Oferecido por
Os últimos 20 meses nos transformaram em epidemiologistas amadores e especialistas em estatística. Enquanto isso, um grupo de epidemiologistas e estatísticos de verdade passou a acreditar que os problemas da pandemia poderiam ser resolvidos de forma mais eficaz adotando a mentalidade de um engenheiro: isto é, concentrando-se em soluções pragmáticas para os problemas, com uma estratégia baseada em repetição e adaptação para fazer as coisas funcionarem.
Em um ensaio recente, “Accounting for uncertainty during a pandemic” (“Contabilizando a incerteza durante uma pandemia”, em tradução livre), os pesquisadores refletem sobre seus papéis durante uma emergência de saúde pública e como poderiam se preparar melhor para a próxima crise. A resposta, eles escrevem, poderia ser repensar a epidemiologia com uma perspectiva mais de engenharia e menos “ciência pura”.
As políticas de saúde pública, e sua responsabilidade de prevenir e proteger, se baseiam na pesquisa epidemiológica. Entretanto, durante a pandemia, o equilíbrio ideal entre resultados de pesquisa pura e soluções pragmáticas se mostrou assustadoramente elusivo.
Temos que tomar decisões práticas, então o quanto a incerteza realmente importa?
Seth Guikema
“Sempre imaginei que, nesse tipo de emergência, os epidemiologistas seriam pessoas úteis”, diz Jon Zelner, coautor do ensaio. “Mas nosso papel foi mais complexo e mal definido do que eu esperava no início da pandemia”. Modelador de doenças infecciosas e epidemiologista social da Universidade de Michigan (EUA), Zelner testemunhou uma “proliferação insana” de trabalhos de pesquisa, “muitos dos quais não levaram em consideração o que realmente significavam em termos de causar um impacto positivo”.
“Houve uma série de oportunidades perdidas”, diz Zelner, causadas pela falta de vínculos entre as ideias e ferramentas propostas pelos epidemiologistas e o mundo que deveriam ajudar.
Desistindo da certeza
O coautor Andrew Gelman, estatístico e cientista político da Universidade de Columbia (EUA), definiu o “panorama geral” na introdução do ensaio. Ele comparou a eclosão de epidemiologistas amadores da pandemia ao modo como a guerra transforma cada cidadão em um geógrafo e tático amador: “Em vez de mapas com alfinetes coloridos, temos gráficos de exposição e contagem de mortes; as pessoas nas ruas discutem sobre as taxas de mortalidade por infecção e imunidade de rebanho da mesma forma que possivelmente debateriam estratégias e alianças durante as guerras do passado”.
Junto a todos os dados e discurso público veio a enxurrada de incertezas: as máscaras ainda são necessárias? Quanto tempo vai durar a proteção da vacina?
Na tentativa de entender o que aconteceu e o que deu errado, os pesquisadores (que também incluíam Ruth Etzioni da Universidade de Washington (EUA) e Julien Riou da Universidade de Berna, na Suíça) realizaram uma espécie de reencenação. Eles examinaram as ferramentas usadas para lidar com desafios como estimar a taxa de transmissão de pessoa para pessoa e o número de casos que circulam em uma população em um determinado momento. Avaliaram tudo, desde a coleta de dados (a qualidade dos dados e sua interpretação foram, sem dúvida, os maiores desafios da pandemia) até o design do modelo e a análise estatística, bem como a comunicação, a tomada de decisões e a confiança. “A incerteza está presente em cada etapa”, escreveram eles.
No entanto, Gelman reconhece: “[A análise ainda] não reflete suficientemente a confusão pela qual passei durante aqueles primeiros meses”.
As estatísticas são uma tática contra todas as incertezas. Gelman pensa em estatísticas como “engenharia matemática”, métodos e ferramentas que tratam tanto de medição quanto de descoberta. As ciências estatísticas tentam iluminar o que está acontecendo no mundo, com foco na variação e incerteza. Quando uma nova evidência chega, ela deve gerar um processo iterativo que refina gradualmente o conhecimento anterior e aprimora a certeza.
A boa ciência é humilde e capaz de se refinar diante da incerteza.
Marc Lipsitch
Susan Holmes, uma estatística de Stanford (EUA) que não esteve envolvida nesta pesquisa, também vê paralelos com a mentalidade da engenharia. “Um engenheiro está sempre atualizando seus pontos de vista”, diz ela, revisando-os conforme novos dados e ferramentas se tornam disponíveis. Ao lidar com um problema, um engenheiro oferece uma aproximação de primeira ordem (desfocada), depois uma aproximação de segunda ordem (mais focada) e assim por diante.
Gelman, por outro lado, advertiu previamente que a ciência estatística poderia ser usada como uma máquina para “encobrir a incerteza”, deliberadamente ou não, dados de baixa qualidade (incertos) são reunidos e tornados convincentes (verdadeiros). As estatísticas usadas contra as incertezas “são muitas vezes vendidas como uma espécie de alquimia que transformará essas incertezas em certezas”.
Testemunhamos isso durante a pandemia. Assoberbados por alvoroços e incertezas, epidemiologistas e estatísticos, tanto amadores quanto especialistas, buscavam por qualquer tipo de certeza. Mas, como Gelman aponta, querer certeza durante uma pandemia é inapropriado e irreal. “A certeza prematura tem sido parte do desafio das decisões na pandemia”, diz ele. “Esse salto entre a incerteza e a certeza causou muitos problemas”.
Abandonar o desejo de certeza pode ser libertador, diz ele. E é aqui, em parte, que entra a perspectiva da engenharia.
Uma mentalidade de ajustes
Para Seth Guikema, codiretor do Centro de Engenharia de Análise de Risco e Decisão Informada da Universidade de Michigan (e colaborador de Zelner em outros projetos), um aspecto fundamental da abordagem da engenharia é mergulhar na incerteza, analisar a bagunça, e, em seguida, dar um passo para trás, com a mentalidade de que “Temos que tomar decisões práticas, então o quanto a incerteza realmente importa?” Porque se há muita incerteza, e se ela muda nossa opinião de quais são as decisões ideais, ou mesmo quais são boas, então isso é informação importante, diz Guikema. “Mas se isso realmente não afeta quais são as melhores decisões, então não é tão crítico”.
Por exemplo, expandir o programa de vacinação contra o SARS-CoV-2 é uma situação em que, mesmo que haja alguma incerteza sobre quantos casos ou mortes a vacinação irá prevenir, a alta probabilidade de diminuir ambos, com poucos efeitos adversos, é motivação suficiente para decidir que um programa de vacinação em grande escala é uma boa ideia.
Um engenheiro está sempre atualizando seus pontos de vista.
Susan Holmes
Os engenheiros, observa Holmes, também são muito bons em dividir os problemas em partes críticas, aplicando ferramentas cuidadosamente selecionadas e otimizando-as para alcançar soluções sob restrições. Com uma equipe de engenheiros construindo uma ponte, há um especialista em cimento e um especialista em siderurgia, um engenheiro eólico e um engenheiro estrutural. “Todas as diferentes especialidades trabalham juntas”, diz ela.
Para Zelner, a noção de epidemiologia como uma disciplina de engenharia é algo que ele aprendeu com seu pai, um engenheiro mecânico que abriu sua própria empresa de projetos de instalações sanitárias. Inspirado em uma infância cheia de construção e conserto de coisas, sua mentalidade de engenharia envolve ajustes como por exemplo o refinamento de um modelo de transmissão em resposta a um alvo em movimento.
“Frequentemente, esses problemas exigem soluções repetitivas, em que são feitas mudanças em resposta ao que funciona ou não”, diz ele. “Continuamos atualizando o que fazemos à medida que mais dados chegam e vemos os sucessos e fracassos da abordagem. Para mim, isso é muito diferente (e mais adequado aos problemas complexos e variáveis que definem a saúde pública) da imagem estática e absoluta que muitas pessoas têm da ciência acadêmica, onde pegamos uma grande ideia, fazemos testes e preservamos seu resultado em âmbar para sempre”.
Zelner e colaboradores da universidade passaram muitos meses construindo um site de mapeamento de Covid-19 para Michigan e ele se envolveu na criação de painéis de dados, ferramentas úteis para consumo público. Mas, no processo, ele viu uma crescente incompatibilidade entre as ferramentas formais e o que era necessário para a tomada de decisão prática e informada em meio a uma crise em rápida evolução. “Sabíamos que uma pandemia aconteceria um dia, mas eu certamente não tinha pensado em qual seria ou poderia ser meu papel”, diz ele. “Passamos vários meses agonizantes só inventando coisas, tentando fazer algo que nunca tínhamos feito antes e percebendo que não tínhamos experiência em fazer isto”.
Ele vê os resultados da pesquisa aparecendo não apenas como obrigações do tipo “as pessoas deveriam fazer isso!” mas também com software acessível que permita que outros mexam nas ferramentas. Contudo, ele diz que os epidemiologistas, em sua maioria, fazem pesquisas, e não desenvolvimento: “Nós escrevemos software, e geralmente é muito ruim, mas dá conta do recado. Então escrevemos o artigo e aí cabe a outra pessoa, uma outra pessoa imaginária, torná-lo útil no contexto mais amplo. Só que isso nunca acontece. Vimos essas falhas no contexto da pandemia”.
Ele imagina o equivalente a um centro nacional de previsão do tempo para doenças infecciosas. “Existe um mundo onde todos os números relacionados a Covid-19 vão para um lugar central”, diz ele. “Onde existe um modelo que é capaz de combinar essas informações de forma coerente, gerar previsões acompanhadas de representações bastante precisas da incerteza e dizer algo inteligível e relativamente útil em um cronograma bastante curto”.
No início da pandemia, essa infraestrutura não existia. Mas recentemente, houve sinais de progresso.
Ciência da saúde pública em rápida evolução
Marc Lipsitch, epidemiologista de doenças infecciosas em Harvard (EUA), é o diretor de ciência do novo Center for Forecasting and Outbreak Analytics, do Centro de Controle de Doenças dos EUA, que visa melhorar a tomada de decisões e permitir uma resposta coordenada e coerente a uma pandemia à medida que ela se desenvolve.
“No momento, não somos muito bons em previsões de doenças infecciosas. Na verdade, somos muito ruins nisso”, diz Lipsitch. Mas éramos muito ruins com a previsão do tempo quando ela começou nos anos 50, observa ele. “Então a tecnologia, a metodologia, a medição e a computação melhoraram. Com investimento de tempo e esforço científico, podemos melhorar as coisas”.
Melhorar as previsões faz parte da visão inovadora do centro. Outro objetivo é a capacidade de fazer estudos específicos para responder a perguntas específicas que surgem durante uma pandemia e, em seguida, produzir software analítico personalizado para fornecer respostas oportunas nos níveis nacional e local.
Esses esforços estão em sincronia com a noção de uma abordagem mais focada na engenharia, embora Lipsitch a chame simplesmente de “ciência da saúde pública em rápida evolução”.
“A boa ciência é humilde e capaz de se refinar diante da incerteza”, diz ele. “Os cientistas estão bastante acostumados com a ideia de atualizar a percepção da verdade, geralmente em uma escala de tempo mais longa, de anos ou décadas”. Entretanto, durante uma crise, a atualização precisa acontecer rapidamente. “Fora das pandemias, os cientistas não estão acostumados a mudar muito nossa imagem do mundo a cada semana ou mês”, diz ele. “Mas especialmente nesta pandemia, com a velocidade de novos desenvolvimentos e novas informações, estamos tendo que fazer isso”.
A filosofia do novo centro, segundo Lipsitch, “é melhorar a tomada de decisões em condições de incerteza, reduzindo-a com melhores análises e dados, mas também reconhecendo o que não se sabe e comunicando isso com clareza, bem como suas consequências”.
E ele observa: “Vamos precisar de muitos engenheiros para fazer isso funcionar, e da abordagem da engenharia, com certeza.”
MIT Technology Review
