För ungefär en månad sedan genomförde FHM en undersökning som skulle kolla att spridningen av covid-19 stämde med de matematiska modellerna. Siffrorna som presenterades efteråt var nedslående, med cirka 7 procent smittade i Stockholm. Statistikern Tom Britton (som inte var inblandad i undersökningen) konstaterade snabbt att det blir att gå tillbaka till ritbordet. 

Det vi inte visste då var att vad dessa 7 procent representerade var något helt annat. Det spekuleras i om man, när man valt att utföra testerna på vårdcentraler (vilket vi vet att man gjort), fått enorm snedvridning, antingen för att fler är sjuka än bland övriga befolkningen eller för att man valt gruppen blodgivare (vilket det talats om) som generellt inte besöker vårdcentralen om de är sjuka. Hur de faktiskt gjort får vi inte veta, för FHM har valt att varken publicera studien i sin helhet, eller ens ange vilken metod de använt. Men vi vet att de själva konstaterat att undersökningen måste göras om för att få ett mindre skevt urval.

Vidare, och det här är häpnadsväckande, har man i de presenterade siffrorna valt att inte räkna med sensitivitet och specificitet. Orden behöver förklaras. Sensitiviteten är hur stor chans det är att någon som har sjukdomen också får ett positivt provresultat. Specificiteten är risken att någon som är frisk också får ett negativt provresultat. När undersökningen presenterades angavs specificiteten till 97,7 procent. Det innebär att om samtliga är friska, kommer man ändå få ett resultat på 2,3 procent sjuka i sin undersökning. Nu är inte samtliga friska, men med ett resultat kring 7,3 procent blir det här en oerhört stor faktor (den sanna siffran hamnar istället omkring 5 procent smittade i Stockholm).

Undersökningen är ett haveri, och väcker frågor om FHM:s förmåga att över huvud taget genomföra den här typen av undersökningar. Däremot innebär den inte att FHM:s övergripande strategi är fel, eller ens illa underbyggd.