Los últimos 20 meses nos convirtieron a todos en epidemiólogos aficionados y expertos en estadística. Por otro lado, un grupo de verdaderos epidemiólogos y especialistas en estadística empezó a pensar que los problemas pandémicos podrían resolverse de manera más efectiva adoptando la actitud de un ingeniero: es decir, centrándose en la resolución pragmática de problemas con una estrategia iterativa y adaptativa para que las cosas funcionen.

En un reciente ensayo, Explicar la incertidumbre durante la pandemia, los investigadores reflexionan sobre su papel durante una emergencia de salud pública y sobre cómo podrían prepararse mejor para la próxima crisis. La respuesta, escriben, podría consistir en replantear la epidemiología con una perspectiva más de ingeniería y menos de "ciencia pura".

La investigación epidemiológica orienta las políticas de salud pública y su misión inherentemente aplicada para la prevención y protección. Pero, durante la pandemia, el equilibrio entre los resultados de la investigación pura y las soluciones pragmáticas resultó alarmantemente vago.

Debemos tomar decisiones prácticas, así que ¿cuánto importa realmente la incertidumbre? Seth Guikema.

El modelador de enfermedades infecciosas, epidemiólogo social de la Universidad de Michigan (EE. UU.) y coautor del ensayo Jon Zelner explica: "Siempre imaginé que, en este tipo de emergencia, los epidemiólogos resultarían útiles. Pero nuestro papel ha sido más complejo y ha estado peor definido de lo que esperaba al inicio de la pandemia". Él fue testigo de una "proliferación loca" de artículos de investigación, "muchos de los cuales no consideraban tanto lo que realmente significaban en términos de conseguir un impacto positivo".

"Hubo una serie de oportunidades perdidas", señala Zelner, causadas por la falta de vínculos entre las ideas y las herramientas propuestas por los epidemiólogos y el mundo al que iban a ayudar.

Renunciar a la certeza

Otro coautor, el experto en estadística y politólogo de la Universidad de Columbia (EE. UU.) Andrew Gelman, expuso "el panorama general" en la introducción del ensayo. Comparó el brote de epidemiólogos aficionados de la pandemia con cómo la guerra convierte a cada ciudadano en geógrafo aficionado y estratega: "En vez de mapas con alfileres de colores, tenemos gráficos de exposición y recuentos de muertes; la gente en la calle discute sobre las tasas de mortalidad por infección y la inmunidad colectiva de la misma manera en la que habrían debatido las estrategias y alianzas en tiempos de guerra".

Con todos los datos y un discurso público del tipo: ¿siguen siendo necesarias las mascarillas? ¿Cuánto tiempo durará la protección de la vacuna?, vino el aluvión de la incertidumbre.

Al tratar de comprender qué ha sucedido de suceder y qué salió mal, los investigadores (que también incluyen a la experta en bioestadística de la Universidad de Washington (EE. UU.) Ruth Etzioni y al investigador de la Universidad de Berna (Suiza) Julien Riou) llevaron a cabo una especie de recreación. Examinaron las herramientas utilizadas para abordar los desafíos como la estimación de la tasa de transmisión de una persona a otra y el número de casos que circulan en una población en un momento dado. Evaluaron desde la recopilación de datos (la calidad de información y su interpretación fueron posiblemente los mayores desafíos de la pandemia) hasta el diseño de modelos y el análisis estadístico, así como la comunicación, la toma de decisiones y la confianza. "La incertidumbre está presente en cada paso", escribieron.

Sin embargo, Gelman reconoce: "[El análisis todavía] no refleja lo suficiente la confusión por la que pasé durante esos primeros meses".

Una estrategia contra cualquier tipo de incertidumbre reside en las estadísticas. Gelman considera la estadística como "ingeniería matemática": los métodos y herramientas que tienen tanto que ver con la medición como con el descubrimiento. Las ciencias estadísticas intentan esclarecer lo que ocurre en el mundo, con un foco en la variación y la incertidumbre. Cuando llega nueva evidencia, debería generar un proceso iterativo que refine gradualmente el conocimiento previo y perfeccione la certeza.

La buena ciencia es humilde y capaz de perfeccionarse ante la incertidumbre, Marc Lipsitch.

La especialista en estadística de la Universidad de Stanford (EE. UU.) que no participó en esta investigación Susan Holmes, también ve paralelismos con la ingeniería, y afirma: "Un ingeniero siempre actualiza su visión", revisándola a medida que aparecen nuevos datos y herramientas. Para abordar un problema, un ingeniero ofrece una aproximación de primer nivel (borrosa), luego otra aproximación de segundo nivel (más enfocada), y así sucesivamente.

Gelman, en cambio, advirtió previamente que la ciencia estadística se podía utilizar como una máquina para "blanquear la incertidumbre"; deliberadamente o no, los datos de mala calidad (inciertos) se juntan y se convierten en convincentes (ciertos). Las estadísticas utilizadas contra las incertidumbres "se venden con demasiada frecuencia como una especie de alquimia que transformará estas incertidumbres en certezas", añade.

Fuimos testigos de esto durante la pandemia. Los epidemiólogos y expertos en estadística, tanto aficionados como expertos, inundados por el alboroto y las incógnitas, se aferraron a 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. Navegar entre la incertidumbre y la certeza ha causado muchos problemas", advierte.

En su opinión, dejar de lado el deseo de certeza puede ser liberador. Y es ahí, en parte, donde entra la ingeniería.

Reajustes constantes

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

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

Un ingeniero siempre actualiza su visión, Susan Holmes.

Los ingenieros, señala Holmes, también son muy buenos a la hora de dividir los problemas en piezas críticas, en aplicar las 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.

Para Zelner, la noción de la epidemiología como una disciplina de ingeniería es algo que aprendió de su padre, un ingeniero mecánico que fundó su propia empresa de diseño de instalaciones sanitarias. A partir de su infancia llena de construcción y reparación de cosas, su mentalidad de ingeniería se basa en los retoques y ajustes: perfeccionar un modelo de transmisión, por ejemplo, en respuesta a un objetivo en movimiento.

Y detalla: "A menudo, estos problemas requieren soluciones iterativas, en las que se realizan cambios en respuesta a lo que funciona o no. Hay que seguir actualizando lo que se hace a medida que se reciben más datos y se ven los éxitos y los fallos del enfoque. Para mí, eso es muy diferente (y se adapta mejor a los problemas complejos y no fijos que definen la salud pública) al tipo de la imagen estática y específica que mucha gente tiene de la ciencia académica, donde hay una gran idea que se prueba y su resultado se conserva en ámbar para siempre".

Zelner y sus colaboradores de la universidad pasaron muchos meses construyendo un sitio web de mapas de COVID-19 para Michigan, y participó en la creación de los paneles de datos, herramientas útiles para el consumo público. Pero en el proceso, notó un creciente desajuste entre las herramientas oficiales y lo que se necesitaba para orientar la toma de decisiones prácticas en una crisis de rápida evolución. El experto continúa: "Sabíamos que algún día ocurriría una pandemia, pero desde luego que yo no había pensado cuál sería mi papel. Pasamos varios meses agonizantes simplemente inventándolo, intentando hacer algo que nunca habíamos hecho y dándonos cuenta de que no teníamos experiencia en llevarlo a cabo".

Concibe los resultados de investigación que aparecen no solo como obligaciones del tipo: "¡La gente debería hacer esto!", sino también con un software accesible que permite a otros trabajar con las herramientas. Pero, en su mayor parte, según Zelner, los epidemiólogos investigan, no desarrollan. Y añade: "Escribimos el software y, por lo general, es bastante malo, pero cumple con la tarea. Y luego escribimos el artículo, y después depende de otra persona, alguna nueva idea, que sea útil en un contexto más amplio. Y eso nunca sucede. Hemos visto estos fracasos en el contexto de la pandemia".

Para Zelner, el equivalente sería un centro nacional de pronóstico meteorológico para las enfermedades infecciosas. "Hay un mundo en el que todos los números de la COVID-19 van a un lugar central. Donde hay un modelo capaz de combinar coherentemente esa información, generar predicciones acompañadas de descripciones bastante precisas de la incertidumbre y decir algo inteligible y relativamente procesable en un tiempo bastante ajustado", señala.

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

Ciencia de la salud pública en rápido movimiento

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

El responsable admite: "No somos muy buenos pronosticando enfermedades infecciosas en la actualidad. De hecho, somos bastante malos". Pero señala que también éramos bastante malos pronosticando el tiempo cuando comenzó en la década de 1950. "Y luego la tecnología mejoró, la metodología mejoró, la medición mejoró, la computación mejoró. Con la inversión de tiempo y esfuerzo científico, se pueden mejorar las cosas", añade.

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

Estos esfuerzos están en sintonía con la noción de un enfoque de ingeniería, aunque Lipsitch lo denomina simplemente como "ciencia de la salud pública en rápido movimiento".

El responsable explica: "La buena ciencia es humilde y capaz de perfeccionarse ante la incertidumbre. Los científicos, generalmente en una escala de tiempo más larga, de años o décadas, están bastante acostumbrados a la idea de actualizar nuestra imagen de la verdad". Pero durante una crisis, la actualización se debe realizar rápidamente. Y añade: "Fuera de las pandemias, los científicos no están acostumbrados a cambiar tanto la imagen del mundo cada semana o cada mes. Pero, especialmente en esta pandemia, con la velocidad de los nuevos desarrollos y la nueva información, tenemos que hacerlo".

La filosofía del nuevo centro, según Lipsitch, "es mejorar la toma de decisiones en condiciones de incertidumbre, reduciendo esa incertidumbre con mejores análisis y datos, pero también reconociendo lo que no se sabe y comunicándolo con claridad junto con sus consecuencias".

Y concluye: "Vamos a necesitar muchos ingenieros para que esto funcione, y para el enfoque de ingeniería, seguro".