(opracowanie: kwiecień 2020 – blog, aktualizacja: grudzień 2020 – Academia.edu)

Opracowanie stanowi próbę zbudowania modelu wyjaśniającego aktualną sytuację wywołaną pandemią koronawirusa. Tworząc model autor oparł się na idealizacji mechanizmu rozchodzenia sie choroby. Autor całkowicie zarzucił metody statystyczne prognozowania jako nieskuteczne, w takich przypadkach, co pokazały juz pierwsze miesiące od pojawienia sie wirusa, a potem po pierwszej publikacji tego tekstu w kwietniu 2020. Zdaniem autora opisana w tym opracowaniu droga daje znacznie większe szanse na wyjaśnienia aktualnej sytuacji niż budowanie tak zwanych modeli statystycznych. Już na obecnym etapie model wyjaśnia brak korelacji między podejmowanymi działaniami (lockdown) a uzyskiwanymi efektami.

[toc]

1. WPROWADZENIE

Badania systemowe to interdyscyplinarne projekty, w których biorą udział eksperci dziedzinowi i eksperci systemowi. Bardzo często badania takie to tak zwane meta-analizy, czyli wtórne badania na podstawie wyników innych, wcześniejszych, badań dziedzinowych.

  Ten artykuł stanowi przykład podejścia systemowego do tworzenia modeli i meta-modeli systemów. Nie było tu celem wykonanie symulacji, a jedynie opisanie metody prowadzenia analizy jaką jest modelowanie, oraz pokazać jak wygląda wnioskowanie dedukcyjne z modeli, oraz to, że jest efektywniejsze niż wnioskowanie indukcyjne ze statystyki. Za przedmiot analizy posłużyła mi mająca właśnie miejsce pandemia wirusa COVD-19, gdyż budzi ogromne emocje i na dodatek środowisko naukowe medyczne publikuje sprzeczne opinie (co jest dziwne ale jest faktem). Pandemie są przykładem tak zwanych problemów złośliwych (wicked problem) (Mark Lawrence, 2020). Problem złośliwy to “taki skomplikowany problem, w którym jest tak wiele powiązanych ze sobą bytów, że nie istnieje jego ostateczna specyfikacja. Prawdziwy charakter problemu objawia się dopiero w miarę opracowywania rozwiązania.? (Rittel & Webber, 1973).

  Nie było tu celem autora zakrojone na szeroką skalę badanie. Analiza systemowa i modelowanie ma za cel opisanie mechanizmu zjawiska do celów decyzyjnych lub poznawczych. Autor nie jest specjalista z zakresu immunologi czy wirusologii, dlatego wyniki badań z tych dziedzin nie są tu dyskutowane, a zostały uznane za fakty, ich reprezentatywność nie ma na tym etapie znaczenia bo nie służą one do analiz statystycznych. Ten artykuł nie rozstrzyga tego jaki konkretnie skutek odnosi dana metoda walki z pandemią, wymagało by zapewne dokładniejszych danych dziedzinowych (np. ścisła zależność zakażenia od czasu przebywania w zakażonym środowisku i stężenia patogenu w powietrzu). Opisana metoda pozwala, zdaniem autora, na określenie zasadności wyboru określonej metody walki z pandemią i warunków jej zastosowania. Nie jest to ostateczna wersja opisu pandemii jako zjawiska, jest to próba opisania metody podejmowania decyzji (np. o stosowanych środkach zaradczych czy ograniczeniach w swobodzie życia). Praktyka pokazała, że metody statystyczne jako narzędzie predykcji na bazie trendów się kompletnie nie sprawdziły(wystarczy porównywać te prognozy z późniejszymi statystykami) (Worldometers, 2020), (Roser i in., 2020).

  Model nazwano dedukcyjny gdyż autor przyjął metodę dedukcyjną wnioskowania: jeżeli MODEL to EFEKT, innymi słowy: obserwując fakty tworzy model ich powstawania, a następnie testuje MODEL, sprawdza czy wyniki modelowania i obserwowane EFEKTY są tożsame. Można było użyć także rozumowania abdukcyjnego (Urbański, 2009), i rozumować “jeżeli EFEKT to MODEL”. Podejmując decyzję jaki model rozumowania przyjąć: dedukcja, indukcja czy abdukcja (Yu Chong Ho, 1994): zrezygnowałem, z podejścia indukcyjnego gdyż uznałem, że modele statystyczne wyczerpały tu możliwości wnioskowania. Wyboru pomiędzy dedukcja a abdukcją dokonałem na bazie swoich doświadczeń z logiką Poppera ((Popper, 2008). Podejście “jeżeli MODEL to FAKTY” jako testowanie teorii uznałem za metodologicznie lepsze od “jeżeli FAKTY to MODEL” gdyż, to drugie moim zdaniem wydaje się podobne do indukcji (nazwał bym je odwróconą indukcją). Abdukcja, opierając się na faktach zaobserwowanych, w swym założeniu, nie jest predykcyjna (przewidywanie tego co zajdzie, mimo, że do tej pory nie zaszło).

 (Sokal & Bricmont, 2004)

Autor nie jest ani ekspertem immunologi ani lekarzem. Autorom interdyscyplinarnych analiz systemowych zarzuca się nie raz, że “mają odwagę” prowadzić jakiekolwiek wnioskowanie nie będąc specjalistami w danej dziedzinie. Otóż analiza systemowa (w tym modelowanie) owszem wymaga wiedzy specjalistycznej, ale do ustalenia faktów (Gray & Rumpe, 2019). Reszta to już standardowe w nauce (metoda naukowa) wnioskowanie i stawianie hipotez. Innymi słowy do zbudowania teorii naukowej, lub jej oceny, wiedza dziedzinowa służy tylko do ustalenia faktów i może być pozyskana od eksperta dziedzinowego. Ładnej odpowiedzi, na zarzut “braku wiedzy” swego czasu udzielił Sokal tłumacząc się z tego, że jako fizyk ocenia wyniki pracy historyka (Sokal & Bricmont, 2004).

2. AKTUALNY STAN WIEDZY

W celu opracowania podstawowych elementów modelu, zebrano tu wybrane podstawowe informacje na temat faktów opisywanych przez środowisko medyczne i pokrewne medycynie. Tego typu dane dziedzinowe standardowo służą do opracowania bazowego modelu, służącego do wnioskowania dedukcyjnego. Ewentualnym drugim etapem było by jego testowanie i doskonalenie ale ten etap nie jest już przedmiotem tego artykułu, o czym napisano we wstępie. Poniżej wybrane fakty (jako źródła posłużyły publikacje naukowe lub prasowe powołujące sie na naukowe źródła). Nie jest to zapewne zbiór reprezentatywny statystycznie, ale modele tego typu to nie modele statystyczne i “częstość” nie jest tu przesłanką czegokolwiek. Poniżej zebrane fakty użyte do zbudowania modelu. Są to zarówno publikacje naukowe jak artykuły prasowe, gdzie ich autorzy takowe cytują podając źródło.

• W celu zapewnienie bezpiecznych i niedrogich opcji ochrony, w krajach o niskich dochodach, warto rozważyć możliwość zaprojektowania maski z tkaniny, ale do czasu przeprowadzenia takich badań nie zaleca się stosowania masek z materiału. (MacIntyre et al., 2015)
• bieżące wyniki pokazują śmiertelność COVID na poziomie ułamków procenta (CDC, 2020)
• PHZ w swoich zaleceniach nie wspomina o maseczkach (PHZ, 2020)
• “WHO nie zmienia swoich zaleceń. Maski bez filtrów FFP2 i FFP3 nie chronią nas przed zarażeniem.” (Marcel Wandas, 2020)
• “Koronawirus: maski na twarz mogą zwiększać ryzyko infekcji: “Dla przeciętnego członka społeczeństwa idącego ulicą to nie jest dobry pomysł” (Chris Baynes, 2020a)(Chris Baynes 2020b)
• Główną drogą rozprzestrzeniania się choroby są kropelki oddechowe wydalone przez osobę, która kicha lub kaszle. Ryzyko zakażenia koronawirusem SARS-CoV-2 od osoby bez objawów jest bardzo niskie. (Wojewódzka Stacja Sanitarno-Epidemiologiczna w Gdańsku, n.d.)
• “Obecnie nie ma ani szczepionki przeciwko COVID-19, ani żadnego sprawdzonego leku przeciwwirusowego, który hamuje namnażanie się wirusa w organizmie. Większość leczenia jest więc ukierunkowana na leczenie objawów i zapewnianie opieki szpitalnej dla pacjentów z powikłaniami. […] Chodzi o to, aby poprzez ograniczenia w kontaktach z zakażonymi “rozciągnąć” rozprzestrzenianie się epidemii w czasie, aby zbyt wielu pacjentów wymagających intensywnej opieki nie zachorowało jednocześnie i nie trafiło w tym samym momencie do szpitali.” (Piotr Cieśliński, 2020)
• “Maski na twarz są skuteczne i niezbędne w szpitalach, ale nie oznacza to, że są przydatne dla ogółu społeczeństwa” (Hayward, 2020)
• “Nie jest jasne, czy maski używane przez ogół społeczeństwa mogą spowolnić rozprzestrzenianie się COVID-19. Masowe publiczne stosowanie masek może mieć negatywne konsekwencje, jeśli ograniczy to dostawy dla pracowników służby zdrowia lub jeśli doprowadzi do zaniedbania innych skutecznych środków, takich jak mycie rąk.” (UKRI, 2020)
• Maseczki chirurgiczne ograniczają emisje wirusa o ok. 50% (Leung et al., 2020)
• “Dane o liczbie zgonów w Polsce pokazują, że w ostatnich miesiącach pomimo trwającej pandemii zmarło mniej osób niż w ubiegłych latach. Bo – jak tłumaczą epidemiolodzy – jeśli chodzi o zagrożenie życia, wirus jest tylko jednym z czynników i niekoniecznie tym najgroźniejszym.” (Michał Istel & Klaudia Fober, 2020)
• Maj 2020, wskaźnik śmiertelności CORONA-19 to 0,28% (Worldometers, 2020)
• “Zalecenia dotyczące masek mogą być mylące, ponieważ nie wszystkie maski są sobie równe. Maska N95 skutecznie zapobiega rozprzestrzenianiu się wirusów. Prawidłowo dopasowane maski ściśle przylegają do twarzy i odfiltrowują 95% cząstek o wielkości 0,3 mikrona lub większych. Ale masek N95 poważnie brakuje nawet dla lekarzy, którzy są narażeni na najwyższe poziomy SARS-CoV-2 i potrzebują najsilniejszej ochrony przed wirusem. Trudno też jest je prawidłowo dopasować. Z tych powodów CDC nie zaleca ich do ogólnego użytku.” (Stephanie Pappas, 2020)
• “Po pierwsze, błędem było twierdzenie, że ten wirus był nowy. Po drugie, jeszcze bardziej błędne było twierdzenie, że populacja nie miałaby już pewnej odporności na tego wirusa. Po trzecie, ukoronowaniem głupoty było twierdzenie, że ktoś może mieć Covid-19 bez żadnych objawów, a nawet przekazać chorobę bez żadnych objawów.” (Beda M. Stadler, 2020)
• “Szwedzki model walki z koronawirusem. Główny epidemiolog: strategia okazała się sukcesem” (MONIKA MIKOŁAJSKA, 2020)
• “W sumie Covid zabił mniej niż 6 000 osób w kraju liczącym 10 milionów. Kraj, w którym roczna śmiertelność wynosi około 100 000 osób. To sprawia, że ??Covid jest zwykłym powodem pod względem wpływu na śmiertelność. Dlatego porównywanie Covid z innymi poważnymi pandemiami, takimi jak pandemia z 1918 r., która zabiła dziesiątki milionów ludzi, jest bezsensowne. Covid nigdy nawet nie zbliży się do tych liczb. A jednak wiele krajów zamknęło całe swoje gospodarki, uniemożliwiło dzieciom chodzenie do szkoły i sprawiło, że duża część ich populacji stała się bezrobotna, aby walczyć z tą chorobą”(Rushworth, 2020)
• “Reasumując, nie da się tego zobaczyć gołym okiem, jednak badania dowodzą, że wykupienie nawet całego zapasu masek chirurgicznych dostępnych w aptekach niewiele pomoże w obliczu niebezpieczeństwa zarażenia się najniebezpieczniejszymi wirusami Świata. ” (Agata Kukwa, 2020)
• “Przyłbice i maski z zaworami nie chronią” (Katarzyna Grzelak, 2020)
• “Nie, Szwecja nie rezygnuje ze swojej strategii braku blokady. Kontrowersje wokół Szwecji wynikają z większego sporu co do tego, kto jest lepiej przygotowany do planowania społeczeństwa, jednostek lub centralnych planistów” (Miltimore, 2020)
• “Badanie: Maski chronią, ale nie na 100 procent” (arb, 2020)
• Chory na COVID-19 człowiek wydycha w ciągu godziny ok. 50 mln cząstek wirusa, normalnie oddychając. Nie mamy gwarancji, że wirus przez wentylację w bloku nie zarazi osób w innych mieszkaniach. To samo jest w pracy, w szpitalu i wszędzie tam, gdzie jest wentylacja lub klimatyzacja. Seniorom nie zalecałbym siedzenia w domu, tylko wyjście na spacer, do parku, lasu, a jeśli siedzenie w domu, to przy otwartym oknie. Do tej pory nie ma dowodu, żeby spacerując na świeżym powietrzu, można się było zarazić tym wirusem. Zarażamy się głównie w małych pomieszczeniach. Druga sprawa: naszą odporność niszczy samotność, brak kontaktów. A dziś istotne jest zarówno unikanie zakażenia, jak dobra odporność. Dlatego zalecałbym wychodzenie na spacer i codzienny ruch. Żaden lek nie zastąpi ruchu i aktywności fizycznej (Katarzyna Pinkosz, 2020).

Powyższy zestaw faktów został użyty jako wystarczający do zbudowania pierwszej wersji modelu dedukcyjnego.

KRZYWA ZAKAŻEŃ

Kolejnym istotnym elementem budowy modelu jest krzywa zakażeń (infekcji). Diagram Krzywa zakażeń przedstawia zmienność liczby zakażeń w czasie (Roser i in., 2020). Krzywa ta pokazuje liczbę przypadków zakażeń w czasie od dnia pojawienia się nowego patogenu do dnia gdy epidemia wygasa. Krzywa ma kształt dzwonu. To czy jest ona wysoka i wąska czy niska i rozciągnięta w czasie, zależy od tempa rozprzestrzeniania się patogenu. Dla konkretnego patogenu pole pod krzywą jest stałe, co oznacza, że zmienia się wyłącznie tempo rozprzestrzeniania sie patogenu. Docelowo kontakt z patogenem zawsze będzie miała styczność cała populacja.

Z uwagi na obciążenie systemu służby zdrowia wprowadzono pojęcie i strategię “spłaszczenia” tej krzywej:

 Jednak ta strategia nie zmienia liczby ludzi, którzy zachorują (pole pod obiema krzywymi jest takie samo).

3. METODY

W opracowaniu tym wykorzystano minimalny zestaw narzędzi. Są nimi modele pojęciowe oraz powiązane modele opisujące mechanizm badanego zjawiska. Do tworzenia schematów blokowych użyto notacji UML, w szczególności wykorzystano diagramy klas i obiektów.

Model pojęciowy

Dla zachowania jednoznaczności i niesprzeczności treści tego opracowania, a także dla zapewnienia spójności treści i cytowań, opracowano model pojęciowy opisujący kluczowe użyte pojęcia. Model ten stanowi sobą zbiór pojęć łączonych predykatem (asocjacja) lub związkiem generalizacji (generalizacje czytamy “jest typem”, np. bakteria jest typem patogenu). System pojęciowy (przestrzeń pojęciowa, namespace) jest poprawny, jeżeli każda kontekstowa para pojęć (związki na diagramie) tworzy zdanie prawdziwe na tle definicji tych pojęć. Na diagramie zobrazowano kluczowe pojęcia, których użyto w opisie modelu. Kluczowe dla dalszej treści są także reguły: Choroba oraz Infekcja.

 Wizualna reprezentacja mechanizmu

Modelowanie to tworzenie opisu mechanizmu wyjaśniającego obserwowane fakty. Fakty to wiedza pozyskana od ekspertów dziedzinowych, to np. dane pomiarowe (źródłowe) i ich statystyka, dają one wyłącznie informacje o występowaniu określonych zjawisk, statystyki jako takie nie stanowią sobą żadnego modelu ani wyjaśnienia obserwowanego zjawiska. Statystyka może wskazać prawidłowości w obserwowalnych faktach związanych z badanym zjawiskiem (Phenomenon) ale statystyka nie wyjaśnia mechanizmu ich powstania (Mechanism). Zwraca na t uwagę Cravier na diagramie Wizualna reprezentacja mechanizmu (Craver & Tabery, 2019). Teoria wyjaśniająca to idealizacja, opis mechanizmu powstawiania obserwowanych faktów (Weisberg, 2007).

  Metanalizy nie podważają w żadnym stopniu wyników wykonanych badań, są one – ich wyniki – z zasady traktowane jako fakty. Metaanaliza ma za cel jedynie zbudować nadrzędny model wyjaśniający, którego celem jest wyłącznie opisanie (a czasami odkrycie) mechanizmu danego zjawiska. Podstawą tworzenia modelu dedukcyjnego jest idealizacja rozumiana jako model zbudowany z kluczowych dla badanego zjawiska faktów i elementów (Matthews, 2004).

4. REZULTATY

Zbudowano model oparty na mechanizmie propagacji patogenów i cechach człowieka jak obiektu podatnego na infekcje i choroby.

4.1. Budowa modelu

Model zbudowano w oparciu o zasady tworzenia modeli jak mechanizmów (Craver & Tabery, 2019). Jest to więc konstrukcja nie statystyka.

 Szkic modelu dedukcyjnego

Szkic przedstawia dwie osoby na przeciwko siebie, symboliczne “maseczki” na twarzach oraz drogę powietrza: X przechodzącego przez osłonę ust i nosa oraz Y przechodzącego z pominięciem tej osłony. Szkic tej jest idealizowanym modelem do dalszych rozważań (McMullin, 1985).

Model propagacji patogenu

Diagram przedstawia mechanizm przenoszenia patogenu i kontaktu z patogenem, pobyt w środowisku skażonym. Zobrazowano go jako dwie oddziaływające na siebie osoby. Jest to model, który posłuży do analizy możliwości zarażenia sie wirusem i zachorowania.

 Model progu infekcji

Diagram Model progu infekcji pokazuje infekcję jako zależność stężenia patogenu we wdychanym powietrzu i czasu. Przyjęto liniową zależność, jednak może ona być nieliniowa (ma to drugorzędne znacznie dla tego modelu, ma istotne znaczenie dla ewentualnej symulacji).

Stan osoby

Diagram Stan osoby przedstawia zmiany stanu zdrowia osoby. Pokazano możliwe stany zdrowia i ich zmiany w odpowiedzi na zdarzenia (fakty do jakich doszło). Jest to – diagram – tak zwany automat stanowy. Pokazuje możliwe stany obiektu i przyczyny ich zmian.

4.2. Efekty użycia modelu

Opisany model służy do przeprowadzenia wnioskowania dedukcyjnego. Na podstawie faktów (wyniki badań i obserwacji opublikowane w cytowanych w części AKTUALNY STAN WIEDZY) oraz modeli opisanych w części Budowa modelu, można stwierdzić co następuje:

1. popularne i dostępne na rynku maseczki zasłaniające usta i nos, nie są szczelne w 100%, innymi słowy nie izolują, więc jeżeli dana osoba znajdzie sie w zakażonym środowisku,dojdzie do kontaktu z patogenem,
2. jak pokazano na diagramie Model progu infekcji do zakażenia dochodzi po przekroczeniu progu skuteczności systemu odpornościowego u człowieka, osłona ust i nosa może co najwyżej odsunąć w czasie dojście do infekcji, nie jest więc prawdą, że maseczki zmniejszają prawdopodobieństwo infekcji i ewentualnego zachorowania, one jedynie opóźniają moment infekcji, jeżeli do infekcji dochodzi w czasie kilku do kilkunastu minut od kontakty z zakażonym środowiskiem, a ludzie przebywają w jednym miejscy (autobus, sklep, itp.) dłużej, to stosowanie maseczek nie chroni,
3. wirusy rozchodzą się przede wszystkim drogą kropelkową, więc głównym zagrożeniem jest osoba chora z objawami (kaszel, kichanie), skuteczne jest więc eliminowanie z przestrzeni publicznej takich osób, noszenie maseczki nie wpłynie zbytnio na zahamowanie rozprzestrzeniania się epidemii, biorąc pod uwagę, ze stanowią one ok. kilku procent populacji jest to (kwarantanna osób z objawami) relatywnie mało szkodliwe społecznie,
4. definicja epidemii (czyli także pandemii) bazuje na zachorowaniach a nie na infekcjach, więc opieranie strategii walki z pandemią na liczbie pozytywnych testów wydaje się nieracjonalne, skuteczniejsza w hamowaniu rozprzestrzeniania byłaby jednak strategia eliminowania z przestrzeni publicznej osób z objawami (taką strategie przyjęły między innymi Nowa Zelandia i Tajwan),
5. powszechnie przytaczana krzywa opisana na diagramie Krzywa zakażeń, pokazuje skutki dla systemu służby zdrowia, ten zaś jest obciążany zachorowaniami wymagającymi hospitalizacji a nie pozytywnymi testami, tak więc tak zwane “spłaszczanie” tej krzywej nie powinno być nastawiona na liczbę pozytywnych testów, co wydaje się jest promowane w mediach.
6. brak szczepionki i nieuleczalność choroby powoduje, że (poza rzadkimi przypadkami gdy leczenie objawowe pomoże przeżyć) nie jesteśmy w stanie ratować ludzi chorych, a model jakim jest krzywa zakażeń (pole pod krzywą) pokazuje, że możemy jedynie ten proces spowolnić.

W kontekście powyższego, stosowanie poważnych ograniczeń swobód obywatelskich i blokady gospodarki (lockdown), wydaje się wysoce nieracjonalne. Poważne ograniczenia, a dla wielu grup zawodowych wstrzymanie, pracy zarobkowej powoduje utratę źródła utrzymania przez wielu ludzi a także wstrzymanie świadczenia wielu usług. W efekcie spadają wpływy z podatków i rosną wydatki na świadczenia publiczne (zasiłki).

[Listopad 2020] Poniższy wykres zdaje sie także potwierdzać powyższe rozważania:

5. DYSKUSJA I DALSZE PRACE

Przedstawiony model daleki jest od doskonałości i na pewno wymaga doprecyzowania w obszarze danych (w szczególności nachylenie i kształt krzywych na diagramie Model progu infekcji). Głównym celem jego stworzenia i publikacji na tym etapie jest jednak pokazanie alternatywy dla tak zwanych modeli statystycznych. Ich kluczową wadą jest to, że niczego nie wyjaśniają (Craver & Tabery, 2019) oraz to, że prognozy statystyczne (trendy) liczby zakażeń od samego początku pandemii nie korelują z podejmowanymi środkami jakimi są różne formy restrykcji swobody życia społecznego (Worldometers, 2020). Uwidoczniły się za to skutki uboczne znacznego ograniczenia życia społecznego w postaci kryzysu ekonomicznego oraz wzrostu liczby depresji lękowych i samobójstw. Wiele rodzin popadło w niedostatek. Chaos organizacyjny w służbie zdrowia, spowodowany ad-hoc tworzonymi ograniczeniami dostępu do usług medycznych, spowodował śmierć wielu ludzi z powodu ograniczenia lub braku dostępu do służby zdrowia.

Model ten jednak mimo wskazanych wyżej wad, tłumaczy brak korelacji podejmowanych działań z uzyskanymi efektami. Zdaniem autora, warto podjąć prace nad rewizją kontrowersyjnych, z perspektywy całego Państwa i społeczeństwa, działań.

Często podaje się jako przykład potrzeb obostrzeń zakłady fryzjerskie gdzie długotrwałe kontakty nie kończyły się zakażeniem jak również były ogniska, gdzie zakażali się ludzie w kilka minut. Sugeruje się, że operowania na prawdopodobieństwach jest jednak uprawnione.

Ten (i podobne) przykłady wyjaśnia jednak mój model: do zakażenia dochodzi z powodu kontaktu z patogenem a nie z powodu braku maseczki, prawdopodobieństwo ma tu znaczenie jako ryzyko kontaktu ze środowiskiem zawierającym patogen, pamiętajmy, że wirus utrzymuje sie w powietrzu nawet kilka godzin, czyli np. wchodząc do jakiegoś pomieszczenia można się zarazić “od człowieka” który 1. był tam kilka godzin wcześniej i 2. był chory i 3. miał maseczką na twarzy (one przepuszczają nawet 70% wydychanego powietrza bokiem). To dlatego np. Nowa Zelandia i Tajwan skupiły sie na pomiarach temperatury u ludzi (nie wpuszczali do chronionych pomieszczeń ludzi z objawami) a nie na maseczkach i dystansie.

Zdaje sobie sprawę z krytyki na jaką sie narażam, jednak uważam, że podejmowanie takich dyskusji jest potrzebne. Nawet, jeżeli opisany tu model zostanie całkowicie podważony, uważam, że fakt braku korelacji podejmowanych działań i uzyskanych efektów każe szukać wyjaśnienia.

Planowane dalsze prace to przede wszystkim śledzenie badań ilościowych w celu potwierdzenia lub obalenia powyższego modelu. Będą umieszczane w komentarza pod tym tekstem. Osoby zainteresowane mogą subskrybować te komentarze (opis w sekcji komentarze).

6. ŹRÓDŁA

[Marzec 2021]