Ante Covid-19, los modelos matemáticos se enfrentan a la heterogeneidad del comportamiento humano

" Cuando hay que investigar en período de emergencia se trabaja con datos limitados, con muchas suposiciones, la información es cambiante y el trabajo debe ser práctico ", así lo explicaba este miércoles Jaime Pinilla , ingeniero industrial y profesor de Métodos Cuantitativos en Economía de la Universidad de Las Palmas de Gran Canaria (ULPGC) .

La Escuela de Salud Pública de Menorca cerró su 31 Edición, celebrada online, con una mesa redonda para hablar de los modelos matemáticos utilizados desde el inicio de la pandemia . Los objetivos de medición iban cambiando a lo largo del ciclo epidémico. Los modelos de la Epidemiología no servían, se desconocían los parámetros de la enfermedad y tampoco el efecto de las intervenciones y medidas de control. Lo contaba Clara Prats , investigadora del grupo de Biología Computacional y Sistemas Complejos de la UPC y con una línea de trabajo sobre modelización computacional para el estudio de enfermedades infecciosas, en los últimos meses, el Covid-19 , en Cataluña.

Difícil hacer predicciones y más a largo plazo, " el pico de la pandemia no se podía predecir hasta dos o tres días antes ". Cualquier análisis predictivo o de situación " requiere datos fiables y sin retraso y debe ir acompañado de la evaluación de la fiabilidad o error cometido ", subrayó Prats.

Junto a ella participaron en la sesión de la Escuela de Menorca, Beatriz González López-Valcárcel , catedrática de Métodos Cuantitativos en Economía y Gestión de la ULPGC , y Jeffrey E. Harris , médico internista y catedrático de Economía en el MIT .

Los tres coincidieron en que los modelos matemáticos aplicados en esta pandemia no han tenido en cuenta el factor del comportamiento humano , las circunstancias sociales y económicas de las personas. Como ejemplo, se expuso el caso de Nueva York. En su intervención, Harris detalló cómo la utilización del metro, el 80% de los neoyorquinos utilizan este transporte público para ir a trabajar, llevó la propagación rápida y extensa del coronavirus, cuando bajó su uso, la curva se aplanó en distritos como Manhattan, pero no en otros como Queens, donde sus habitantes tenían que seguir usándolo para ir a trabajar.

Harris insistió en que, cuando se toman medidas, " hay que fijarse también en las características sistémicas ". Para González López-Valcárcel, " esto es un problema, estamos modelizando el comportamiento humano y hay una falsa sensación de control " ante una población heterogénea. Destacó que los modelos " son mapas para orientar, pero deberían incorporar la dimensión de las desigualdades ", integrar epidemiología y economía . Asimismo, se preguntaba si " igual se les pide mucho a los modelos matemáticos. Se partió de modelos epidemiológicos tradicionales y se les añadió complejidad ". Aludió también a la falta de seguridad y de fiabilidad del uso masivo de datos compartidos. En su opinión, es necesario " aprender de los datos para explicar qué ha pasado y por qué ". Durante las intervenciones hubo referencias al papel de la ciencia, a su relación con la política, a la toma de decisiones basadas en predicciones a corto plazo, los problemas de coordinación entre los estamentos implicados. Y, en esta línea, se habló de la necesidad de no generar incertidumbres entre la población y evitar trasladar una imagen de que la ciencia es inconsistente.

Artículos relacionados