Model demografskog skaliranja koji su razvili istraživači Instituta za demografska istraživanja Max Planck iz Rostoka i Univerziteta u Helsinkiju omogućuje procjenu stvarnog broja infekcija COVID-19 u različitim zemljama sa minimalnim ulaznim podacima. Prema ovom modelu, broj slučajeva u Njemačkoj samo je 1,8 puta veći od broja potvrđenih slučajeva. Za Italiju, međutim, istraživači procjenjuju da je broj zaraženih 6 puta veći od broja potvrđenih slučajeva koje su prijavile vlasti i nadležne zdravstvene ustanove.
"Za deset zemalja koje je najviše pogodila pandemija COVID-19, koristili smo naš model demografskog skaliranja za procjenu broja neprijavljenih slučajeva zaraženih", kaže Mikko Myrskylä, direktor Max Planck Instituta za demografska istraživanja u Rostocku, Njemačka. Prema podacima od 13. maja 2020. godine, stvarni broj zaraženih u prosjeku oko četiri puta je veći od broja potvrđenih slučajeva.
Za Italiju, ovaj model procjenjuje oko 1,4 miliona zaraženih, što je šest puta više od broja potvrđenih slučajeva koje su prijavile zdravstvene institucije te zemlje. Procjene govore da je u Sjedinjenim Državama bilo 3,1 miliona ljudi zaraženih COVID-19, što je više nego dvostruko više slučajeva od službeno prijavljenih. U Njemačkoj, s druge strane, model procjenjuje da je broj neprijavljenih slučajeva samo 1,8 puta veći.
„Međutim, moramo naglasiti da je nepouzdanost naših modela velika“, dodaje Christina Bohk-Ewald, koautorica rada, trenutno zaposlena na Univerzitetu u Helsinkiju. S vjerovatnošću od 95%, možemo reći da je ukupni procijenjeni broj inficiranih dva do jedanaest puta veći od broja potvrđenih slučajeva. Razlike između pojedinih zemalja su također velike.
Za potrebe ovog modela, istraživači su uglavnom koristili podatke o smrtnosti od COVID-19, stopi smrtnosti od infekcije i tablice broja smrtnih slučajeva u različitim dobnim intervalima. Međutim, budući da stopa smrtnosti od infekcije COVID-19 još nije poznata za većinu zemalja, istraživači su je prenijeli iz jedne referentne države u druge zemlje koristeći takozvani "preostali životni vijek". Ovaj demografski parametar omogućava kontrolu razlike u dobnoj strukturi između država, prethodnih oboljenja stanovništva i zdravstvenih sistema različitih zemalja.
Model demografskog skaliranja zasnovan je na dvije glavne pretpostavke: prvo, pretpostavlja se da je broj ljudi koji su umrli od COVID-19 prilično tačno zabilježen. Drugo, pretpostavlja se da su stope smrtnosti od infekcije iz referentne zemlje (u ovom slučaju Hubei, Kina) prenosive u druge zemlje nakon demografske prilagodbe. Tri istraživača sa Instituta svjesna su da su ove dvije pretpostavke samo aproksimacije i ne primjenjuju se savršeno svugdje.
Ipak, istraživači su uvjereni kako su razvili široko primjenjivi model koji daje korisne procjene stvarnog broja osoba koje su zaražene COVID-19, koristeći samo minimalne ulazne podatke. "Naš model može se koristiti i za provjeru vjerodostojnosti procijenjenog broja infekcija iz drugih studija koja mjere, na primjer, prevalenciju antitijela u populaciji", kaže Christian Dudel. Prema Dudelu, testovi na antitijela, koji se izvode samo regionalno, često nisu reprezentativni za cjelokupno stanovništvo neke zemlje.