por
La pandemia de Covid-19 sigue desafiando el funcionamiento de las sociedades y las instituciones a escala macro y micro. En los Estados Unidos, el nuevo coronavirus ha afectado todo, desde la economía hasta las elecciones, y planteó 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 proporciona análisis de datos relacionados con la pandemia.
"Esta pandemia ha llevado a la comunidad IDSS en general a contribuir con habilidades cruciales", dice Munther Dahleh, Director de IDSS, Profesor de Ingeniería Eléctrica e Informática (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 el desarrollo. política."
el yoDSS VSOPase VID-19elboraion (Isolat) está formado por profesores del MIT, estudiantes e investigadores de diferentes departamentos, así como socios de todo el mundo. Los miembros de Isolat son estadísticos, epidemiólogos, modeladores de datos e investigadores de políticas.
“Hay una fuerte representación del IDSS en Isolat, el Programa de Política y Tecnología (TPP) y el Centro de Estadísticas y Ciencia de Datos (SDSC) en el laboratorio de Sistemas de Información y (LIDS) ”, dice Dahleh. “Este esfuerzo está impulsado por el sentido de responsabilidad social de nuestra comunidad, tanto dentro del IDSS como dentro del MIT. Y nos brindó una forma de conectarnos y construir una comunidad en un momento en el que estamos tan separados. "
Datos fuertes en tiempo real
Si bien hay una gran cantidad de datos disponibles sobre Covid-19, también hay muchas preguntas sobre qué tan completos o útiles son estos datos. El grupo Isolat está trabajando para identificar los límites de lo que pueden hacer los datos Covid-19 existentes. “Los datos siempre son útiles, no importa lo ruidosos que sean”, dice Dahleh.
No obstante, sin pruebas aleatorias generalizadas, es difícil para cualquiera conocer el alcance total de la propagación del 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.
Isolat Group 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 la infección y cuándo se espera que la incidencia de nuevos casos alcance su punto máximo. El equipo de respuesta se esfuerza por comprender y cuantificar los resultados de varias políticas y modelar escenarios hipotéticos para formular recomendaciones efectivas. El equipo de infraestructura de datos recopila, organiza y comparte datos relevantes; desde el principio, construyeron un 'lago de datos' para consolidar grandes conjuntos de datos que se mantienen actualizados con scripts Pitón.
Isolat se reúne diariamente por teleconferencia para discutir y validar proyectos y resultados, que se publican dos veces por semana en la página web de Isolat. Este tipo de colaboración interdisciplinar es típico de la investigación del IDSS, pero la difusión de resultados en tiempo real se aparta de la metodología académica.
"Es una forma diferente de abordar el problema", dice Hosoi. “Todos arrojan 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. "Cuantificar la incertidumbre de nuestros resultados es clave para obtener resultados procesables", agrega Hosoi. "Esperamos involucrar a la comunidad científica en general para que estos resultados sean más precisos".
El IDSS también ha movilizado experiencia en políticas para apoyar a los investigadores de Isolate mientras se esfuerzan 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 la 39; IDSS y la Tierra, Departamento de Atmósfera. y Ciencias Planetarias, que es director del TPP.
Como parte de su Iniciativa de Investigación para el Compromiso con las Políticas, el TPP ha comenzado a organizar discusiones con profesores de IDSS y LIDS que están comprometidos con las comunidades locales para ayudarlos a refinar los tipos. preguntas que pueden responder para los tomadores de decisiones.
Evaluación de políticas y escenarios hipotéticos
Los datos disponibles sobre las tasas de infección y muertes por Covid-19 pueden indicar qué tan rápido están cambiando estas tasas y pueden 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 de políticas.
Para ello, los investigadores de Isolat han diseñado y aplicado un método de predicción del impacto político que denominan "intervenciones sintéticas". A la cabeza de este proyecto se encuentra Devavrat Shah, profesor de EECS y miembro de LIDS, que dirige el SDSC dentro de IDSS.
“Tener una comprensión clara de las compensaciones entre las intervenciones es esencial 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 intervenciones sintéticas es una forma basada en datos para realizar la planificación de escenarios hipotéticos. El método aprovecha la información de intervenciones que ya se han implementado en todo el mundo y adapta esta información al contexto de interés de los tomadores 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 de muertes diarias de países con restricciones de movilidad más extremas para crear un "Estados Unidos sintético". con poca movilidad ”. y proyectar la “trayectoria contrafactual” – lo que podría haber sucedido – si Estados Unidos hubiera aplicado intervenciones similares.
“La buena noticia”, dice Shah, “es que hasta ahora nuestros modelos sugieren que las restricciones moderadas y específicas a la movilidad, especialmente en los establecimientos minoristas y de tránsito, podrían juegan un papel clave en aplanar la curva ".
¿Se aplanan 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, cuando los casos de coronavirus desaceleren su crecimiento exponencialmente.
Como primer paso, los investigadores del equipo de pronóstico analizaron la propagación de la enfermedad en los estados de EE. UU. Pero la disponibilidad de datos sobre el número de casos a nivel de condado en los Estados Unidos ha permitido a los investigadores de Isolate modelar el crecimiento de una manera más granular ajustando un exponencial de una función cuadrática al número acumulativo de casos reportados en todos los condados.
"Este análisis nos da una idea de cómo varía la propagación de la epidemia dentro de un estado", dice 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 ven condado por condado, lo que sugiere que los funcionarios estatales no necesariamente deberían imponer soluciones políticas. universal en todo el estado. También se pueden observar diferencias similares en Massachusetts; Los condados de Suffolk, Middlesex y Norfolk tienen un tiempo de meseta más largo que otros condados del estado.
Balakrishnan agrega: "Teniendo en cuenta la influencia de factores como la densidad de población, la demografía, los condados vecinos, la geografía y la movilidad, se puede obtener información sobre la propagación del Covid-19".
Política de impacto
Con reuniones diarias, dos publicaciones nuevas por semana, grupos y subequipos en evolución y nuevos miembros que se unen cada semana, Isolat es el enfoque dinámico y único del MIT para la crisis del coronavirus. Pero el grupo sigue centrado en su objetivo: informar a los responsables políticos con recomendaciones basadas en datos.
A medida que 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 el intercambio de información con otros. otras personas en el MIT, incluido el grupo de planificación Team 2020 y el proyecto We Solve For Fall. El grupo Isolat aplicó la teoría de control al problema, viendo el campus como una red dinámica.
“En última instancia, los ingredientes del control serán las pruebas, el distanciamiento y la cuarentena”, dice Dahleh. “Las pruebas son enormes. Si no tenemos una cura o una vacuna, las pruebas y la cuarentena son la única forma de controlar la propagación de la infección. "
Aislar a los investigadores, informar a los ejecutivos del MIT, establecer vínculos con los gobiernos locales y estatales, asesorar a los grupos en el extranjero y coordinar con los ingenieros que diseñan aplicaciones y soluciones a los desafíos pandémicos . Continuarán compartiendo sus hallazgos en la página web de Isolat.
