La colaboración informa la política de coronavirus mediante el análisis de datos asociados con la pandemia
Los investigadores de Isolat han diseñado y aplicado un método para modelar el impacto de la política que llaman «Intervenciones sintéticas». Basado en el control sintético del método estadístico, las intervenciones sintéticas son una forma basada en datos para realizar la planificación de escenarios hipotéticos, aprovechando la información de las intervenciones que se han promulgado en todo el mundo y adaptándolas a otro entorno. Crédito: Instituto de Tecnología de Massachusetts
La colaboración informa la política de coronavirus mediante el análisis de datos asociados con la pandemia
La pandemia de COVID-19 continúa desafiando la forma en que las sociedades y las instituciones funcionan a escalas 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 responsables políticos del MIT y más allá a tomar decisiones informadas, el Institute for 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 energizado a la comunidad IDSS más amplia para aportar habilidades cruciales, » dice el director del IDSS, Munther Dahleh, 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 colaboración IDSS COVID-19 (Isolat) está formada 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.
«Hay una fuerte representación del IDSS en Isolat, desde el Programa de Política y Tecnología (TPP) y el Centro de Estadística y Ciencia de Datos (SDSC) hasta el Laboratorio de Sistemas de Información y Decisiones (LIDS)», dice Dahleh. «Este esfuerzo está impulsado por el sentido de responsabilidad social de nuestra comunidad, tanto dentro del IDSS como en todo el MIT. Y nos ha brindado una forma de conectarnos y construir una comunidad en un momento en que estamos muy separados».
Tiempo real , datos ruidosos
Si bien hay una gran cantidad de datos disponibles relacionados con COVID-19, también hay muchas preguntas sobre qué tan completos o útiles son realmente esos datos. El grupo Isolat tiene cuidado de identificar los límites de lo que pueden hacer los datos existentes de COVID-19. «Los datos siempre son útiles, incluso si son ruidosos», argumenta Dahleh.
De todos modos, sin pruebas aleatorias generalizadas, es difícil para cualquiera saber el alcance total de la propagación del coronavirus. «Necesitamos hacer mejores preguntas que los datos puedan responder», agrega Anette «Peko» Hosoi, afiliada del IDSS que es profesora de ingeniería mecánica y decana asociada de ingeniería.
El grupo Isolat formó equipos en torno a tres necesidades principales, cada una determinada en consulta con las partes interesadas en el MIT y la comunidad en general. El equipo de Predicción utiliza datos sobre variables dependientes del tiempo para pronosticar las tasas de crecimiento de la infección y cuándo debería alcanzar su punto máximo la incidencia de nuevos casos. El equipo de Intervención se esfuerza por comprender y cuantificar los resultados de varias políticas y modelar escenarios hipotéticos para poder hacer recomendaciones efectivas. El equipo de Infraestructura de datos recopila, organiza y comparte datos relevantes desde el principio, construyeron un «lago de datos» para consolidar conjuntos de datos importantes que se mantienen actualizados con scripts de Python.
Isolat se reúne todos los días de la semana a través de teleconferencias para discutir y examinar proyectos y hallazgos, que se publican dos veces por semana en la página web de Isolat. Este tipo de colaboración interdisciplinaria es típica de la investigación del IDSS, pero la difusión en tiempo real de los hallazgos es una desviación de la metodología académica.
«Esta es una forma diferente de abordar el problema», dice Hosoi. «Todo el mundo pone su contribución al ruedo. Necesitamos respuestas hoy».
De todos modos, 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 clave para proporcionar resultados procesables», agrega Hosoi. «Esperamos involucrar a la comunidad científica en general para que estos hallazgos sean más precisos».
IDSS también ha movilizado experiencia en políticas para apoyar a los investigadores de Isolat mientras trabajan para 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 sobre las formas en que su investigación es relevante para la toma de decisiones, cuándo y con quién participar, y qué preguntas hacer», dice Noelle Selin, profesora del IDSS y del Departamento de Tierra, Atmósfera. y Ciencias Planetarias, quien es director de TPP.
En el marco de su Iniciativa de Investigación para el Compromiso con las Políticas, el TPP ha comenzado a organizar debates con profesores del IDSS y LIDS que están comprometidos con las comunidades locales para ayudarlos a refinar los tipos de preguntas que pueden responder a los formuladores de políticas.
Investigadores con la Colaboración IDSS COVID-19 (Isolat) están diseñando un modelo de control para evaluar y aislar a miembros de comunidades como la del MIT para reducir la infección por COVID-19. Crédito: Instituto Tecnológico de Massachusetts
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 esas tasas y pueden indicar qué intervenciones son más o menos eficaz. Esto significa que los investigadores de Isolat no solo pueden medir la efectividad de la política actual, sino también pronosticar el impacto potencial de nuevas políticas o cambios de política.
Con ese fin, los investigadores de Isolat han diseñado y aplicado un método para predecir el impacto de la política que llaman «intervenciones sintéticas». Al frente de este proyecto está Devavrat Shah, profesor de EECS y miembro de LIDS que dirige SDSC dentro de IDSS.
«Tener una comprensión clara de las compensaciones entre intervenciones es crucial para trazar un camino a seguir sobre cómo abrir varios sectores de la sociedad», dice Shah. «Un desafío clave es que los formuladores de políticas no pueden darse el lujo de promulgar 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 un forma basada en datos para realizar la planificación de escenarios hipotéticos. El método aprovecha la información de las intervenciones que ya se han promulgado en todo el mundo y ajusta esta información al entorno de interés de un formulador de políticas.
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 «EE. UU. sintético de baja movilidad» y proyectar la «trayectoria contrafáctica» de lo que podría haber sucedido si EE. UU. hubiera aplicado intervenciones similares.
«La buena noticia», dice Shah, «es que, hasta ahora, nuestros modelos sugieren que las restricciones moderadas y precisas en la movilidad, en particular en las tiendas minoristas y los lugares de tránsito, podrían desempeñar un papel clave en el 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 y cuándo los casos de coronavirus desacelerarán su crecimiento exponencial.
Al principio, los investigadores del equipo de Predicción observaron la propagación de enfermedades en los estados de EE. UU. Pero la disponibilidad de datos de conteo de casos a nivel de condado en los Estados Unidos permitió a los investigadores de Isolat modelar el crecimiento de manera más granular ajustando una exponencial de una función cuadrática al número acumulativo de casos informados en cada condado.
«Este análisis nos da una idea de cómo varía la propagación de la epidemia dentro de un estado», dice Hamsa Balakrishnan, un afiliado del IDSS que es profesor y jefe asociado del departamento 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 propagación cuando se observa condado por condado, lo que sugiere que los funcionarios estatales no deberían necesariamente aplicar soluciones de políticas únicas para todos en todo el estado. También se pueden ver diferencias similares en Massachusetts; Los condados de Suffolk, Middlesex y Norfolk muestran un tiempo más largo para estabilizarse que otros condados del estado.
Agrega Balakrishnan: «Teniendo en cuenta la influencia de factores como la densidad de población, la demografía, los condados vecinos, la geografía y la la movilidad puede proporcionar información sobre la propagación de COVID-19».
Política de impacto
Con reuniones diarias, dos publicaciones nuevas por semana, grupos y subequipos en evolución, y miembros nuevos que se unen cada semana , Isolat es un enfoque dinámico y exclusivo del MIT para la crisis del coronavirus. Pero el grupo permanece orientado en torno a su propósito: informar a los legisladores con recomendaciones basadas en datos.
A medida que los investigadores de Isolat aplican diferentes enfoques para buscar respuestas a preguntas a escalas más grandes, el grupo también está explorando preguntas relacionadas con la reapertura del campus del MIT y compartir información con otros en el MIT, incluido el grupo de planificación Team 2020 y el proyecto We Solve For Fall. El grupo Isolat ha aplicado la teoría del control al problema, considerando 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 en que podemos controlar la propagación de la infección».
Los investigadores de Isolat están informando a los líderes del MIT, así como a construyendo conexiones con los gobiernos locales y estatales, asesorando a grupos en el extranjero y coordinando con ingenieros que están diseñando aplicaciones y soluciones para los desafíos de la pandemia. Continuarán compartiendo sus hallazgos en la página web de Isolat.
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Más información: idss.mit.edu/research/idss-cov … colaboration-isolat/ Proporcionado por el Instituto Tecnológico de Massachusetts
Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre investigación, innovación y enseñanza del MIT.
Cita: La colaboración informa la política de coronavirus mediante el análisis de datos asociados con la pandemia (18 de mayo de 2020) consultado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-05-collaboration -coronavirus-policy-pandemic.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.