Reimaginando nuestros problemas pandémicos con la mentalidad de un ingeniero

Sra. Tecnología | Colección de Bienvenida

Los últimos 20 meses convirtieron a todos los perros en epidemiólogos y estadísticos aficionados. Mientras tanto, un grupo de epidemiólogos y estadísticos de buena fe llegó a creer que los problemas de la pandemia podrían resolverse de manera más efectiva adoptando la mentalidad de un ingeniero: es decir, centrándose en la resolución pragmática de problemas con una estrategia iterativa y adaptativa para hacer que las cosas funcionen.

En un ensayo reciente, Contabilización de la incertidumbre durante una pandemia , los investigadores reflexionan sobre sus roles durante una emergencia de salud pública y sobre cómo podrían estar mejor preparados para la próxima crisis. La respuesta, escriben, puede estar en reinventar la epidemiología con una perspectiva más de ingeniería y menos de ciencia pura.

La investigación epidemiológica informa la política de salud pública y su mandato intrínsecamente aplicado de prevención y protección. Pero el equilibrio adecuado entre los resultados de la investigación pura y las soluciones pragmáticas resultó alarmantemente difícil de alcanzar durante la pandemia.

Tenemos que tomar decisiones prácticas, entonces, ¿cuánto importa realmente la incertidumbre?

Seth Guikema

Siempre imaginé que en este tipo de emergencias, los epidemiólogos serían personas útiles, dice Jon Zelner, coautor del ensayo. Pero nuestro papel ha sido más complejo y peor definido de lo que esperaba al comienzo de la pandemia. Modelador de enfermedades infecciosas y epidemiólogo social de la Universidad de Michigan, Zelner fue testigo de una increíble proliferación de trabajos de investigación, muchos de los cuales pensaban muy poco en lo que realmente significaba en términos de tener un impacto positivo.

Hubo una serie de oportunidades perdidas, dice Zelner, causadas por la falta de vínculos entre las ideas y las herramientas que propusieron los epidemiólogos y el mundo al que estaban destinados a ayudar.

Renunciar a la certeza

El coautor Andrew Gelman, estadístico y politólogo de la Universidad de Columbia, expuso el panorama general en la introducción del ensayo. Comparó el brote de epidemiólogos aficionados de la pandemia con la forma en que la guerra convierte a cada ciudadano en un geógrafo y táctico aficionado: en lugar de mapas con alfileres de colores, tenemos gráficos de exposición y conteo de muertes; la gente en la calle discute sobre las tasas de mortalidad por infección y la inmunidad colectiva de la misma manera en que podrían haber debatido estrategias y alianzas en tiempos de guerra en el pasado.

Y junto con todos los datos y el discurso público: ¿Siguen siendo necesarias las mascarillas? ¿Cuánto tiempo durará la protección de las vacunas? Llegó el aluvión de incertidumbre.

Al tratar de comprender lo que acaba de suceder y lo que salió mal, los investigadores (que también incluyeron a Ruth Etzioni de la Universidad de Washington y Julien Riou de la Universidad de Berna) realizaron una especie de recreación. Examinaron las herramientas utilizadas para abordar desafíos como estimar la tasa de transmisión de persona a persona y la cantidad de casos que circulan en una población en un momento dado. Evaluaron todo, desde la recopilación de datos (la calidad de los datos y su interpretación fueron posiblemente los mayores desafíos de la pandemia) hasta el diseño del modelo y el análisis estadístico, así como la comunicación, la toma de decisiones y la confianza. La incertidumbre está presente en cada paso, escribieron.

Y, sin embargo, dice Gelman, el análisis todavía no expresa lo suficiente la confusión por la que pasé durante esos primeros meses.

Una táctica contra toda la incertidumbre son las estadísticas. Gelman piensa en las estadísticas como ingeniería matemática: métodos y herramientas que tienen tanto que ver con la medición como con el descubrimiento. Las ciencias estadísticas intentan iluminar lo que sucede en el mundo, con un foco de atención en la variación y la incertidumbre. Cuando llega nueva evidencia, debe generar un proceso iterativo que refina gradualmente el conocimiento previo y afina la certeza.

La buena ciencia es humilde y capaz de refinarse ante la incertidumbre.

marc labios

Susan Holmes, una estadística de Stanford que no participó en esta investigación, también ve paralelismos con la mentalidad de ingeniería. Un ingeniero siempre está actualizando su imagen, dice ella, revisando a medida que hay nuevos datos y herramientas disponibles. Al abordar un problema, un ingeniero ofrece una aproximación de primer orden (borrosa), luego una aproximación de segundo orden (más enfocada), y así sucesivamente.

Gelman, sin embargo, ha advertido previamente que la ciencia estadística se puede implementar como una máquina para lavar la incertidumbre: deliberadamente o no, los datos de mierda (inciertos) se juntan y se hacen parecer convincentes (ciertos). Las estadísticas utilizadas contra las incertidumbres se venden con demasiada frecuencia como una especie de alquimia que transformará estas incertidumbres en certeza.

Fuimos testigos de esto durante la pandemia. Ahogados en la agitación y las incógnitas, los epidemiólogos y estadísticos, tanto aficionados como expertos, buscaron algo sólido mientras intentaban mantenerse a flote. Pero como señala Gelman, querer certeza durante una pandemia es inapropiado y poco realista. La certeza prematura ha sido parte del desafío de las decisiones en la pandemia, dice. Este salto entre la incertidumbre y la certeza ha causado muchos problemas.

Dejar ir el deseo de certeza puede ser liberador, dice. Y aquí, en parte, es donde entra la perspectiva de la ingeniería.

Una mentalidad de retoques

Para Seth Guikema, codirector del Centro de Análisis de Riesgos e Ingeniería de Decisiones Informadas de la Universidad de Michigan (y colaborador de Zelner en otros proyectos), un aspecto clave del enfoque de ingeniería es sumergirse en la incertidumbre, analizar el desorden, y luego dar un paso atrás, con la perspectiva Tenemos que tomar decisiones prácticas, entonces, ¿cuánto importa realmente la incertidumbre? Porque si hay mucha incertidumbre, y si la incertidumbre cambia cuáles son las decisiones óptimas, o incluso cuáles son las buenas decisiones, entonces es importante saberlo, dice Guikema. Pero si realmente no afecta cuáles son mis mejores decisiones, entonces es menos crítico.

Por ejemplo, aumentar la cobertura de vacunación contra el SARS-CoV-2 en toda la población es un escenario en el que, incluso si existe cierta incertidumbre con respecto a cuántos casos o muertes exactamente evitará la vacunación, el hecho de que es muy probable que disminuya ambos, con pocos efectos adversos efectos, es motivación suficiente para decidir que un programa de vacunación a gran escala es una buena idea.

Un ingeniero siempre está actualizando su imagen.

susana holmes

Los ingenieros, señala Holmes, también son muy buenos para dividir los problemas en partes críticas, aplicar herramientas cuidadosamente seleccionadas y optimizar las soluciones bajo restricciones. Con un equipo de ingenieros construyendo un puente, hay un especialista en cemento y un especialista en acero, un ingeniero eólico y un ingeniero estructural. Todas las diferentes especialidades trabajan juntas, dice ella.

Para Zelner, la noción de epidemiología como disciplina de la ingeniería es algo que heredó de su padre, un ingeniero mecánico que fundó su propia empresa diseñando instalaciones para el cuidado de la salud. Basándose en una infancia llena de construcción y reparación de cosas, su mentalidad de ingeniero implica retoques: refinar un modelo de transmisión, por ejemplo, en respuesta a un objetivo en movimiento.

A menudo, estos problemas requieren soluciones iterativas, en las que se realizan cambios en respuesta a lo que funciona o no, dice. Continúa actualizando lo que está haciendo a medida que ingresan más datos y ve los éxitos y fracasos de su enfoque. Para mí, eso es muy diferente, y se adapta mejor a los problemas complejos y no estacionarios que definen la salud pública, que el tipo de imagen estática que mucha gente tiene de la ciencia académica, donde tienes una gran idea, Pruébelo y su resultado se conserva en ámbar para siempre.

Historia relacionada

Todos juntos ahora: el modelo covid-19 más confiable es un conjunto

Combinando una multitud de predicciones y proyecciones, los equipos de modelado perfeccionan la incertidumbre.

Zelner y sus colaboradores de la universidad dedicaron muchos meses a construir un sitio web de mapeo covid para Michigan, y participó en la creación de tableros de datos, herramientas útiles para el consumo público. Pero en el proceso, vio un creciente desajuste entre las herramientas formales y lo que se necesitaba para informar la toma de decisiones prácticas en una crisis en rápida evolución. Sabíamos que algún día ocurriría una pandemia, pero ciertamente no había pensado en cuál sería o podría ser mi papel, dice. Pasamos varios meses angustiosos simplemente inventando la cosa, tratando de hacer algo que nunca antes habíamos hecho y dándonos cuenta de que no teníamos experiencia en hacerlo.

¡Él visualiza resultados de investigación que vienen no solo con exhortaciones de que la gente debería hacer esto! pero también con software accesible que permite a otros jugar con las herramientas. Pero en su mayor parte, dice, los epidemiólogos hacen investigación, no desarrollo: escribimos software, y por lo general es bastante malo, pero hace el trabajo. Y luego escribimos el documento, y luego depende de alguien más, alguna otra persona imaginaria, para que sea útil en el contexto más amplio. Y luego eso nunca pasa. Hemos visto estos fracasos en el contexto de la pandemia.

Imagina el equivalente a un centro nacional de pronóstico del tiempo para enfermedades infecciosas. Hay un mundo en el que todos los números de covid van a un lugar central, dice. Donde haya un modelo que sea capaz de combinar coherentemente esa información, generar predicciones acompañadas de representaciones bastante precisas de la incertidumbre y decir algo inteligible y relativamente procesable en una línea de tiempo bastante ajustada.

Al comienzo de la pandemia, esa infraestructura no existía. Pero recientemente, ha habido signos de progreso.

Ciencia de la salud pública de rápido movimiento

Marc Lipsitch, epidemiólogo de enfermedades infecciosas de Harvard, es el director científico del nuevo Centro de Pronóstico y Análisis de Brotes de los Centros para el Control de Enfermedades de EE. UU., cuyo objetivo es mejorar la toma de decisiones y permitir una respuesta coordinada y coherente a una pandemia a medida que se desarrolla. .

No somos muy buenos para pronosticar enfermedades infecciosas en este momento. De hecho, somos bastante malos en eso, dice Lipsitch. Pero éramos bastante malos en el pronóstico del tiempo cuando comenzó en los años 50, señala. Y luego mejoró la tecnología, mejoró la metodología, mejoró la medición, mejoró la computación. Con inversión de tiempo y esfuerzo científico, podemos mejorar las cosas.

Mejorar en la previsión es parte de la visión del centro para la innovación. Otro objetivo es la capacidad de realizar estudios específicos para responder preguntas específicas que surgen durante una pandemia, y luego producir software de análisis diseñado a la medida para informar respuestas oportunas a nivel nacional y local.

Estos esfuerzos están sincronizados con la noción de un enfoque de ingeniería, aunque Lipsitch lo llamaría simplemente ciencia de salud pública de rápido movimiento.

La buena ciencia es humilde y capaz de refinarse ante la incertidumbre, dice. Los científicos, generalmente en una escala de tiempo más larga (años o décadas), están bastante acostumbrados a la idea de actualizar nuestra imagen de la verdad. Pero durante una crisis, la actualización debe ocurrir rápidamente. Fuera de las pandemias, los científicos no están acostumbrados a cambiar mucho nuestra imagen del mundo cada semana o mes, dice. Pero especialmente en esta pandemia, con la velocidad de los nuevos desarrollos y la nueva información, tenemos que hacerlo.

La filosofía del nuevo centro, dice Lipsitch, es mejorar la toma de decisiones bajo incertidumbre, reduciendo esa incertidumbre con mejores análisis y mejores datos, pero también reconociendo lo que no se sabe y comunicando eso y sus consecuencias con claridad.

Y señala: Vamos a necesitar muchos ingenieros para hacer esta función, y el enfoque de ingeniería, seguro.

esconder