Lokal trendestimering av Covid-19-smitte ved bayesiansk analyse

Abstract

Dette studiet tar for seg trendmodellen for Covid-19-smitte publisert i Stavanger Aftenblad. Hensikten er å videreformidle trendmodellens bayesianske bakteppe og fremheve bayesiansk analyse som metode for estimering under usikkerhet.

For å kunne beskrive smittetrender i Rogaland ble det gjennomført en bayesiansk statistisk analyse. Kombinasjonen av tidligere kjent informasjon og smittedata fra de to foregående ukene førte med seg en fordeling av interesse. Videre ble denne fordelingen sammen med smittedata fra siste uke brukt til å lage en ny fordeling. Dette resulterte i trendgrenser som kunne beskrive om smittetrenden i områdene var «stabil», «økende» eller «synkende» gitt stabil tilstand.

I analysen ble det tatt utgangspunkt i fiktive smittetall for Rogaland. Tallet på smittede de to foregående ukene og siste uke ble henholdsvis satt til 700 og 450. Dette resulterte i en økende smittetrend. Deretter ble det gjort tilsvarende med Time kommune i mer konsise trekk. Denne gangen med reelle smittedata fra de tre første ukene i april 2021. Med 19 smittede de to første ukene og seks siste uke, indikerte modellen stabil trend.

Vi kan konkludere med at bayesiansk metode er velegnet til lokal trendestimering av Covid-19-smitte. Denne metoden gir en fin balanse mellom skjønn og logisk matematikk i en situasjon der det er fornuftig. I en klassisk analyse ville vi blant annet risikert meningsløse resultater i kommuner uten smitte.