Una respuesta basada en datos a una pandemia



La pandemia de Covid-19 continúa desafiando el funcionamiento de las sociedades e instituciones a nivel macro y micro. En los Estados Unidos, el nuevo coronavirus ha afectado todo, desde la economía hasta las elecciones, y ha planteado preguntas difíciles sobre la capacidad del MIT para reabrir en el otoño.

Para ayudar a los tomadores de decisiones en el MIT y más allá a tomar decisiones informadas, el Instituto de Datos, Sistemas y Sociedad (IDSS) ha formado un grupo de investigación voluntario, Isolat, que analiza los datos relacionados con pandemia.

"Esta pandemia ha energizado a toda la comunidad IDSS para traer habilidades cruciales", dijo Munther Dahleh, director de IDSS, profesor de ingeniería eléctrica y ciencias de la computación (EECS). "La probabilidad y las estadísticas son herramientas para medir la incertidumbre, y tenemos experiencia dentro del IDSS en el uso de información científica para influir en la formulación de políticas. "

la yoDSS VSOVID-19 collaboraion (Isolat) está formado por profesores, estudiantes e investigadores del MIT de diferentes departamentos, así como socios de todo el mundo. Los miembros de Isolat son estadísticos, epidemiólogos, modeladores de datos e investigadores de políticas.

"Existe una fuerte representación de IDSS en Isolat, del Programa de Tecnología y Políticas (TPP) y del Centro de Estadística y Ciencia de Datos (SDSC) en el Laboratorio de Sistemas de Información y decisión (LIDS) ", dice Dahleh. "Este esfuerzo está motivado por el sentido de responsabilidad social de nuestra comunidad, tanto dentro del IDSS como del MIT. Y nos dio una manera de conectarnos y construir una comunidad en una época en la que estamos muy separados. "

Datos ruidosos en tiempo real.

Aunque hay una gran cantidad de datos disponibles en Covid-19, también surgen muchas preguntas sobre la integridad o utilidad de estos datos. El grupo Isolat tiene cuidado de identificar los límites de lo que pueden hacer los datos Covid-19 existentes. "Los datos siempre son útiles, incluso si son ruidosos", dice Dahleh.

Sin embargo, sin pruebas aleatorias exhaustivas, es difícil para alguien saber el alcance total de la propagación de los coronavirus. "Necesitamos hacer mejores preguntas que los datos puedan responder", agrega Anette "Peko" Hosoi, una subsidiaria de IDSS que es profesora de ingeniería mecánica y decana asociada de ingeniería.

El grupo Isolat ha formado equipos en torno a tres necesidades principales, cada una determinada en consulta con las partes interesadas del MIT y la comunidad en general. El equipo de pronóstico utiliza datos sobre variables dependientes del tiempo para predecir las tasas de crecimiento de las infecciones y cuándo se espera que la incidencia de nuevos casos aumente. El equipo de intervención se esfuerza por comprender y cuantificar los resultados de varias políticas y modelar escenarios de simulación para formular recomendaciones efectivas. El equipo de infraestructura de datos recopila, organiza y comparte datos relevantes: desde el principio, creó un "lago de datos" para consolidar grandes conjuntos de datos que se actualizan con scripts Pitón.

Isolat se reúne todos los días de la semana por teleconferencia para discutir y revisar proyectos y resultados, que se publican dos veces por semana en la página web de Isolat. Este tipo de colaboración interdisciplinaria es típico de la investigación IDSS, pero la difusión en tiempo real de los resultados se desvía de la metodología académica.

"Es una forma diferente de resolver el problema", dice Hosoi. “Todos lanzan su contribución al ring. Necesitamos respuestas hoy. "

Sin embargo, el grupo es consciente de que la necesidad de urgencia no elimina la necesidad de precisión. "La cuantificación de la incertidumbre en nuestros resultados es esencial para entregar resultados concretos", agrega Hosoi. "Esperamos involucrar a la comunidad científica más amplia para que estos resultados sean más precisos".

El IDSS también ha movilizado experiencia política para apoyar a los investigadores de Isolat en sus esfuerzos por hacer que sus hallazgos sean útiles para los líderes del MIT y los gobiernos locales. "Podemos ayudar a los investigadores a pensar de manera más crítica acerca de cómo su investigación es relevante para la toma de decisiones, cuándo y con quién participar, y qué preguntas hacer", dice Noelle Selin, profesora de 39; IDSS y el Departamento de Ciencias de la Tierra, Atmosféricas y Planetarias, director de TPP.

Como parte de su iniciativa de participación en la investigación de políticas, el TPP ha comenzado a organizar discusiones con profesores de IDSS y LIDS que están comprometidos con las comunidades locales para ayudar a refinarlos. El tipo de preguntas que pueden responder para los tomadores de decisiones.

Evaluación de políticas y escenarios de simulación.

Los datos disponibles sobre las tasas de infección y muerte de Covid-19 pueden indicar qué tan rápido están cambiando estas tasas e indicar qué intervenciones son más o menos efectivas. Esto significa que los investigadores de Isolat no solo pueden medir la efectividad de la política actual, sino también predecir el impacto potencial de nuevas políticas o cambios en las políticas.

Con este fin, los investigadores de Isolat han diseñado y aplicado un método para predecir el impacto de las políticas que llaman "intervenciones sintéticas". Este proyecto está dirigido por Devavrat Shah, profesor de EECS y miembro de LIDS que dirige el SDSC dentro de IDSS.

"Es esencial comprender las compensaciones entre las intervenciones para trazar el camino a seguir para abrir varios sectores de la sociedad", dice Shah. "Un desafío importante es que los formuladores de políticas no pueden darse el lujo de implementar una variedad de intervenciones y ver cuál tiene el resultado óptimo".

Basado en un método estadístico llamado control sintético, el método de intervención sintética es un medio basado en datos para la planificación por simulación. El método utiliza información de intervenciones que ya se han implementado en todo el mundo y adapta esta información al contexto de interés del tomador de decisiones.

Por ejemplo, para estimar el efecto de las intervenciones que restringen la movilidad en los Estados Unidos, Shah y su equipo utilizaron datos diarios sobre muertes de países con restricciones de movilidad más extremas para crear un "Estados Unidos sintético con baja movilidad ". y proyectar la "trayectoria contrafáctica", que podría haber sucedido, si los Estados Unidos hubieran aplicado intervenciones similares.

"La buena noticia", dice Shah, "es que hasta ahora nuestros modelos sugieren que las restricciones moderadas y específicas a la movilidad, particularmente en los puntos de venta y tránsito, podrían desempeñar un papel clave en # 39; aplanamiento de la curva ".

¿Se están aplanando las curvas?

Otro uso de los datos de Covid-19 es modelar el crecimiento y la propagación de la enfermedad y predecir cuándo se aplanarán las curvas, cuándo los casos de coronavirus disminuirán su crecimiento exponencial.

Al principio, los investigadores del equipo de pronóstico observaron la propagación de la enfermedad en los estados estadounidenses. Pero la disponibilidad de datos sobre el número de casos a nivel de condado en los Estados Unidos permitió a los investigadores de Isolate modelar el crecimiento de una manera más granular ajustando una función exponencial de una función cuadrática al número acumulado de casos reportados en cada condado.

"Este análisis nos da una idea de cómo la propagación de la epidemia varía dentro de un estado", dijo Hamsa Balakrishnan, un afiliado de IDSS que es profesor y jefe. del departamento asociado de aeronáutica y astronáutica. "Un estado o la nación en su conjunto pueden no ser homogéneos en la forma en que se propaga la epidemia".

El norte y el sur de California, por ejemplo, presentan dos imágenes diferentes de la propagación cuando se examinan condado por condado, lo que sugiere que los funcionarios estatales no necesariamente deben aplicar soluciones políticas uniformes en todo el estado. También se pueden observar diferencias similares en Massachusetts; Los condados de Suffolk, Middlesex y Norfolk tienen un tiempo de almacenamiento más largo que otros condados en el estado.

Balakrishnan agrega: "Tener en cuenta la influencia de factores como la densidad de población, la demografía, los condados vecinos, la geografía y la movilidad pueden proporcionar información sobre la propagación de Covid-19".

Impacto en la política

Con reuniones diarias, dos mensajes nuevos por semana, grupos y sub-equipos en evolución y nuevos miembros que se unen cada semana, Isolat es un enfoque dinámico y único del MIT a la crisis del coronavirus. Pero el grupo sigue orientado en torno a su objetivo: informar a los responsables políticos con recomendaciones basadas en datos.

Si bien los investigadores de Isolat aplican diferentes enfoques para buscar respuestas a preguntas a mayor escala, el grupo también está explorando preguntas relacionadas con la reapertura del campus del MIT y compartiendo información con otros en MIT, en particular el grupo de planificación Team 2020 y el proyecto We Solve For Fall. El grupo Isolat aplicó la teoría del control al problema, considerando el campus como una red dinámica.

"En última instancia, los ingredientes de control serán pruebas, control remoto y cuarentena", dice Dahleh. “Las pruebas son enormes. Si no tenemos una cura o vacuna, las pruebas y la cuarentena son la única forma de controlar la propagación de la infección. "

Los investigadores de Isolat educan a los líderes del MIT, se conectan con los gobiernos locales y estatales, asesoran a grupos en el extranjero y coordinan con ingenieros que diseñan aplicaciones y soluciones a los desafíos de la pandemia. . Continuarán compartiendo sus hallazgos en la página web de Isolat.

Deja un comentario