4 perguntas-chave que os formuladores de políticas devem fazer aos modeladores COVID-19

_ ** Este artigo foi escrito por Afreen Siddiqi, Pesquisador Cientista do MIT e Kaveri Iychettira, Pós-doutorado, Centro Belfer para Ciência e Assuntos Internacionais da Harvard Kennedy School. Foi publicado originalmente no Fórum Econômico Mundial. ** _

Os decisores estão confiando nas previsões do coronavirus para moldar a política, por isso é vital que perguntem como projeções foram feitas, escrevem dois cientistas. Do por que o modelo foi criado e quais dados foram usados, aqui estão quatro questões-chave.

Em 8 de abril, o governador de Nova York Andrew Cuomo anunciou que seu estado estava “achatando a curva” da pandemia COVID-19. Mas apenas duas semanas antes, vários modelos haviam projetado que o pico de hospitalizações em Nova York poderia ser várias vezes maior do que de fato acabou sendo.

Justapondo o número real de hospitalizações COVID-19 com essas projeções, Cuomo perguntou-se, “How do você chegou a uma curva real que é muito diferente do que aqueles especialistas previram? ”

"Quando um modelo é reaproveitado para investigar questões para as quais não foi originalmente planejado, os resultados serão tão bons quanto o alinhamento das questões e o design do modelo"

A pergunta de Cuomo resume o desafio que os tomadores de decisão enfrentam ao lidar com modelos preditivos. Quando os riscos são altos e as projeções baseadas em modelos são o guia principal, como os formuladores de políticas devem proceder?

É uma questão relevante não apenas durante uma pandemia. A crise financeira de 2008 destacou o poder (e os riscos) dos modelos econômicos e financeiros, e a confiança em tais ferramentas irá apenas continuar a crescer em uma era de big data e grande poder de computação. Como cientistas que constroem rotineiramente modelos para análise de políticas, propomos quatro perguntas que os tomadores de decisão devem fazer ao usar os resultados de tais modelos.

Primeiro, por que o modelo foi criado?

Cada modelo simplifica a realidade e as decisões de seu criador sobre o que simplificar (e como), o que incluir e o que deixar de fora são baseadas principalmente nas questões que o modelo foi construído para explorar. O propósito específico de um modelo orienta a escolha de equações matemáticas e métodos usados.

Quando um modelo é reaproveitado para investigar questões para as quais não foi originalmente planejado, os resultados serão tão bons quanto o alinhamento das questões e o design do modelo. Por exemplo, um modelo construído para estimar o uso de leitos hospitalares pode ser muito diferente de um modelo focado na compreensão da dinâmica da propagação de uma doença e as implicações políticas consequentes.

Em segundo lugar, quais são os principais pressupostos do modelo e são todos válidos para a situação em questão?

Não é apenas a questão para a qual um modelo foi projetado que importa. Por exemplo, alguns modelos epidemiológicos de doenças infecciosas pressupõem uma população fixa. Isso pode ser válido para algumas regiões, mas não para cidades onde um grande número de pessoas - infectadas ou saudáveis - entra e sai diariamente.

"Os formuladores de políticas precisam saber quais aspectos do mundo real um modelo assume como fixos"

Outras premissas podem estar relacionadas a quais aspectos do passado permanecerão os mesmos no futuro. Muitos modelos simplesmente fornecem um cenário de um futuro possível se as coisas seguirem o mesmo curso que seguiram anteriormente.

Essas análises são úteis porque mostram o que pode acontecer se não nos adaptarmos. Essas informações podem ajudar a galvanizar ações destinadas a evitar um futuro indesejável e criar outro mais atraente.

Nossas sociedades são dinâmicas e a maioria das pessoas responde constantemente a novas informações com vários graus de atraso. Como resultado, a própria introdução de uma previsão na esfera pública pode alterar uma trajetória futura.

Policymakers, por conseguinte, precisa saber quais aspectos do mundo real um modelo assume como fixos. Eles também devem perguntar como os resultados de um modelo mudam se algumas de suas premissas principais não são totalmente válidas para uma situação específica.

Terceiro, de onde vêm os dados que são inseridos no modelo e quão aplicáveis eles são no contexto atual?

"Os formuladores de políticas muitas vezes devem fazer o melhor uso dos dados disponíveis, apesar das deficiências desses dados"

Os modelos usam dados para calcular resultados específicos, portanto, é crucial saber de onde vêm esses dados e quão precisos eles são. Idealmente, os dados devem vir de fontes confiáveis, cobrir a região para a qual a política em questão está sendo considerada e estar o mais atualizados possível. Na realidade, os dados podem ser limitados, não muito granulares ou de um contexto diferente. Nesse caso, os modeladores devem deixar isso claro.

Por exemplo, algumas das primeiras estimativas de quantos leitos hospitalares e quanta capacidade de terapia intensiva seriam necessários para [COVID-19](https://apolitical.co/en/solution_article/coronavirus-how-governments-can- combater o infodêmico) nos Estados Unidos foram baseados em dados da China. Mas se os médicos americanos usarem padrões diferentes para a hospitalização de pacientes do que os de Wuhan, os dados chineses terão aplicabilidade limitada.

Os modelos usam dados para calcular os resultados, por isso é crucial saber de onde vêm os dados. Imagem: medRxiv

Os formuladores de políticas geralmente devem fazer o melhor uso dos dados disponíveis, apesar das deficiências desses dados. A devida observação de tais falhas ou deficiências fornece um contexto importante para as decisões e também destaca a urgência de obter melhores dados o mais rápido possível.

Finalmente, quão incertos são os resultados?

"Os modelos nunca podem prever o futuro perfeitamente. Mas, se construídos com cuidado e usados com humildade, podem ser como telescópios em um navio na chuva"

Fixar em uma única previsão sem colocar a devida ênfase em sua incerteza pode ser perigoso e caro. Os modeladores e notícias referentes a modelos devem comunicar claramente as fontes e extensões de quaisquer incertezas. Ao mesmo tempo, os formuladores de políticas devem buscar entender a margem de erro de um modelo e ter isso em mente ao tomar uma decisão.

Com os tomadores de decisão contando com uma torrente crescente de previsões sobre COVID-19 e outras questões importantes, é mais importante do que nunca que eles façam perguntas sobre como as projeções foram feitas.

Os modelos nunca podem prever o futuro perfeitamente. Mas, se construídos com cuidado e usados com humildade, podem ser como telescópios em um navio na chuva - fornecendo imagens borradas que nos ajudam a discernir o que pode estar à frente, para que possamos decidir se traçamos um curso diferente e melhor. - Afreen Siddiqi e Kaveri Iychettira

\ [Crédito da imagem: Dimitri Karastelev / Unsplash ]