** Este artigo foi escrito por Anup Malani, professor da Faculdade de Direito e Faculdade de Medicina da Universidade de Chicago e Diretor do International Innovation Corps; Luis Bettencourt, professor de Ecologia e Evolução e Diretor do Instituto Mansueto da Universidade de Chicago; Jonathan Gruber, professor do Departamento de Economia do MIT; Vaidehi Tandel, economista do Instituto IDFC; e Satej Soman, pesquisador da Universidade de Chicago. **
Enquanto os casos da Covid-19 na Índia ultrapassam a marca de um milhão e várias partes do país estão experimentando um ressurgimento, os governos estaduais reinstituíram [em todo o estado](https://www.hindustantimes.com/india-news/bihar-goes -under-lockdown-from-today-what-occur-open-what-will-close / story-6vC45PVrU5DIu6uivfA9sK.html) e [em toda a cidade](https://www.livemint.com/news/india/strict- diretrizes-emitidas-para-7-dias-bengaluru-bloqueio-para-conter-covid-19-11594654691755.html) medidas de bloqueio. As decisões relativas à localização e duração de tais políticas podem ser tomadas de forma eficaz por meio de uma abordagem conhecida como controle adaptativo.
Para entender a lógica por trás do controle adaptativo, é útil pensar no controle de infecções como uma atividade com a qual estamos familiarizados: dirigir um carro. Ao dirigir, você tem dois objetivos básicos - manter sua velocidade e evitar obstáculos. Essas metas são análogas a manter a taxa reprodutiva de Covid (ou seja, quantas pessoas uma pessoa infectada infecta) abaixo de um e a desacelerar a atividade econômica em caso de surtos.
Ao dirigir, você evita ações extremas. Você raramente “pisa no pedal”, o que é o mesmo que permitir o abandono de todo distanciamento social. Da mesma forma, você tenta não pisar nos freios, o que, semelhante ao bloqueio total, provavelmente significa que algo deu terrivelmente errado ou que havia um obstáculo na estrada. Em vez disso, você deseja ficar de olho no painel. Quando sua velocidade sobe acima do limite de velocidade, você toca nos freios. Quando cai abaixo de sua meta, você bate no acelerador.
O controle adaptativo é uma ferramenta que pode permitir que países, estados ou cidades controlem as taxas de infecção - por meio de políticas como o distanciamento social voluntário - ao mesmo tempo que permite níveis modestos de atividade econômica.
** Controle adaptativo: os três princípios **
O controle adaptativo não é uma nova técnica sofisticada. Nossa abordagem se baseia em lições de versões anteriores de bloqueio na Índia. A Índia anunciou um bloqueio nacional em 24 de março (conhecido como Lockdown 1.0), um dos fechamentos mais severos em todo o mundo. A mobilidade, medida pelos relatórios de mobilidade do Google, caiu 40%. Essa política nos ensinou o quanto podemos realmente pisar no freio, se necessário. No entanto, essa política era economicamente muito cara, especialmente para os trabalhadores pobres e com salário diário.
Em 21 de abril, o governo da Índia anunciou o Lockdown 2.0, que permitiu que alguns estados relaxassem os controles em certos lugares. O Lockdown 3.0 introduziu a ideia de que algumas áreas são mais arriscadas do que outras e o governo então calibrou os bloqueios de acordo com o risco local. Ambos são elementos importantes do controle adaptativo - os dados da Covid permitem que as autoridades determinem o quão arriscadas as diferentes áreas são e podem, então, criar políticas para responder a esses riscos.
Então, em 17 de maio, o Ministério do Interior anunciou o Lockdown 4.0, que permitia aos estados assumirem o volante. Isso facilita o equilíbrio entre o risco de infecção local e o impacto econômico local. O controle adaptativo fornece orientação sobre como fazer isso.
O controle adaptativo tem três princípios básicos. Primeiro, defina um alvo claro. A meta pode estar parcialmente relacionada à Covid, por exemplo, uma meta pode ser reduzir a taxa reprodutiva abaixo de 1 ou garantir que as mortes sejam estagnadas ou diminuindo. A meta pode estar relacionada à capacidade de saúde, como a proporção de leitos hospitalares para internações. Alternativamente, também pode ser uma atividade econômica: permitir o máximo de atividade consistente com essa meta relacionada à Covid.
Definir metas claras ajuda as autoridades a entender o que precisam alcançar para abrir as economias. Isso facilita a coordenação entre os funcionários e a população. Ao anunciar metas, torna-se previsível a resposta futura do governo ao comportamento das pessoas. Também permite que o público saiba avaliar a importância de seu distanciamento social. Metas claras também aumentam a legitimidade das políticas de bloqueio, que podem ser politicamente impopulares.
A santidade dos dados que o governo usa também é importante para a adesão. Ao definir metas, o governo deve contabilizar incentivos para manipular dados. Se a meta for o nível de casos da Covid, os funcionários podem ter um incentivo para não fazer o teste para a Covid. Uma política melhor é usar uma combinação de taxas de teste e taxas de mortalidade. Quando os funcionários precisam cumprir as taxas de teste, eles têm mais dificuldade em esconder casos sem olhar. Além disso, é mais difícil para os funcionários suprimir o relato de mortes do que de casos.
O segundo princípio é ajustar gradualmente as políticas de distanciamento social para atingir a meta. O bloqueio ou a liberação completa de todas as restrições são extremos. Eles podem ser potencialmente prejudiciais. O bloqueio foi difícil, especialmente para os pobres, que têm menos economias para sacar para sobreviver meses sem renda. A liberação total pode fazer com que a doença reapareça, meramente adiando a curva de infecções em vez de achatá-la. Mudanças menores - revisitadas a cada uma a três semanas - permitem que o governo aprenda melhor como as políticas afetam as taxas de doenças e os níveis de emprego e calibrar sua resposta de forma adequada.
O terceiro princípio é tomar decisões no distrito e talvez no nível municipal. As políticas locais permitem que os governos equilibrem o risco de infecção, que varia entre as áreas, contra a perda de negócios.
A precisão com que eles podem calibrar as políticas depende do nível em que as restrições de viagem podem ser aplicadas ou da capacidade de controlar o movimento de pessoas. Uma vantagem da formulação de políticas locais é que, se houver um surto em uma área, ele pode ser isolado enquanto outras áreas podem continuar funcionando.
** Superando desafios **
Embora o controle adaptativo possa parecer senso comum, sua implementação requer cuidado. É importante definir metas claras e ponderadas e prestar atenção em como a população responde às diferentes políticas. Como a Índia não tem muita experiência com distanciamento social, ela precisa aprender como regras diferentes afetam a mobilidade e as doenças.
Outro desafio é saber quais políticas controlam as taxas de infecção e a que custo em termos de ganhos econômicos.
Duas coisas complicam as coisas. Em primeiro lugar, não é óbvio quais políticas funcionarão. Considere, por exemplo, limitar o horário de funcionamento da loja. Isso parece limitar a atividade, mas limitar o horário não reduz o número de pessoas que querem fazer compras na loja. Como resultado, é provável que haja mais pessoas na loja ao mesmo tempo, o que pode aumentar o contato e, portanto, as infecções.
Em segundo lugar, há um intervalo entre o momento em que as políticas são aprovadas e quando afetam a doença e um intervalo entre as datas de infecção e morte. Examinar as infecções ou mortes atuais para decidir as políticas pode levar a erros. Pode-se subestimar ou superestimar os casos que estão realmente ocorrendo quando a política finalmente tem impacto sobre os casos. Em vez disso, os governos devem projetar o que acontecerá com os casos em uma semana ou mortes em duas semanas para determinar quais mudanças precisam ser feitas hoje.
Nossas simulações sugerem que o controle adaptativo pode beneficiar a maioria dos estados indianos - alguns estados mais do que outros. As simulações são baseadas em um modelo epidemiológico quantitativo denominado modelo suscetível-infectado-recuperado (SIR). Modificamos este modelo para permitir compartimentos separados para cada estado indiano e para a migração entre estados. Os detalhes são fornecidos neste artigo (https://www.nber.org/papers/w27532). As figuras abaixo fornecem exemplos simulados para os estados de Maharashtra, que tem o maior número de casos confirmados, e Karnataka.
Em ambos os estados, simulamos o que aconteceria em 90 dias se os estados usassem o controle adaptativo para manter a taxa reprodutiva abaixo de 1 em vez de permitir todas as atividades. Maharashtra experimentaria uma redução rápida na infecção por Covid (conforme visto pela linha laranja), enquanto Karnataka veria inicialmente um aumento nos casos, mas uma redução ao longo do tempo.
A razão é simples: com o controle adaptativo, os estados têm uma escolha. Eles sempre podem escolher a atividade ao invés do controle da infecção ou vice-versa, dependendo do que for melhor.
O que o controle adaptativo fornece é uma estrela do norte para orientar os estados. As decisões são menos ad hoc e mais transparentes. Tanto os governos quanto seus cidadãos podem ter certeza disso. _ – _ _Bettencourt, Gruber, _ _Malani _ **, ** Soman, Tandel
Esta equipe vem aconselhando estados sobre o controle de infecções. Os autores agradecem a Reuben Abraham pelo feedback.
_ (Crédito da imagem: Unsplash) _
Certifique-se de partilhar as suas próprias ideias com o autor ao deixar um comentário abaixo
Inicie sessão ou registe-se para continuar a conversa