În 2020, modelele matematice au devenit celebre. Dar când predicțiile nu s-au adeverit, încrederea s-a prăbușit. Ce am greșit și cum ne putem pregăti mai bine pentru viitor?

În primele luni ale anului 2020, o nouă categorie de cifre a început să domine briefingurile guvernamentale și titlurile din presă. Nu mai era vorba doar de cazuri zilnice sau de internări în spitale, ci de grafice care promiteau să arate viitorul: când va atinge apogeul valul COVID-19, câte paturi ATI vor fi necesare, când vom fi din nou în siguranță.

Dar, treptat, predicțiile nu s-au mai potrivit cu realitatea. Unele modele susțineau că pericolul a trecut-doar pentru a fi contrazise de noile valuri. Altele preconizau dezastre care nu s-au produs. Încrederea publicului, inițial întărită de certitudinea aparentă a științei, a început să se clatine.

Nu lipsa de inteligență, ci un sistem defect

Un studiu recent, publicat pe Preprints.org, încearcă să ofere un răspuns. Cercetarea a fost remarcată de experții în modelare a bolilor infecțioase din rețeaua MIDAS (Models of Infectious Disease Agent Study).

Concluzia? Eșecul nu a fost cauzat de intenții rele sau de lipsă de cunoștințe.

"Modelele nu au eșuat pentru că oamenii nu au fost destul de inteligenți. Au eșuat pentru că sistemul din jurul lor era defect", afirmă autorii studiului.

Un alt studiu, citat în raport, arată că două treimi din modelele folosite de CDC în SUA nu au reușit să fie mai performante decât o proiecție simplă, liniară, statică.

Problema nu a fost matematica. Au fost... datele

Una dintre primele lecții în modelarea computațională este celebra expresie: "garbage in, garbage out". Dacă datele introduse sunt greșite, rezultatele vor fi, inevitabil, la fel.

În pandemie, datele au fost raportate cu întârziere, au fost incomplete sau chiar imposibile statistic. De exemplu, unele surse arătau internări mai recente decât totalul general-ceea ce nu este logic. Datele despre testare erau lacunare, iar cronologia eliminării virusului din organism era neclară.

"Cum poți modela un virus când nici măcar faptele de bază despre el-cât timp e contagios, câți mor-nu sunt clare, nici la luni distanță?", întreabă retoric cercetătorii.

E ca și cum ai încerca să faci o hartă a orașului cu ochii legați, doar după sunetul pașilor de la distanță.

Chiar și cu date limitate, deciziile ar fi putut fi mai bune dacă modelele ar fi fost folosite altfel. Jacob Barhak, unul dintre autorii studiului, propune o abordare alternativă: modelul de referință pentru progresia bolii, bazat pe tehnica ensemble.

Nu un singur model perfect, ci un ansamblu de modele care rulează în paralel, fiecare cu presupunerile, punctele forte și limitele sale.

"Ideea era simplă: lăsați modelele să se certe, să concureze și să colaboreze", explică Barhak.

Modele matematice vs. realitate clinică. Ce ne-a învățat pandemia de COVID - FOTO: [email protected]

De la știință la slogan: cum s-a pierdut încrederea

Cea mai dură lecție? Eșecul a fost și unul cultural. Modelele au fost greșit înțelese-de guverne, de presă și chiar de unii oameni de știință.

"Am împins predicțiile în spațiul public cu presupunerea că vor aduce claritate. Dar, adesea, au adus confuzie. Modelele au fost tratate ca adevăr absolut, apoi aruncate când n-au livrat. Încrederea este fragilă. Iar odată pierdută, niciun model nu o poate repara", spun autorii.

Avem nevoie de un alt tip de pregătire

Ce ne trebuie pentru viitor? Nu doar un model mai bun, ci o cultură mai sănătoasă a modelării.

Autorii propun:

- Standardizarea colectării de date între state și județe;

- Estimarea timpurie și publicarea parametrilor esențiali (curbe de contagiozitate, rate de transmitere, profiluri de mortalitate);

- Simulări în timp real, actualizate constant;

- Prioritizarea modelelor de ansamblu în locul celor unice.

Simulări și "jocuri de război" epidemiologice

Autorii propun ca, asemenea armatei care organizează exerciții de luptă și securității cibernetice care derulează atacuri simulate, și sănătatea publică să organizeze:

- simulări periodice

- exerciții de criză

- sesiuni intensive de lucru de testare a sistemelor.

Acestea ar trebui susținute de baze de date centralizate, care combină informații clinice și epidemiologice, și de o infrastructură digitală capabilă să susțină simulări de mari dimensiuni din prima zi a unei crize.

Viitorul virus va veni. Dar nu trebuie să ne ia prin surprindere. Concluzia studiului este clară, potrivit cercetătorilor.

"Următorul virus va veni. Dar nu trebuie să ne prindă nepregătiți. Dacă suntem sinceri cu privire la ce a mers prost-și destul de curajoși să schimbăm modul în care gândim-am putea fi, în sfârșit, pregătiți data viitoare", spun cercetătorii.

  Fiți la curent cu ultimele noutăți. Urmăriți DCMedical și pe Google News

Te-a ajutat acest articol?

Urmărește pagina de Facebook DCMedical și pagina de Instagram DCMedical Doza de Sănătate și accesează mai mult conținut util pentru sănătatea ta, prevenția și tratarea bolilor, măsuri de prim ajutor și sfaturi utile de la medici și pacienți.