4 preguntas clave que los formuladores de políticas deben formular a los modeladores de COVID-19

Este artículo fue escrito por Afreen Siddiqi, investigador científico del MIT y Kaveri Iychettira, becaria postdoctoral, Centro Belfer de Ciencia y Asuntos Internacionales de la Harvard Kennedy School. Fue publicado originalmente en el Foro Económico Mundial .

Los tomadores de decisiones dependen de los pronósticos de coronavirus para dar forma a la política, por lo que es vital que pregunten cómo se hicieron las proyecciones, escriben dos científicos.
Desde por qué se creó el modelo hasta qué datos se usaron, aquí hay cuatro preguntas clave.

El 8 de abril, el gobernador de Nueva York, Andrew Cuomo, anunció que su estado estaba "aplanando la curva" de la pandemia de COVID-19. Pero solo dos semanas antes, varios modelos habían proyectado que las hospitalizaciones máximas en Nueva York podrían ser varias veces más altas de lo que en realidad resultaron.

Yuxtaponiendo el número real de hospitalizaciones de COVID-19 con esas proyecciones, Cuomo se preguntó : "¿Cómo se te ocurre una curva real que sea muy diferente de lo que esos expertos predijeron?"

"Cuando un modelo se reutiliza para investigar preguntas para las que no estaba destinado originalmente, los resultados serán tan buenos como la alineación de las preguntas y el diseño del modelo"

La pregunta de Cuomo resume el desafío que enfrentan los tomadores de decisiones cuando se trata de modelos predictivos. Cuando hay mucho en juego y las proyecciones basadas en modelos son una guía principal, ¿cómo deben proceder los encargados de formular políticas?

Es una pregunta relevante no solo durante una pandemia. La crisis financiera de 2008 destacó el poder (y los riesgos) de los modelos económicos y financieros , y la dependencia de tales herramientas solo continuará creciendo en una era de grandes datos y gran poder de cómputo. Como científicos que habitualmente crean modelos para el análisis de políticas, proponemos cuatro preguntas que los encargados de la toma de decisiones deberían formular al utilizar los resultados de dichos modelos.

Primero, ¿por qué se creó el modelo?

Cada modelo simplifica la realidad, y las decisiones de su creador con respecto a qué simplificar (y cómo), qué incluir y qué dejar de lado se basan principalmente en las preguntas que el modelo fue diseñado para explorar. El propósito específico de un modelo guía la elección de las ecuaciones matemáticas y los métodos utilizados.

Cuando un modelo se reutiliza para investigar preguntas para las que no estaba destinado originalmente, los resultados serán tan buenos como la alineación de las preguntas y el diseño del modelo. Por ejemplo, un modelo construido para estimar el uso de camas de hospital puede ser muy diferente de un modelo enfocado en comprender la dinámica de la propagación de una enfermedad y las consecuentes implicaciones políticas.

Segundo, ¿cuáles son los supuestos clave del modelo y son todos válidos para la situación en cuestión?

Lo importante no es solo la pregunta para la que se diseñó un modelo. Por ejemplo, algunos modelos epidemiológicos de enfermedades infecciosas suponen una población fija. Eso puede ser válido para algunas regiones, pero no para ciudades donde una gran cantidad de personas, infectadas o sanas, entran y salen diariamente.

"Los encargados de formular políticas necesitan saber qué aspectos del mundo real asume un modelo como fijo"

Otros supuestos pueden relacionarse con qué aspectos del pasado seguirán siendo los mismos en el futuro. Muchos modelos simplemente proporcionan un escenario de un posible futuro si las cosas siguen el mismo curso que hicieron anteriormente.

Tales análisis son útiles, porque muestran lo que puede suceder si no nos adaptamos. Esta información puede ayudar a impulsar la acción destinada a evitar un futuro no deseado y crear uno más atractivo.

Nuestras sociedades son dinámicas y la mayoría de las personas responden constantemente a la nueva información con diversos grados de retraso. Como resultado, la introducción misma de una predicción en el ámbito público puede alterar una trayectoria futura.

Por lo tanto, los formuladores de políticas deben saber qué aspectos del mundo real asume un modelo como fijo. También deben preguntar cómo cambian los resultados de un modelo si algunos de sus supuestos clave no son completamente válidos para una situación específica.

Tercero, ¿de dónde provienen los datos que se introducen en el modelo y qué tan aplicables son en el contexto actual?

"Los formuladores de políticas a menudo deben hacer el mejor uso de los datos disponibles, a pesar de las debilidades en esos datos"

Los modelos usan datos para calcular resultados específicos, por lo que es crucial saber de dónde provienen esos datos y qué tan precisos son. Idealmente, los datos deben provenir de fuentes confiables, cubrir la región para la cual se está considerando la política en cuestión y estar lo más actualizados posible. En realidad, los datos pueden ser limitados, no muy granulares o de un contexto diferente. Si es así, los modeladores deben dejar esto en claro.

Por ejemplo, algunas de las primeras estimaciones de cuántas camas de hospital y cuánta capacidad de cuidados intensivos se necesitarían para los pacientes con COVID-19 en los Estados Unidos se basaron en datos de China . Pero si los médicos estadounidenses usan estándares diferentes para hospitalizar a los pacientes que sus contrapartes en Wuhan, entonces los datos chinos tendrán una aplicabilidad limitada.

Los modelos usan datos para calcular resultados, por lo que es crucial saber de dónde provienen los datos. Imagen: medRxiv

Los formuladores de políticas a menudo deben hacer el mejor uso de los datos disponibles, a pesar de las debilidades en esos datos. Tener en cuenta estos defectos o defectos proporciona un contexto importante para las decisiones, y también destaca la urgencia de obtener mejores datos lo antes posible.

Finalmente, ¿qué tan inciertos son los resultados?

"Los modelos nunca pueden predecir el futuro a la perfección. Pero si se construyen con cuidado y se usan con humildad, pueden ser como telescopios en un barco bajo la lluvia".

Fijarse en un solo pronóstico sin poner el debido énfasis en su incertidumbre puede ser peligroso y costoso. Los modeladores, y los informes de noticias que se refieren a los modelos, deben comunicar claramente las fuentes y el alcance de cualquier incertidumbre. Al mismo tiempo, los encargados de formular políticas deben tratar de comprender el margen de error de un modelo y tenerlo en cuenta al tomar una decisión.

Dado que los encargados de la toma de decisiones confían en un torrente creciente de pronósticos sobre COVID-19 y otros temas importantes, es más importante que nunca que hagan preguntas sobre cómo se hicieron las proyecciones.

Los modelos nunca pueden predecir el futuro a la perfección. Pero si se construyen con cuidado y se usan con humildad, pueden ser como telescopios en un barco bajo la lluvia, proporcionando imágenes borrosas que nos ayudan a discernir lo que se avecina, para que podamos decidir si trazar un rumbo diferente y mejor. - Afreen Siddiqi y Kaveri Iychettira

[Crédito de la imagen: Dimitri Karastelev / Unsplash]