Onze pandemische problemen opnieuw uitvinden met de mentaliteit van een ingenieur

mevrouw Tech | Welkom Collectie

De afgelopen 20 maanden hebben van elke hond een amateur-epidemioloog en statisticus gemaakt. Ondertussen ging een groep bonafide epidemiologen en statistici geloven dat pandemische problemen effectiever kunnen worden opgelost door de denkwijze van een ingenieur aan te nemen: dat wil zeggen, zich concentreren op pragmatische probleemoplossing met een iteratieve, adaptieve strategie om dingen te laten werken.

In een recent essay, Onzekerheid tijdens een pandemie verantwoorden , reflecteren de onderzoekers op hun rol tijdens een noodsituatie op het gebied van de volksgezondheid en hoe ze beter voorbereid kunnen zijn op de volgende crisis. Het antwoord, schrijven ze, kan liggen in het opnieuw bedenken van epidemiologie met meer een technisch perspectief en minder een puur wetenschappelijk perspectief.

Epidemiologisch onderzoek vormt de basis voor het volksgezondheidsbeleid en het inherent toegepaste mandaat voor preventie en bescherming. Maar de juiste balans tussen pure onderzoeksresultaten en pragmatische oplossingen bleek tijdens de pandemie alarmerend ongrijpbaar.

We moeten praktische beslissingen nemen, dus hoeveel doet de onzekerheid er echt toe?

Seth Guikema

Ik heb altijd gedacht dat epidemiologen in dit soort noodsituaties nuttige mensen zouden zijn, zegt Jon Zelner, een co-auteur van het essay. Maar onze rol was complexer en slechter gedefinieerd dan ik aan het begin van de pandemie had verwacht. Zelner, een modelontwerper van infectieziekten en sociaal epidemioloog aan de Universiteit van Michigan, was getuige van een waanzinnige toename van onderzoekspapers, waarvan vele met heel weinig nagedacht over wat het werkelijk betekende in termen van het hebben van een positieve impact.

Er waren een aantal gemiste kansen, zegt Zelner, veroorzaakt door ontbrekende schakels tussen de ideeën en hulpmiddelen die epidemiologen voorstelden en de wereld die ze moesten helpen.

Zekerheid opgeven

Co-auteur Andrew Gelman, een statisticus en politicoloog aan de Columbia University, schetste het grotere geheel in de inleiding van het essay. Hij vergeleek de uitbraak van amateur-epidemiologen door de pandemie met de manier waarop oorlog van elke burger een amateur-geograaf en tacticus maakt: in plaats van kaarten met gekleurde spelden hebben we grafieken van blootstelling en dodental; mensen op straat discussiëren over de sterftecijfers van infecties en kudde-immuniteit zoals ze in het verleden over strategieën en allianties in oorlogstijd hebben gedebatteerd.

En samen met alle gegevens en het publieke discours: zijn maskers nog steeds nodig? Hoe lang zal de vaccinbescherming duren? - kwam het spervuur ​​​​van onzekerheid.

Om te begrijpen wat er net is gebeurd en wat er mis is gegaan, voerden de onderzoekers (waaronder ook Ruth Etzioni van de Universiteit van Washington en Julien Riou van de Universiteit van Bern) een soort re-enactment uit. Ze onderzochten de instrumenten die werden gebruikt om uitdagingen aan te pakken, zoals het schatten van de overdrachtssnelheid van persoon op persoon en het aantal gevallen dat op een bepaald moment in een populatie circuleert. Ze beoordeelden alles, van gegevensverzameling (de kwaliteit van gegevens en de interpretatie ervan waren misschien wel de grootste uitdagingen van de pandemie) tot modelontwerp tot statistische analyse, evenals communicatie, besluitvorming en vertrouwen. Onzekerheid is aanwezig bij elke stap, schreven ze.

En toch, zegt Gelman, geeft de analyse nog steeds niet genoeg uitdrukking aan de verwarring die ik in die eerste maanden doormaakte.

Een tactiek tegen alle onzekerheid is statistiek. Gelman beschouwt statistiek als wiskundige techniek - methoden en hulpmiddelen die net zo goed te maken hebben met meten als met ontdekken. De statistische wetenschappen proberen te belichten wat er in de wereld gebeurt, met een spotlight op variatie en onzekerheid. Wanneer er nieuw bewijsmateriaal binnenkomt, moet dit een iteratief proces genereren dat eerdere kennis geleidelijk verfijnt en zekerheid aanscherpt.

Goede wetenschap is nederig en in staat zichzelf te verfijnen in het licht van onzekerheid.

Marc Lipsitch

Susan Holmes, een statisticus bij Stanford die niet bij dit onderzoek betrokken was, ziet ook parallellen met de ingenieursmentaliteit. Een technicus is altijd bezig met het bijwerken van hun foto, zegt ze, en herzien als er nieuwe gegevens en tools beschikbaar komen. Bij het aanpakken van een probleem biedt een ingenieur een benadering van de eerste orde (wazig), vervolgens een benadering van de tweede orde (meer gericht), enzovoort.

Gelman heeft echter eerder gewaarschuwd dat statistische wetenschap kan worden ingezet als een machine voor het witwassen van onzekerheid - opzettelijk of niet, waardeloze (onzekere) gegevens worden samengevoegd en overtuigend (zeker) gemaakt. Statistieken die tegen onzekerheden worden gebruikt, worden maar al te vaak verkocht als een soort alchemie die deze onzekerheden in zekerheid zal veranderen.

We waren daar getuige van tijdens de pandemie. Verdronken in ontreddering en onbekenden, grepen epidemiologen en statistici - zowel amateurs als experts - naar iets solide terwijl ze probeerden het hoofd boven water te houden. Maar zoals Gelman opmerkt, is zekerheid willen tijdens een pandemie ongepast en onrealistisch. Voortijdige zekerheid is onderdeel geweest van de uitdaging van beslissingen tijdens de pandemie, zegt hij. Dit heen en weer springen tussen onzekerheid en zekerheid heeft voor veel problemen gezorgd.

Het verlangen naar zekerheid loslaten kan bevrijdend werken, zegt hij. En dit is gedeeltelijk waar het technische perspectief om de hoek komt kijken.

Een knutselmentaliteit

Voor Seth Guikema, mededirecteur van het Center for Risk Analysis and Informed Decision Engineering aan de Universiteit van Michigan (en een medewerker van Zelner aan andere projecten), is een belangrijk aspect van de technische benadering het duiken in de onzekerheid, het analyseren van de rotzooi, en dan een stap terug doen, met het perspectief. We moeten praktische beslissingen nemen, dus hoeveel doet de onzekerheid er eigenlijk toe? Want als er veel onzekerheid is - en als de onzekerheid verandert wat de optimale beslissingen zijn, of zelfs wat de goede beslissingen zijn - dan is dat belangrijk om te weten, zegt Guikema. Maar als het niet echt van invloed is op wat mijn beste beslissingen zijn, dan is het minder kritisch.

Het verhogen van de SARS-CoV-2-vaccinatiedekking onder de bevolking is bijvoorbeeld een scenario waarin, zelfs als er enige onzekerheid bestaat over hoeveel gevallen of sterfgevallen de vaccinatie precies zal voorkomen, het zeer waarschijnlijk is dat beide zullen afnemen, met weinig nadelige gevolgen effecten, is motivatie genoeg om te besluiten dat een grootschalig vaccinatieprogramma een goed idee is.

Een ingenieur werkt altijd hun foto bij.

Susan Holmes

Ingenieurs, benadrukt Holmes, zijn ook erg goed in het opsplitsen van problemen in kritieke stukjes, het toepassen van zorgvuldig geselecteerde tools en het optimaliseren van oplossingen onder beperkingen. Met een team van ingenieurs die een brug bouwen, is er een specialist in cement en een specialist in staal, een windingenieur en een bouwkundig ingenieur. Alle verschillende specialismen werken samen, zegt ze.

Voor Zelner is het idee van epidemiologie als een technische discipline iets dat hij heeft opgepikt van zijn vader, een werktuigbouwkundig ingenieur die zijn eigen bedrijf begon met het ontwerpen van gezondheidszorgfaciliteiten. Gebaseerd op een jeugd vol met bouwen en repareren van dingen, houdt zijn ingenieursmentaliteit in dat hij sleutelt, bijvoorbeeld aan het verfijnen van een transmissiemodel als reactie op een bewegend doelwit.

Vaak vereisen deze problemen iteratieve oplossingen, waarbij je veranderingen aanbrengt in reactie op wat wel of niet werkt, zegt hij. Je blijft updaten wat je doet naarmate er meer gegevens binnenkomen en je ziet de successen en mislukkingen van je aanpak. Voor mij is dat heel anders - en beter geschikt voor de complexe, niet-stationaire problemen die de volksgezondheid bepalen - dan het soort statische een-en-klaar beeld dat veel mensen hebben van academische wetenschap, waar je een groot idee hebt, test het en uw resultaat wordt voor altijd in barnsteen bewaard.

Verwant verhaal

Alles bij elkaar nu: het meest betrouwbare covid-19-model is een ensemble

Door een veelheid aan voorspellingen en projecties te combineren, scherpen modelleringsteams de onzekerheid aan.

Zelner en medewerkers van de universiteit hebben maandenlang gewerkt aan het bouwen van een covid mapping website voor Michigan, en hij was betrokken bij het maken van datadashboards - handige tools voor publieke consumptie. Maar tijdens het proces zag hij een groeiende mismatch tussen de formele instrumenten en wat nodig was om praktische besluitvorming te ondersteunen in een snel evoluerende crisis. We wisten dat er op een dag een pandemie zou komen, maar ik had er zeker niet over nagedacht wat mijn rol zou zijn of zou kunnen zijn, zegt hij. We hebben een aantal pijnlijke maanden besteed aan het uitvinden van het ding - proberen iets te doen dat we nog nooit eerder hadden gedaan en ons realiseren dat we er geen expertise in hadden om het te doen.

Hij ziet onderzoeksresultaten voor zich die niet alleen gepaard gaan met aansporingen dat mensen dit moeten doen! maar ook met toegankelijke software waarmee anderen aan de tools kunnen sleutelen. Maar voor het grootste deel, zegt hij, doen epidemiologen onderzoek, geen ontwikkeling: we schrijven software, en het is meestal behoorlijk slecht, maar het klaart de klus. En dan schrijven we het artikel, en dan is het aan iemand anders - een ingebeelde andere persoon - om het bruikbaar te maken in de bredere context. En dan gebeurt dat nooit. We hebben deze mislukkingen gezien in de context van de pandemie.

Hij stelt zich het equivalent voor van een nationaal weersvoorspellingscentrum voor infectieziekten. Er is een wereld waarin alle covid-cijfers naar één centrale plek gaan, zegt hij. Waar er een model is dat in staat is om die informatie coherent te combineren, voorspellingen te genereren die vergezeld gaan van behoorlijk nauwkeurige afbeeldingen van de onzekerheid, en iets begrijpelijks en relatief actiegerichts zeggen in een vrij strakke tijdslijn.

Aan het begin van de pandemie bestond die infrastructuur niet. Maar de laatste tijd zijn er tekenen van vooruitgang.

Snel veranderende volksgezondheidswetenschap

Marc Lipsitch, een epidemioloog voor infectieziekten aan Harvard, is de wetenschappelijk directeur van het nieuwe Center for Forecasting and Outbreak Analytics van de Amerikaanse Centers for Disease Control, dat tot doel heeft de besluitvorming te verbeteren en een gecoördineerde, coherente reactie op een pandemie mogelijk te maken terwijl deze zich ontvouwt. .

We zijn momenteel niet zo goed in het voorspellen van infectieziekten. Sterker nog, we zijn er best slecht in, zegt Lipsitch. Maar we waren behoorlijk slecht in weersvoorspellingen toen het begon in de jaren '50, merkt hij op. En toen verbeterde technologie, verbeterde methodologie, verbeterde meting, verbeterde berekening. Door tijd en wetenschappelijke inspanning te investeren, kunnen we dingen beter doen.

Beter worden in prognoses maakt deel uit van de visie van het centrum op innovatie. Een ander doel is het vermogen om specifieke onderzoeken te doen om specifieke vragen te beantwoorden die tijdens een pandemie rijzen, en vervolgens op maat ontworpen analysesoftware te produceren om tijdige reacties op nationaal en lokaal niveau te geven.

Deze inspanningen zijn in overeenstemming met het idee van een technische benadering, hoewel Lipsitch het eenvoudigweg snel bewegende volksgezondheidswetenschap zou noemen.

Goede wetenschap is bescheiden en in staat zichzelf te verfijnen in het licht van onzekerheid, zegt hij. Wetenschappers zijn, meestal over een langere tijdschaal - jaren of decennia - behoorlijk gewend aan het idee om ons beeld van de waarheid bij te werken. Maar tijdens een crisis moet de update snel gebeuren. Buiten pandemieën zijn wetenschappers niet gewend om ons beeld van de wereld elke week of maand enorm te veranderen, zegt hij. Maar vooral in deze pandemie, met de snelheid van nieuwe ontwikkelingen en nieuwe informatie, moeten we dat doen.

De filosofie van het nieuwe centrum, zegt Lipsitch, is om de besluitvorming onder onzekerheid te verbeteren, door die onzekerheid te verminderen met betere analyses en betere gegevens, maar ook door te erkennen wat niet bekend is, en dat en de gevolgen ervan duidelijk te communiceren.

En hij merkt op: we zullen veel ingenieurs nodig hebben om deze functie te maken - en de technische benadering, zeker.

zich verstoppen