"Cuando hay que investigar en periodo de emergencia se trabaja con datos limitados, con muchas suposiciones, la información es cambiante y el trabajo debe ser práctico", así lo explicaba este miércoles Jaime Pinilla, ingeniero industrial y profesor de Métodos Cuantitativos en Economía de la Universidad de Las Palmas de Gran Canaria (ULPGC).
La Escuela de Salud Pública de Menorca cerraba este miércoles su 31 Edición, celebrada online, con una mesa redonda para hablar de los modelos matemáticos utilizados desde el inicio de la pandemia. Los objetivos de medición iban cambiando a lo largo del ciclo epidémico. Los modelos de la Epidemiología no servían, se desconocían los parámetros de la enfermedad y tampoco el efecto de las intervenciones y medidas de control. Lo contaba Clara Prats, investigadora del grupo de Biología Computacional y Sistemas Complejos de la UPC y con una línea de trabajo sobre modelización computacional para el estudio de enfermedades infecciosas, en los últimos meses, la Covid-19, en Cataluña.
"El pico de la pandemia no se podía predecir hasta dos o tres días antes"
Difícil hacer predicciones y más a largo plazo, "el pico de la pandemia no se podía predecir hasta dos o tres días antes". Cualquier análisis predictivo o de situación “requiere datos fiables y sin retraso y debe ir acompañado de la evaluación de la fiabilidad o error cometido”, subrayó Clara Prats.
Junto a ella participaron en la sesión de la Escuela de Menorca, Beatriz González López-Valcárcel, catedrática de Métodos Cuantitativos en Economía y Gestión de la ULPGC y Jeffrey E. Harris, médico internista y catedrático de Economía en el MIT.
LOS MAPAS DE LA DESIGUALDAD
Los tres coincidieron en que los modelos matemáticos aplicados en esta pandemia no han tenido en cuenta el factor del comportamiento humano, las circunstancias sociales y económicas de las personas. Como ejemplo se expuso el caso de Nueva York, en su intervención Jeffrey Harris detalló cómo la utilización del metro, el 80% de los neoyorquinos utilizan este transporte público para ir a trabajar, llevó la propagación rápida y extensa del coronavirus, cuando bajó su uso, la curva se aplanó en distritos como Manhattan, pero no en otros como Queens, donde sus habitantes tenían que seguir usándolo para ir a trabajar. Harris insistió en que cuando se toman medidas, "hay que fijarse también en las características sistémicas".
Para Beatriz González, "esto es un problema, estamos modelizando el comportamiento humano y hay una falsa sensación de control" ante una población heterogénea. Destacó que los modelos "son mapas para orientar, pero deberían incorporar la dimensión de las desigualdades", integrar epidemiología y economía.
Se habló de la necesidad de no generar incertidumbres entre la población y evitar trasladar una imagen de que la ciencia es inconsistente
Asimismo, se preguntaba si "igual se les pide mucho a los modelos matemáticos. Se partió de modelos epidemiológicos tradicionales y se les añadió complejidad". Aludió también a la falta de seguridad y de fiabilidad del uso masivo de datos compartidos. En su opinión, es necesario "aprender de los datos para explicar qué ha pasado y por qué".
Durante las intervenciones hubo referencias al papel de la ciencia, a su relación con la política, a la toma de decisiones basadas en predicciones a corto plazo, los problemas de coordinación entre los estamentos implicados. Y, en esta línea, se habló de la necesidad de no generar incertidumbres entre la población y evitar trasladar una imagen de que la ciencia es inconsistente.