Press "Enter" to skip to content

Los modelos fallidos para justificar la cuarentena

Hay que considerar los daños en los que se incurre cuando los políticos basan sus decisiones en escenarios poco probables y altamente alarmistas.

Los modelos epidemiológicos utilizados para justificar y extender el aislamiento debido al coronavirus están comenzando a ser objeto de un escrutinio académico muy necesario.

Un nuevo documento de trabajo publicado por la Oficina Nacional de Investigación Económica (NBER por sus siglas en inglés) presenta un examen estadístico detallado de varios modelos influyentes, particularmente del estudio del Imperial College de Londres (ICL) que pronosticó hasta 2,2 millones de muertes por COVID-19 en Estados Unidos bajo su escenario más extremo.

El modelo del ICL presentó una serie de escenarios basados ​​en diferentes respuestas de política, pero esta proyección extrema, también conocida como su escenario de “no hacer nada”, acaparó todos los titulares en marzo. Aunque el propio documento del ICL describió este escenario como “improbable” (porque asumía una propagación del virus en ausencia total de políticas y respuestas de comportamiento incluso modestas), sus proyecciones astronómicas de víctimas mortales fueron usadas en ese momento por varios gobiernos para adoptar las duras políticas de cuarentenas bajo las que ahora vivimos.

La administración Trump citó específicamente la proyección de muerte de 2,2 millones el 16 de marzo cuando cambió el rumbo hacia un conjunto estricto de políticas de “distanciamiento social”, que muchos estados utilizaron como base para las órdenes de aislamiento.

En el Reino Unido, donde el escenario de “no hacer nada” del mismo modelo proyectó más de 500.000 muertes, se considera que el equipo del College de Londres fue el que indujo al primer ministro Boris Johnson a cambiar el rumbo, desde una estrategia que buscaba construir gradualmente “inmunidad de rebaño”, a una más dura.

Claramente, el modelo del Imperial Collge cambió de manera dramática las respuestas políticas de dos potencias mundiales.

Exageración mediática

El equipo del ICL no jugó un papel pequeño en exagerar las proyecciones de su escenario de “no hacer nada”, incluso cuando su propio informe minimizó la probabilidad de ese resultado a favor de proyecciones más conservadoras asociadas con una serie de políticas de distanciamiento social y suspensiones de las reuniones públicas.

El 20 de marzo, el autor principal de ICL, Neil Ferguson, describió la proyección de 2,2 millones de muertes a Nicholas Kristof del New York Times como el “peor de los escenarios”. Cuando Kristof le preguntó sobre un “mejor escenario”, Ferguson respondió: “Alrededor de 1,1 millones de muertes”, proyección que resultaba solo de una modesta estrategia de mitigación.

Vale la pena señalar que incluso en el momento de su publicación, el 16 de marzo, las condiciones del escenario de “no hacer nada” ya se habían violado. La mayoría de los gobiernos ya habían comenzado a “hacer algo” en ese momento, ya sea campañas de información pública sobre higiene y distanciamiento social o cancelaciones de eventos y viajes.

Además, los cambios voluntarios de comportamiento también precedieron a las políticas gubernamentales por varias semanas, con un aumento medible en el lavado de manos rastreable al menos hasta febrero y una disminución dramática en las reservas de restaurantes durante las primeras dos semanas de marzo. Leída en este contexto, la decisión de Ferguson de exagerar el conteo de muertes de su caso extremo a mediados o fines de marzo parece irresponsable.

Sin embargo, las proyecciones alarmistas de víctimas mortales dominaron la narrativa pública en ese momento y, citando el modelo ICL, la mayoría de los países del mundo entró en algún tipo de cuarentena.

Recalculando

Un mes más tarde, se hizo evidente que la proyección de 2,2 millones de muertes estaba totalmente fuera de rango.

Ahí fue cuando Ferguson y su equipo cambiaron su discurso público para enfatizar otros escenarios con proyecciones más conservadoras en el rango de las decenas de miles (en algunos casos, esto se percibió de manera engañosa como una revisión de su modelo).

No obstante, el daño ya estaba hecho. De hecho, al momento de escribir esto, el presidente Trump todavía cita la proyección de 2,2 millones en sus conferencias de prensa diarias como la razón subyacente para los bloqueos.

“Usted siga con lo suyo”, nos dicen, “y deje que los expertos hagan su propio trabajo”. La epidemiología tiene sus propios métodos y modelos patentados, pero sus escenarios más alarmistas flaquean en formas visibles y obvias.

Es aquí donde entra el nuevo documento del NBER, escrito conjuntamente por un equipo de economistas de la salud de la Universidad de Harvard y el MIT. Sus autores realizan un escrutinio medido y discreto de los principales pronósticos epidemiológicos que están en el corazón en las cuarentenas decretadas por el poder político.

Entre sus hallazgos clave se encuentra lo siguiente:

La heterogeneidad más importante y desafiante en la práctica es que el comportamiento individual varía con el tiempo. En particular, la propagación de la enfermedad probablemente induce a las personas a tomar decisiones privadas para limitar los contactos con otras personas. Por lo tanto, las estimaciones de los escenarios que suponen una propagación exponencial no controlada de la enfermedad, como las cifras reportadas del modelo del Imperial College de 500.000 muertes en el Reino Unido y 2,2 millones en los Estados Unidos, no se corresponden con los cambios de comportamiento que uno espera en la práctica.

Como explican los autores, el comportamiento humano cambia a lo largo de una epidemia. Incluso el conocimiento básico de los riesgos asociados de infección induce a las personas a tomar medidas de precaución (aumentar el lavado de manos o usar una máscara en público). Las expectativas sobre las intervenciones políticas posteriores inducen a las personas a alterar aún más su comportamiento, y de manera continua. El efecto acumulativo es reducir la confiabilidad de los pronósticos epidemiológicos, y particularmente aquellos que no tienen en cuenta los cambios de comportamiento.

Los autores del artículo del NBER critican aún más el artículo de ICL y otros cuatro modelos epidemiológicos por exagerar su propia certeza sobre sus muchos escenarios de proyección.

El estudio NBER concluye así:

En resumen, el lenguaje de estos documentos sugiere un grado de certeza que simplemente no está justificado. Incluso si los valores de los parámetros son representativos de una amplia gama de casos dentro del contexto del modelo dado, ninguno de estos autores intenta cuantificar la incertidumbre sobre la validez de sus opciones de modelado más amplias.

La experiencia epidemiológica puede transmitir conocimiento especializado sobre la naturaleza de la transmisión de enfermedades. Pero no exime a los modeladores de las mejores prácticas científicas sociales para probar la solidez de sus afirmaciones. Tampoco puede ignorar las reglas básicas del análisis estadístico.

La “ciencia médica” también debate

Sin embargo, sería un error enfrentar la epidemiología como un campo homogéneo contra sus críticos “externos”, ya que los debates en curso sobre el COVID-19 revelan una discusión científica mucho más compleja, incluso entre expertos médicos y otros especialistas en pandemias.

Casi al mismo tiempo, el modelo ICL se lanzó en marzo, el distinguido estadístico médico John Ioannidis emitió una fuerte advertencia para que los modeladores de enfermedades reconozcan las graves deficiencias en los datos confiables sobre COVID-19, incluidas las suposiciones sobre su transmisión y sus tasas de mortalidad.

Más recientemente, un equipo de epidemiólogos con sede en la Universidad de Sydney examinó el desempeño del influyente modelo del Instituto de Medición y Evaluación de la Salud (IHME) de la Universidad de Washington para predecir las muertes al día siguiente en cada uno de los 50 estados.

Al observar los resultados diarios de marzo y principios de abril, llegaron a la conclusión que hasta el 70% del total de muertes diarias reales se encontraba fuera del intervalo de confianza del 95% del modelo, ya sea por ser demasiado alto o demasiado bajo. Este hallazgo no necesariamente desacredita el enfoque del IHME, pero sí habla de la necesidad de nuevos refinamientos en sus técnicas y al mismo tiempo advierte sobre el uso de sus predicciones como base para la formulación de políticas, mientras que la incertidumbre sobre su precisión sigue siendo alta.

Como revelan estos ejemplos, la epidemiología, la economía de la salud y los campos relacionados que se especializan en estadísticas médicas no son un solo “consenso” al que se pueda uno referir como una voz monolítica de experiencia. Más bien, albergan debates necesarios y a veces muy divididos, incluso sobre COVID-19.

La Vaca Loca

Para ilustrar la importancia del escrutinio estadístico, es útil considerar epidemias pasadas y observar lo que nos dicen debates similares sobre la precisión de los pronósticos epidemiológicos. A fines de la década de 1990 y principios de la década de 2000, uno de esos ejemplos se desarrolló en Gran Bretaña con respecto al Síndrome de Creutzfeldt-Jakob, mejor conocido por su apodo común de “enfermedad de la vaca loca”.

En 2001, el New York Times publicó una historia que contenía diferentes proyecciones epidemiológicas sobre la propagación de la enfermedad, destacando dos modelos en competencia.

El primer modelo vino de un equipo formado por Jerome Huillard d’Aignaux, Simon Cousens y Peter Smith de la Escuela de Higiene y Medicina Tropical de Londres (LSHTM). Utilizando una variedad de suposiciones sobre la prevalencia existente de la enfermedad (algunas de ellas muy controvertidas), el modelo LSHTM ofreció una variedad de escenarios que representan un patrón general de transmisión leve para la enfermedad.

Como Cousens le dijo al Times en 2001, “Ningún modelo arrojó un número que superara las 10,000 muertes y la mayoría fueron mucho más bajas, en el rango de unos pocos miles de muertes” diseminadas durante la próxima década. Si bien la literatura sobre la enfermedad de las vacas locas continúa debatiendo algunos de los supuestos subyacentes de su modelo, las proyecciones de mortalidad del equipo LSHTM terminaron bastante cerca de la realidad, al menos en comparación con otros modelos.

Se estima que 177 personas murieron por la enfermedad de las vacas locas en el Reino Unido a raíz del brote de 1996.

Sin embargo, cuando se publicó la noticia en el Times, un modelo diferente dominó los titulares sobre el brote de la Vaca loca, uno que proyectó una pandemia a gran escala que provocó más de 136.000 muertes en el Reino Unido.

El gobierno británico confió en este modelo competitivo para su respuesta política, sacrificando aproximadamente 4 millones de vacas en el proceso. El modelo tampoco se detuvo en el ganado. En un estudio adicional, examinaron el potencial de la enfermedad para propagarse entre las ovejas. En el caso de una transmisión de cordero a humano, los modeladores ofrecieron un “peor escenario” de 150,000 muertes humanas, lo que fue divulgado frenéticamente por la prensa en ese entonces.

En el artículo del 2001 Times, el autor de la proyección más alarmista comentó sobre las proyecciones comparativamente pequeñas del número de muertes del equipo LSHTM. Tales números, insistió, eran “injustificadamente optimistas”.

El autor es un nombre familiar para los modelos epidemiológicos: se trató de Neil Ferguson, del equipo del ICL.

Al igual que con la crisis actual, en el pasado se ha observado un alto grado de incertidumbre en torno a los pronósticos epidemiológicos. Tal incertidumbre es inevitable, pero cuando los gobiernos diseñan políticas basadas en pronósticos epidemiológicos, su elección del modelo a utilizar podría ser la diferencia entre una estrategia de mitigación moderada y una intervención proactiva de gran tamaño (como el sacrificio masivo de ganado en el caso de la enfermedad de las vacas locas o una cuarentena total en el caso del COVID-19).

Esta alternativa, a menudo elegida en medio seria falta de datos, se presenta al público como una acción desafortunada pero necesaria para evitar que se desarrolle un escenario apocalíptico.

Pero debemos considerar los daños en los que se incurre cuando los políticos basan las decisiones en un escenario proyectado que no solo es improbable sino también tremendamente alarmista y probablemente exagerado por la doble tentación de ganar la atención de los medios y el oído de los políticos.

Dadas las altas incertidumbres reveladas por el escrutinio estadístico de los modelos epidemiológicos, incluso entre otros expertos médicos, la presunción debería ser inversa.

Lo que está debería garantizarse no es una acción política audaz en respuesta a modelos especulativos generados con poca transparencia y suposiciones dudosas, sino más bien extrema precaución al confiar en los mismos modelos para tomar decisiones políticas.

La nota completa, en inglés, fue escrita por Phillip W. Magness y puede leerse en este link.

Phil Magness es investigador principal en el Instituto Americano de Investigación Económica. Es autor de numerosos trabajos sobre historia económica, fiscalidad, desigualdad económica, historia de la esclavitud y política educativa en los Estados Unidos.

Be First to Comment

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *