منتقدین می گویند که مدل تاثیر گذار Covid-19 از روش های ناقص استفاده می کند و نباید سیاست های ایالات متحده را راهنمایی کند.

الگوی گسترده ای که برای پیش بینی مرگ Covid-19 درآمریکا انجام می شود ، نتایجی را به وجود می آورد که مانند یک تب غیرقابل پیش بینی در حال بالا و پایین است و اکنون اپیدمیولوژیست ها در حال انتقاد از آن به عنوان نقص و گمراه کننده هم برای عموم و هم برای سیاست گذاران هستند. آنها بویژه هشدار می دهند که از اتکا به آن به عنوان پایه ای برای تصمیم گیری دولت ، از جمله "باز کردن دوباره آمریکا" استفاده می شود.

اینکه مدل IHME در حال تغییر است ، گواهی بر عدم اطمینان آن به عنوان ابزاری پیش بینی کننده است." "این که برای تصمیم گیری های سیاسی مورد استفاده قرار می گیرد و نتایج آن اشتباه تفسیر می شود ، اثری است آشکار در برابر چشمان ما."

پیش بینی های IHME توسط دولت ترامپ در تدوین رهنمودهای ملی برای کاهش شیوع بیماری استفاده شده است.

این می تواند باعث ایجاد اعتماد به نفس نادرست در مورد کارآیی سیاست های دوردست اجتماعی شود ، که به نوبه خود می تواند باعث نارضایتی در مورد آنچه ممکن است برای انفجار مجدد این بیماری همه گیر باشد ، شود.

قابل توجه ترین ناراحتی ها در پیش بینی های IHME درمجموع مرگ و میرهای ایالات متحده تا اوایل ماه اوت بوده است ، این در حالی است که بسیاری از اپیدمیولوژیست ها معتقدند شیوع بیماری در حال خاموش شدن است. (بسیاری انتظار دارند که میزان مرگ و میر روزانه در ایالات متحده در اوایل ژوئن به 10 یا کمتر برسد ، از 2000 یا حدود در ماه آوریل.) پیش بینی های مرگ برای کشورهای مختلف نیز به طرز چشمگیری نوسان داشته است.

وب سایت IHME توضیح می دهد که: "با ورود داده ها ، برآوردهای ما ممکن است تغییر کنند. به طور خاص ، داده های جدید مرگ ... پیش بینی های ما را تغییر داده اند. "

مدل آن با مدلهای مورد استفاده تقریباً همه اپیدمیولوژیستهای دیگر متفاوت است.

دو روش آزمایش شده و واقعی برای الگوی همه گیری وجود دارد. تثبیت شده ترین ، با قدمت یک قرن ، محاسبه می کند که چه تعداد از افراد مستعد ابتلا به ویروس هستند (در مورد coronavirus جدید ، همه) ، چه تعداد در معرض دید قرار می گیرند ، چه تعداد از آنها آلوده می شوند و تعداد زیادی بهبود می یابند و بنابراین مصونیت دارند. (دستکم برای مدتی). چنین مدل های "SEIR" سپس از آنچه محققان در مورد رفتار ویروس می دانند ، استفاده می کنند ، از جمله اینکه چگونه به راحتی گسترش می یابند و مدت زمان ظهور علائم عفونت وجود دارد ، محاسبه می کنند که چه مدت طول می کشد تا افراد از حساسیت به عفونت بهبود پیدا کنند ( یا مرده)

لیپسچ گفت: "مفهوم اساسی اپیدمیولوژی بیماری های عفونی این است که عفونت ها در زمانی که دو چیز وجود دارد گسترش می یابد: افراد آلوده و افراد مستعد."

"مدلهای مبتنی بر عامل" جدیدتر مانند بازی های ویدئویی SimCity هستند ، اما با یک بیماری زا تشدید کننده: با استفاده از قدرت محاسباتی غیرقابل تصور حتی یک دهه پیش ، آنها تعامل میلیون ها نفر را با کار ، بازی ، سفر و شبیه سازی شبیه سازی می کنند.

IHME نه از SEIR و نه از رویکرد مبتنی بر عامل استفاده نمی کند. حتی سعی نمی شود مدل انتقال بیماری یا دوره نهفته یا سایر ویژگی های Covid-19 را مدل سازی نماید ، به عنوان مدل های SEIR و مبتنی بر عامل در Imperial College London و دیگران. سعی نمی شود حساب کنیم که چه تعداد از افراد آلوده با تعداد افراد دیگر ، چه تعداد موارد اضافی در هر مورد ابتدایی ، یا سایر واقعیتهای انتقال بیماری که دهه هاست پایه و اساس مدل های اپیدمیولوژی است ، ارتباط برقرار می کند.

در عوض ، IHME با داده هایی از شهرهایی شروع می شود که Covid-19 پیش از آنکه به ایالات متحده حمله کند ، ابتدا ووهان و در حال حاضر 19 شهر در ایتالیا و اسپانیا. سپس گرافیک را نشان می دهد که در اثر انفجار اپیدمی و سپس در آن شهرها تعداد کشته ها در حال برخاستن و در حال سقوط است و در نتیجه آن منحنی ناقوس است. سپس (برای ساده تر کردن بعضی از موارد) می یابد که داده های ایالات متحده در آن منحنی جای می گیرند. فرض بر این است که منحنی های مرگ در شهرهای خارج از ایالات متحده آمریکا نیز توصیف می شوند و هیچ تلاشی برای قضاوت در مورد اینکه آیا اقدامات متقابل — بن بست و سایر راهبردهای دوردست اجتماعی - در ایالات متحده آمریکا وجود دارد و به همان اندازه در نقاط دیگر ، به خصوص ووهان موثر واقع می شوند.

"مدل آماری" به قرار دادن داده های آمریکا بر روی نمودار مرگ و میر کووید 19 کشورهای دیگر به مرور زمان فرض می کند که اپیدمی آمریکا از این کشورها تقلید می کند. اما اقدامات متقابل کشورها با یکدیگر تفاوت زیادی دارند.