Possiamo fidarci dei modelli climatici? Oppure sono lo stesso imbroglio di quelli del COVID?

 

Quando parlo di clima sul "Fatto Quotidiano" mi appaiono spesso commenti di persone che si stupiscono del mio scarso spirito critico. Questo mio grave difetto non mi mette in grado di notare che il cambiamento climatico è soltanto una riedizione del caso del COVID. Ovvero è un modo di terrorizzarci sulla base di un pericolo inesistente con il doppio scopo per i terrorizzanti di renderci schiavi e guadagnarci sopra.

Ora, qui c'è da notare per prima cosa che la strada per l'inferno è lastricata di generalizzazioni. Il fatto che una certa cosa somigli a un altra cosa non vuol dire affatto che siano la stessa cosa. Visto da lontano, un elefante potrebbe somigliare a un topo, ma sarebbe rischioso assumere che lo sia. C'è come minimo, un fattore di scala da considerare, ma anche dei fattori fisici fondamentali che rendono un'epidemia una cosa completamente diversa dalla perturbazione del sistema climatico in corso. Se è vero che io sono stato molto critico su come la "scienza" sia stata sfruttata orrendamente da una banda di incompetenti psicopatici per maltrattare intere popolazioni, questo non vuol dire che il concetto si possa trasferire tal quale ad altri campi della scienza. 

Vediamo di ragionarci un po' sopra. Per prima cosa, diamo un'occhiata a uno dei modelli tipici mostrati in un recente rapporto dell'IPCC .

Superficialmente, ci vediamo certe somiglianze con le curve epidemiologiche che il governo ci propinava giornalmente al tempo della pandemia. Vediamo qualcosa che cresce esponenzialmente (o quasi) a meno che non si faccia qualcosa per "appiattire la curva" che andava di moda dire al tempo del Covid. E si potrebbe pensare che cose tipo i lockdown potrebbero essere usate contro il riscaldamento e potrebbero portare a un disastro simile. Ma è solo una somiglianza superficiale.

In primo luogo, con il clima, abbiamo delle misure di una grandezza fisica, la temperatura. E' una cosa ben diversa dai test PCR del coronavirus, i quali sono una meraviglia della tecnologia moderna, ma sono molto delicati e quello che misurano è molto incerto. Ne abbiamo parlato fino alla nausea nel periodo della pandemia, ma nessuno dei grandi sapienti che apparivano in TV si è mai preoccupato di discutere l'incertezza nelle misure PCR, cosa che si impara al primo anno di università in qualsiasi corso di studi in materie scientifiche. Questo non vuol dire che le misure PCR fossero sbagliate, solo che non avrebbero dovuto essere prese come oracoli divini. Notate invece come le curve dei modelli climatici sono sempre rappresentate insieme a una stima dell'incertezza. I climatologi sono (di solito) persone serie. Non hanno niente a che vedere con la banda di tronfi incompetenti che hanno imperversato in TV al tempo della pandemia.  

Ciò non significa che i modelli climatici debbano necessariamente essere giusti. Il problema qui è che la discussione sul cambiamento climatico è stata spesso dirottata in un dibattito sulla possibilità che i modelli possano fare previsioni accurate. Questo è solo uno degli elementi del problema e non il più importante. I modelli multiparametrici di sistemi complessi sono principalmente strumenti per interpretare i dati: hanno lo scopo di dirti cosa sta causando cosa e come. Nel caso del cambiamento climatico, i modelli ci dicono che la correlazione tra temperatura e concentrazione di gas serra è coerente con una relazione causale secondo quanto sappiamo della fisica atmosferica. In altre parole, forniscono la prova che i gas serra stanno forzando il sistema climatico a riscaldarsi.

Ma si potrebbe arrivare a questa conclusione anche senza modelli: solo sulla base della fisica e delle osservazioni conosciute. Del resto Svante Arrhenius era già arrivato a una stima ragionevolmente corretta dei parametri del sistema nel 1896, senza ricorrere a modelli sofisticati. Supponiamo quindi che la concentrazione di gas serra continui ad aumentare (o anche solo rimanere la stessa). In tal caso, possiamo aspettarci che anche le temperature continuino ad aumentare e questo non è sicuramente una buona cosa per noi. I modelli climatici, per inciso, tendono ad essere ottimisti nel senso che normalmente non sono in grado di descrivere il tipo di bruschi cambiamenti climatici che si verificano sotto forma di "Seneca Cliffs" che sono stati osservati in un passato remoto. Nella scienza del clima, sono spesso chiamati "punti critici climatici", attraversarne uno sarebbe sicuramente estremamente negativo per noi. Fra le altre cose, questi "punti critici" non esistono in epidemiologia, che studia sistemi sostanzialmente più semplici del clima terrestre. 

Detto questo, rimane il problema tipico dei modelli multiparametrici: quello di separare i ruoli dei parametri che hanno effetti simili sul sistema. I modelli climatici potrebbero sovrastimare il ruolo dei gas serra e sottovalutare gli effetti di raffreddamento dei processi metabolici dell'ecosistema, come sostenuto, ad esempio, in questo articolo da Makarieva et al. In tal caso, rischiamo di trascurare il ruolo di un fattore importante in ciò che stiamo vedendo.

Ma corriamo veramente il rischio di commettere gli stessi errori con la mitigazione del cambiamento climatico che sono stati fatti con il tentativo di appiattire la curva durante l'epidemia di Covid-19? Ossia, rischiamo di sconvolgere il tessuto sociale per un rischio sopravvalutato o per l'errata attribuzione delle cause del problema? Improbabile, e, in ogni caso, il lockdown da Covid non ha avuto praticamente nessun effetto climatico -- proprio come non ne ha avuti sulla diffusione del virus. Insistere con una misura che è stata dimostrata doppiamente inefficace vorrebbe dire raggiungere un grado di pubblica imbecillità anche superiore a quello della media degli esperti televisivi degli ultimi tempi. 

Ma comunque vada bisogna mantenere un atteggiamento aperto e accettare che, con i nuovi dati, i modelli debbano cambiare (che è esattamente quello che non è stato fatto con l'epidemia di Covid). L'unica cosa certa è che i disastri sono inevitabili se i sistemi complessi sono lasciati ai politici da gestire.

Il Peggior Modello della Storia: come NON schiacciare la curva

"Abbassare la Curva" è stato un meme di incredibile successo durante le prime fasi dell'epidemia di Covid. Purtroppo si basava su un modello che possiamo descrivere come il peggiore mai proposto nella storia (o forse il secondo peggiore, dopo quello che assicurò a Napoleone che invadere la Russia in inverno era una buona idea). Qui spiego perché il modello era così pessimo e includo anche una discussione sul fatto che i modelli di cambiamento climatico potrebbero soffrire degli stessi problemi.

Forse avete sentito dire che "tutti i modelli sono sbagliati, ma alcuni possono essere utili". È vero. Ma è anche vero che modelli sbagliati possono essere fuorvianti, e alcuni possono essere letali. Nella storia, alcuni di questi modelli letali sono stati pienamente creduti ("invadiamo la Russia, cosa potrebbe andare storto?"), mentre le conseguenze letali di alcuni modelli attuali non sono ancora comprese da tutti ("la crescita economica può continuare per sempre, perché no? "). Altri modelli ci parlano delle conseguenze letali del non seguirli; è il caso dei modelli climatici. Esistono molti tipi di modelli, ma non si può negare che siano importanti nel determinare le azioni umane.

In questo post parlerò del modello che ha dato origine al concetto di "appiattimento della curva" all'inizio dell'epidemia di Covid-19. Si basava sull'idea che le "misure non farmaceutiche" (NPI) avrebbero rallentato la diffusione del virus ed evitato di sovraccaricare il sistema sanitario. Era uno di quei modelli che all'inizio sembravano belli, ma si sono rivelati un disastro. Tra l'altro, ci dà la possibilità di un esame critico dei modelli climatici: potrebbero soffrire degli stessi problemi?

Riguardo alla storia dell' "appiattimento della curva", questa idea di rallentare la diffusione di un'infezione virale non era di per sé sbagliata. Per millenni, le persone avevano notato che molte malattie venivano trasmesse da persona a persona e che stare lontano dai malati poteva ridurre le possibilità di infezione. Ma i blocchi a livello nazionale, il mascheramento universale e simili non erano mai stati tentati prima. Quindi, come fare a sapere se avrebbero avuto un effetto significativo?

Infatti, prima del grande spavento del Covid, l'opinione generale tra operatori ed esperti era che le quarantene e altre misure drastiche fossero controproducenti, se non del tutto inutili. Poi, all'inizio del 2020, un nuovo concetto è entrato in scena e ha preso d'assalto la memesfera: "Appiattire la curva". È stato espresso sotto forma di un grafico che è apparso ripetutamente sui media in forme leggermente diverse, ma mostrando sempre lo stesso concetto. Ecco un esempio tra i tanti.





Immagine da " The New York Times ", 2020,

Iniziamo con il notare che il modello si basa sulla forma tipica delle curve che descrivono un ciclo epidemico. Si verifica quando qualcosa cresce (es. un virus) sfruttando una risorsa (es. esseri umani). Se la risorsa è limitata, come nel caso del numero di persone che possono essere infettate, allora la crescita dell'infezione inizierà a rallentare, raggiungerà un massimo e poi diminuirà. Il risultato sarà una curva "a campana", un comportamento noto sin dai tempi della Grande Peste di Londra a metà del XVII secolo. (si noti, per inciso, che le curve epidemiche normalmente non mostrano l'"Effetto Seneca", cioè un declino più rapido rispetto alla crescita. È perché il sistema è relativamente semplice ei virus non sono influenzati dall'inquinamento).

Quindi, il modello "Appiattimento della curva" era basato su qualcosa di reale; tuttavia, aveva enormi problemi. Dai un'occhiata attenta alla figura sopra. Il modello implica non meno di due miracoli distinti. Il primo è che lo zero dell'asse x dovrebbe coincidere con il "primo caso". Implica che, miracolosamente, il governo sarebbe stato così lungimirante da decidere di bloccare un intero paese sulla base di un singolo caso osservato o solo di pochi. Un tale governo non è mai esistito e potremmo ragionevolmente sostenere che non può esistere nel mondo reale. In pratica, gli NPI sono stati introdotti ovunque solo quando l'epidemia era ben avviata e in rapida crescita. Si noti inoltre come la curva delle “Misure di protezione” tocchi esattamente il limite della capacità del sistema sanitario senza superarlo. Come le misure possano essere calibrate in modo così preciso è un altro miracolo.

La necessità di due miracoli è già una cosa abbastanza grave per un singolo modello, ma c'è un problema molto peggiore: il modello mostra due curve con la stessa forma; differiscono solo per la scala, un parametro che non può essere determinato in modo affidabile nelle prime fasi di un ciclo epidemico. Ma, ovviamente, nel mondo reale, l'epidemia seguirà solo una delle due curve, e come si può fare a sapere quale? In altre parole, come possiamo sapere se le misure stanno avendo qualche effetto? Sorprendentemente, la domanda non è stata quasi mai posta pubblicamente durante l'epidemia. Il modello dell'"appiattimento della curva" divenne ben presto una questione politica e, in politica, ci sono domande che non ti è permesso fare.

Quindi, fatemi provare a uscire dalla politica e usare la scienza per porre una domanda proibita: come reagirebbe la curva alle "misure" applicate mentre la curva ha già iniziato a crescere? Tutti si aspettavano un effetto, ovviamente, e, ovviamente, un effetto forte se doveva valerne la pena. Tomas Pueyo ha usato correttamente il termine "il martello" per descrivere gli effetti previsti degli NPI (una delle pochissime osservazioni corrette che abbia mai fatto). E se colpisci qualcosa con un martello, ti aspetti un effetto immediato. Ma che tipo di effetto, esattamente?

In un post precedente , ho descritto un semplice modello epidemico SIR (sano, infetto, rimosso), non un modello sofisticato ma diversi gradini più in alto sulla scala scientifica rispetto a un diagramma a due curve puramente qualitativo. Il modello può essere facilmente modificato per mostrare gli effetti di un'improvvisa riduzione del fattore di trasmissione ( Rt ) dell'infezione a seguito degli NPI (si noti che non si applica ai vaccini, che possono essere introdotti solo gradualmente). Di seguito, ecco un tipico risultato dei miei calcoli.


L'asse verticale è la frazione infetta della popolazione (la "prevalenza"), che dovrebbe essere proporzionale al numero di casi positivi misurati. La scala orizzontale è il tempo; un tipico ciclo epidemico dura pochi mesi. Il grafico è approssimativamente modellato sul caso italiano all'inizio del 2020 e presuppone che le "misure" siano state rese obbligatorie il 20° giorno dall'inizio di un ciclo di infezione che dura alcuni mesi. Il modello presuppone che gli NPI riducano l'infettività (Rt) del virus del 50% (come si riteneva che fosse possibile). 

Il risultato è che la pendenza della curva di prevalenza cambia immediatamente quando gli NPI vengono messi in atto. Si può giocare con i parametri in diversi modi, ma, per una significativa diminuzione della velocità di trasmissione del virus, si vedrà sempre una discontinuità nelle curve in corrispondenza dell'inizio delle misure. Questa discontinuità verrebbe un po' "lisciata" dal tempo di incubazione necessario per fare apparire il virus ai test PCR, ma questo tempo viene normalmente dato come un paio di giorni, cinque giorni al massimo. Nel complesso, questo è come dovrebbe essere il vero "appiattimento della curva".

Certo, esistono modelli epidemiologici molto più sofisticati, ma i buoni modellisti sanno (o dovrebbero sapere) che i modelli complicati non sono necessariamente migliori di quelli semplici. Qui non voglio entrare nel dibattito accademico sull'effetto degli NPI (che comunque non ha mai raggiunto i responsabili politici e il pubblico). Solo come breve nota, vale la pena di dare un'occhiata a questo documento del 2020. È stato pubblicato dal gruppo guidato da Neil Ferguson all'Imperial College di Londra, che è stato uno dei principali fautori dei lockdown. Gli autori sostengono che i blocchi sono stati efficaci, ma, se si esamina attentamente il documento, ad esempio, guardando la fig. 2 dei risultati estesi, vedrete che i loro stessi risultati non supportano le loro conclusioni. (e non sono l'unico che ha notato il problema).

Ma piuttosto che entrare nei dettagli di modelli complicati, usiamo solo il buon senso. Gli NPI sono un cambiamento improvviso nei parametri del sistema. Quando il governo ordina alle persone di rimanere chiuse in casa, la maggior parte di loro lo fa immediatamente. Quindi, ti aspetteresti un effetto immediato sulla forma della curva epidemica -- al massimo nell'arco del tempo di incubazione del virus che è di qualche giorno. Il problema è che non si vede niente del genere nei dati del mondo reale. Sotto, il caso dell'Italia nel 2020. Gli NPI sono stati emanati il ​​9 marzo, quando la curva aveva raggiunto circa il 25% del picco. La curva ha continuato a crescere lungo la stessa traiettoria per altri 19 giorni.







L'Italia è solo un caso. Forse, se uno è un vero investigatore di prim'ordine, riuscirebbe a trovare qualche caso dove si può evidenziare una discontinuità in una curva epidemica in corrispondenza delle NPI che vengono emanate. Ma abbiamo centinaia, probabilmente migliaia, di esempi, e non si vedono quasi mai cambiamenti di pendenza importanti. La conclusione può essere solo che se gli NPI hanno avuto un effetto, è stato molto piccolo, ininfluente sulla traiettoria del ciclo epidemico. Per inciso, queste osservazioni sono coerenti con la recente Cochrane Review che ha utilizzato diversi metodi per esaminare l'efficacia delle mascherine e di altri NPI nel rallentare la diffusione dei virus. Non sono stati riscontrati effetti rilevabili.

Alla fine, più di due anni di "provvedimenti" sono stati imposti ai cittadini sulla base di un modello che implicava miracoli e non prevedeva metodi per verificare l'effetto delle azioni raccomandate . Il danno arrecato alla società è stato enorme in termini psicologici, economici e umani, tutto per effetti che si sono rivelati così piccoli da non essere misurabili. Stiamo ancora subendo le conseguenze del disastro e potrebbero volerci molti altri anni prima di riprenderci completamente, se mai ci riprenderemo.

La domanda, quindi, diventa come sia possibile che quasi tutti nel mondo siano stati completamente sopraffatti da un modello così cattivo, forse il peggiore mai sviluppato nella storia? È una storia legata alle implicazioni militari delle epidemie come armi biologiche, ma la racconterò in un prossimo post. Qui, esaminiamo come le stesse considerazioni possono essere applicate ai modelli climatici, un altro tipo di modello che può influenzare le nostre vite in modi ancora più pervasivi del modello "Appiattimento della curva".

Il grande fallimento dei modelli predittivi: il virus continua a fare quello che gli pare

In questi giorni, ho tradotto un articolo del medico svedese Sebastian Rushworth per l "Unconditional Blog." Rushworth fa del suo meglio per interpretare la situazione relativa al Covid-19 sulla base dei dati disponibili, esaminando come sono andate le cose in diversi paesi. 

Quello che fa impressione di tutta la vicenda è come il virus abbia sempre fatto a modo suo, infischiandosene alla grande dei vari provvedimenti più o meno draconiani presi dai governi. Rushworth stesso usa il termine "sorprendente" proprio nel titolo. 

Così, tutta la vicenda è iniziata con il fallimento dei modelli predittivi dei consulenti del governo inglese, quelli del famigerato "Imperial College," sui quali provvedimenti come il lockdown del 2020 erano basati. Modelli evolutissimi (o così definiti dai loro creatori) che hanno sballato completamente le previsioni parlando di almeno mezzo milione di morti nel primo ciclo epidemico nella sola Gran Bretagna. Per aggiungere beffa al danno, il rappresentante principale del gruppo di scienziati che lavorava con questi modelli, Neil Ferguson, si è poi fatto beccare a ricevere la sua amichetta a casa sua in barba al lockdown rigoroso che lui stesso aveva caldeggiato. Il grande modellista non aveva modellizzato bene il suo stesso comportamento, evidentemente.

In questo articolo, noterete come Rushworth non è che non usi i modelli. Li usa, ma nel modo giusto. Ovvero, non nel modo "predittivo" ma nel modo "interpretativo." Vale a dire che esamina l'andamento dell'epidemia sulla base alcuni semplici fatti, il principale dei quali è che tutte le epidemie seguono dei cicli a forma di campana, il che è un risultato che viene dai modelli, ma che non va preso come una profezia. Però, è una guida.

Insomma, di questa vicenda ci insegna che l'unico modo di affrontare un futuro difficile è di essere flessibili, di tener conto dei modelli, ma anche di essere sempre pronti a cambiare idea. Il che non è proprio il modo in cui si è svolto il dibattito sul covid, ma lasciamo perdere. Leggetevi l'articolo di Rushworth perché è veramente ben fatto e interessante.

ATTUALITÀ, SOCIETÀ

La sorprendente quarta ondata

Novembre 20, 2021

Covid: Arriverà la quarta ondata? Forse no, ma ancora non lo possiamo dire con certezza. Le considerazioni di Sebastian Rushworth

Nella questione Covid-19, la voce di Sebastian Rushworth, medico svedese, è sempre un punto di riferimento. Qui, Rushworth analizza le ragioni per la “quarta ondata” del virus, quella che è arrivata nell’Europa dell’Est circa un mese fa e che adesso è in declino, ma che si sta diffondendo in Germania e altri paesi. Colpirà anche l’Italia?

Rushworth fra alcune considerazioni molto interessanti in termini di vaccinazioni e di ondate virali. Nota che la quarta ondata è arrivata principalmente in paesi che avevano in qualche modo scampato la prima ondata (quella di Marzo 2020) e che quindi non avevano raggiunto ancora l’immunità di gregge. La Svezia, invece, aveva subito una prima ondata abbastanza importante, per cui adesso sembrerebbe essere immune alla quarta.

Altri paesi, invece, potrebbero essere temporaneamente protetti dalla quarta ondata dalle vaccinazioni, il cui effetto però svanisce dopo alcuni mesi. Questo spiega come Israele, i cui cittadini sono stati fra i primi al mondo a vaccinarsi, stia venendo colpito adesso da una quarta ondata.

E l’Italia? Noi abbiamo avuto una pesante seconda ondata, per cui adesso potremmo essere protetti per immunità naturale. Se questo è il caso, non avremo una quarta ondata. Ma non si può escludere un effetto protettivo dei vaccini. In questo caso, potremmo essere sull’orlo di una quarta ondata che potrebbe manifestarsi nelle prossime settimane con l’esaurirsi dell’immunità vaccinale. Come sempre, il futuro è difficile da prevedere, ma ci si può perlomeno ragionare sopra.

E’ una storia complicata, ma per certi versi affascinante. Mi è parso il caso di tradurre questo pezzo di Rushworth che considero esemplare per equilibrio e ragionevolezza. Vedete voi cosa ne pensate.

COVID-19: la sorprendente quarta ondata

Dr. Sebastian Rushworth, 202 Novembre 2021 (articolo originale)

Sono stato sorpreso, all’inizio, quando molti paesi fortemente vaccinati sono stati colpiti da una nuova ondata di covid-19 all’inizio dell’autunno. Sono rimasto sorpreso, cioè, fino a quando ho iniziato a vedere studi che mostravano che la protezione offerta dai vaccini è molto meno impressionante di quanto si pensasse inizialmente, e scende a livelli bassi dopo pochi mesi.

Alla luce di questo fattore, ho confrontato i tassi di mortalità da covid tra diversi paesi, per cercare di capire esattamente cosa sta succedendo. I tassi di mortalità sono di gran lunga preferibili ai tassi di infezione, perché sono molto meno variabili nel tempo. I tassi di positività sono variati enormemente nel corso della pandemia, poiché la quantità di test effettuati è cambiata, la definizione di ciò che costituisce un caso è cambiata, e i test stessi sono cambiati. Il numero di casi è quindi impossibile da usare come strumento per capire come la pandemia si è evoluta nel tempo. Anche se i diversi paesi definiscono i decessi per malattia in modo diverso, essi tendono ad essere abbastanza coerenti internamente nel tempo. I dati sulla mortalità sono quindi molto più affidabili di quelli dei casi di caso, e quindi molto più utili per capire come si sta evolvendo la pandemia.

Quindi, ecco la Svezia, il paese in cui vivo e che quindi conosco meglio:

Quello che vediamo inizialmente è una grande ondata nella primavera del 2020 dovuta alla variante iniziale, quella di Wuhan, poi un calo fino a praticamente zero morti a causa dell’inizio dell’estate. Ormai dovrebbe essere chiaro a tutti che il covid-19 è un virus altamente stagionale, che, come altri virus invernali, scompare in gran parte dalla tarda primavera all’inizio dell’autunno.

Vediamo poi nei dati svedesi una ricomparsa della variante di Wuhan nell’autunno del 2020, che inizia a declinare dopo pochi mesi quando viene raggiunta una sufficiente immunità della popolazione (cioè di “gregge”). Questo declino viene però fermato e contrastato da un aumento ancora più rapido dei decessi, che è dovuto all’arrivo della variante alfa britannica sulle coste svedesi.

Come può la variante alfa causare un’altra ondata se l’immunità della popolazione è già stata raggiunta, si potrebbe chiedere?

Perché la soglia dell’immunità della popolazione dipende dall’infettività e dalla trasmissibilità del virus. Più una variante è trasmissibile, più alta diventa la soglia dell’immunità della popolazione. Così, la soglia per l’immunità della popolazione contro la variante Wuhan è stata raggiunta nel dicembre 2020, ma quando è arrivata la variante alfa, la soglia è salita a un livello più alto, ed è iniziata una nuova ondata di diffusione pandemica.

Torniamo a quello che vediamo nel grafico: succede quindi che la variante alfa brucia rapidamente attraverso la popolazione e una sufficiente immunità della popolazione viene raggiunta contro la nuova variante entro la metà di gennaio 2021. Ancora una volta diventa difficile per il virus trovare nuovi ospiti, a quel punto il tasso di infezioni scende a un livello stagionale più basso ed endemico, che rimane fino all’arrivo della nuova stagione estiva.

Per coloro che vorrebbero attribuire il calo delle morti da covid a febbraio ai vaccini, vorrei far notare che solo una piccola percentuale della popolazione svedese era vaccinata a questo punto, quindi i vaccini non possono aver causato il calo.

Dopo l’estate, i livelli cominciano a salire di nuovo a un livello stagionale leggermente più alto, ma rimangono al livello basso che ci si aspetta per un virus che è ormai diventato endemico. Anche se la variante delta, altamente contagiosa, arriva in Svezia in tarda primavera e in autunno è totalmente dominante, non è in grado di creare una nuova ondata, a causa degli alti livelli di immunità preesistenti.

Vediamo situazioni molto simili per altri luoghi che, come la Svezia, sono stati colpiti duramente nella primavera del 2020. Qui c’è New York:

Ed ecco la Lombardia, in Italia (che per qualche motivo purtroppo non mostra i primi mesi del 2020):

Qui si vedono chiaramente le prime due ondate causate dalla variante Wuhan, poi la terza ondata causata dalla variante alfa, e poi niente, nonostante l’arrivo della variante delta. L’incapacità della variante delta di creare una nuova ondata in questi luoghi, in Italia e a New York, potrebbe essere spiegata in due modi – o non è sufficientemente più trasmissibile della variante alfa per generare una nuova ondata in luoghi che hanno già l’immunità della popolazione generata dalla variante alfa, o i vaccini stanno facendo il loro lavoro, per ora.

Passiamo all’India, per quello che ci insegna sulla variante delta:

All’inizio del 2021, la variante Delta nasce in India e si diffonde rapidamente nella popolazione. Il test degli anticorpi della popolazione rivela che circa il 50% della popolazione indiana viene infettato nel corso di pochi mesi, con la proporzione della popolazione con anticorpi che sale rapidamente dal 20% al 70%, a quel punto l’immunità della popolazione è sufficiente a far scendere la diffusione del virus a bassi livelli endemici. Si noti che i vaccini chiaramente non hanno avuto alcun ruolo in questo caso, poiché, proprio come in Svezia, solo una piccola percentuale della popolazione è stata vaccinata nel momento in cui il tasso di mortalità è sceso a livelli bassi.

Ora guardiamo alcuni paesi che hanno subito una quarta ondata durante l’autunno, e cerchiamo di capire perché. Ecco Israele:

Israele è stato in grado di evitare una forte diffusione del covid durante la primavera del 2020. Durante l’autunno viene colpito prima dalla variante originale di Wuhan e poi, proprio quando l’immunità della popolazione a quella variante raggiunge livelli in cui la diffusione comincia a diminuire, il paese viene colpito dalla variante alfa, con un picco di morti a fine gennaio 2021. A quel punto il 20% della popolazione è già completamente vaccinata, quindi qui il vaccino potrebbe effettivamente aver giocato un ruolo nel far scendere il tasso di mortalità. Questo potrebbe spiegare perché il tasso di mortalità in seguito scende molto rapidamente, invece di rimanere ad un livello più endemico fino a maggio, come in Svezia (che è stata molto più lenta nelle vaccinazioni).

Le morti da covid rimangono basse per tutta l’estate, come ci aspetteremmo. Poi arriviamo all’autunno 2021, e alla sorprendente quarta ondata. O non così sorprendente se si guardano i dati che ora mostrano abbastanza chiaramente che l’efficacia del vaccino scende rapidamente, anche quando si tratta di prevenire la malattia grave (il che è particolarmente vero per gli anziani fragili, che sono dopo tutto l’unico segmento della popolazione a grave rischio di covid-19).

Quindi, Israele viene colpito da una quarta ondata, come molti altri posti. Perché i luoghi discussi all’inizio di questo articolo, Svezia, Lombardia e New York, non stanno attualmente sperimentando la quarta ondata?

Per come la vedo io, ci sono due possibilità. La prima è che questi luoghi hanno sviluppato così tanta immunità naturale, grazie al fatto che hanno sperimentato un paio di mesi extra di pesante diffusione del covid-19 durante la primavera del 2020, che il covid è ormai finito in quei luoghi e non ci sono più grandi ondate in arrivo. Israele ha alti tassi di vaccinazione, ma all’inizio dell’autunno 2021 aveva sperimentato meno mesi di diffusione pandemica, e quindi aveva una percentuale inferiore della popolazione che aveva sviluppato l’immunità naturale da un’infezione precedente. È stato ormai stabilito abbastanza bene che l’immunità conferita dall’infezione è molto più durevole di quella conferita dalla vaccinazione, quindi questa è un’ipotesi ragionevole, ora che sappiamo che l’immunità generata dai vaccini è così fugace.

Può essere istruttivo, qui, guardare all’Europa dell’Est. I paesi dell’Europa orientale sono stati particolarmente colpiti quest’autunno. Qui c’è la Bulgaria:

Ed ecco la Slovacchia:

Notate qualcosa di speciale in questi posti?

Penso che due cose siano importanti a cui prestare attenzione. Primo, entrambi i luoghi sono stati quasi completamente risparmiati nella primavera del 2020. In secondo luogo, entrambi i luoghi avevano ancora un alto grado di diffusione virale quando l’inizio dell’estate ha fatto cadere le infezioni. Non hanno quindi mai raggiunto l’immunità della popolazione alle varianti più infettive, e quindi è sensato che abbiano visto una ricomparsa nell’autunno del 2021.

Quindi, la prima possibile spiegazione che ho menzionato per il motivo per cui alcuni luoghi non stanno sperimentando una quarta ondata è che quei luoghi ora hanno una sufficiente immunità naturale della popolazione, che li sta proteggendo. La seconda opzione è che questi luoghi stiano attualmente godendo di una protezione temporanea, data dal fatto che hanno vaccinato le loro popolazioni più tardi rispetto a luoghi come Israele. Se questo è il caso, allora si dirigeranno verso la quarta ondata in un altro mese o due.

I dati della Germania suggeriscono che la prima alternativa è più probabile che sia vera. Ecco come appare la curva per la Germania. Attualmente sembra dirigersi verso una quarta ondata.

Notate che la Germania, come Israele, è stata a malapena toccata da covid-19 durante la primavera del 2020. Invece ha avuto una grande ondata durante l’inverno del 2020/2021, causata dalla variante di Wuhan. Poi c’è stato un piccolo picco causato dalla variante alfa, che è cresciuta fino a diventare il ceppo dominante in Germania in aprile. La variante alfa è stata comunque impedita dal causare una nuova grande ondata dall’arrivo della stagione più calda. Durante questo periodo, la Germania ha vaccinato in massa la sua popolazione, con la maggior parte delle vaccinazioni tra marzo e giugno. Questo è molto simile alla Svezia, che ha anche vaccinato la maggior parte della sua popolazione tra marzo e giugno.

Allora perché la Germania sta vivendo una recrudescenza ora, e la Svezia no?

Chiaramente, non può essere dovuto al fatto che la Germania sia stata vaccinata prima e abbia perso l’immunità prima, dato che entrambi i paesi hanno vaccinato le loro popolazioni nello stesso periodo. Per questo motivo sono incline a favorire la prima ipotesi, che la Svezia abbia costruito una maggiore immunità della popolazione, per la semplice ragione che il covid ha iniziato a diffondersi massicciamente in Svezia nella primavera del 2020, ma non ha iniziato a diffondersi ampiamente in Germania fino all’autunno del 2020. Quindi, anche se l’effetto dei vaccini è già scemato in entrambi i paesi, la Svezia è protetta dalla sua diffusa immunità naturale della popolazione, mentre la Germania no. Se questo è il caso, allora la Svezia non dovrebbe vedere un’altra grande ondata. Tra un mese o due sapremo qual è la verità della questione.

Dr. Sebastian Rushworth

Il Grande Disastro dei Modelli Predittivi della Pandemia: Come hanno sballato di oltre un fattore 1000!

 

Siamo in momento particolarmente adatto a dare un giudizio un tantino vitriolico -- come si meritano -- ai modelli epidemiologici che hanno guidato le scelte del governo fino ad oggi. 

Guardate la tabella qui sopra. E' presa da un rapporto del famigerato CTS (comitato tecnico-scientifico) che si basava su modelli sviluppati dall'altrettanto famigerato Imperial College.

Il documento non viene da una fonte ufficiale, ma gira da un pezzo e la sua autenticità non è mai stata smentita. Non ha data, ma risale probabilmente ad Aprile-Maggio e descrive quello che ci si potrebbe aspettare alla riapertura dopo il lockdown di primavera. Il primo scenario, "A" corrisponde alla riapertura completa, nessuna restrizione. Gli altri due subito dopo, "B" e "C" corrispondono a una riapertura con alcune restrizioni, per esempio scuole chiuse. Gli altri scenari, dall' "1" in poi, corrispondono a ipotesi poco realistiche, tipo che nessuno va a lavorare e cose del genere. 

Diciamo che dei tre scenari principali, quello più simile alla situazione attuale (scuole chiuse, ma il resto più o meno riaperto) corrisponde allo scenario "B". Bene, ora guardate la previsione. Secondo questi qua, al 20 Agosto (cioè qualche giorno fa) dovevamo avere circa 120mila persone in terapia intensiva. Quanti ne abbiamo realmente? L'ultimo dato è di 64 in totale. La previsione ha sballato di un fattore 2.000!

C'è chi ha giocato con questi numeri per cercare di giustificarre i modelli, dicendo, "ma altri scenari davano numeri più bassi" -- si, ma viene voglia di ringraziare l'organo riproduttivo dei mammiferi. Se uno presenta un totale di 92 scenari (come fanno questi qui) uno che più o meno l'azzecca lo trovi per forza. Anch'io vi posso fare un modello che prevede con assoluta certezza i numeri del lotto: uscirà sicuramente un numero da 1 a 90 -- andate tranquilli: è un modello che non sbaglia mai.

Cosa hanno sbagliato i modellisti? Molte cose ma, come spesso succede, ognuno tende a credere che il mondo che lui ha in testa sia quello reale e a comportarsi di conseguenza. I modellisti hanno veramente pensato che i loro modelli descrivessero il mondo reale e non si sono resi conto che hanno peccato principalmente di mancanza di umiltà -- quello che a volte chiamiamo "hubris." Su questo punto c'è un bell'articolo di Saltelli e altri su "Nature" che descrive cosa NON si deve fare con i modelli.

Il risultato è stato un gran bel disastro. Su come la faccenda si sia evoluta politicamente diventando ingestibile, potete leggervi un bell'articolo di Thaddeus Michael, intitolato "Perchè il mondo ha perso la bussola? E' in inglese e parla della Gran Bretagna ma, 1) è di una chiarezza cristallina e 2) google translate fa miracoli e 3) descrive benissimo anche la situazione italiana.

 

Ringrazio Sergio Zanatta e Sara Gandini per i loro commenti

A cosa servono i modelli? Pillole di ottimismo di Sara Gandini e Ugo Bardi

 

Questo post è il risultato di una collaborazione con Sara Gandini, direttrice dell’unità "Molecular and Pharmaco-Epidemiology" presso il dipartimento di Oncologia Sperimentale dell’Istituto Europeo di Oncologia di Milano (IEO). E' un grande onore per me avere la possibilità di collaborare con una persona di tale livello scientifico. E' anche un grande piacere notare come Sara trovi il tempo e la voglia di dedicarsi alla divulgazione scientifica, cosa che tutti gli scienziati dovrebbero fare ma che, purtroppo, molti ancora considerano al di sotto della loro dignità professionale. (e poi non si lamentino se qualcuno protesta).

 

Dal sito Facebook Pillole di Ottimismo

Covid, i modelli predittivi servono? Ecco cosa è andato storto.

 Di Ugo Bardi e Sara Gandini.

Molte decisioni prese per fronteggiare l’epidemia di Covid-19 sono state basate su modelli predittivi. Questi modelli sono stati criticati per non aver preso in considerazione una serie di variabili che avrebbero migliorato le previsioni, ma anche per non avere tenuto in conto il benessere della comunità nel suo complesso, non solo la salute dei singoli, ma anche il benessere sociale ed economico della società intera. Che cosa è andato storto? È mancata l’intelligenza collettiva che arriva dal coinvolgimento di tutta la comunità scientifica e i politici hanno preferito affidarsi ad una ‘epidemiologia difensiva’ basata sullo scenario peggiore, alle volte a spese del reale benessere della popolazione.
 


Molto tempo fa, i nostri antenati aruspici cercavano di prevedere il futuro esaminando il fegato di una pecora. C’erano poi varie sibille, profetesse e pitonesse che facevano del loro meglio basandosi sulle stelle, le foglie degli alberi, il volo degli uccelli, o chissà che altro. Oggi, tendiamo a non dare molta retta a questo tipo di approccio alle previsioni però, pur con tutto il rispetto per la scienza moderna, va detto che la previsione del futuro rimane una cosa molto difficile e che, certe volte, la scienza non sembra fare molto meglio dell’antica pitonessa di Delfi.

Questo è vero soprattutto considerando come si tende a usare modelli per descrivere quei sistemi che chiamiamo “complessi” che hanno come caratteristica principale quella di sorprenderti sempre. Per questi sistemi, non c’è un’equazione semplice che li descriva, come c’è invece per esempio, per il moto dei corpi celesti nello spazio. Immaginatevi cercare un’equazione che descriva, per esempio, il vostro gatto. Non facile, di certo! Tuttavia, non è che il comportamento di un gatto sia del tutto imprevedibile. Provate ad agitare la scatola dei croccantini e sapete benissimo cosa succede. Si tratta di capire che non bisogna avere la pretesa di fare previsioni quantitative a lungo termine quando sappiamo bene che tutto può cambiare alla svelta.

Un buon esempio della difficoltà che abbiamo nel prevedere il futuro si è visto con i modelli epidemiologici applicati alla pandemia di coronavirus, che sono risultati spesso troppo ottimisti o troppo pessimisti. Tanto per fare un paio di esempi, il modello di IHME (Institute for Health Metrics and Evaluation) in Aprile, prevedeva meno di 20.000 vittime dell’epidemia in Italia mentre, a oggi, il numero reale è stato di 35.000. Al contrario, Greco riporta come “Il modello [dell’Imperial College di Londra] prevedeva in Italia oltre mezzo milione di morti per Covid-19 se non si fosse preso alcun provvedimento, e “soltanto” 283 mila decessi applicando, come di fatto è stato fatto, “il più rigido lockdown.” Per fare un altro esempio, per la Svezia il modello di IHME era arrivato a prevedere quasi 20.000 morti in Aprile, mentre il numero reale si è assestato a poco oltre 5000.
Sulla base di questi e altri risultati Guido Silvestri è arrivato al punto di proporre che bisognerebbe promettere che tali modelli non saranno più usati per prendere decisioni politiche. Si riferiva ai modelli che sono stati usati per prevedere l’andamento di COVID-19 in Italia con la “riapertura” e che non hanno tenuto sufficientemente conto di fattori come “la stagionalità dei coronavirus, la migliorata capacità di gestire COVID-19 dal punto di vista medico/epidemiologico, e la herd immunity, a cui potrebbero contribuire la cross-reactivity con altri coronavirus umani”. Altrettanto critico è stato l’epidemiologo Donato Greco su Scienza in Rete dove ha descritto il fallimento del modello dell’Imperial College che è stato alla base delle decisioni politiche che sono state prese in Italia e in altri paesi. Donato Greco sottolinea l’importanza di prendere decisioni che riguardano il benessere della comunità tenendo conto non solo della salute dei singoli, ma anche del benessere sociale ed economico della società intera.

Mentre con il coronavirus i modelli hanno semplicemente “dato i numeri.” Se volete la nostra opinione, che su dati e modelli ci traffichiamo da un pezzo, questi modelli non hanno aiutato perché dipendono da dati e assunzioni in larga parte non verificabili, da una parte hanno tenuto fuori dal quadro aspetti importanti, come ad esempio le enormi differenze geografiche che si osservano anche per la mortalità da influenza stagionale, dall’altra hanno inserito troppi parametri che rendono difficile interpretare i modelli. E il risultato è un po’ quello che succede quando uno va a vedere un museo tipo il Louvre a Parigi. Dopo che hai visto centinaia di quadri e sculture, non capisci più nemmeno cosa stai vedendo.

Ora, non è che i modelli non siano utili per prevedere il futuro, ma vanno capiti. Vi ricordate quando il ministro Francesco Boccia chiedeva alla comunità scientifica “certezze inconfutabili” sull’epidemia? Evidentemente, pensava che gli scienziati potessero vedere il futuro nel fegato di qualche pecora e venirsene fuori spiattellando il volere degli Dei, ma non funziona così. Il ministro non aveva capito nulla di come funzionano i modelli. Ma non era solo un problema del ministro. Succede spesso che, invece di usare i modelli come fonte di informazione e comprensione della realtà, i politici li strumentalizzano per supportare programmi di “epidemiologia difensiva” che soffre dello stesso problema della “medicina difensiva,” ovvero la volontà di agire principalmente con lo scopo difendersi da possibili rischi giuridici, alle volte a spese del reale benessere del paziente. Così l'epidemiologia difensiva segue la strategia di adottare lo scenario peggiore come se fosse esente da rischi. Ma ogni scelta comporta effetti sulle persone che sono non meno importanti e non meno drammatici dell’impatto diretto del virus. Questo problema è descritto in una recente “Pillola di Ottimismo.”

I modellisti dovrebbero quindi sottrarsi al gioco di presentare le proiezioni ottenute dai modelli come se fossero certezze in modo tale che ai politici non sia più consentito scaricare la responsabilità sui modelli o sugli scienziati stessi. Al contrario i ricercatori dovrebbero mettere in chiaro le ipotesi da cui si parte, e le misure di precisione, quindi di variabilità delle stime che si fanno, inclusi i limiti intrinsechi in ogni lavoro. In particolare, una grave limitazione dei modelli epidemiologici è stata quella di non tentare di quantificare gli effetti collaterali dei rimedi proposti sulla base dei risultati delle simulazioni: danni alla salute causati dal lockdown, dal trascurare altre forme di malattie, dalla depressione causata dall’isolamento delle persone anziane e molti altri effetti. Questo problema non è stato capito né dai politici né dal pubblico

Su questo punto, è uscito recentemente su Nature un articolo interessante che presenta un manifesto per le migliori pratiche per la modellazione matematica responsabile: Cinque semplici principi per aiutare la società a richiedere la qualità di cui ha bisogno dalla modellistica:
-attenzione alle assunzioni
-attenzione all’arroganza
-attenzione al contesto
-attenzione alle conseguenze
-attenzione a tutti gli aspetti sconosciuti
-attenzione a usare i modelli per porre domande non per dare risposte

Nelle conclusioni gli autori spiegano che questo testo non auspica la fine della modellistica quantitativa, né modelli apolitici, ma una divulgazione completa, schietta e responsabile. Soprattutto bisogna fare in modo che i modelli siano discussi all’interno della comunità scientifica in modo che si crei una intelligenza collettiva che includa come scrive Donato Greco “l’incertezza, i rischi, gli effetti collaterali, quindi l’assunzione di responsabilità pesanti”. Per questo, quanto più ricca è “l’Intelligence” più appropriate saranno le scelte che questa emergenza richiede.

Alla fine dei conti, ricordiamoci che se è vero che il futuro non si può prevedere, è anche vero che per il futuro si può sempre essere preparati.

https://covid19.healthdata.org/italy
https://www.scienzainrete.it/…/scar…/donato-greco/2020-05-11
http://maddmaths.simai.eu/comu…/risposta-di-guido-silvestri/
https://www.ilfattoquotidiano.it/…/coronavirus-il-…/5769710/
https://www.facebook.com/pillolediottimismo/posts/143815370692276
https://www.nature.com/articles/d41586-020-01812-9

A proposito di crassa Ignoranza, e come vantarsene anche

Qui di seguito, un commento che ho ricevuto al mio ultimo post sul Fatto Quotidiano. Che vi devo dire? Quando uno non ha capito nulla e se ne vanta anche, cosa gli vuoi rispondere? Meglio che lasciarlo tranquillo, non saprei cosa fare. 

Stefano Guarini

11 ore fa

-

Postilla per il signor Bardi e per gli appassionati di modelli... Quando si afferma che i modelli sono "utilissimi", bisognerebbe fornire qualche esempio e qualche argomento... Magari il signor Bardi potrebbe dedicare il prossimo articolo alla questione e spiegare allo sprovveduto cittadino la necessità di pensare secondo modelli. Secondo me tale utilità è molto dubbia. C'è qualche ente o istituto che sta facendo un uso fruttuoso di queste esercitazioni accademiche di modellistica? Anche le previsioni meteorologiche sono basate su raffinati modelli matematici e sicuramente possiamo considerarle utili da vari punti di vista... Ma, oltre a suggerirci di prendere l'ombrello quando dobbiamo uscire, non evitano i disastri se il dissesto idrogeologico ha deciso di produrre frane, inondazioni e simili dettagli... Inoltre, per tornare all'epidemia, che significa utilizzare un modello? Dobbiamo pensare che i dati della Lombardia si adattano al modello come quelli della Toscana o del Lazio? Non sono galassie tanto distanti, eppure pare che gli effetti dell'epidemia siano molto diversi... E l'Italia nel suo insieme o gli USA forniscono le stesse conferme alla modellistica del Kenia o della Colombia? Infine, nessuno dei modelli citati prende in considerazione il concetto di CONNESSIONE, che sembrerebbe essenziale... Insomma, prima di proclamare - con inopportuno e infondato compiacimento - l'utilità dei modelli, raccomanderei un po' più di realismo, umiltà e serietà... 

Mai gridare al lupo! La peggior previsione climatica mai fatta

Da “Cassandra's Legacy”. 9 Giugno 2016, Traduzione di MR

Se ti metti a gridare "al lupo!" e il lupo non viene, fai una gran figuraccia. Ma ne farai una ben peggiore se non gridi "al lupo!" e poi il lupo arriva.

Il professor Nicola Scafetta mostra le sue previsioni del 2010 delle temperature globali (da Meteo Live News) ). Queste previsioni si sono rivelate sbagliate in modo spettacolare. 

di Ugo Bardi

Il dibattito su qualsiasi cosa abbia a che fare col futuro spesso diventa una versione particolare della storia di “gridare al lupo”. Immaginate che qualcuno gridi al lupo a che il lupo non arrivi. Qualcun'altro concluderà sempre che il lupo non esiste (o che è una cosa di cui non ci dovremmo preoccupare). Una cosa simile avviene in aree come la scienza del clima quando le incertezze del passato vengono prese come indicazione che il cambiamento climatico non esiste (o che è una cosa di cui non ci dovremmo preoccupare).

Davvero, è una perversione della logica, ma ha le sue ragioni. Supponete che l'apparizione dei lupi sia un fenomeno relativamente raro. A questo punto, anche se non sapete quasi niente sui lupi, è una scommessa facile: sarete molto più popolari coi pastori se dite loro che il lupo non verrà. E, di solito, sarete in grado di affermare che avevate ragione, eccetto quando il lupo arriva, ovviamente. Ma, in quel caso, è probabile che i pastori saranno molto più occupati a salvare le loro pecore che a castigare voi per la vostra incompetenza in materia di lupi.

Una cosa simile sembra accadere con la scienza del clima, dove un sacco di gente, che di solito sa molto poco sulla scienza del clima, tende a rassicurare la gente che il cambiamento climatico non esiste o che non è niente di cui preoccuparsi. Nella misura in cui le case sul lungomare di solito non vengono spazzate via ogni settimana da uragani e dal livello del mare che aumenta, questi previsori rassicuranti possono affermare di aver avuto ragione.

Ma a volte anche i castigatori di Cassandre potrebbero avere un momentaccio quando cercano di fare previsioni quantitative. Un caso rimarchevole è quello di Nicola Scafetta, che ha cercato di usare un sofisticato trattamento statistico (vale a dire: torturiamo i dati finché non confessano) per provare che il riscaldamento globale è causato principalmente dai cicli planetari a lungo termine. Sulla base dei suoi modelli, nel 2010, ha previsto che le temperature globali avrebbero dovuto rimanere costanti o avrebbero dovuto diminuire. Mentre nel 2012 avva previsto che le temperature avrebbero dovuto aumentare ad un tasso molto più lento di quello previsto dai modelli climatici standard. Su queste previsioni, aveva ottenuto una certa notorietà in rete.

Be', se esistesse un premio per le peggiori previsioni climatiche, penso che queste di Scafetta potrebbero legittimamente concorrervi. Le temperature globali hanno rifiutato di seguire le sue previsioni ed hanno di fatto superato il risultato dei modelli del IPCC che Scafetta aveva criticato.

Giudicate voi stessi. Sotto potete vedere i risultati presentati da Scafetta nel 2010 (N. Scafetta. I cicli climatici e le loro implicazioni. Periodico semestrale dell’Associazione Normalisti. n.2 dicembre 2010) (vedete anche questo link; le temperature recenti sono state aggiunte in rosso):

Alcune previsioni più recenti di Scafetta sono un po' meglio, ma ancora ampiamente fuori bersaglio (le temperature recenti sono state aggiunte in rosso):

Quindi ecco la conclusione: visto che abbiamo prove fisiche solide che i lupi esistono (a differenza dei draghi e degli unicorni), è meglio dare ascolto a coloro che vi dicono che le vostre pecore potrebbero essere in pericolo. Allo stesso modo, visto che abbiamo prove fisiche solide che i gas serra provocano riscaldamento e che la loro concentrazione sta aumentando, è meglio dare ascolto a coloro che vi dicono che la vostra proprietà in riva al mare è in pericolo (e non solo quella!). 

Riconoscimento: Stefano Caserini ha preparato le figure mostrate in questo articolo.

Nota: questo articolo è stato indotto da un dibattito che ho avuto oggi con Nicola Scafetta alla conferenza AIGE-IIETA 2016 di Napoli. Nel suo discorso, Scafetta ha passato gran parte del suo tempo a criticare i modelli climatologici standard, dicendo che non riproducono bene i dati storici e che sono affetti da grandi incertezze. Ha detto che questi modelli in gran parte esagerano la sensitività climatica al CO2, anche se ha affermato di non negare che i gas serra abbiano un effetto sulle temperature. Poi, ha mostrato i risultati dei suoi modelli confrontati coi dati storici, ma sempre fermando il confronto al 2012 o al 2013. ha anche detto che secondo alcuni nuovi lavori che ha fatto, lui crede che Giove abbia un forte effetto sulle temperature terrestri. 

Nel mio commento, ho mostrato al pubblico i dati che pubblico in questo post ed ho chiesto a Scafetta come può giustificare tali errori lampanti. Scafetta ha detto che sono dati vecchi e che ora ha modelli nuovi. Ho risposto dicendo che non può cambiare le sue ipotesi ogni anno ed ogni anno fingere di fare previsioni affidabili. Lui ha ripetuto che il suo modello ora funziona. Poi, il moderatore ha detto che dovevamo fermarci ed ha raccomandato a tutti cautela nel credere ai modelli. Ed è finita lì!

Collasso, collasso, collasso!!!!

Da “Counterpunch”. Traduzione di MR

1 aprile 2016 [ma purtroppo non è un pesce d'Aprile in ritardo...]

Di Pete Dolack

Gli scienziati del clima ed altri negli ultimi anni hanno pubblicato un flusso costante di analisi che mostrano che, senza azioni immediate per rimediare, abbiamo sul nostro cammino un futuro disastroso. Uno studio di 40 anni fa si dimostrerà preveggente?

Quello studio, pubblicato nel libro del 1972 “I limiti della crescita”, prevede che la produzione industriale avrebbe declinato all'inizio del XXI secolo, seguita in veloce successione da un aumento dei tassi di morte dovuti alla ridotta disponibilità di servizi e cibo che porterebbe ad un drammatico declino della popolazione mondiale. Ad essere precisi, la produzione industriale pro capite è stata prevista in declino “precipitoso” a partire circa dal 2015.

Bene, eccoci qua. Nonostante anni di stagnazione a seguito della peggiore crisi economica dalla Grande Depressione, le cose non sono andate così male. Perlomeno non ancora. Anche se gli autori originali de “I limiti della crescita”, condotti da Donella Meadows, mettono in guardia dall'attenersi in modo troppo stretto ad un anno specifico, le tendenze reali degli ultimi quattro decenni non sono troppo lontane da quanto era stato previsto dai modelli dello studio. Un recente articolo che esamina lo studio originale del 1972 si sbilancia tanto da dire che le previsioni dello studio sono perfettamente sulla strada della conferma.

Abbiamo meno tempo del previsto per evitare il disastro climatico

Da “University of Queensland”. Traduzione di MR (via Bodhi Paul Chefurka)

Le emissioni di CO2, e quindi il riscaldamento globale, potrebbero aumentare più rapidamente di quanto previsto, secondo un nuovo modello dei ricercatori dell'Università del Queensland e dell'Università di Griffith. Il modello include l'”uso di energia per persona” come fattore di previsione, invece di concentrarsi sulle economie o le popolazioni.

Prevede che la crescita della popolazione ed economica insieme con l'aumento dell'uso di energia per persona potrebbero aumentare significativamente la domanda globale di energia e le emissioni di CO2, causando un aumento della temperatura media del mondo di 1,5° già nel 2020. Il modello è stato sviluppato dal professor Ben Hankamer dell'Istituto per le Scienze Biomolecolari dell'Università del Queensland (IMB) e dal dottor Liam Wagner dell'Università di Griffith.