociamo le dita.
Probabilmente l'immagine sarà bollata come "narrazione pericolosa", da qualcuno, perché ormai s'è capito come gira: per alcuni la vera minaccia è roba del genere. Hanno la faccia tosta di etichettarla come "negazionismo soft". E cosa vuoi dialogare con 'sta gente...

 

ABOUT BUTTERFLIES AND CIRCLE JERKS

"Il battito di ali di una farfalla a Pechino può provocare un'uragano in Florida" già di suo non era gran che. Ma di fatto è l'unico modo con cui il vasto tema etichettato "Teorie del caos" è entrato nella cultura popolare (https://it.wikipedia.org/wiki/Effetto_farfalla).
In realtà alla base di tutto il tema c'è la retroazione (https://ilchimicoscettico.blogspot.com/…/05/feedback-caos.h…), che però è molto meno digeribile o comprensibile. La colpa della popolarità dell'effetto farfalla è in larga parte di Spielberg col suo Jurassic Park, perché Crichton, come al suo solito, era rimasto molto più sul pezzo (https://ilchimicoscettico.blogspot.com/…/dinosauri-e-biforc…).
Se qualcuno non ci è arrivato, parlo di effetto farfalla a proposito dell epidemia SARS-CoV-2 in corso: perché la dinamica delle malattie infettive è descritta (quando descrivibile) da sistemi con feedback, tra cui lo stracitato modello SIR (https://ilchimicoscettico.blogspot.com/…/oscillatori-chimic…).
Quelli che usano SIR e altri modelli compartimentali come nulla fosse, cioè come in grado di prevedere il futuro, se ne scordano regolarmente: piccole variazioni nelle condizioni iniziali, grandi variazioni nel comportamento a medio-lungo termine del sistema, e quindi imprevedibilità (poi ci sono quelli del SIR alla salumiera, che "è un etto e mezzo, che faccio, lascio? Perché non c'è spazio, per le fasi").
Ah, per gli immancabili "che ne può sapere un chimico di queste cose" (a volte ritornano), il modello SIR è isomorfo alla cinetica di una reazione autocatalitica (https://ilchimicoscettico.blogspot.com/…/isomorfismi-caos.h…).

Esiste una variante popolare e attuale di effetto farfalla usata in senso assertivo: un asintomatico senza mascherina a fine luglio provoca un aumento esponenziale dell'occupazione delle terapie intensive ai primi di ottobre. Che è puro laqualunquismo magico, e dimostra molto bene l'omogeità concettuale delle due bolle gemelle, proscienza e antiscienza. Perché è il solito pochissimo invisibile e non provato che provoca effetti devastanti: puro pensiero magico (https://ilchimicoscettico.blogspot.com/…/il-fantasma-dellef…)

(Con un pensiero per quelli "la comunicazione", che si metteranno a googlare "circle jerk")

 

MODELLI DELL'EPIDEMIA SARS-CoV-2 E INCREMENTO DI PATOLOGIE

Recentemente si guarda alla meccanica quantistica come paradigma epistemico, anche in grado di fornire nuove visioni sull'intepretazione di grandi set di dati, tra cui quelli in fase di acquisizione sulla diffusione di SARS-CoV-2. Gli allarmisti parlano di una crescita esponenziale del numero di post facebook e preprint su questo tema. Una osservazione più pacata del fenomeno potrebbe rilevare crescite di ordine inferiore, lasciando concludere che è serio ma non emergenziale.

In ogni caso Citiamo da Nature Communications Budiyono e Rohrlich:

"But two axioms distinguish quantum mechanics from classical statistical mechanics: an "ontic extension" defines a nonseparable (global) random variable that generates physical correlations, and an "epistemic restriction" constrains allowed phase space distributions. The ontic extension and epistemic restriction, with strength on the order of Planck's constant, imply quantum entanglement and uncertainty relations. This framework suggests that the wave function is epistemic, yet it does not provide an ontic dynamics for individual systems." (1). E qui entra in gioco una nuova famiglia di modelli.

La correlazione tra velocità di diffusione e aumento o diminuzione di infettività e gravità del decorso dell'infezione è stata rilevata con Modular Interactive Linear Function (2) e tramite Joint Equalized Random K-node (3).

Una metaanalisi di tutti questi studi con First Increase Gradient Analysis è di imminente pubblicazione (4) e riporta le principali conseguenze (5)

 

Note 

1) (Nat Commun. 2017 Nov 3;8(1):1306) 

2) PlusPug: A Methodology for the Improvement of Local-Area Networks (EBISS 2020 Proceedings)

3) Methodology for the Typical Unification of Access Points and Redundancy (WMSCI, 2020)

4) (Betterthanscigen Series, numero monografico "Mind the Acronym") 

5) iperplasia testicolare e gravi forme di encefalopatia glandiforme

MONNEZZA STATISTICA OGGI

 

Della serie: famo a falla tornare.
Quante volte s'è detto, qua sopra "Levategli dalle zampette il software statistico"?
Hanno fatto più danni i package di R, Orazio, di quanti tu ne possa sognare sulle tue dispense di biostatistica...

Ho bruciato preziosi minuti di vita, negli ultimi mesi, per rispondere a negazionisti e no-vax che venivano a dirmi "questo articolo DIMOSTRA che la vaccinazione antiinfluenzale aumenta il rischio COVID!".
Solo che la correlazione aveva un Intervallo di Confidenza (CI) largo come un'autostrada, e gli stessi autori poi hanno precisato che non sostenevano assolutamente questa correlazione, nell'articolo. Ma certe fedi non si lasciano mettere in dubbio da piccolezze del genere.
"Eh, ma quelli vanno avanti a pseudoscienza", si dirà. Sì, e invece gli altri?
Invece gli altri pure.
"Per esempio?" si dirà.
Per esempio "Relationship between Influenza Vaccination Coverage Rate and COVID-19 Outbreak: An Italian Ecological Study"  (Vaccines 2020, 8, 535 https://www.mdpi.com/2076-393X/8/3/535).
Una di quelle cose che di prima ti viene da dire "ma come, ma non era correlation is not causation, fino all'altroieri?", perché il razionale della cosa boh, e quantomeno sarebbe richiesta una prova sperimentale prima di spararla (tipo verificare che gli anticorpi contro i virus influenzali neutralizzino SARS-CoV-2, per esempio, o cose più sofisticate che includano l'immunità cellulare).
L'articolo era giusto roba buona per un titolo di giornale e tutto finisce lì.
Ma invece periodicamente mi chiedono di questa roba, magari perché "il scienziato" di turno la condivide. Io mi sono limitato a citare Joe Di Baggio, che aveva fatto vedere che manco i cani... A questo giro, una volta per tutte, lo linko, in modo che non se ne parlì più, perché di monnezza in giro ce n'è anche troppa:

"Vorrei far notare che il miglior modello, per esempio, che lega tassi vaccinali e ospedalizzati con sintomi (il riferimento è sempre all'articolo ecologico, quindi dove non sappiamo se l'ospedalizzato fosse vaccinato o no) è una polinomiale di terzo grado. Dopo il 65% di copertura si prevede rialzo dei tassi standardizzati di ospedalizzazione :-) E' una cagata? Sì, le analisi non si fanno così, ma solo per mostrare che quella circolata ieri era una supercagata dove, come già ricordato, non si considera che un OLS è fondato sull'ipotesi di esogeneità pura dei regressori e se le correlazioni coi confounders sono alte, si ha endogeneità ovverosia correlazione con l'errore e il modello è teoricamente inficiato (che poi è la realtà). Stimando i parametri di una multiregressione, non ci fanno vedere come progredisce la varianza spiegata, se ci sono segni di collinearità. Insomma, siamo a Corrado e ai dilettanti allo sbaraglio."

(https://www.facebook.com/jdbaggio/posts/10217763373171891)

(Ma li vedete i punti? Ma cosa caspita vuoi correlare con quella roba?)

(quante se ne è viste negli anni... chi si ricorda tre anni fa quelli che volevano trovare una correlazione LINEARE tra copertura vaccinale e casi di morbillo, in Italia, lasciando elegantemente fuori il Lazio come outlier?)

PERCHE'?

Paul Krugman, Nobel per l'economia, pubblica un suo intervento sul NYT in cui sostiene che la gestione italiana dell'epidemia COVID dovrebbe far vergognare Trump con i 150.000 morti in USA (https://www.nytimes.com/2020/07/23/opinion/us-italy-coronavirus.html). Si comprende l'urgenza polemica, ma se si va a vedere l'incidenza dei decessi le cose sono messe un po' diversamente (https://www.statista.com/statistics/1104709/coronavirus-deaths-worldwide-per-million-inhabitants/) e in realtà gli USA, con tutti i loro problemi di sistemi sanitari, hanno fatto meglio di noi.

Diciamolo: di modelli dell'epidemia COVID ne abbiamo visti anche troppi, e quasi tutti avevano due caratteristiche: molte assunzioni (clamoroso un 25% di riduzione nella trasmissione del virus dovuto all'uso delle mascherine di comunità, scelto arbitrariamente), fit così così (alle volte decisamente pessimo). Erano modelli che quindi avevano un basso potere descrittivo, non ci spiegavano gran che riguardo le dinamiche dell'epidemia (https://ilchimicoscettico.blogspot.com/2020/05/sopravvalutare-le-predizioni.html). Per esempio, non erano in nessun modo capaci di spiegare la quasi uguale incidenza di decessi tra Italia e Svezia. Però sono stati presi come riferimento per indirizzare le politiche antipandemiche: se facciamo così avremo millantamila casi, se facciamo cosà ne avremo millantamila/2.

Ma in realtà non quantificavano, come già visto, il peso di alcuni interventi, si limitavano a dire: è così, abbiamo scelto questo numero.

Nella tabella vedete una serie di dati controintuitivi (e soprattutto contrari alla narrazione maggioritaria corrente): paesi che hanno praticato politiche molto simili hanno incidenza di decessi molto diversa, paesi che hanno praticato politiche molto diverse la hanno quasi uguale.

E nessuno dei modelli più citati è capace di spiegare questa situazione. Ma le chiacchiere al riguardo si sono sprecate, come analisi di grafici che raccontavano ben poco, messe assieme solo per dire "nazione X cattiva, nazione Y buona".

Un argomento comune di chi difende certi modelli (ma soprattutto l'uso che ne è stato fatto) è "mancavano dati, è stato fatto con quel che c'era".

Ottimo. Se vuoi fare una carbonara, ma ti mancano uova e pecorino e decidi di usare parmigiano e panna, perché quelli li hai, sei liberissimo di farlo. Basta che poi il risultato del tuo lavoro te lo mangi tu, e che tu non lo proponga ad altri dicendo che è una carbonara.

MODELLI, ANCORA

In tempi ormai lontani mi ricordo una riunione di gruppo di lavoro in cui si iniziò a parlare di modelli per un processo chimico dallo scale up particolarmente rognoso. Quello che oggi si chiamerebbe il Team Leader ad un certo punto disse: "Ok, ma queste due-tre settimane di lavoro sul modello produrranno grafici e tabelle o forniranno soluzioni?"

(si parlava di Design Of Experiments, o DOE che dir si voglia, https://ilchimicoscettico.blogspot.com/2018/04/duro-o-morbido-dove-non-si-parla-di.html).

Furono prodotte soluzioni, all'epoca.

I modelli a cui ho lavorato negli anni sono sempre stati descrittivi ed avevano due caratteristiche: dati sperimentali ne delimitavano il perimetro di definizione e l'influenza dei parametri considerati veniva pesata, sempre a partire dai dati sperimentali.

La scelta dei parametri da osservare, in questo campo, era vitale: una scelta inopportuna poteva portare ad un'elaborata dimostrazione dell'ovvio, con una scelta intelligente si potevano avere sorprese, e scoprire che parametri creduti importanti in realtà non avevano alcun impatto. Nella scelta era di primaria importanza la capacità di osservazione dell'esperimento, un qualcosa di difficilmente schematizzabile (e quindi difficilmente schematizzabile da un algoritmo).

Per farla facile, i punti chiave erano

1) dati solidi

2) efficiente analisi dei dati

3) Nessuna estrapolazione: non ti avventuri nello spazio oltre i dati disponibili.

L'enfasi era quindi sul potere descrittivo, e nessuno pensava al potere predittivo (inteso come il potere di prevedere risultati nel citato spazio al di fuori dei dati disponibili, perché con un set limitato di dati sperimentali la previsione di quel che succedeva nello spazio preso in esame era mediamente eccellente). Quindi il fatto che le previsioni siano sopravvalutate per me è sempre stato piuttosto scontato (https://ilchimicoscettico.blogspot.com/2020/05/sopravvalutare-le-predizioni.html).

Quindi arriviamo a COVID19 in Italia e modelli. Tutti si sono concentrati sulle predizioni, ma quanto a potere descrittivo?

Dati solidi non ce n'erano, loro analisi non se ne sono viste ed è stato fatto un numero impressionante di assunzioni ("assumiamo che questo parametro sia importante", "assumiamo che il valore di questo parametro sia x").

Tirate le vostre conclusioni.

Il modellista "puro" dei nostri tempi presta mediamente poca attenzione ai dati, al processo che li genera, alla loro qualità. E il suo ruolo non prevede capacità di osservazione del fenomeno: quella è roba da sperimentali. Ma se si parla di scienze galileiane il dato e le modalità impiegate nell'ottenerlo sono il cardine del processo.