Réinventer nos problèmes de pandémie avec l'état d'esprit d'un ingénieur

Mme Tech | Collection Bienvenue

Les 20 derniers mois ont transformé chaque chien en épidémiologiste et statisticien amateur. Pendant ce temps, un groupe d'épidémiologistes et de statisticiens de bonne foi en sont venus à croire que les problèmes de pandémie pourraient être résolus plus efficacement en adoptant l'état d'esprit d'un ingénieur, c'est-à-dire en se concentrant sur la résolution pragmatique des problèmes avec une stratégie itérative et adaptative pour faire fonctionner les choses.

Dans un essai récent, Prise en compte de l'incertitude pendant une pandémie , les chercheurs réfléchissent à leur rôle lors d'une urgence de santé publique et à la manière dont ils pourraient être mieux préparés pour la prochaine crise. La réponse, écrivent-ils, réside peut-être dans la réinvention de l'épidémiologie avec davantage une perspective d'ingénierie et moins une perspective scientifique pure.

La recherche épidémiologique éclaire la politique de santé publique et son mandat intrinsèquement appliqué de prévention et de protection. Mais le juste équilibre entre les résultats de la recherche pure et les solutions pragmatiques s'est avéré incroyablement insaisissable pendant la pandémie.

Nous devons prendre des décisions pratiques, alors à quel point l'incertitude compte-t-elle vraiment ?

Seth Guikema

J'ai toujours imaginé que dans ce genre d'urgence, les épidémiologistes seraient des gens utiles, explique Jon Zelner, co-auteur de l'essai. Mais notre rôle a été plus complexe et moins bien défini que ce à quoi je m'attendais au début de la pandémie. Modeleur de maladies infectieuses et épidémiologiste social à l'Université du Michigan, Zelner a été témoin d'une prolifération insensée d'articles de recherche, dont beaucoup ne pensaient guère à ce que tout cela signifiait vraiment en termes d'impact positif.

Il y a eu un certain nombre d'opportunités manquées, dit Zelner, causées par des liens manquants entre les idées et les outils proposés par les épidémiologistes et le monde qu'ils étaient censés aider.

Renoncer à la certitude

Le co-auteur Andrew Gelman, statisticien et politologue à l'Université de Columbia, a présenté la situation dans son ensemble dans l'introduction de l'essai. Il a comparé l'épidémie d'épidémiologistes amateurs de la pandémie à la façon dont la guerre fait de chaque citoyen un géographe et un tacticien amateur : au lieu de cartes avec des épingles colorées, nous avons des tableaux d'exposition et de décès ; les gens dans la rue discutent des taux de mortalité par infection et de l'immunité collective comme ils auraient pu débattre des stratégies et des alliances en temps de guerre dans le passé.

Et avec toutes les données et le discours public - Les masques sont-ils toujours nécessaires ? Combien de temps durera la protection vaccinale ? – est venu le barrage d'incertitude.

En essayant de comprendre ce qui vient de se passer et ce qui a mal tourné, les chercheurs (qui comprenaient également Ruth Etzioni de l'Université de Washington et Julien Riou de l'Université de Berne) ont mené une sorte de reconstitution. Ils ont examiné les outils utilisés pour relever des défis tels que l'estimation du taux de transmission d'une personne à l'autre et le nombre de cas circulant dans une population à un moment donné. Ils ont tout évalué, de la collecte de données (la qualité des données et leur interprétation étaient sans doute les plus grands défis de la pandémie) à la conception de modèles en passant par l'analyse statistique, ainsi que la communication, la prise de décision et la confiance. L'incertitude est présente à chaque étape, ont-ils écrit.

Et pourtant, dit Gelman, l'analyse n'exprime toujours pas assez la confusion que j'ai vécue au cours de ces premiers mois.

Une tactique contre toute l'incertitude est la statistique. Gelman considère les statistiques comme de l'ingénierie mathématique - des méthodes et des outils qui concernent autant la mesure que la découverte. Les sciences statistiques tentent d'éclairer ce qui se passe dans le monde, en mettant l'accent sur la variation et l'incertitude. Lorsque de nouvelles preuves arrivent, elles doivent générer un processus itératif qui affine progressivement les connaissances antérieures et affine la certitude.

La bonne science est humble et capable de se raffiner face à l'incertitude.

Marc Lipsitch

Susan Holmes, une statisticienne de Stanford qui n'a pas participé à cette recherche, voit également des parallèles avec la mentalité d'ingénieur. Un ingénieur met toujours à jour son image, dit-elle, en la révisant à mesure que de nouvelles données et de nouveaux outils deviennent disponibles. En s'attaquant à un problème, un ingénieur propose une approximation du premier ordre (flou), puis une approximation du second ordre (plus ciblée), et ainsi de suite.

Gelman, cependant, a prévenu précédemment que la science statistique peut être déployée comme une machine à blanchir l'incertitude - délibérément ou non, des données merdiques (incertaines) sont regroupées et rendues convaincantes (certaines). Les statistiques brandies contre les incertitudes sont trop souvent vendues comme une sorte d'alchimie qui transformera ces incertitudes en certitude.

Nous en avons été témoins pendant la pandémie. Noyés par le bouleversement et l'inconnu, les épidémiologistes et les statisticiens, amateurs comme experts, ont saisi quelque chose de solide alors qu'ils tentaient de rester à flot. Mais comme le souligne Gelman, vouloir la certitude pendant une pandémie est inapproprié et irréaliste. La certitude prématurée a fait partie du défi des décisions dans la pandémie, dit-il. Ce saut entre l'incertitude et la certitude a causé beaucoup de problèmes.

Abandonner le désir de certitude peut être libérateur, dit-il. Et c'est en partie là que la perspective de l'ingénierie entre en jeu.

Un état d'esprit de bricolage

Pour Seth Guikema, codirecteur du Center for Risk Analysis and Informed Decision Engineering de l'Université du Michigan (et collaborateur de Zelner's sur d'autres projets), un aspect clé de l'approche d'ingénierie consiste à plonger dans l'incertitude, à analyser le gâchis, puis prendre du recul, avec la perspective Nous devons prendre des décisions pratiques, alors à quel point l'incertitude compte-t-elle vraiment ? Parce que s'il y a beaucoup d'incertitude - et si l'incertitude change quelles sont les décisions optimales, ou même quelles sont les bonnes décisions - alors c'est important de le savoir, dit Guikema. Mais si cela n'affecte pas vraiment mes meilleures décisions, alors c'est moins critique.

Par exemple, l'augmentation de la couverture vaccinale contre le SRAS-CoV-2 dans la population est un scénario dans lequel, même s'il existe une certaine incertitude quant au nombre exact de cas ou de décès que la vaccination permettra d'éviter, le fait qu'il est très probable qu'elle diminue les deux, avec peu d'effets indésirables effets, est une motivation suffisante pour décider qu'un programme de vaccination à grande échelle est une bonne idée.

Un ingénieur met toujours à jour son image.

Susan Holmes

Les ingénieurs, souligne Holmes, sont également très doués pour décomposer les problèmes en éléments critiques, appliquer des outils soigneusement sélectionnés et optimiser les solutions sous contraintes. Avec une équipe d'ingénieurs construisant un pont, il y a un spécialiste du ciment et un spécialiste de l'acier, un ingénieur éolien et un ingénieur structure. Toutes les différentes spécialités travaillent ensemble, dit-elle.

Pour Zelner, la notion d'épidémiologie en tant que discipline d'ingénierie est quelque chose qu'il a hérité de son père, un ingénieur en mécanique qui a lancé sa propre entreprise de conception d'établissements de soins de santé. S'inspirant d'une enfance consacrée à la construction et à la réparation de choses, son esprit d'ingénieur implique le bricolage - affiner un modèle de transmission, par exemple, en réponse à une cible en mouvement.

Souvent, ces problèmes nécessitent des solutions itératives, où vous apportez des changements en réponse à ce qui fonctionne ou ne fonctionne pas, dit-il. Vous continuez à mettre à jour ce que vous faites au fur et à mesure que de nouvelles données arrivent et que vous voyez les succès et les échecs de votre approche. Pour moi, c'est très différent - et mieux adapté aux problèmes complexes et non stationnaires qui définissent la santé publique - que le genre d'image statique unique que beaucoup de gens ont de la science universitaire, où vous avez une grande idée, testez-le, et votre résultat est conservé dans l'ambre pour toujours.

Histoire connexe

Tous ensemble maintenant : le modèle covid-19 le plus fiable est un ensemble

En combinant une multitude de prédictions et de projections, les équipes de modélisation affinent l'incertitude.

Zelner et ses collaborateurs de l'université ont passé de nombreux mois à construire un site de cartographie covid pour le Michigan, et il a participé à la création de tableaux de bord de données, des outils utiles pour la consommation publique. Mais au cours du processus, il a constaté un décalage croissant entre les outils formels et ce qui était nécessaire pour éclairer la prise de décision pratique dans une crise en évolution rapide. Nous savions qu'une pandémie se produirait un jour, mais je n'avais certainement pas réfléchi à ce que serait ou pourrait être mon rôle, dit-il. Nous avons passé plusieurs mois angoissants à inventer la chose - en essayant de faire cette chose que nous n'avions jamais faite auparavant et en réalisant que nous n'avions aucune expertise pour le faire.

Il envisage des résultats de recherche qui ne se contentent pas d'exhorter les gens à le faire ! mais aussi avec des logiciels accessibles permettant aux autres de bricoler les outils. Mais pour la plupart, dit-il, les épidémiologistes font de la recherche, pas du développement : nous écrivons des logiciels, et c'est généralement assez mauvais, mais cela fait le travail. Et puis nous rédigeons l'article, puis c'est à quelqu'un d'autre – une autre personne imaginaire – de le rendre utile dans un contexte plus large. Et puis ça n'arrive jamais. Nous avons vu ces échecs dans le contexte de la pandémie.

Il imagine l'équivalent d'un centre national de prévision météorologique des maladies infectieuses. Il y a un monde dans lequel tous les chiffres covid vont à un endroit central, dit-il. Là où il existe un modèle capable de combiner de manière cohérente ces informations, de générer des prédictions accompagnées de représentations assez précises de l'incertitude, et de dire quelque chose d'intelligible et de relativement exploitable dans un délai assez court.

Au début de la pandémie, cette infrastructure n'existait pas. Mais récemment, il y a eu des signes de progrès.

Science de la santé publique en évolution rapide

Marc Lipsitch, épidémiologiste des maladies infectieuses à Harvard, est le directeur scientifique du nouveau Center for Forecasting and Outbreak Analytics des Centers for Disease Control des États-Unis, qui vise à améliorer la prise de décision et à permettre une réponse coordonnée et cohérente à une pandémie au fur et à mesure qu'elle se déroule. .

Nous ne sommes pas très bons pour prévoir les maladies infectieuses en ce moment. En fait, nous sommes assez mauvais dans ce domaine, dit Lipsitch. Mais nous étions assez mauvais en prévisions météorologiques quand cela a commencé dans les années 50, note-t-il. Et puis la technologie s'est améliorée, la méthodologie s'est améliorée, la mesure s'est améliorée, le calcul s'est amélioré. Avec un investissement de temps et d'efforts scientifiques, nous pouvons nous améliorer.

Améliorer la prévision fait partie de la vision du centre en matière d'innovation. Un autre objectif est la capacité de réaliser des études spécifiques pour répondre à des questions spécifiques qui se posent pendant une pandémie, puis de produire un logiciel d'analyse conçu sur mesure pour informer les réponses en temps opportun aux niveaux national et local.

Ces efforts sont en phase avec la notion d'une approche d'ingénierie, bien que Lipsitch l'appellerait simplement une science de la santé publique en évolution rapide.

La bonne science est humble et capable de se raffiner face à l'incertitude, dit-il. Les scientifiques, généralement sur une échelle de temps plus longue - des années ou des décennies - sont assez habitués à l'idée de mettre à jour notre image de la vérité. Mais pendant une crise, la mise à jour doit se faire rapidement. En dehors des pandémies, les scientifiques ne sont pas habitués à changer considérablement notre image du monde chaque semaine ou chaque mois, dit-il. Mais dans cette pandémie en particulier, avec la rapidité des nouveaux développements et des nouvelles informations, nous devons le faire.

La philosophie du nouveau centre, dit Lipsitch, est d'améliorer la prise de décision dans l'incertitude, en réduisant cette incertitude avec de meilleures analyses et de meilleures données, mais aussi en reconnaissant ce qui n'est pas connu et en communiquant clairement cela et ses conséquences.

Et il note, Nous aurons besoin de beaucoup d'ingénieurs pour faire fonctionner cette fonction - et l'approche d'ingénierie, bien sûr.

cacher