Límites y fallas de los modelos epidemiológicos y predictivos en la epidemia de SARS-COV-2 en Italia
Abstract
Data di Pubblicazione:
2021
Citazione:
Límites y fallas de los modelos epidemiológicos y predictivos en la epidemia de SARS-COV-2 en Italia / P. Parra Saiani, E. Campo, G. Gobo, M. Galeotti - In: Impactos Sociales del Covid-19 : Miradas desde la SociologíaPrima edizione. - [s.l] : Federación Española de Sociología (FES), 2021. - ISBN 9788409329212. - pp. 87-89 (( convegno Impactos Sociales del Covid-19. Miradas desde la Sociología tenutosi a online nel 2021.
Abstract:
Muchas de las decisiones políticas relacionadas con la gobernanza de la epidemia de Sars-Cov-2 se han tomado (al menos aparentemente) sobre la base de modelos matemáticos predictivos. Estos modelos se construyeron en un contexto de muy alta incertidumbre e indeterminación, tanto por la escasez de datos disponibles como por la situación sustancialmente inédita. Aunque intrínsecamente inciertas, las políticas adoptadas se apoyaron mucho en ellos y en algunos casos, como el paradigmático de Gran Bretaña, cambiaron radicalmente la línea adoptada hasta ese momento (Booth, 2020). ¿Por qué pasó esto? La confianza depositada en tales modelos parece apoyarse en un discurso público ahora hegemónico, según el cual el uso de herramientas matemáticas y algorítmicas es garantía de eficiencia, objetividad y neutralidad (Mazzotti, 2015; Beer, 2017; Katz, 2017). Sin embargo, estos sistemas de cálculo, por muy poderosos y útiles que sean, son productos socio-técnicos y, por lo tanto, el resultado de acciones humanas que, como tales, sufren de todas las limitaciones típicas del razonamiento humano y las prácticas sociales relacionadas. Esta operación de objetivación de los modelos matemáticos llevada a cabo por científicos fue acompañada de un proceso de “cientificización” en la política por parte del Gobierno, la creciente orientación de los actores estatales «a recomendaciones estrictamente científicas en el ejercicio de sus funciones públicas» (1970: 62). Esto conduce a una combinación de responsabilidad entre ciencia y política que no es buena para nadie: como afirma Boswell (2009: 103), los gobiernos utilizan cada vez más las comisiones de expertos como póliza de seguro: el riesgo es de erosionar la autoridad de los propios científicos. Los modelos son configuraciones con muchas variables y no es metodológicamente correcto tomarlos como herramientas descriptivas (más aún en las etapas iniciales de una epidemia, donde es necesario hacer muchos supuestos incontrolados). No queremos cuestionar a priori la bondad de los modelos. Pero el “no cuestionar”, en ocasiones, es consecuencia de “no poder cuestionar”: hay demasiadas áreas grises, con opciones insuficientemente razonadas, parámetros e indicadores utilizados sin justificación alguna: aspectos que lo dificultan - si no imposible - “inspeccionar la base empírica”, contrarrestar y, en consecuencia, sugerir mejoras a los propios modelos. La fase en la que se encontraron trabajando los expertos de los distintos órganos fue ciertamente dramática, pero eso no justifica la falta de (a veces no) transparencia. Las críticas que Lazer, Kennedy, King y Vespignani dirigieron a la falta de transparencia de los algoritmos de Google se hacen eco: «la ciencia es un esfuerzo acumulativo; pararse sobre los hombros de gigantes requiere que los científicos puedan evaluar continuamente el trabajo en el que descansan» (2014, p. 1205) Como documentaremos, el modelo también sufre de otras graves deficiencias. 1) Primero, la confianza en una estandarización excesiva: la escala de aplicación ha sido a menudo la nacional. La adopción de un enfoque estandarizado (más que contextual) sugirió la aplicación de medidas uniformes en todo el territorio nacional, a pesar de que la situación de salud y relacional era muy diferente entre las regiones. 2) En segundo lugar, el modelo se basó en una visión reduccionista, en cuanto a las propiedades intrínsecas de algunos procedimientos de modelización matemática: los supuestos básicos, los indicadores utilizados, las ponderaciones adoptadas, etc. propio de un modelo reduccionista (en este caso puramente virológico), que no tiene en cuenta la complejidad de un fenómeno social (que no es simplemente
Tipologia IRIS:
03 - Contributo in volume
Keywords:
modelos matemáticos predictivos; Sars-Cov-2; covid-19; algorítmicas
Elenco autori:
P. Parra Saiani, E. Campo, G. Gobo, M. Galeotti
Link alla scheda completa:
Link al Full Text:
Titolo del libro:
Impactos Sociales del Covid-19 : Miradas desde la Sociología