Ciencia de datos y decisiones públicas. El caso del Covid en Ontario

Tengo que reconocer que, en lo dramático del COVID, vivir la crisis entre dos países está siendo una experiencia. Los que me seguís en twitter, además de las tonterías que suelo poner, encontraréis menciones a la política del lugar con el hashtag #CanadaPolitics, en el que a veces hablo de cómo se hacen las cosas aquí. Más allá de que, hasta la fecha la pandemia ha sido más benévola en Canadá que en España, y que esta crisis es mucho más llevadera con un clima político menos polarizado (y un carácter canadiense menos hidalgo), hay un tema que quería contaros desde hace tiempo: el uso de la ciencia de datos para la gestión de la crisis.

Y es que, no a nivel federal, sino de la provincia de Ontario (el equivalente a una Comunidad Autónoma, pero con la superficie de España y Francia y 14 millones de habitantes), existe un órgano específico para asesorar al gobierno sobre qué hacer con la Pandemia un poco antes de que esta se nos eche encima. Pero ojo, ni parece infalible, ni es ideal, ni, desde luego, es algo exento de polémicas. Pasad y ved, porque esto es quizá un poco del futuro de las políticas públicas y de los algoritmos.

Esta cerámica del Oráculo de Delfos ilustra el post sobre ciencia de datos y Covid 19.
La mesa de modelado mirando cuándo levantan el cierre. fuente

La mesa de consenso de modelado

En Canadá la respuesta general sobre el COVID está siendo desarrollada por las provincias. El gobierno Federal se encarga del control de las fronteras (y los siempre polémicos aeropuertos), adquisición de suministros (incluidas las vacunas) y el apoyo económico a ciudadanía (el CERB, un subsidio para todas las personas que dejaron de trabajar en el primer confinamiento que se otorgó sin casi controles administrativos para agilizarlo) y a las propias provincias.

Por su lado, las provincias se encargan de todo lo referente a las políticas de contención como el confinamiento, el toque de queda, lo que se abre y lo que se cierra, etc. Hay que decir, antes de que entremos en discusión, que el modelo ha generado ciertas críticas (diversidad de criterios), pero que es más o menos lógico en un país en el que una provincia puede ser como dos de los estados más grandes de Europa con situaciones epidemiológicas realmente diferentes. Tanto en lo que se refiere al gobierno federal como a las provincias, la acción política está dividida entre dos actores:

  1. El ministro o ministra de sanidad, que lleva la parte política o de implementación de medidas asesorado por…
  2. El Jefe o Jefa de Salud Pública (casi siempre son mujeres), que son los que proponen medidas concretas. Generalmente se les conoce como “Top Doctor”, que es un nombre que mola.

La mesa de ciencia

El caso es que el Top Doctor de Ontario (David Williams, cuyo mandato caducó porque aquí estas cosas caducan, pero se le prorrogó por esto de estar en plena pandemia) está asesorado por una “Mesa de ciencia“. Esta tiene dos ramas:

  1. Red de Síntesis de Evidencias, que es un grupo de instituciones que coordinan sus trabajos sobre la enfermedad para no redundar en investigaciones y cubrir el mayor número de temas posibles con los medios que hay (no tener tres o cuatro equipos buscando lo mismo a la vez)
  2. La mesa del consenso de modelado, que hace predicciones acerca de la evolución de la enfermedad haciendo recomendaciones.

Normalmente podemos decir que cuando se han tomado medidas, el primer ministro de la provincia (Doug Ford, un tipo muy peculiar al que han tenido que enseñar a manejar un ordenador la semana pasada porque entraba en cuarentena), ha dicho seguir el consejo del Top Doctor a partir de la opinión de la mesa de modelado.

El comité de modelado.

El comité se compone por un grupo de personas de perfiles muy diferentes que va desde matemáticos a expertos en salud pública, epidemiología, atención hospitalaria o economistas. Es decir, no se centra solo en la cuestión médica ni lo deja todo en manos de matemáticos. Se trata de dar una visión de conjunto al problema tanto en el diagnóstico como en las previsiones.

Normalmente la mesa trabaja sobre dos metodologías:

  • La predicción a partir de regresiones estadísticas realizadas sobre qué situación se espera en un futuro próximo.
  • El modelado de diferentes cursos de acción: a partir del histórico de datos, evidencias recogidas y la opinión de los expertos (agrupados por áreas temáticas que van desde ciencias del comportamiento hasta medicamentos o epidemiología), se plantean diferentes escenarios a partir de los que se toman las decisiones. En principio, es esta parte a la que se refiere el primer ministro cuando habla de la opinión de los expertos.

Transparencia, datos, predicciones y personas expertas.

Lo primero que tengo que decir, es que, como habéis visto, a diferencia del polémico comité-no comité de España, la composición de la mesa es pública. En justicia hay que decir que, salvo algún incidente puntual con tintes racistas hacia la Top Doctor de Canada (de origen asiático) o de British Columbia (que recibió amenazas) , aquí no se da el tono general que hay en España hacia servidores públicos que hacen su trabajo. Sean del color que sean.

El modelo muestra tres posibles tendencias, una muy alta con hasta 30000 casos  diarios sin medidas adicionales, hasta 20000 con medidas medianas y hasta 10000 casos con medidas fuertes
Modelo con escenarios que provocó el último cierre provincial. Fuente

Por otro lado, hay que señalar que los informes, como podéis ver son públicos (al menos los resúmenes).

En principio esto parece una buena idea: tenemos tecnología y personas para anticipar lo que viene, pues vamos con ello. Por otro lado, hay que decir que estas tecnologías siempre tienen sus complejidades: por ejemplo, este informe del 16 de abril tiene un margen de error en el peor escenario de 3000 casos más (20% más) que el publicado el 1 de abril. Es decir, si tienes un margen de error del 20% en 30 días, no sé cómo de fiable es a 60.

El modelo indica que, en el peor de los casos hasta 12000 casos sin medidas, 6000 con medidas suaves y hasta 2000 con medidas fuertes
Modelo con tres escenarios a 1 de abril. Fuente

Por otro lado, por bien que haya ido hasta ahora, la Incidencia Acumulada (un dato que aquí casi no se usa) anda en 400 en Ontario de media (cerca de 500 en Toronto y más de 600 en Peel). Así que, si ha funcionado, no parece que ahora vaya mucho mejor que otros sitios sin esta aproximación.

Hay que decir que, a título individual, los expertos tienen un papel que puede ser bastante activo. Por ejemplo, las últimas medidas del gobierno han sido criticadas públicamente como insuficientes por parte de los expertos. De hecho, hemos visto reacciones en las que decían estar “devastados” o totalmente confundidos por la acción del gobierno.

Algunas cuestiones con la analítica predictiva apoyando la decisión pública.

Este escenario, a la vez que apasionante, plantea algunas dudas, muchas de ellas evidentes, pero otras algo más complejas.

La medición de lo que es un éxito

En primer lugar, y lo más evidente, es que resulta enormemente complejo adivinar hasta qué punto la situación actual es resultado de la acción de la mesa de modelado. Como decimos, Ontario es la provincia más poblada del país, y, en esta tercera ola, la más castigada con diferencia. Es cierto que la variante británica parece ser la responsable de la situación actual y que, además, incluso así, “solo” se han parado las cirugías no urgentes. Sin embargo, esto ha precisado tener Toronto y Peel (las dos regiones más pobladas) prácticamente cerradas desde diciembre hasta ahora con una pequeña pausa de dos semanas.

El caso es que, otras provincias sin este modelo no parecen peor paradas (aunque tienen menos población) y que las medidas no han sido especialmente diferentes a las del resto de provincias. Es muy difícil valorar si la situación hubiera sido sustancialmente diferente con una aproximación más “tradicional”.

El ojo de Mordor

Otro problema es que el modelo ve lo que ve.La atención del comité está centrado especialmente en la contención del Covid, pero está teniendo problemas con aspectos colaterales. Por ejemplo, la escolarización está interrumpiéndose con alta frecuencia, lo que está teniendo un coste muy elevado para los niños tanto en el plano educativo, sino en el plano emocional. Los colectivos pediátricos y pedagógicos han pedido mayor continuidad en la educación y, si fuera necesario, reforzar la seguridad, pero ahora mismo, no son interlocutores importantes para la política y, la mesa de modelado tiene obviamente otras prioridades.

Lo mismo ocurre con otros actores (pequeños negocios que llevan cerrados, igual, desde diciembre).Igual que el ojo de Mordor, cuando la predicción mira a un lado, no puede ver lo que pasa en otro.

Hacer o no hacer caso al modelo

Un tercer problema es los límites de autonomía que deja esto al gobierno. La publicidad de los informes y la opinión de los expertos importa enormemente. La opinión de los propios expertos en RRSS y medios sobre las últimas medidas dieron pie a enormes críticas. La no inclusión de la baja de enfermedad tuvo que ser rectificada en pocos días. Cabe la duda acerca del papel de los representantes democráticos ante una máquina que “anticipa el futuro”.

Las medidas solicitadas por los expertos limitan las opciones de los gobiernos. Esto, de por sí no es malo, pero como hemos dicho, estos expertos se centran en una faceta (la más urgente, pero una) de todo este problema. Las familias pobres, las que tienen hijos en edad escolar, o los pequeños negocios no están teniendo presencia en la toma de decisiones. Si la tuvieran, no creo que tuvieran grandes opciones de competir ante ese modelado.

Las limitaciones más allá del modelo

El modelo tiene un alcance que llega hasta donde llega el sistema público. Por ejemplo, Canadá va un poco regular con la vacunación, con unas cifras similares a las de España, pero priorizando la primera dosis. Esto posiblemente tenga que ver con el hecho de que no hay una historia clínica única, lo que hace muy complicado hacer estrategias. Estamos, de momento limitados a edades y trabajadores esenciales, nada de enfermos crónicos. Si os fijáis en las previsiones, la propia mesa indica una previsión de 100000 vacunas “aleatorias”. El último empujón que se ha dado ha sido abrir la vacunación a mayores de 40 años.

Es decir, el modelo es estupendo, pero sin unos medios que permitan gobernar las decisiones, no es especialmente útil. Lo mismo ocurre con las escuelas (más profesores, más controles, aulas más pequeñas). El modelo puede marcar el camino, pero a lo mejor el camino es inalcanzable por otros elementos, y eso es difícil de explicar.

Una nueva oportunidad y un gran reto

Soy muy optimista acerca del uso de mecanismos de IA y ciencia de datos para las políticas públicas. Sin embargo, hay dos grandes cuestiones a tener en cuenta.

En primer lugar, la ciencia sigue estando en una etapa relativamente embrionaria. Como habéis visto, incluso a un plazo corto de un mes, las predicciones han tenido un error del 20% en sólo 15 días. Es decir, tengamos en cuenta la importancia que tienen, pero también tengamos en cuenta que es una ciencia y, por lo tanto, tiene margen de error, corrección y perfeccionamiento. No podemos asumir como una religión el número.

Por otro lado, hay que valorar que la articulación en un sistema político democrático es complejo. El equilibrio entre la decisión legítima, el papel técnico y la integración de diferentes perspectivas en la política tiene un encaje muy difícil.

Esto no quiere decir que no debamos abrazar estas técnicas, sino que planteemos debates y fórmulas para encontrar un encaje en el que nos beneficiemos de lo bueno que tienen sin que eso suponga perder lo que ya tenemos.

Comparte este artículo

Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on email

Acerca del autor

Regístrate y consigue los últimos artículos en tu mail.

icono mail suscribete
SUSCRIBIRME

Deja una respuesta

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.