Epidemiologens roll under pandemin bekämpade sig med all osäkerhet och visade sig vara förvirrande komplex. Ett mer pragmatiskt, problemlösande tänkesätt kan hjälpa till att fatta bra beslut.
av
15 oktober 2021 
Ms Tech | Wellcome Collection
De senaste 20 månaderna förvandlade varje hund till en amatörepidemiolog och statistiker. Samtidigt trodde en grupp bona fide epidemiologer och statistiker att pandemiproblem kan lösas mer effektivt genom att anta en ingenjörs inställning: det vill säga fokusera på pragmatisk problemlösning med en iterativ, adaptiv strategi för att få saker att fungera. < /p>
I en ny uppsats ”Redogörelse för osäkerhet under en pandemi” reflekterar forskarna över deras roller under en folkhälsokris och om hur de kan vara bättre förberedda inför nästa kris. Svaret, skriver de, kan ligga i att föreställa sig epidemiologi med mer av ett ingenjörsperspektiv och mindre av ett “rent vetenskapligt” perspektiv.
Epidemiologisk forskning informerar folkhälsopolitiken och dess inneboende mandat för förebyggande och skydd. Men den rätta balansen mellan rena forskningsresultat och pragmatiska lösningar visade sig vara oroväckande svårfångade under pandemin.
Vi måste fatta praktiska beslut, så hur mycket spelar osäkerheten egentligen?
Seth Guikema
“Jag har alltid föreställt mig att epidemiologer skulle vara användbara människor i den här typen av nödsituationer”, säger Jon Zelner, medförfattare till uppsatsen. “Men vår roll har varit mer komplex och mer dåligt definierad än jag hade förväntat mig i början av pandemin.” Zelner var en modell för infektionssjukdomar och social epidemiolog vid University of Michigan och bevittnade en “vansinnig spridning” av forskningsartiklar, “många med väldigt lite tankar om vad det egentligen innebar när det gäller att ha en positiv inverkan.”
”Det fanns ett antal missade möjligheter”, säger Zelner – orsakat av missade kopplingar mellan de idéer och verktyg som epidemiologer föreslog och den värld de var tänkt att hjälpa till.
Ge upp vissheten
Medförfattaren Andrew Gelman, statistiker och statsvetare vid Columbia University, redogjorde för “den större bilden” i uppsatsens inledning. Han liknade pandemins utbrott av amatörepidemiologer med hur kriget gör varje medborgare till en amatörgeograf och taktiker: ”I stället för kartor med färgade stift har vi diagram över exponering och dödstal; människor på gatan argumenterar om dödligheten i infektioner och flockimmunitet på det sätt som de kanske har diskuterat krigstidsstrategier och allianser tidigare. ”
Och tillsammans med all data och offentlig diskurs – Är masker fortfarande nödvändiga? Hur länge kommer vaccinskyddet att pågå? – kom över osäkerheten.
I ett försök att förstå vad som just hände och vad som gick fel, genomförde forskarna (som också inkluderade Ruth Etzioni vid University of Washington och Julien Riou vid University of Bern) något av en reenactment. De undersökte verktygen som används för att ta itu med utmaningar som att uppskatta överföringshastigheten från person till person och antalet fall som cirkulerar i en befolkning vid varje given tidpunkt. De bedömde allt från datainsamling (datakvaliteten och dess tolkning var utan tvekan pandemiens största utmaningar) till modelldesign till statistisk analys, samt kommunikation, beslutsfattande och förtroende. “Osäkerhet är närvarande vid varje steg”, skrev de.
Och ändå, säger Gelman, analysen “uttrycker fortfarande inte tillräckligt med förvirringen jag gick igenom under de första månaderna.”
En taktik mot all osäkerhet är statistik. Gelman tänker på statistik som “matematisk teknik” – metoder och verktyg som handlar lika mycket om mätning som upptäckt. Statistikvetenskapen försöker belysa vad som händer i världen, med fokus på variation och osäkerhet. När nya bevis kommer in bör det generera en iterativ process som gradvis förfinar tidigare kunskap och förbättrar säkerhet.
Bra vetenskap är ödmjuk och kapabel att förfina sig inför osäkerhet.
Marc Lipsitch
Susan Holmes, statistiker vid Stanford som inte var inblandad i denna forskning, ser också paralleller med det tekniska tänkandet. “En ingenjör uppdaterar alltid sin bild”, säger hon – reviderar när nya data och verktyg blir tillgängliga. För att lösa ett problem erbjuder en ingenjör en första ordnings approximation (suddig), sedan en andra ordnings approximation (mer fokuserad) och så vidare.
Gelman har emellertid tidigare varnat för att statistik kan användas som en maskin för “tvättning av osäkerhet” – avsiktligt eller inte, skrapade (osäkra) data rullas ihop och verkar verka övertygande (vissa). Statistik mot osäkerheter ”säljs alltför ofta som en slags alkemi som kommer att förvandla dessa osäkerheter till säkerhet”.
Vi bevittnade detta under pandemin. Drunknar i omvälvning och okända, epidemiologer och statistiker – både amatörer och experter – greppade om något fast när de försökte hålla sig flytande. Men som Gelman påpekar är det olämpligt och orealistiskt att vilja ha säkerhet under en pandemi. “För tidig säkerhet har varit en del av utmaningen för beslut i pandemin”, säger han. “Det här hoppet mellan osäkerhet och säkerhet har orsakat många problem.”
Att släppa önskan om säkerhet kan vara befriande, säger han. Och det är delvis där det tekniska perspektivet kommer in.
Ett finkänsla
För Seth Guikema, meddirektör för Center for Risk Analysis and Informed Decision Engineering vid University of Michigan (och en samarbetspartner med Zelners andra projekt), är en nyckelaspekt i det tekniska tillvägagångssättet att dyka in i osäkerheten, analysera röran, och sedan ta ett steg tillbaka, med perspektivet “Vi måste fatta praktiska beslut, så hur mycket spelar osäkerheten egentligen?” För om det finns mycket osäkerhet – och om osäkerheten förändras vad de optimala besluten är, eller till och med vad de bra besluten är – så är det viktigt att veta, säger Guikema. “Men om det inte verkligen påverkar vad mina bästa beslut är, så är det mindre kritiskt.”
Till exempel är att öka SARS-CoV-2-vaccinationstäckningen i hela befolkningen ett scenario där även om det råder viss osäkerhet om exakt hur många fall eller dödsfall som vaccination kommer att förhindra, det faktum att det är mycket troligt att minska båda, med få negativa effekter, är motivationen nog för att bestämma att ett storskaligt vaccinationsprogram är en bra idé.
En ingenjör uppdaterar alltid sin bild .
Susan Holmes
Ingenjörer, påpekar Holmes, är också mycket bra på att bryta ner problem i kritiska delar, tillämpa noga utvalda verktyg och optimera för lösningar under begränsningar. Med ett team av ingenjörer som bygger en bro finns en specialist på cement och en specialist på stål, en vindingenjör och en konstruktionsingenjör. “Alla de olika specialiteterna fungerar tillsammans”, säger hon.
För Zelner är begreppet epidemiologi som ingenjörsdisciplin något han tog upp från sin far, en maskiningenjör som startade ett eget företag som utformade vårdinrättningar. Utifrån en barndom full av att bygga och fixa saker, innebär hans tekniska tankesätt att pyssla – förfina till exempel en överföringsmodell som svar på ett rörligt mål.
“Ofta kräver dessa problem iterativa lösningar, där du gör ändringar som svar på vad som fungerar eller inte fungerar”, säger han. “Du fortsätter att uppdatera vad du gör när mer data kommer in och du ser framgångar och misslyckanden i ditt tillvägagångssätt. För mig är det väldigt annorlunda-och bättre lämpad för de komplexa, icke-stationära problemen som definierar folkhälsan-än den typ av statisk en-och-gjort-bild som många har av akademisk vetenskap, där du har en stor idé, testa det, och ditt resultat bevaras i gult hela tiden. ”
Relaterad berättelse
Alla tillsammans nu: det mest pålitliga covid- 19 -modellen är en ensemble
Genom att kombinera en mängd förutsägelser och prognoser skärper modelleringsteamet osäkerheten.
Zelner och medarbetare vid universitetet tillbringade många månader med att bygga en covid mapping -webbplats för Michigan, och han var med och skapade datadashboards – användbara verktyg för offentlig konsumtion. Men i processen såg han ett växande missförhållande mellan de formella verktygen och det som behövdes för att informera praktisk beslutsfattande i en kris som snabbt utvecklades. “Vi visste att en pandemi skulle hända en dag, men jag hade verkligen inte tänkt på vad min roll skulle vara eller skulle kunna vara”, säger han. “Vi tillbringade flera jobbiga månader med att bara uppfinna saken – försöka göra det här som vi aldrig hade gjort tidigare och inse att vi inte hade någon expertis i att göra det.”
Han föreställer sig forskningsresultat som kommer inte bara med uppmaningar om att “människor borde göra detta!” men också med tillgänglig programvara som låter andra pyssla med verktygen. Men för det mesta, säger han, epidemiologer forskar, inte utveckling: ”Vi skriver programvara, och det är oftast ganska dåligt, men det gör jobbet. Och så skriver vi tidningen, och sedan är det upp till någon annan – någon inbillad annan person – att göra den användbar i det bredare sammanhanget. Och då händer det aldrig. Vi har sett dessa misslyckanden i samband med pandemin. ”
Han föreställer sig motsvarigheten till ett nationellt väderprognoscentrum för infektionssjukdomar. “Det finns en värld där alla covid -nummer går till en central plats”, säger han. “Där det finns en modell som kan kombinera denna information på ett enhetligt sätt, generera förutsägelser åtföljda av ganska exakta skildringar av osäkerheten och säga något begripligt och relativt användbart i en ganska snäv tidsram.”
Vid I början av pandemin fanns inte den infrastrukturen. Men på senare tid har det funnits tecken på framsteg.
Snabba folkhälsovetenskap
Marc Lipsitch, epidemiolog för infektionssjukdomar vid Harvard, är vetenskapsdirektör vid US Centers for Disease Control nya Center for Forecasting and Outbreak Analytics, som syftar till att förbättra beslutsfattandet och möjliggöra en samordnad, sammanhängande svar på en pandemi när den utspelar sig.
”Vi är inte särskilt bra på att förutsäga infektionssjukdomar just nu. Vi är faktiskt ganska dåliga på det, säger Lipsitch. Men vi var ganska dåliga på väderprognoser när det började på 50 -talet, konstaterar han. ”Och sedan förbättrades tekniken, metodiken förbättrades, mätningen förbättrades, beräkningen förbättrades. Med investeringar i tid och vetenskaplig ansträngning kan vi bli bättre på saker. ”
Att bli bättre på att prognostisera är en del av centrumets vision för innovation. Ett annat mål är förmågan att göra specifika studier för att svara på specifika frågor som uppstår under en pandemi, och sedan producera skräddarsydda analysprogram för att informera svar i tid på nationell och lokal nivå.