Ombilda våra pandemiproblem med en ingenjörs tankesätt

Ms Tech | Välkommen samling

De senaste 20 månaderna har förvandlat varje hund till en amatörepidemiolog och statistiker. Samtidigt kom en grupp bona fide epidemiologer och statistiker att tro att pandemiproblem kan lösas mer effektivt genom att anta en ingenjörs tankesätt: det vill säga fokusera på pragmatisk problemlösning med en iterativ, adaptiv strategi för att få saker att fungera.

I en färsk uppsats, Redovisning av osäkerhet under en pandemi reflekterar forskarna över sina roller under en folkhälsokris och hur de kan vara bättre förberedda för nästa kris. Svaret, skriver de, kan ligga i att ombilda epidemiologin med mer av ett ingenjörsperspektiv och mindre av ett rent vetenskapsperspektiv.

Epidemiologisk forskning ger information om folkhälsopolitiken och dess i sig tillämpade mandat för förebyggande och skydd. Men den rätta balansen mellan rena forskningsresultat och pragmatiska lösningar visade sig vara oroväckande svårfångad under pandemin.

Vi måste fatta praktiska beslut, så hur stor betydelse spelar osäkerheten egentligen?

Seth Guikema

Jag har alltid föreställt mig att epidemiologer i den här typen av nödsituationer skulle vara användbara människor, säger Jon Zelner, en medförfattare till uppsatsen. Men vår roll har varit mer komplex och sämre definierad än jag hade förväntat mig i början av pandemin. En infektionssjukdomsmodellerare och socialepidemiolog vid University of Michigan, Zelner bevittnade en vansinnig spridning av forskningsartiklar, många med väldigt lite funderingar på vad något av det egentligen betydde i termer av att ha en positiv inverkan.

Det fanns ett antal missade möjligheter, säger Zelner - orsakade av bristande kopplingar mellan de idéer och verktyg som epidemiologer föreslog och den värld de var menade att hjälpa.

Att ge upp säkerheten

Medförfattare Andrew Gelman, en statistiker och statsvetare vid Columbia University, presenterade den större bilden i uppsatsens inledning. Han liknade pandemins utbrott av amatörepidemiologer med hur krig gör varje medborgare till en amatörgeograf och taktiker: Istället för kartor med färgade nålar har vi diagram över exponerings- och dödstal; människor på gatan argumenterar om antalet infektionsdödligheter och flockimmunitet på det sätt som de kan ha diskuterat krigstidsstrategier och allianser tidigare.

Och tillsammans med all data och offentlig diskurs — Är masker fortfarande nödvändiga? Hur länge kommer vaccinskyddet att hålla? — kom stormen av osäkerhet.

I ett försök att förstå vad som just hände och vad som gick fel genomförde forskarna (som även inkluderade Ruth Etzioni vid University of Washington och Julien Riou vid University of Bern) något av en reenactment. De undersökte de verktyg som används för att hantera 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 (kvaliteten på data och dess tolkning var utan tvekan de största utmaningarna med pandemin) till modelldesign till statistisk analys, såväl som kommunikation, beslutsfattande och förtroende. Osäkerhet finns vid varje steg, skrev de.

Och ändå, säger Gelman, uttrycker analysen fortfarande inte riktigt tillräckligt av den förvirring jag gick igenom under de första månaderna.

En taktik mot all osäkerhet är statistik. Gelman tänker på statistik som matematisk ingenjörskonst – metoder och verktyg som handlar lika mycket om mätning som upptäckt. De statistiska vetenskaperna försöker belysa vad som händer i världen, med fokus på variation och osäkerhet. När nya bevis anländer bör de generera en iterativ process som gradvis förfinar tidigare kunskap och finslipar säkerhet.

God vetenskap är ödmjuk och kapabel att förfina sig inför osäkerhet.

Marc Lipsitch

Susan Holmes, en statistiker vid Stanford som inte var involverad i denna forskning, ser också paralleller med ingenjörstänket. En ingenjör uppdaterar alltid sin bild, säger hon – reviderar allt eftersom nya data och verktyg blir tillgängliga. För att ta itu med ett problem erbjuder en ingenjör en första ordningens approximation (suddig), sedan en andra ordningens approximation (mer fokuserad) och så vidare.

Gelman har dock tidigare varnat att statistisk vetenskap kan användas som en maskin för att tvätta osäkerhet – medvetet eller inte, skit (osäkert) data rullas ihop och får det att verka övertygande (säkert). Statistik som används mot osäkerheter säljs alltför ofta som en sorts alkemi som kommer att förvandla dessa osäkerheter till säkerhet.

Vi bevittnade detta under pandemin. Epidemiologer och statistiker drunknade i omvälvningar och okända – både amatörer och experter – grep efter 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 med beslut i pandemin, säger han. Det här hoppandet mellan osäkerhet och visshet har orsakat många problem.

Att släppa längtan efter visshet kan vara befriande, säger han. Och det är delvis här det ingenjörsmässiga perspektivet kommer in.

Ett pysslande tankesätt

För Seth Guikema, meddirektör för Center for Risk Analysis and Informed Decision Engineering vid University of Michigan (och en samarbetspartner till Zelners i andra projekt), är en nyckelaspekt av 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 stor betydelse spelar osäkerheten egentligen? För om det finns mycket osäkerhet – och om osäkerheten förändrar vilka de optimala besluten är, eller till och med vilka de goda besluten är – så är det viktigt att veta, säger Guikema. Men om det inte verkligen påverkar vad mina bästa beslut är, då är det mindre kritiskt.

Till exempel är att öka SARS-CoV-2-vaccinationstäckningen över hela befolkningen ett scenario där även om det finns en viss osäkerhet om exakt hur många fall eller dödsfall vaccination kommer att förhindra, det faktum att det är mycket sannolikt att minska båda, med få negativa effekter, är motivation nog att bestämma sig för 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, använda noggrant 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 olika specialiteter samverkar, säger hon.

För Zelner är föreställningen om epidemiologi som en ingenjörsdisciplin något han hämtade från sin far, en maskiningenjör som startade sitt eget företag som designade sjukvårdsinrättningar. Med utgångspunkt i en barndom full av att bygga och fixa saker, involverar hans tekniska tankesätt att mixtra – förfina en transmissionsmodell, till exempel 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 framgångarna och misslyckandena med ditt tillvägagångssätt. För mig är det väldigt annorlunda – och bättre lämpat för de komplexa, icke-stationära problem som definierar folkhälsan – än den typ av statisk en-och-gjort-bild som många människor har av akademisk vetenskap, där du har en stor idé, testa det, och ditt resultat bevaras i bärnsten för alltid.

Relaterad berättelse

Allt tillsammans nu: den mest pålitliga covid-19-modellen är en ensemble

Genom att kombinera en mängd förutsägelser och prognoser, finslipar modellteam osäkerheten.

Zelner och medarbetare vid universitetet ägnade många månader åt att bygga en covid kartläggning webbplats för Michigan, och han var involverad i att skapa datapaneler – användbara verktyg för offentlig konsumtion. Men i processen såg han en växande bristande överensstämmelse mellan de formella verktygen och vad som behövdes för att informera praktiskt beslutsfattande i en snabbt föränderlig kris. Vi visste att en pandemi skulle hända en dag, men jag hade verkligen inte funderat på vad min roll skulle vara, eller kunde bli, säger han. Vi tillbringade flera plågsamma månader med att bara uppfinna saken – att försöka göra det här som vi aldrig hade gjort förut och insåg att vi inte hade någon expertis på att göra det.

Han ser för sig forskningsresultat som inte bara kommer med uppmaningar om att Folk borde göra detta! men också med tillgänglig programvara som gör att andra kan mixtra med verktygen. Men för det mesta, säger han, gör epidemiologer forskning, inte utveckling: Vi skriver mjukvara, och det är vanligtvis ganska dåligt, men det får jobbet gjort. Och så skriver vi tidningen, och sedan är det upp till någon annan – någon föreställd 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 väderprognoscenter för infektionssjukdomar. Det finns en värld där alla covid-siffror går till en central plats, säger han. Där det finns en modell som på ett konsekvent sätt kan kombinera den informationen, generera förutsägelser åtföljda av ganska exakta skildringar av osäkerheten och säga något begripligt och relativt handlingsbart inom en ganska snäv tidslinje.

I början av pandemin fanns inte den infrastrukturen. Men på senare tid har det funnits tecken på framsteg.

Snabbrörlig folkhälsovetenskap

Marc Lipsitch, en epidemiolog för infektionssjukdomar vid Harvard, är vetenskapschef vid US Centers for Disease Controls nya Center for Forecasting and Outbreak Analytics, som syftar till att förbättra beslutsfattandet och möjliggöra ett samordnat, sammanhängande svar på en pandemi när den utvecklas. .

Vi är inte så bra på att prognostisera för infektionssjukdomar just nu. Faktum är att vi är 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 och ting.

Att bli bättre på att prognostisera är en del av centrets vision för innovation. Ett annat mål är förmågan att göra specifika studier för att besvara specifika frågor som uppstår under en pandemi, och sedan att producera specialdesignad analysmjukvara för att ge snabba svar på nationell och lokal nivå.

Dessa ansträngningar är i synk med idén om en ingenjörsmetod – även om Lipsitch skulle kalla det helt enkelt snabbrörlig folkhälsovetenskap.

God vetenskap är ödmjuk och kapabel att förfina sig inför osäkerhet, säger han. Forskare, vanligtvis över en längre tidsskala – år eller decennier – är ganska vana vid tanken på att uppdatera vår bild av sanningen. Men under en kris måste uppdateringen ske snabbt. Utanför pandemier är forskare inte vana vid att i stor utsträckning förändra vår bild av världen varje vecka eller månad, säger han. Men speciellt i denna pandemi, med hastigheten på ny utveckling och ny information, måste vi göra det.

Filosofin för det nya centret, säger Lipsitch, är att förbättra beslutsfattandet under osäkerhet, genom att minska den osäkerheten med bättre analyser och bättre data, men också genom att erkänna det som inte är känt, och kommunicera det och dess konsekvenser tydligt.

Och han noterar att vi kommer att behöva många ingenjörer för att göra den här funktionen – och det tekniska tillvägagångssättet, helt klart.

Dölj