Članice in člane odbora ter vabljene lepo pozdravljam! Začenjam 28. nujno sejo Odbora za izobraževanje, znanost, šport in mladino.

Obveščam vas, da so zadržani in se seje ne morejo udeležiti naslednje članice in člani odbora: Maša Kociper, Lidija Divjak Mirnik in Ferenc Horváth. S pooblastilom pa na seji sodeluje namesto Željka Ciglerja Miha Kordiš.

S sklicem seje ste prejeli predlog dnevnega reda z eno točko, in sicer: Modeliranje covida-19 v Sloveniji. Ker v poslovniškem roku nisem prejela predlogov za spremembo dnevnega reda, je ta določen, kot je bil predlagan s sklicem seje.

Prehajamo na 1. TOČKO DNEVNEGA REDA – MODELIRANJE COVIDA-19.

Gradivo je objavljeno na spletnih straneh Državnega zbora. K tej točki dnevnega reda sem vabila predstavnike institucij, ki so razvidni iz sklica seje, zato jih ne bom naštevala.

Uvodoma bi povedala, da sem vesela in počaščena, da imamo na Odboru Državnega zbora za izobraževanje, znanost, mladino in šport možnost uvida v modeliranje covida-19, o katerem v zadnjem času poteka veliko javnih diskusij, zdravstvene, zato dajem najprej besedo predstavniku Ministrstva za izobraževanje,

7.35 – (NB)

(nadaljevanje): šport in mladino, če želi besedo državni sekretar, Damir Orehovec imate besedo.

Hvala lepa za besedo, predsedujoča.

Tudi na Ministrstvu za izobraževanje, znanost, šport in mladino smo veseli, da se lahko ta del znanosti, ki tudi spada na nek način naše ministrstvo, predstavi tukaj in predstavi to kar počne v teh časih Covid, na kakšen način lahko pomaga tudi pri odločitvah, ki jih sprejema Vlada in tudi ministrstvo sicer. Hvala lepa. Več bi pa povedal kasneje.

Hvala lepa.

Dajem besedo Ministrstvu za zdravje, državni sekretar, dr. Tini Bergant, vodi ekspertne skupine za modeliranje COVID-19. Izvolite, imate besedo.

Najlepša hvala.

Zanima me samo ali lahko tudi projekcijo uredimo, ker vidim, da ni prikaza. No, saj mogoče, če se to lahko zdajle v vmesnem času uredi, sicer pa moram reči, da sem zelo vesela, da smo z ekspertno skupino danes tukajle z vami. V ekspertni skupini nas je še mnogo več kot nas tukajle sedi. Poleg tega pa tudi zaledje teh, ki so v ekspertni skupini, je tudi sestavljeno iz mnogih raziskovalcev, znanstvenikov, matematikov in fizikov, ki tudi pomagajo pri razmisleku kako pravzaprav bolje razumeti to epidemijo.

Zelo pomembno se mi zdi, da znamo v tako težkih časih kot smo se trenutno znašli, uporabiti znanost. Zato ker je v znanju moč, včasih, in tega se pa znanstveniki dobro zavedamo, pa moramo priznati tudi, da znanje ni vse. Vem, da smo ljudje k sreči zelo odporna bitja, preživeli smo tistih 40 tisoč let. Glede na to, da imamo tako dobre možgane, namreč smo homo sapiens sapiens, umni človek in zato smo tudi zelo prilagodljivi in znamo biti tudi agilni. Zelo na mestu je vprašanje ali je ta seja danes nujna, ali je res bilo potrebno jo sklicati. Sami verjetno opažate, da se tudi v medijih zdajle potekajo burne debate v katero smer bomo šli. Vprašanja, ki se pojavljajo, verjetno pri vsakem od nas, so tudi za nazaj ali smo bili pripravljeni na krizo, ali bi mogoče lahko drugače ukrepali, kaj naj sploh storimo. Seveda so potem tudi tukaj bolj bazična vprašanja, smo sploh v epidemiji in tudi dobro vprašanje, kaj se dogaja. Jaz bom danes izkoristila to priložnost, ker sem tudi nevro znanstvenik, da vas morda popeljem še za kratek čas v takle atol, takale temna voda, kdo od vas mogoče ima celo kadar skoči v temno črno vodo občutek, da se tam kaj skriva. Ali morda kdo od vas ima celo strah pred takimi živalmi. Zakaj? Zelo pomembno je razumeti naš človeški odziv. Namreč, ko smo soočeni s krizo, s strahom, s situacijo, ki jo ne razumemo in ki v nas vzbudi odgovor, boj, beg ali zamrznitev, takrat namreč pod vplivom vseh senzoričnih informacij naši dve amigdali, to sta globoki možganski parni mandljasti jedri, začneta signalizirati, pozor, pozor, aktivira se os hipotalumis hipofiza nadledvičnica, začnejo se izločati nevro modulatorne spojine kot so nor adrenalin in adrenalin in seveda tudi kortizol kot stresni hormon. Takrat seveda naše srce utripse pospeši, dihanje postane plitvo, hitro, vendar se zgodi še nekaj. Tale rdeči predel, to je možganska skorja, ta prefrontalna skorja, tukaj so doma naše izvršilne funkcije, amigdala zapre dotok informacij iz možganske skorje. Skratka, nimamo več časa za razmislek, ampak samo delujemo. Na ta način sem vas peljala v bistvu v dva načina razmisleka, ki ga ljudje uporabljamo in eden je ta hiter intuitiven in ta drugi počasnejši, bolj naporen, racionalen, tisti ki nam dejansko pomaga tudi

7.40 (VI)

(nadaljevanje) sprejemati bolj racionalne odločitve. Mogoče bi tukaj zastavila vprašanje, koliko od vas bi se upalo uganiti Majino povprečno oceno v 9. razredu, če veste, da je Maja brala že pri 4. letih? Bi to upal kdo? Pravite, da ne. Ampak v medijih, mislim, da bi si kdo upal uganiti njeno oceno. Zakaj do tega pride? V resnici o Maji ne vemo prav nič. Morda je pa v 8. razredu imela prometno nesrečo, pa je utrpela udarec v glavo, nič ne vemo o Maji. In vendar se zelo pogosto ljudje odločamo na ta hiter intuitivni način, vidimo vzročnost tam, kjer je samo naključje, uporabljamo različna sidra, ki jim zaupamo. Recimo tako sidro so številke. To novinarji zelo dobro vedo. Rajši imamo dobre zgodbe. Rajši imamo koherenco kot resnico. Bolj nam je všeč, če so stvari koherentne. Razmišljamo o tem, da je svet preprost. In kljub znanju in veščinam imamo tudi veliko predsodkov. Še nekaj je, rajši se ljudje izognemo izgubi, kot da nekaj pridobimo. In seveda tudi naši spomini so včasih lažni in o sebi ima vsak od nas boljšo podobo, kot je morda v resnici. V bistvu smo se srečali s tem nesrečnim virusom, nismo nič kaj dosti vedeli o njem. Poznali smo sicer korona viruse že od prej, vendar pa je ta bolezen zares posebna, glede na to kako je infektivna, da smo pravzaprav že nekaj časa preden imamo simptome mi že širimo bolezen naokoli. Bolezen tudi kot taka poteka lahko zelo neugodno pri kar precejšnjem deležu ljudi. Intenzivisti v zadnjem času opisujejo, da pravzaprav tako zahrbtne bolezni že dolgo časa niso srečali. Naš zdravstveni sistem se je dobro odzval. Sem prepričana, da me ne prepoznate katera sem jaz v tistem super lepem belem skafandru, ampak vam moram povedati, da je ta eden bolj prijetnih z nošnjo. In seveda ob vseh grafih, ki jih vidimo, zdravstvo ves čas opozarja, da ta epidemija zares poteka neugodno za zdravstveni sistem. Zelo velikokrat se ukvarjamo predvsem s tem prvim visokim vijoličnim valom. To se pravi ta takojšnja obolevnost in smrtnost zaradi Covida. Moramo vedeti, da potem v zdravstvu sledi še rep prvega vala, ki je povezan z zapleti, s ponovnimi sprejemi, tudi z rehabilitacijo, dolgotrajno rehabilitacijo teh bolnikov, ki so v intenzivnih enotah. Potem pride drugi val, ki ni tako povezan s Covidom, ampak z neCovid bolezenskimi stanji, potem je tretji val, kjer imamo seveda kronične bolnike, ki niso bili deležni pravočasno nasvetov, preventive oziroma tudi zdravljenja. In seveda ta rdeča črta, ta četrti val, ki pušča in psihološke travme, duševne bolezni, ekonomske posledice izjemno pomembne in tudi izgorelost, tako pri zdravstvenem osebju, socialnem osebju kot tudi pri ostalih prebivalcih. Pandemija je zelo zahtevna. Vem pa in mislim, da naša ekspertna skupina to tudi dokazuje, da skupaj zmoremo zelo veliko. Tudi pri epidemiji vsak od nas, ne smemo pozabiti, vsak od nas prispeva lahko k zajezitvi te epidemije. Tudi za nazaj se splača pogledati kaj sem morda jaz naredila julija, avgusta, ali sem pomagala takrat zajezevati epidemijo ali sem morda celo pripomogla k širjenju. In seveda svoje vedenje prilagodim. Naši možgani so najboljši prilagoditveni organ in nam omogočajo, da se učimo in popravimo svoje vedenje, tako da je za nas vse skupaj boljše. Pri epidemiji je dejansko v sodelovanju moč. In na tem mestu bi potem predala besedo tudi mojim kolegom. Hvala.

Hvala lepa tudi vam. Seveda če samo še dodam dve besedi. Slovenski znanstveniki so razvili več modelov Covid-19, ki podobno kot vremenska napoved omogočajo odgovore na

7.45 - (NB)

(nadaljevanje): marsikatera vprašanja. Vsi imamo sklic, ampak eno spremembo bi naredila. Najprej bi dala besedo, ker je potem žal zaseden, dekanu fakultete za matematiko, fiziko v Ljubljani, prof. dr. Antonu Ramšak.

Izvolite, imate besedo.

DR. ANTON RAMŠAK: Hvala lepa.

Bom zelo kratek. Se pravi, na Fakulteti za matematiko in fiziko smo se takoj lotili analiz, tako da naš dr. Žiga Zaplotnik, tamle na koncu bo lahko veliko več povedal kot avtor enega zelo odmevnega članka in tudi moj doktorant Luka Medc, so naredili že zelo zgodaj en napovednik. Sodelujemo tudi s kolegi iz Inštituta Jošef Štefan in tukaj bi se jaz kar ustavil. Če bo treba kaj konkretno, bi pa kolega dr. Zaplotnik lahko več povedal.

Hvala lepa.

PREDSEDNICA IVA DIMIC: Hvala lepa tudi vam.

Vseeno mogoče bi dala kar naprej, pa bomo potem vključili še Inštitut Jožef Štefan, pa bomo šli najprej, kar gospod dr. Žiga Zaplotnik, imate besedo. Izvolite.

Gospod Drago Bokal, se opravičujem. Izvolite.

DR. DRAGO BOKAL: Najlepša hvala.

Torej smo koordinirali tole predstavitev skupaj, v naši ekspertni skupini skupaj z vodjo dr. Bregantovo, tako da meni je pripadla čast in priložnost, da povem nekaj o kompleksnosti odločanja v situaciji epidemije COVID-19, ki je v bistvu tista stvar, ki jo imamo danes prvič priložnost zares v stik z njo priti.

Torej tukaj ste odločevalci in mogoče bi se vam najprej zahvalil za vašo vlogo v celotnem delovanju naše družbe. Počaščen sem, da lahko predstavljam nekaj svojih rezultatov.

Torej prva stvar, ki se jo vprašam. Zakaj sploh poslušati znanstvenike? Zakaj sploh poslušati drug drugega? Zakaj poslušati recimo ekspertno skupino? Pred parimi dnevi mi je prišel v roke članek, ki pove, da Covid poleg teh dihal, ki jih napada tudi gripa, napada še tanko črevo, srce pa ledvice, in če imamo srečo, bomo Covid preživeli s smrkanjem, kašljanjem in drisko, če imamo pa smolo, bo pa Covid prišel v krvni obtok, napadel tudi ledvice in srce. In meni kot matematiku je to dovolj medicine, da vem, da se je s tem treba resno soočati.

Zdaj, zakaj poslušati matematika? Leta 2008, sem po televiziji gledal kako propada Mura. Tudi moja žena je iz tistih koncev in sem nekoliko bolj osebno vpet v to zgodbo. Takrat sem se vprašal, kaj jaz kot profesor matematike dam temu narodu, da si zaslužim, da tamle 20, 30 ljudi za minimalno plačo dela obleke, iz njihovih davkov pa naredijo potem mojo plačo, plačo profesorjev matematike. In odgovoril sem si, da njim verjetno ne morem več pomagati, oni so zaupali v nek sistem, ki jim je nudil veselje do dela, veselje do življenja, ko pa na drugi strani sveta našel cenejšega ponudnika, je pač jih pustil na cedilu. Lahko pa pomagam njihovim otrokom. Torej, če bo nekdo prišel na našo fakulteto pa zaupal par let svojega življenja, študijo matematike, naravoslovja, potem ga lahko poskušamo opolnomočiti za življenje, da se njemu taka situacija ne bo zgodila. In v svojih raziskavah se ukvarjam z optimizacijo, z modeliranjem, kar lahko v splošnem povemo, da gre za odgovorno rabo virov, tako človeških, tako naravnih kot tudi družbenih. Ti viri se pa delijo na tiste, ki jih zelo dobro razumemo, kjer kot dobro razumemo pomeni, da znamo predvidevati kaj se bo skozi njihovo uporabo dogajalo, obstajajo pa tudi viri, ki jih dosti slabše razumemo, ker dobrih modelov predvidevanja kaj se s temi viri dogaja, še ni. Med te vire sodijo čas, pozornost, zaupanje, dobro počutje, dobri odnosi med nami. To vse so viri, ki jih imamo v času blaginje, v času krize pa postanejo zelo pomembne.

7.50 – (DAG)

(nadaljevanje) Pri tem raziskovanju, pa tudi pri drugih aktivnostih sem prišel v bistvu v zanos. Kaj je zanos? Zanos je psihološko optimalna izkušnja, kjer so psihologi raziskovali in postavili nek tak model, kako se ljudje počutimo, ko opravljamo delo, glede na to, kako smo usposobljeni, pa glede na to, kakšen izziv nam tisto delo postavlja. In kot vidimo, če smo dobro usposobljeni za stvar, s katero se ukvarjamo in nas stvar zelo zanima, nam predstavlja velik izziv, potem pademo noter, po domače rečeno. Ima pa ta zanos težavo, ker ko pademo noter, pobere vso našo pozornost, ki sem jo prej omenil kot redek vir, in ko nam pobere vso našo pozornost, nimamo proste pozornosti, recimo, za tako preprosto stvar, kot je zaznavanje časa, čas nam teče drugače, to so psihologi potrdili. Izgubimo ego, kar pomeni, da nam je v bistvu vseeno, kaj si drugi mislijo o našem početju, ker mi smo v zanosu, vemo, kaj delamo, uživamo v tem, kar počnemo. In situacija izkušnje postane avtotelična, to pomeni, da je dejavnost, ki jo počnemo, sama sebi dobra nagrada, nimamo proste pozornosti, da bi razmišljali, zakaj je to, kar počnemo, dobro. Težava, ki jo imamo tukaj, torej, pademo noter, izgubimo pozornost za stvari izven naših dejavnosti, ampak ljudje smo pa omejena bitja. Psihologi spet pravijo, da lahko obdelamo sto bitov informacij na sekundo, kar pomeni, da v celem življenju, če bi samo brali, bi prebrali 40 gigabajtov knjig. Znanstvena produkcija je na letnem nivoju bistveno večja. Tako je težko razumeti. In tule si lahko pogledamo eno animacijo, kako se spreminja občutek, spreminja čustvo, kadar zmanjšujemo število dejavnosti, s katero se ukvarjamo. Torej, iz začetne apatije in dolgčasa, ko pridemo do zadosti malo dejavnosti, zadosti malo konceptov, ki jih moramo obvladati, potem pridemo proti boljšim čustvom, proti sproščenosti, proti nadzoru nad situacijo, proti zanosu, ki ga psihologi, kot sem rekel, opredeljujejo kot optimalno izkušnjo. No, zdajle se je začel pojavljati nadzor pri zadosti majhnem številu, pa se pojavlja tudi že zanos, zelena komponenta. In ko imamo zadosti malo stvari, s katerimi se ukvarjamo, potem jih obvladamo in smo lahko v zanosu.

Kako se vse to dotika covida. Torej, situacije, v katerih moramo ukrepati, v katerih moramo reagirati, kot je prej dr. Bregantova povedala, nas lahko porinejo v nek strah, v neko blokado. In v bistvu v domeni odločitvene teorije pa jih razdelimo na tele štiri tipe: ene od situacij so predvidljive, druge so nepredvidljive, pri nekaterih znanje je pomembno, pri drugih ni. Tiste, v katerih se običajno nahajamo, so enostavne situacije, treba jih je razumeti, poiskati recept za reakcijo, uporabiti ta recept in situacijo smo razrešili. Torej, v enostavnih situacijah obstajajo recepti, po katerih bomo funkcionirali. V zahtevnih situacijah, te so predvidljive, obstaja pa znanje, da se soočimo z njimi. Receptov tukaj še nismo razvili, ker je treba preveč stvari upoštevati, da bi jih lahko z enostavnimi recepti pokrili. Zato je treba premisliti, upoštevati odnose med koncepti v situaciji in jih razrešiti. Ko pa je teh konceptov preveč, ko jih ne obvladamo več, ko jih ne razumemo dovolj, ko še nismo izluščili tistega bistvenega, takrat smo pa v kompleksni situaciji, torej na nepredvidljivi strani. In če je zadosti reda, da lahko vsaj za nazaj poskušamo razložiti, kaj se je dogajalo, potem lahko uporabimo znanstveni pristop - poskusimo, opazujemo in reagiramo na tisto, kar smo opazili. Torej, tu smo v situaciji, ko iščemo znanje. Če pa tudi za nazaj ne moremo pojasniti, kaj so bile posledice odločitev, potem pa je težko ustvarjati znanje, ker ne moremo razmišljati o tem znanju. Takrat se nahajamo v kaotičnih situacijah, ko pa je potrebno predvsem ukrepati in s temi ukrepi vzpostaviti red, da se znanje lahko začne razvijati.

7.55 – (TB)

(nadaljevanje) Torej, takrat ukrepamo, opazujemo, kaj se je s tem ukrepom zgodilo in potem prilagodimo ukrepe. Zdaj, če pa ne poznamo, ne razumemo situacije dovolj, da bi sploh vedel, kje smo, potem pa je nered, to pa je stvar, kjer ni nekega recepta, kjer je treba v bistvu razmislit, kam bomo z našim znanjem šli.

Kaj pove Covid o teh situacijah, o teh miljejih odločanja? Torej, Covid je vsako situacijo, v kateri smo bili, zakompliciral za vsaj en nivo več. Recepti ne delujejo več, ker je treba premislit, kako v novih okoliščinah uporabit nek recept, da se izognemo zapletom zaradi morebitnih okužb recimo. Tisto, kar smo prej lahko z znanjem razrešil, z razmislekom, ne vemo, če to znanje še deluje, ker so se pojavil novi koncepti, ki so ravno tako relevantni. Torej, to znanje je postalo, kar je bilo prej zahtevno, je zdaj postalo kompleksno in kar smo prej še nekak poskušal za nazaj razlagat, mogoče danes nek ključen človek, ki je znal to razložit, zboli, ni dosegljiv in ne znamo pojasnit določenih stvari, zadeve lahko postanejo kaotične. Zdaj, za nekega preprostega človeka, ki pa mu ta znanstveni pristop k obvladovanju situacije v svetu ne ustreza, njemu so se pa samo podrli recepti. On ne razume, kaj se mu dogaja, on se ne znajde, on je, mu pač klasični prijemi v življenju mu ne delujejo, lahko rečemo, da je šel v situacijo nereda ali pa kaosa.

Kako se zdaj s tem soočimo? Torej, ravno prej smo imel s kolegom Cizljem z Inštituta Jožef Štefan debato o nečemu, čemur v znanosti rečemo »confirmation bias« - torej, nagnjenost k samopotrjevanju. Vsi si delimo isto realnost, vsi imamo isto stanje sveta. Znotraj tega stanja sveta se vsak osredotoča na tisto, kar mu je blizu, na tisto, kar je na svoji življenjski poti spoznal. Obvladuje s tem neke dobrine, pridobiva neka znanja, uporablja koncepte, s katerimi se sooča z življenjem. Na podlagi te ontologije, tega svetovnega nazora, lahko tudi rečemo, si nariše neko sliko sveta in na podlagi te slike sveta, ki ni nujno enaka dejanskemu stanju sveta, ker je omejena, ker je njegova, se on potem odloča med možnimi aktivnostmi, te aktivnosti pa izvede iz z izvedbo aktivnosti potem spremeni stanje sveta, da se potem lahko na novo ga zaznava, se osredotoča na novo situacijo in vrti tale cikel. Torej, ta slika je v bistvu posplošitev »state of the art« modela odločitvenih sistemov iz teorije umetne inteligence. Kako agent počne to kroženje, te cikle? Tako, da skuša situacijo stanja sveta izboljšat, da mu bo bolj ustrezala. Torej ima nek model vrednotenja, ki pelje do njego-, ki pomaga pri njegovem odločanju.

Zdaj, ta model smo spomladi prilagodili upravljanju Covida, s pomočjo skupnosti sledilnih in smo tole tudi predstavil na predstavitvi OECD-ja o modeliranju Covid-a, kamor smo bili povabljeni. Torej, postavljena je odprtokodna infrastruktura, kjer in skupnost okrog te infrastrukture, kjer se družijo akademiki in profesionalci, ki znajo to tehnologijo obvladat, skozi družbena omrežja komuniciramo naša znanja in iz zdravstvenega sistema smo uspel pridobit, neposredno pridobit, podatke o situaciji Covida v Sloveniji. S tem upamo, da gradimo neko javno zaupanje o dejanskem stanju Covida v Sloveniji in upamo, da se to da izkoristit, da se angažira javnost za to, da bo sodelovala z upravljanjem sistema za Covid. Kako bi zdaj to lahko pomagalo odločevalcem, po tem modelu, če tudi našo skupnost vzamemo kot enega takih agentov, iz tistega prejšnjega modela umetne inteligence. Torej stanje sveta je tako kot je - Covida imamo toliko, kot ga imamo, in to smo v temle spodnjem, desnem – miška tukaj / nerazumljivo/ – torej smo v temle kvadrantu.

To je naša Covid realnost. Znotraj te Covid realnosti se s pomočjo ekspertov osredotočimo na najbolj pereče probleme. Za te najbolj pereče probleme poiščemo ustrezne modele in te modele napolnimo s podatki, ki smo jih uspel dobit

8.00 (VI)

(nadaljevanje) iz zdravstvenega sistema. Dostikrat se izkaže, da bi z več in boljšimi podatki lahko naredili še tudi boljše modele. O tem bo Žiga kaj več povedal. Potem ko s pomočjo modelov razumemo kakšne bi bile posledice mogočih odločitev lahko napovemo te posledice do neke mere in se potem informirano odločamo o ukrepih, o politikah, ki bi jih izvedli. Če se te politike lahko dosledno izvede, kjer potrebujemo zaupanje in podporo javnosti, potem bo ta izvedba popravila Covid realnost, lahko se bomo osredotočili na nek naslednji problem in potem obrnili nov cikl v ukrepanju Covida. Podrobneje bo ta koncept podatkovne odličnosti, ki ga tukaj umeščam v celoten kontekst upravljanja Covida opisal kolega dr. Jakolin.

Kako ta podatkovna odličnost pomaga pri Covidu, pa vseeno mogoče še tukajle si poglejmo na tisti sliki situacijo odločanja, torej v temu kaosu, ki ga ne razumemo, poiščemo nov red, nove koncepte s pomočjo katerih lahko poskušamo razumeti, poskušamo iskati znanje. Torej, iz kaotičnih miljejev odločanja pridemo do kompleksnih. V teh kompleksnih miljejih odločanja s pomočjo modelov kodificiramo tisto znanje. Ti modeli bodo vedno boljši. Dlje, ko jih bomo uporabljali boljši bodo, bolj bomo razumeli, več podatkov bomo imeli za nazaj, da se lahko naučimo. In počasi bomo razumeli odnose med koncepti v epidemiji dovolj dobro, da bomo lahko prišli v polje zahtevnega, kjer bomo s pomočjo znanja lahko dovolj dobro predvidevali kakšne bodo posledice določenih aktivnosti. S časom se lahko tudi to znanje nakopiči do te mere, da potem pač pridemo spet v področje kjer bodo recepti delovali ali pa bomo lahko podobno kot vremenska napoved napovedovali neko Covid vreme, da bodo tudi ljudje, tudi sleherniki razumeli kako z recepti priti v običajno življenje.

Ena bistvena stvar pri temu Covid vremenu pa je na navadno vreme ima vpliv predvsem fizika. Stvari, ki so preko človeka. To si mogoče lahko pogledamo tukaj. Torej, v nekem smislu John Lennon si je želel, da bi nad nami bilo samo nebo, tako kot pri vremenu. Ampak pri Covid imamo pa ta zaplet, da na to vreme lahko mi ljudje, mi posamezniki s svojimi odločitvami vplivamo in s temi odločitvami smo lahko kot Chapman, ki je se postavil med Lennona in njegovo nebo, sedaj se med oba dva in njuno nebo se je postavila Corona, ki je nad njima. Danes bi bila obadva v rizični skupini. Ampak verjamem, da ljudje z metodologijo, ki sem jo predstavil, z razumevanjem situacije bomo znali zreducirati število konceptov, ki jih moramo obvladovati, tako da bomo z našo podatkovno odličnostjo in znanstveno metodo lahko prišli do zanosa vsakdanjega življenja, kot smo ga nekoč poznali, pred enim letom.

Mogoče tukaj zaključimo samo še citatom dr. Trontlja, ki je rekel, da »etični cilj je živeti dobro življenje z drugimi in za druge v pravičnem redu,« kar naj bi združevalo Aristotel Kanta po Rikojevih(?) predlogih. Riko(?) je tukaj v bistvu namesto reda uporabil institucije. In institucije obstajajo zato, da vzdržujejo red. Ko ga pa ne morejo vzdrževati pa pač lahko tudi propadejo. Ampak red bo pa ostal. Red se bo vedno poskušalo najti. Hvala.

Hvala tudi vam. Če gremo kar naprej, potem bi dala besedo dr. Žigu Zaplotniku Univerza Ljubljana, Fakulteta za matematiko in fiziko, tudi kaj zmorejo modeli. Izvolite.

Dober dan. Lep pozdrav! Moje ime je Žiga Zaplotnik, sem po doktorski raziskovalec na Fakulteti za matematiko in fiziko. Raziskovalno se ukvarjam z numeričnimi modeli za napovedovanje vremena oziroma še bolj točno z asimilacijo meritev v te modele.

Danes vam bom predstavil en kratek, upam, da bo dovolj kratko predavanje o tem, kako nam lahko epidemiološki modeli pomagajo

8.05 – (DAG)

(nadaljevanje) pri odločanju. Ta predstavitev je nastala v sodelovanju z Luko Medicem z Inštituta Jožef Štefan, teoretična fizika, Majo Pohar Perme z Medicinske fakultete Univerze v Ljubljani, Matjažem Leskovarjem z Inštituta Jožef Štefan, R-4 Odsek za reaktorsko tehniko, Janezom Žibertom z Zdravstvene fakultete, Milanom Batisto s Fakultete za pomorstvo in promet in Miho Kaduncem, fizikom, članom našega neformalnega združenja sledilnik.org.

Za začetek, zakaj sploh modelirati. Prva stvar, ki jo imamo raziskovalci pred sabo, je seveda znanje. To pomeni, smo radovedni, zanima nas, kako se bo širila epidemija, zanima nas njena dinamika, in v mislih imamo tudi jasne akademske cilje. Druga stvar, ker želimo nekako pomagati. Znamo napraviti neko kratkoročno napoved zasedenosti bolnišnic in tudi smrti, ki je zelo zanesljiva praktično. Potem modeliramo tudi zato, da ocenimo trend epidemije, pa diagnosticiramo, če gre mogoče po času v napačno smer, se pravi, ne tja, kamor si želimo. Modeliramo pa tudi zato, da lahko preigravamo različne scenarije. Na primer, kaj se zgodi, če presežemo kapacitete epidemiološkega sledenja. Kaj, recimo, pomeni delo od doma, v različnem obsegu. Kaj pomeni zaprtje oziroma odprtje vrtcev, šol in univerz, kakšen je vpliv počitnic, dopustov in tako naprej. Vse te stvari se nekako z nekimi predpostavkami da modelirati, modeli so vedno bolj kompleksni, vedno bolj nadgrajeni in nam že omogočajo tudi take uvide v razvoj covid epidemije.

Mogoče najprej za začetek nekaj o dinamiki pojava. Epidemija je eksponenten pojav, kjer naša intuicija pogosto odpove. Kaj to pomeni? Recimo, v avgustu in septembru smo se soočali z dokaj nizkim številom okuženih, tudi z nizko zasedenostjo bolnišnic, in zdelo se nam je, da je vse v redu. Ampak v ozadju – vidite graf na levi strani na logaritemski skali – je pa število infektivnih primerov v bistvu ves čas eksponentno raslo. In na to so glasno opozarjali naši raziskovalci, moji kolegi, Matjaž Leskovar, Janez Žibert, Maja Pohar Perme, ves ta čas je epidemija eksponentno rasla. Kljub temu, se mi zdi, so njihova opozorila naletela na nekoliko gluha ušesa. Na desni imamo pa kaj to pomeni v našem realnem svetu, ki si ga znamo predstavljati. Število aktivnih primerov, se pravi, počasi raste, praktično na začetku sploh ne zaznamo nobenega problema. Ko pa problem je, je pa, tipično, že prepozno oziroma smo zamudili. To pomeni, epidemija je pojav, kjer pride do problema z zamikom, in to si včasih težko predstavljamo. To je zelo pomembno, da si odločevalci predstavljajo in razumejo. Takrat, ko takole naraste število aktivnih primerov, je za neke ukrepe, tipično, že prepozno, nekako smo že zamudili, vseeno pa moramo te ukrepe sprejeti, če želimo preprečiti najhujše.

Omenil sem kratkoročno napovedovanje zasedenosti bolnišnic. Kako to naredimo. Glejte, tule imate graf iz sledilnika, verjetno vam je že vsem dobro poznan, ki kaže, kako se je število okuženih v različnih starostnih skupinah spreminjalo v času oziroma ta graf prikazuje število novo okuženih v različnih starostnih skupinah v času. Tista vijolična barva prikazuje tri starostne skupine, in sicer 65 plus, se pravi, roza 65 plus, 75 do 85 in 85 plus. Vidite, recimo, da kljub temu, da smo vmes zaradi neke spremembe testiranja že opažali nek upad, recimo, pa vidite, da to število tistih najbolj kritičnih, to pomeni, starejših od 65 plus, še vedno narašča. In ne le to, včeraj smo imeli izjemen skok. To pomeni, število tistih novo okuženih starejših od 85 let je bilo skoraj dvakrat večje kot kadarkoli prej. To je razlog za skrb.

No, pa da zdaj grem nazaj na modele. Se pravi, kako lahko tako informacijo upoštevamo za neko napoved, kratkoročno napovedovanje zasedenosti bolnišnic.

8.10 - (NB)

(nadaljevanje): Poznamo zamike med testom in pa med smrtjo, ravno tako poznamo časovne zamike med pozitivno potrjenim testom in pa hospitalizacijo in na podlagi tega in na podlagi teh demografske porazdelitve novo okuženih lahko napovemo kakšna bo, kako se bodo kratkoročno razvijala epidemija oziroma kakšna bo kratkoročna napoved zasedenosti bolnišnic. Desno zgoraj imate sliko Matjaža Leskovarja, desno spodaj Majo Pohar Perme in levo spodaj je ena slika, ki smo jo objavili včeraj na sledilniku. Ta kaže, da imamo praktično, če se po domače izrazim, že na lagerju krepko preko tisoč smrti. Bolj verjetno tisoč 200 ali več. To pomeni, če tudi se epidemija neha širiti, četudi se ne okuži nobeden več, preko tisoč smrti. In zato so taki kratkoroč…, zato je recimo so modeli, ki napovedujejo neko kratkoročno zasedenost bolnišnice ali pa smrti tako zelo uporabne. Tudi če se ne okuži nobeden več.

Modeli so uporabni tudi za ocenjevanje trendov in za diagnostiko. Tole je slika, ki jo je pripravil kolega Milan Batista s Fakultete za pomorstvo in promet. Milan Fita, sir model, klasičen sir model na število novo okuženih v času in na ta način diagnosticira ali pride mogoče do nekega pomembnega odstopanja od njegove pričakovane krivulje. Zdaj, zakaj je ta način zelo uporaben za diagnostiko? Ker v bistvu vidimo kdaj odstopa od neke teoretične napovedne vrednosti in če pomembno odstopa kot je recimo včeraj, potem je to oziroma, če nekaj dni tako odstopa, je potem to nek razlog za alarm. Seveda ne moremo soditi le na podlagi ene meritve. Tukaj je velik vpliv na ključnosti, ampak če se to dogaja nekaj dni, je to razlog za alarm. To pomeni, da epidemija recimo ne upada po naših pričakovanjih oziroma tako kot bi si želeli.

Temelj dobrega napovedovanja. To temo tudi iz recimo napovedovanja vremena, so dobri podatki, dobre meritve. Le tako lahko, prvič, naučimo se nekaj o razvoju epidemije in to znanje uporabimo za to, da skonstruiramo matematične, fizikalne koncepte kako se epidemija širi in skonstruiramo te modele. Trenutno asimiliramo modele podatke o hospitaliziranih, o intenzivnih negah, o smrtih, novo okužene in njihovo porazdelitev po letih, kot sem že omenil. Po novem tudi podatke o koncentraciji virusa na odplakah. Več o tem bom povedal kasneje, pa tudi podatke o izdanih karantenah, če so na voljo, recimo z nacionalnega Inštituta za javno zdravje ter število importiranih primerov. Želeli bi si poznati vsaj še časovni zamik med simptomi pa testom. To seveda zahteva, da je proces med zdravstvenimi domovi in labi za testiranje povsem digitaliziran. Želeli bi si še, da se objavljajo kapacitete za epidemiološka sledenje kontaktom, to pomeni, koliko največ nepovezanih primerov in njihovih kontaktov lahko na dan razrešijo epidemiologi. Pa seveda ena pomembna informacija, ki jo bom kasneje razložil, zakaj je tako pomembna. Kolikšen delež zaposlenih dela od doma? Namreč vi kot odločevalci ste pozvali recimo delodajalce, da v čim večji meri odredijo delo od doma, ampak delo od doma, mislim potem je treba ta ukrep tudi nekako spremljati. Koliko jih res je tistih, ki dela od doma? Kolikšen delež? Recimo, v prvem valu je bil podatek, da je v neki fazi delalo manj kot 30 % ljudi na delovnem mestu. Trenutno mislim, da je ravno obratno. Okrog 70 % ljudi trenutno je dnevno na delovnem mestu. To je pomembna razlika. Bomo videli kasneje zakaj. A ha, bomo videli kar takoj zakaj. Se pravi, na desni sliki, bom najprej pokazal kako se v času spreminja število zaposlenih oziroma delež zaposlenih na delovnem mestu. To so podatki večih slovenskih večjih podjetij, ki sem jih pridobil sam in vidimo, tukaj je par takih pomembnih signalov. S tisto rdečo elipso je obkroženo kako delež zaposlenih na delovnem mestu pade zaradi poletnih počitnic in vidite, junija, julija in pa v začetku avgusta to raste, potem pa nekako po šmarnu, tipično, se ljudje vrnejo nazaj iz dopusta na delovno mesto in delež

8.15 – (TB)

(nadaljevanje) teh zaposlenih na delovnem mestu strmo naraste. Zdaj, lahko to primerjate tudi s sliko, s »sledilnikovo« sliko, kako se je spreminjalo število novo okuženih v tem istem obdobju. Kar želim povedat je to, da je zelo verjetna razlaga za ta naš upad epidemije med nekim 10 julijem in pa 10 avgustom, ravno to, da je bilo toliko ljudi odsotnih z delovnem mesta. Potem pa vidite tudi strm vzpon, kajne. To je pa takrat, ko so se ljudje vračal z dopusta nazaj na delovno mesto in ne le to, vračal so se tudi iz različnih območij in tukaj vidimo ta potem strm skok okrog 10. oziroma 15. avgusta. To je na skrajnem desnem robu tega rdečega kroga na sliki, spodaj levo.

Ampak zdaj, zakaj so pa sploh ta, zakaj je to, kolikšen delež ljudi dela od doma, tako pomemben? Dajmo si pogledat ta graf. Ta graf prikazuje povprečno število kontaktov na prebivalca, na dan, v različnih »settingih«. Vidimo, da izstopa ena kategorija. To je delo. Delo prispeva največ k povprečnemu številu kontaktov na prebivalca na dan. Glejte, to je na vsakega prebivalca. Zakaj šole in študij prispevajo tako malo? Ker je šolajočih in tistih, ki študirajo in hodijo v vrtec, le 300 tisoč. Daleč največ kontaktov prispeva tukaj seveda delo in vemo, aktivna populacija je velika približno 1 milijon.

Lahko navedem še druge. Prvi stolpec pomeni koliko imamo kontaktov v gospodinjstvu, z domačimi. Drugi stolpec, koliko imamo tipično, v normalnih razmerah, kontaktov v gospodinjstvu, z drugimi člani izven našega gospodinjstva - to so tako imenovani obiski. Potem seveda delo. Četrti stolpec šola, študij. Peti transport. Šesti zabava, rekreacija in prosti čas, in sedmi, zadnji stolpec - na desni strani ga vidite – ostalo; to so opravki, frizerski saloni, kozmetika, nakupovanje in tako naprej, vse pač praktično, kar si lahko predstavljamo kot opravek.

To je pomembno poznat. Zato je tako pomembno, kolikšen delež ljudi dela od doma, kot vidite. Tisti najvišji stolpec lahko s tem najbolj zreduciramo. In če damo nek ukrep, to pomeni, če rečemo, delajte od doma, je treba ta ukrep spremljat. Le tako bomo lahko imeli nadzor nad epidemijo.

Omenil sem tudi inovativne meritve na odplakah. Glejte, s sledilnikom oziroma s par raziskovalci, ki smo dokaj aktivni na Slack kanalu sledilnika, so se povezal kolegi iz Nacionalnega inštituta za biologijo, iz oddelka za biotehnologijo in sistemsko biologijo; točneje, raziskovalci iz raziskovalne skupine prof. Maje Ravnikar. Oni merijo oziroma so začel merit koncentracijo virusa na odplakah. Zdaj, bom najprej povedal, kaj to pomeni. Oni merijo z, mislim da qPCR metodo, koncentracijo virusa na odplakah v Ljubljani, Kranju, Domžalah, Kamniku, Celju, Kopru, Velenju in pa v Rogaški Slatini. Skupaj pokrivajo približno pol milijona prebivalstva, »neupoštevajoč« dnevne migrante, dnevne delovne migrante. Glavna prednost teh meritev je manjši časovni zamik, kot pa pri testih posameznikov. To pomeni, prej lahko vidimo, v katero smer gre epidemija. Recimo, kolegi so pomeril vrh 27. oktobra in potem že 29. oktobra opazil nek padec, ki so ga potem potrdil 3. novembra – praktično 1 teden prej, preden smo mi to videl iz testov oziroma precej prej. Zakaj je tako? Ker seveda, tipičen čas, od okužbe do pozitivnega testa je precej dolg. Zakaj? Prvič imamo inkubacijsko dobo, ki traja v povprečju 7,8 dneva. Potem za to, imamo še neko dobo med simptomi in pa med rezultatom pozitivnega testa in vse to pomeni, da mi epidemijo gledamo nazaj. To je podobno, kakor bi gledal zvezdo v vesolje, gledaš nazaj v času. Gledaš v preteklost.

Tukaj gledamo v preteklost, ki nam je bližje in zato se lahko prej odločimo in prej ocenimo, ali so neki ukrepi sploh prijeli in prej tudi ocenimo, v katero smer gremo. In to, da se seveda lahko aplicira tudi na posamezna okrožja, večstanovanjske stavbe in tako naprej. Informacijo že asimiliramo v nekatere modele. Tukaj levo spodaj vidite sliko, kako se recimo ujema modelska »predikcija« in pa, kako se ujema z meritvami, ki jih seveda asimiliramo v ta model. Tako da, model je neka zglajena različica teh meritev, če si predstavljate.

Študija primera, prekoračitev kapacitete epidemiološkega sledenja.

8.20 – (DAG)

(nadaljevanje) Glejte, mi smo se že praktično v začetku oktobra, ko smo videli, da te številke močno naraščajo, in ko smo videli, da je v bistvu ta kapaciteta, epidemiološka kapaciteta, se pravi, koliko kontaktom teh rizičnih oseb sploh lahko sledimo, koliko jih lahko izsledimo, je nekako navzgor omejena. To pomeni, da smo se zavedali, da ko bo prišlo do velikega števila novih okužb, bomo sposobni izslediti vedno manjši delež kontaktov. Kaj pomeni, če izsledimo vedno manjši delež kontaktov – to pomeni, da ta R, ta slavni R, reprodukcijsko število, še bolj naraste, pomeni še več novo okuženih. In še več novo okuženih pomeni, da imamo še manjši delež kontaktov, ki jih lahko izsledimo. In to je neka pozitivna povratna zanka, ki sama sebe krepi in povzroči, da pridemo iz režima z nekim eksponentom v režim z drugim eksponentom. To je bila ta eksplozija epidemije oziroma to je bila ta zelo hitra rast, ki je povzročila, da imamo situacijo, kot jo imamo. Kaj bi tu rekel. Mi smo to predvideli, kaj se utegne zgoditi, če bo ta R strmo narasel, že nekaj prej. Ravno zaradi tega, ker imamo v modelih tudi, recimo, v nekaterih modelih tudi simuliramo strategijo testiranja, sledenja kontaktom pa izolacijo kontaktov. Zakaj je to še pomembno. Ja, izkazalo se je, da gre epidemija približno takole. Če ste pozorni na tisti črn kvadratek tamle – ne vidi se najbolje, bi moral malo približati, ampak vseeno -, boste opazili, da v času med 8. in 20. oktobrom epidemija narašča mnogo hitreje, kot pa potem upada. Vsak dan take strme rasti med 8. in 20. oktobrom pomeni približno dva dneva takega lockdowna, kot ga imamo zdaj, nekega mehkega lockdowna. To pomeni, da smo zaradi neoptimalnega ukrepanja, ki ni slonelo na modelih, po izgubi epidemiološkega sledenja kontaktom za vsak dan rasti pridelali najmanj en dan dodatnega lockdowna, torej 12 dni. To boste pa vi ocenili, koliko 12 dni dodatnega lockdowna pomeni, kakšna je to ekonomska škoda za državo. Mislim, da kar mnogo velikostnih razredov večja kot pa, recimo, cena neke preventive. Ja, in kaj bi se zgodilo, če bi na podlagi tega, kar smo vedeli, uvedli potem res lockdown 16. oktobra, in sicer sem tu predpostavil, da uvedemo točno tak lockdown, kakor smo ga uvedli v prvem valu epidemije – ja, namesto več kot tisoč 200 hospitaliziranih bi jih imeli le 600, namesto več kot 200 na intenzivni negi bi jih imeli maksimalno 110 in namesto več kot tisoč 500 smrti bi jih imeli približno okrog 600. To je cena desetih dni oziroma še več dni prepoznega ukrepanja, pri tako hitri rasti epidemije; tega se je treba zavedati. Ko smo v eksponentni fazi, mislim, vedno smo v eksponentni fazi, ampak ko je eksponent tako visok, da epidemija tako hitro raste, kot je rasla med 8. in 20. oktobrom, takrat moramo ukrepati takoj. Torej, takoj ko izgubimo epidemiološko sledenje kontaktom, takrat lahko pričakujemo, če se bo kadarkoli še to zgodilo – upam, da se ne bo -, da bo R močno narasel in da moramo takoj ukrepati, in to ostro ukrepati.

Še en primer, koliko dodatnih smrti bomo še imeli. Ampak zdaj mogoče za razmislek – to so le dodatne smrti, ki jih bodo še prispevali tisti, ki se sploh še niso okužili, ob različnih stopnjah pojemanja epidemije. Pogovarjamo se ne o zamiku med tistimi, ki so se že okužili, pa še niso umrli, če zelo racionaliziramo smrt, pogovarjamo se o tistih, ki se sploh še niso okužili, pa bodo umrli, glede na različne stopnje pojemanja epidemije. Glejte, če bo epidemija pojemala samo za minus 10 % na teden, lahko rečemo, da bomo imeli poleg teh tisoč 400, tisoč 500 smrti ali pa, recimo, tisoč 200 smrti, za katere smo že prepričani, da jih bomo imeli, jih bomo imeli še dodatnih 3 tisoč 500. Če bo pojemala za 20 %, potem jih bomo imeli še dodatnih tisoč 500. Če bo pojemala za 40 % na teden, jih bomo imeli še dodatnih 500. 40 % na teden ustreza stopnji pojemanja v prvem valu epidemije. To pomeni, vemo, znamo napovedati, kakšne bodo cifre, vemo že vnaprej.

8.25 (VI)

(nadaljevanje) In trenutno smo v praktično zaradi tega, ker smo zakasnili, ker nam je, moramo si iskreno priznati, epidemija ušla iz rok, smo v fazi ko izbiramo med dvema slabima možnostma, ali zaprtje ali visoko število smrti. Tako pač je. To je objektivno.

Zaključki. Upam, da sem vam s to predstavitvijo pokazal, da modeli zmorejo in znajo napovedati dinamiko kompleksnih pojavov, tako razvoja vremena, s čimer se jaz ukvarjam raziskovalno, kot tudi klimatskega sistema, kot tudi epidemijo. In modeli so torej zelo uporaben pripomoček pri odločanju, da ne rečem esencialen.

Zadnja moja misel, mogoče znanost ponuja rešitve, moramo ji zaupati in naj se iz te epidemije tudi nekaj naučimo. Poglejte, za obzorjem, ko končamo s Covidom imamo še, to vam lahko povem kot meteorolog in nekdo, ki se ukvarja tudi klimatologijo vam lahko povem, da imamo še en zelo pomemben problem, ki bo zahteval še večji angažma celotne družbe, to so podnebne spremembe. Če bomo odreagirali tako, da bomo znanost poslušali na pol oziroma nekako ji ne povsem zaupali, potem tudi tega problema ne bomo dobro rešili. Hvala lepa za pozornost.

Hvala lepa tudi vam za to predstavitve. Moram reči, da je kakšen podatek kar malo težko slišati. Eno prošnjo imam. Tudi člani odbora navadno dobimo kakšno gradivo, tudi te prosojnice, če je mogoče dobiti potem naknadno, da se bo razdelilo članom odbora ali pa tisti, ki bodo… Bi prosila.

Sedaj pa dajem besedo dr. Aleksu Jakulinu, sledilnik, Strategija za Covid in podatkovna odličnost. Izvolite, imate besedo.

Hvala za besedo. Upam, da me slišite. Rad vidim sogovornike, toliko da lahko malo zaplešem, če kdo spi.

Poglejte, jaz sem neke vrste računalničar in znanstvenik in v bistvu eden od tistih prvih, ki smo poskušali sledilnik skupaj spraviti. In to, kar ste sedaj videli postavi en kontekst. Ampak za bom pa govoril o tem, kako je prišlo do tega, da smo se zorganizirali in kaj vidimo kot priložnost za Slovenijo naprej. In to je podatkovna odličnost. Poglejte, podatkovna odličnost pomeni, da namesto da se pogovarjamo na nivoju besed se tukaj pogovarjamo na nivoju podatkov, na podlagi tega, kar se v resnici dogaja. In odličnost pomeni, da smo predvsem vezani na realnost kot tako in recimo ne na neke predsodke ali predpostavke. Torej, pred davnimi davnimi časi je bil en Space Shuttle. Gor je bila, recimo, prva učiteljica v vesolju. In tako se je ta zgodba končala. Ampak je zanimivo razmišljati kaj se je tukaj zgodilo, kako je prišlo do te eksplozije. Inženirji so opozarjali, da tesnila na tej raketi puščajo. In to je bil prikaz, ki so ga oni ponudili odločevalcem. Jim ni bilo jasno. In Nasa, ki je želela, da ta Space Shuttle gre gor, ker je bilo dosti stvari odvisnih od tega, tako kot Slovenija sedaj rabi, da ekonomija deluje, da pač odplačamo dolgove in vse ostalo, so pač prepričali, da se dejansko gre v to, da se ta raketa izstreli. Če bi ta diagram pokazali malo drugače, tukaj na desni vidite, se pravi od leve proti desni gre za temperaturo. Ta izstrelitev bi se zgodila v precej nižji temperaturi, kot pa pretekli testi. In ti pretekli testi so pokazali, da število problemov narašča s padanjem temperature. Če bi nekdo tako pokazal, bi bilo absurdno jasno, da bodo tukaj problemi, ampak ni. Torej, isto če gledate nek, recimo, enostavne graf primerov, vidite da to gre gor, pa dol, pa gor, pa dol in zadnje tri dni gre to gor in smo vsi prestrašeni, pred tem je par dni šlo dol, pa smo se pogovarjali o sproščanju ukrepov. V resnici, poglejte, tukaj je vpliv dneva v tednu. Če mi te podatke prikažemo po dnevih v tednu, kot prvo vidimo neko stopnjo vpadanja, ki tukaj, če gledate za ponedeljek pa za torek je zelo nizka. Torej, stotine in stotine ljudi, ki niso še niti okuženi in bodo umrli.

8.30 – (DAG)

(nadaljevanje) Torej, treba je pogledati podatke na ta način, da vam pokažejo, kaj se v resnici dogaja. In tu rabijo biti kot prvo računalničarji, ki podatke zberejo, morajo biti znanstveniki, ki razumejo, kaj se spodaj dogaja, mora biti cel kup kriterijev. Če pogledamo še ta pogled, tule je, recimo, število testov, ki so pozitivni. V zadnjih dneh je to v porastu. In resda je v torek objavljena, tipično, najvišja stopnja v tednu, ko je največ teh pozitivnih testov. Ampak, glejte, to upadanje je zelo, zelo počasno. Ta zadeva bo še zelo dolgo trajala. Ljudje bodo še zelo dolgo negotovi, prestrašeni, in tudi če vse odprete, se nič ne bo dogajalo v ekonomiji. Sledilnik, ki je naredil te prikaze, je v bistvu skupnost prostovoljcev. Jaz moram zvečer in ponoči še firmo »furat« v Ameriki, jaz to počnem kot prostovoljec, kot neka državljanska dolžnost je to zame. Ampak začeli smo s tem, da smo poskušali razumeti, kaj se pravzaprav dogaja. V bistvu smo bili tu v nekem stanju iskanja razumevanja. Se pravi, smo dobili podatke takrat kar iz medijev, potem smo jih poskušali razumeti, smo jih poskušali prikazati. Danes se pogovarjamo o modeliranju. Modeliranje je, da vam, odločevalcem, damo neke uporabne projekcije, zato da lahko vi sprejemate odločitve na podlagi kriterijev, ki so pomembni za volivce. Torej, tu ne gre samo za to, koliko bo umrlih, gre za to, koliko bo pohabljenih; gre za to, koliko ljudi bo izgubilo službe; gre za to, koliko otrok bo imelo slabše izobraževanje. Vse te stvari je treba dati skupaj. In zato, da naredimo dejansko učinkovito modeliranje, rabimo sodelovati in potem tudi ukrepati. Torej, če pogledamo to zanko sledilnika, smo uspeli v nekem zajemu, lahko bi bilo še dosti bolje. Smo relativno dobri v prikazovanju razumevanja in rezultat tega razumevanja so modeli, ki jih je Žiga Zaplotnik pokazal. Ko sem jaz pokazal te modele kolegom v New Yorku, so rekli: »Razumemo, ampak vi rabite super računalnik, da take modele poganjate.« Sem rekel: »Ja, ja, smo zrihtali.« Torej, cel svet bi se lahko čudil temu, kaj smo mi tu kot neki prostovoljci spravili skupaj. Zdaj pa poskušamo zapreti to zanko. In hvala, da ste nas pustili danes tukaj, zato da se pogovorimo, kako bomo ta cikel zaprli. Kako bomo modele dali odločevalcem, kako bomo omogočili odločevalcem sklepanje na podlagi modelov in podatkov in potem bomo lahko vrteli to zanko in v bistvu čim bolje spet stvari pognali v delovanje. Da ta zanka dobro deluje, rabi celovitost, rabi zaokroženost. Drugo, rabi hitrost. Če mi podatke dobimo, recimo, neuradno se da dobiti od tistih, ki so v laboratoriju, že dan prej, ampak tega še ne dobimo. Sledilnik, na primer, je tisti, ki koordinira zbiranje podatkov iz bolnišnic. Torej, tu imamo izjemno stanje. Dosti ljudi je pripravljenih pomagati, ampak jim je treba omogočiti pomoč. Če bomo tu dali, ne vem, neke črkobralske principe zasebnosti, je resda to človekova pravica, zasebnost, ampak na drugi strani je tudi človekova pravica življenja, ki jo na ta način vržemo v stranišče in potegnemo vodo. Torej, kako sledilnik deluje. Pri zajemu sodelujemo z zunanjimi organizacijami, ki podatke prispevajo, in tu poskušamo čim bolj razširiti in pohitriti. Pri razumevanju delamo v bistvu inženirji, informacijski vizualizatorji, grafiki, statistiki. Tu poskušamo odstraniti neke vplive, ki jih že poznamo, ki jih že razumemo. Pri modeliranju, kar ste danes videli pred mano, se vključuje po eni strani tako tisto, kar je tehnično in znanstveno, ampak se tudi do neke mere noter vključi znanje komunikacije. Ker če mi te modele damo javnosti, bo tudi javnost znala bolje delovati in bolje ukrepati, brez nekih uradnih ukrepov. To, recimo, vidimo na Švedskem – niso imeli uradnih ukrepov, ampak so pa imeli populacijo, ki je sprejemala neke odločitve in neko razumevanje situacije. Tu bi se ogromno še dalo narediti v Sloveniji, zaradi tega, ker nismo politično enotni glede covida, ker je to še zmeraj politično vprašanje.

8.35 - (NB)

(nadaljevanje): To je nesprejemljivo. Zgodovina se nas bo zapomnila kot ljudi, ki niste bili enotni glede nečesa zelo pomembnega. Enotni morate biti. To ni…, razumem, da se tukaj gre za to kdo bo imel čim več glasov na naslednjih volitvah, ampak zdaj ni čas za to. Če bom, če je meni kaj pomembno je to, da tisti, ki ne bodo iskali enotnosti v tem momentu zdaj, si ne zaslužijo nobenih glasov nikdar več. Torej lahko še par stvari pokažem, ampak imam drug računalnik kot ta. Pa je pot naprej. Torej, dajmo sprejeti te vrednote podatkovnega razmišljanja. Dajmo sprejeti to iskanje tistega kar je skupno vsem, v čemer se lahko vsi strinjamo, kar uporabimo kot neko podlago za dobre odločitve. To kar dela sledilnik, je na nek način infrastruktura, ki jo lahko Slovenija kot država dobro uporabi. Dajte nam neko platformo, da lahko recimo te zadeve še izboljšamo, ker to pač smo / nerazumljivo/ s tem koliko lahko kot prostovoljci naredimo v prostem času. Potem je važno, da se vključi tudi vas v ta proces, se pravi, da smo neformalno uspeli dobiti notri v sledilnik in od zdravnikov do epidemiologov do mikrobiologov, ampak še zmeraj je to nekje od spodaj, to še ni uradno. Mi še zmeraj dobimo podatke dostikrat šele takrat, kadar so objavljeni, nič prej, četudi bi to lahko pomagalo, da namesto tega, da takrat zjutraj, ko dobite podatke, bi takrat lahko dobili tudi neke modelske produkte, kaj dejansko to pomeni za nas.

Zdaj pa, mi ne sprejemamo tukaj odločitev kaj dejansko vam mora država narediti, mi nismo v tisti vlogi. Mi lahko kvečjemu zaračunamo kaj neke odločitve pomenijo in ocenimo neke stopnje tveganja glede tega. Tako da, tukaj vam bi predlagal, da se to zadevo naredi čim bolj učinkovito in to čim prej. In če to na začetku uporabimo za Covid, lahko kasneje tudi uporabimo še za kaj drugega.

Hvala.

Hvala tudi vam.

Iz te skupine bi želeli še besedo? Dam še besedo državni sekretarki, dr. Tini Bregant. Izvolite.