Los investigadores describen el sesgo en la investigación epidémica y ofrecen una nueva herramienta de simulación para guiar el trabajo futuro
Crédito: Pixabay/CC0 Dominio público
Un equipo de investigadores revela una serie de sesgos en la investigación epidémica, que van desde los ensayos clínicos hasta la recopilación de datos. y ofrece un enfoque de teoría de juegos para abordarlos, en un nuevo análisis. El trabajo arroja nueva luz sobre las trampas asociadas con el desarrollo y la implementación de tecnología para combatir crisis globales como la COVID-19, con una mirada hacia futuros escenarios pandémicos.
«Incluso hoy, los métodos empíricos utilizados por los investigadores de epidemias adolecen de defectos en el diseño y la ejecución», explica Bud Mishra, profesor del Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York y autor principal del artículo, que aparece en la revista Tecnología e Innovación. «En nuestro trabajo, sacamos a la luz las trampas comunes, pero notablemente pasadas por alto, que plagan las metodologías de investigación e presentamos una herramienta de simulación que creemos que puede mejorar la toma de decisiones metodológicas».
Incluso en una era en la que las vacunas pueden ser desarrollado con éxito en cuestión de meses, combatiendo las aflicciones de formas inimaginables en siglos anteriores, los científicos aún pueden verse obstaculizados sin saberlo por fallas en sus métodos.
En el artículo, Mishra y sus coautores, Inavamsi Enaganti y Nivedita Ganesh, estudiantes graduados en informática de la Universidad de Nueva York, exploran algunas paradojas, falacias y sesgos estándar en el contexto de la formulación de hipótesis y muestran cómo son relevantes para el trabajo destinado a abordar epidemias. Estos incluyen la paradoja de Grue, la paradoja de Simpson y el sesgo de confirmación, entre otros:
La paradoja de Grue
Los autores señalan que la investigación a menudo se ha visto obstaculizada por errores relacionados con el razonamiento inductivo, cayendo bajo lo que se conoce como la paradoja de Grue. Por ejemplo, si todas las esmeraldas observadas durante un período determinado son verdes, entonces todas las esmeraldas deben ser verdes. Sin embargo, si definimos «grue» como la propiedad de ser verde hasta cierto período de tiempo y luego azul, la evidencia inductiva respalda la conclusión de que todas las esmeraldas son «grue» y respalda la conclusión de que todas las esmeraldas son verdes, lo que impide que una de llegar a una conclusión definitiva sobre el color de las esmeraldas.
«Al construir y comparar hipótesis en el contexto de epidemias, es vital identificar la dependencia temporal del predicado», escriben los autores. Estos incluyen hipótesis sobre la mutación de un virus, la inducción de inmunidad colectiva u ondas recurrentes de infección.
La paradoja de Simpson
«La paradoja de Simpson es un fenómeno en el que las tendencias que se observan en los datos cuando se estratifican en diferentes grupos, se invierten cuando se combinan», escriben los autores. «Este efecto tiene una presencia generalizada en la literatura académica y notoriamente pervierte la verdad».
Por ejemplo, si en un ensayo clínico 100 sujetos se someten al Tratamiento 1 y 100 sujetos se someten al Tratamiento 2 con tasas de éxito del 40 por ciento y 37 por ciento, respectivamente, uno asumiría que el Tratamiento 1 es más efectivo. Sin embargo, si divide estos datos por marcadores genéticos, digamos, Marcador genético A y Marcador genético B, la eficacia de los tratamientos puede arrojar resultados diferentes. Por ejemplo, el tratamiento 1 puede parecer superior cuando observa una población agregada, pero su valor puede disminuir para ciertos subgrupos.
Sesgo de confirmación
El ampliamente conocido sesgo de confirmación, o la tendencia buscar y recordar datos con mayor énfasis cuando respalda la hipótesis de un investigador, también afecta la investigación epidémica, señalan los autores.
«Este fenómeno ya se puede ver en el contexto de COVID-19 en la clasificación selectiva de datos para pintar una imagen que respalde la creencia popular», escriben. «Por ejemplo, se ha dado más peso a la evidencia que respalda que los países que practican un confinamiento estricto y el distanciamiento social mejoran la salud pública que a la evidencia que sugiere que los países que relajan sus medidas tienen una reducción similar en sus casos. Además, otras variables que podrían ser tan influyentes como el confinamiento, pero son contextuales y variados para diferentes geografías, podrían haberse ignorado, como la densidad de población o el historial de vacunación».
Al abordar estos desafíos metodológicos, el equipo creó una plataforma de simulación de epidemias de código abierto (Episimmer) que busca brindar apoyo a la toma de decisiones para ayudar a responder las preguntas de los usuarios relacionadas con las políticas y restricciones durante una epidemia.
Episimmer, que los investigadores probaron en varias emergencias de salud pública simuladas, realiza análisis «contrafactuales», midiendo lo que le habría sucedido a un ecosistema en ausencia de intervenciones y políticas, lo que ayuda a los usuarios a descubrir y perfeccionar la oportunidades y optimizaciones que podrían hacer a sus estrategias COVID-19 (Nota: el paquete python de la plataforma está disponible en esta página). Estos podrían incluir decisiones como «¿Qué días ser remoto o presencial» para escuelas y lugares de trabajo, así como «¿Qué rutina de vacunación es más eficiente dados los patrones de interacción locales?»
«Ante una rápida virus en evolución, los inventores deben experimentar, iterar e implementar soluciones creativas y efectivas mientras evitan las trampas que plagan los ensayos clínicos y el trabajo relacionado», dice Enaganti.
Explore más
En las manos equivocadas, las estadísticas de vacunación pueden resultar mortales. La paradoja de Simpson muestra por qué Más información: Inavamsi Enaganti et al, Invenciones de intervenciones: estrategias basadas en datos en investigación y control de pandemias, tecnología e innovación (2022). DOI: 10.21300/22.2.2021.12. www.ingentaconnect.com/content … 22/00000002/art00012 Proporcionado por la Universidad de Nueva York Cita: Los investigadores describen el sesgo en la investigación epidémica y ofrecen una nueva herramienta de simulación para guiar el trabajo futuro (2022, 31 de marzo) consultado el 29 de agosto de 2022 en https:// medicalxpress.com/news/2022-03-outline-bias-epidemic-simulation-tool.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.