Πιθανότητες και Αβεβαιότητα

Επιστημονικές Δημοσιεύσεις Ανοικτής Πρόσβασης

Why Economic Forecasting Is So Difficult in the Pandemic
Arne Pohlman and Oliver Reynold
Harvard Business Review
May 18, 2020Η
πανδημία του κορoνοϊού εισήγαγε μεγάλη αβεβαιότητα σε σχεδόν κάθε πτυχή της κοινωνίας. Θα ανταποκριθούν τα συστήματα υγειονομικής περίθαλψης; Θα αναπτύξουν οι επιστήμονες ένα εμβόλιο; Είναι ασφαλείς οι εργαζόμενοι πρώτης γραμμής; Πότε μπορούν οι κανονικοί υπάλληλοι να επιστρέψουν στο γραφείο; Οι απαντήσεις σε αυτές τις ερωτήσεις - όταν υπάρχουν απαντήσεις - φαίνεται να αλλάζουν καθημερινά. Και με κάθε αλλαγή το χρηματιστήριο ανεβαίνει ή πέφτει.

International Science Council, 2022, Paris, France, DOI: 10.24948/2022.03
Η νέα έκθεση του International Science Council, ως μέρος του Σχεδίου Δράσης για τα σενάρια έκβασης της πανδημίας COVID-19, παρουσιάζει διδάγματα και συστάσεις για να βοηθήσει όλες τις κυβερνήσεις στην ανταπόκρισή τους στην πανδημία μετά το ξέσπασμα της κρίσης. Έχοντας συμβουλευτεί εκατοντάδες διεπιστημονικούς εμπειρογνώμονες από όλο τον κόσμο, η έκθεση επιδιώκει να υποστηρίξει τη μετατόπιση της σκέψης που απαιτείται για την επίτευξη μιας πιο ολοκληρωμένης «κοσμοθεωρίας» των πανδημιών και άλλων παρόμοιων καταστάσεων έκτακτης ανάγκης.
Paul J. J. Welfens
International Economics and Economic Policy (2020) 17:295–362
Published online: 23 May 2020
Η νέα επιδημία COVID-19 αποτελεί μια σημαντική πρόκληση για την παγκόσμια οικονομία. Ενώ δεν είναι δυνατή μια ακριβής μακροπρόθεσμη πρόβλεψη για την πορεία μετάδοσης του νέου ιού, αυτό που σαφώς μπορεί να προβλεφθεί είναι ότι θα προκύψουν διεθνείς διαταραχές της εφοδιαστικής αλυσίδας, μείωση του ΑΕΠ σε πολλές χώρες του ΟΟΣΑ και στην Κίνα, πτώση των τιμών ενεργητικού και τιμών των κρατικών ομολόγων. 
Identifying High-Risk Workspaces during COVID-19 using Machine Learning
Drennan, L.; Lozano, J.; Chesser, M.; Carrier, E.
34th International Florida Artificial Intelligence Research Society Conference, FLAIRS-34 2021 ; 34, 2021, https://doi.org/10.32473/flairs.v34i1.128484
2021-04-18
Παρουσιάζουμε ένα μοντέλο ικανό να εντοπίζει χώρους εργασίας υψηλού κινδύνου για μετάδοση της νόσου COVID-19 και επεξηγούμε πώς οι υπάρχουσες τεχνικές για τον ποσοτικό προσδιορισμό της αβεβαιότητας στη μηχανική μάθηση μπορούν να εφαρμοστούν για την εκτίμηση της αξιοπιστίας αυτών των προβλέψεων.
Andrew Clark, et al.
The Lancet Global Health, DOI: https://doi.org/10.1016/S2214-109X(20)30264-3
Published: June 15, 2020
Εκτιμάται ότι 1,7 δισεκατομμύρια άτομα, που αποτελούν το 22% του παγκόσμιου πληθυσμού, έχουν τουλάχιστον μία υποκείμενη κατάσταση που τους θέσει σε αυξημένο κίνδυνο να νοσήσουν σοβαρά από COVID-19 εάν προσβληθούν από τον ιό. Από αυτούς, λιγότεροι από το 5% είναι ηλικίας κάτω των 20 ετών και περισσότεροι του 66% είναι ηλικίας 70 ετών και άνω. Εκτιμάται επίσης ότι 349 εκατομμύρια άτομα (4% του παγκόσμιου πληθυσμού) διατρέχουν υψηλό κίνδυνο να νοσήσουν σοβαρά από COVID-19 σε βαθμό που θα απαιτηθεί εισαγωγή στο νοσοκομείο εάν μολυνθούν από τον ιό.
Forecasting the novel coronavirus COVID-19
Petropoulos F, Makridakis S (2020).
PLoS ONE 15(3): e0231236. DOI: 10.1371/journal.pone.0231236
Published: March 31, 2020
Ποιος θα είναι ο παγκόσμιος αντίκτυπος της πανδημίας του νέου κοροναϊού (COVID-19); Το παρόν άρθρο επιχειρεί μια αντικειμενική προσέγγιση για την πρόβλεψη της πορείας του COVID-19 χρησιμοποιώντας μια απλή αλλά ισχυρή μεθοδολογία. Γίνεται η παραδοχή ότι τα δεδομένα που διατίθενται για τον αριθμό των κρουσμάτων, των θανάτων και των ατόμων που ανάρρωσαν, είναι αξιόπιστα και ότι ο επιπολασμός της νόσου στο μέλλον θα συνεχίσει να ακολουθεί το μοτίβο του παρελθόντος. Πρόκειται για μια ζωντανή άσκηση πρόβλεψης του χρονοδιαγράμματος της νόσου, με δυνητικά μεγάλες επιπτώσεις στον προγραμματισμό και τη λήψη αποφάσεων.
New England Journal of Medicine, 23, 2021 DOI: 10.1056/NEJMc2107717
June 23, 2021
Διερευνάται εάν ο εμβολιασμός θα μειώσει τη μετάδοση του ιού σε άτομα του ίδιου νοικοκυριού, στην περίπτωση μόλυνσης ενός μέλους μετά τον εμβολιασμό.
PLOS ONE, https://doi.org/10.1371/journal.pone.0239536
Published: September 30, 2020 
Ο στόχος αυτής της μελέτης ήταν να αναπτυχθεί και να επαληθευτεί ένα μοντέλο πρόγνωσης κινδύνου θνησιμότητας 7 ημερών και 14 ημερών για ασθενείς που νοσηλεύτηκαν με COVID-19. Πραγματοποιήθηκε μια πολυκεντρική αναδρομική μελέτη χρησιμοποιώντας δύο νοσοκομεία στη Νέα Υόρκη και στη Μασαχουσέτη. Συνολικά 664 ασθενείς στη Νέα Υόρκη και 265 ασθενείς με COVID-19 στη Μασαχουσέτη, νοσηλεύτηκαν από τον Μάρτιο έως τον Απρίλιο του 2020.
Nature, doi: 10.1038/d41586-020-02009-w
03 July 2020
Σε αυτήν την πανδημία, ο δείκτης R έχει μεταπηδήσει από τις σελίδες των ακαδημαϊκών δημοσιευμάτων στις συζητήσεις πολιτικών και σε δημοσιεύματα εφημερίδων, και χαρακτηρίζεται ως ένας αριθμός που θα διαμορφώσει τη ζωή όλων.

Δημοσιεύσεις Ελλήνων Ερευνητών

Konstantinos Nikolopoulos, Sushil Punia, Andreas Schäfers, Christos Tsinopoulos, Chrysovalantis Vasilakis
European Journal of Operational Research,
Volume 290, Issue 1, 2021, Pages 99-115, DOI: https://doi.org/10.1016/j.ejor.2020.08.001.