Este final de semana eu ouvi dois podcasts sobre o Coronavírus: “Assim que nasce o Corona”, Nerdcast e “Coronavírus”, do Mamilos. Recomendo fortemente que você ouça os episódios, pois além de muito educativos, ainda tem relatos sobre estatísticas e previsões sobre alastramentos da gripe.
Se você mora no planeta Terra, deve saber que no final de 2019, as autoridades chinesas alertaram a Organização Mundial de Saúde (OMS) sobre uma série de eventos de pneumonia de origem desconhecida na cidade de Wuhan, região leste da China. Com o passar dos dias, as investigações apontaram para uma nova mutação de um vírus já conhecido pela ciência, o coronavírus.
Daí você já sabe, né? Começamos 2020 com notícias alarmantes sobre a disseminação do vírus. Medidas foram tomadas: tripulação em quarentena em navios; brasileiros que estavam na China e retornaram ao Brasil acompanhados da Força Aérea Brasileira; voos foram cancelados; transporte público foi paralisado nas cidades de Wuhan e Huanggang. Literalmente o caos!
Eventos como o que estão acontecendo na China são difíceis de prever novos casos. Para se ter uma ideia, no dia 29 de janeiro havia registros de pouco mais de 6.000 casos. Dezenove dias depois, esse número já é 12 vezes maior.
Como prever esse comportamento? Há registros suficientes para realizar previsões? Todos os casos estão sendo registrados? Quais variáveis influenciam no contágio?
Esse surto me fez lembrar o da gripe suína, ao qual eu tive o privilégio de contrair a doença. Foram quinze dias reclusos no meu apartamento. Os primeiros dias, eu achei que ia morrer. Dores pelo corpo inteiro e uma pneumonia que se alastrava a passos largos.
Mas antes mesmo disso acontecer comigo, na minha cabeça, eu previa que a chance de eu ter gripe suína era baixa. Não me lembro como cheguei a essa conclusão, mas era o que eu achava.
Diante de todo esse contexto, eu lembrei que no livro do Nate Silver, tinha um capítulo falando sobre previsões que são difíceis de fazer. Quero compartilhar com você para que associe à gripe pela qual o mundo está passando.
Fique agora com o trecho do livro “”.
Como agir quando é difícil prever
As duas últimas grandes ameaças de gripe nos Estados Unidos mostraram não estar à altura da propaganda exagerada. Em 1976, não houve surto de H1N1 além do punhado de casos em Fort Dix; o programa de vacinação em massa proposto por Ford se mostrou um grande exagero.
Em 2009, a gripe suína infectou um grande número de pessoas, mas matou poucas. Em ambos os casos, as previsões do governo sobre a magnitude do surto estavam erradas.
Entretanto, não há garantia de que o erro será semelhante no próximo surto de gripe. Uma cepa da gripe aviária adaptada aos humanos, o H5N1, pode matar centenas de milhões de pessoas. Outra que se disseminasse com a mesma facilidade vista em 2009, mas com a taxa de letalidade da versão de 1918 teria matado 1,4 milhão de americanos.
Há também ameaças de outros vírus, como a SARS e até mesmo a varíola, que foi erradicada do mundo em 1977, mas que poderia ser reintroduzida na sociedade por terroristas sob a forma de arma biológica, colocando em risco milhões de pessoas.
As epidemias mais graves, quase que por definição, podem progredir de modo acelerado: em apenas uma semana de 2009, o H1N1 deixou de ser uma doença quase despercebida pela comunidade médica para se transformar em algo que parecia ter potencial para matar dezenas de milhões de pessoas.
Os epidemiologistas estavam muito cientes das limitações dos modelos. “É uma burrice fazer previsões com base em três pontos de dados”, afirmou Marc Lipsitch, referindo-se às pandemias de gripe em 1918, 1957 e 1968.
“Tudo o que se pode fazer é programar-se para diferentes cenários”.
Muitas vezes, quando não se consegue fazer uma boa previsão, é perigoso fingir que se consegue. Acredito que epidemiologistas e outros profissionais na comunidade médica entendam isso por causa da sua adesão ao juramento de Hipócrates. Primum non nocere: em primeiro lugar, não fazer mal.
Grande parte dos trabalhos mais sérios que encontrei sobre o uso e o abuso de modelos estatísticos e o papel adequado da previsão foi escrita por pessoas da área médica. Não quero dizer, com isso, que haja mais risco quando um economista ou um sismólogo fazem uma previsão. Mas, devido à íntima ligação da medicina com a vida e a morte, os médicos tendem a ser adequadamente cautelosos. Em sua área de atuação, modelos inadequados matam pessoas. Seu efeito é grave.
No entanto, há algo mais a ser dito sobre a ideia de Chip Macal de “desenvolver modelos para ideias”. A previsão é tanto um meio quanto um fim. Ela tem uma função primordial ao testar hipóteses, por exemplo, e, sendo assim, é essencial em toda a ciência.
O estatístico George E. P. Box escreveu:
“Todos os modelos estatísticos estão errados, mas alguns são úteis”.
Ele quis dizer que todos os modelos são simplificações do universo, como devem ser. Como disse outro matemático: “O melhor modelo de um gato é um gato”. Todo o resto excluirá algum tipo de detalhe. Quão pertinente esse detalhe pode ser dependerá do problema que estamos tentando resolver e do grau de precisão de que precisamos como resposta.
Os modelos estatísticos não são as únicas ferramentas que exigem que façamos aproximações sobre o universo. A linguagem, por exemplo, é um modelo, uma aproximação que utilizamos para nos comunicar uns com os outros. Em todos os idiomas existem palavras sem correspondente direto em outras línguas, mesmo que ambas tentem explicar o mesmo universo. Subcampos técnicos têm uma linguagem especializada própria. Para você ou para mim, a capa de um livro pode ser amarela. Para um designer gráfico, é algo muito aproximado ao amarelo: a cor é Pantone 107.
Porém, escreveu Box, alguns modelos são úteis. Parece-me que o trabalho que as equipes de Chicago e de Pittsburgh estão desenvolvendo, baseado em agentes, é muito útil. Descobrir o que diferentes grupos étnicos pensam sobre vacinação, como a doença é transmitida pelos bairros de uma cidade ou como as pessoas reagem a notícias sobre a gripe são problemas importantes em seus sentidos.
Um bom modelo pode ser útil até quando fracassa. “Deveria ser dado como certo que qualquer previsão que façamos, em média, estará errada”, afirmou Ozonoff.
“Portanto, trata-se de entender onde está o erro, o que fazer quando a previsão estiver errada e como minimizarmos os custos”.
O segredo está em lembrar que um modelo é uma ferramenta para nos ajudar a entender as complexidades do universo, jamais um substituto para ele. Isso é importante não apenas quando fazemos previsões. Alguns neurocientistas, como Tomaso Poggio, do Massachusetts Institute of technology (MIT), acreditam que o cérebro humano processa informações através de uma série de aproximações.
Por isso é tão fundamental desenvolver uma melhor compreensão de nós mesmos e da forma como distorcemos e interpretamos os sinais que recebemos para fazer previsões melhores.
