Preparing for the next pandemic takes more than better models: expert consensus recommendations for infectious disease modelling

Cuando una nueva enfermedad comienza a propagarse, los gobiernos necesitan saber con qué rapidez se moverá, dónde golpeará a continuación y qué acciones la detendrán. Para responder a estas preguntas, los científicos construyen modelos matemáticos. Estos no son bolas de cristal que predicen el futuro con certeza; más bien, son formas estructuradas de pensar sobre cómo podría comportarse un virus bajo diferentes condiciones. Imagine un modelo como un mapa complejo que muestra las posibles rutas que un viajero podría tomar, basándose en las carreteras disponibles y el clima esperado. Si el mapa se dibuja con datos deficientes o supuestos ocultos, el viajero podría tomar un giro equivero. Durante décadas, estos modelos han ayudado a los funcionarios a gestionar brotes, desde la fiebre aftosa en el ganado hasta la propagación global de la influenza. Sin embargo, la reciente pandemia reveló que tener mejores mapas no es suficiente. El verdadero desafío radica en cómo se dibujan los mapas, cómo se comparten los datos que los alimentan y cómo se explican los resultados a las personas que deben tomar decisiones de vida o muerte.

Un gran grupo de expertos se ha unido ahora para definir exactamente cómo debería funcionar el modelado de enfermedades infecciosas para ser más útil. Liderado por investigadores de la Universidad de Lübeck, este equipo reunió a 41 especialistas en matemáticas, salud pública y ciencias sociales de universidades e institutos de investigación de todo el mundo. No se limitaron a discutir sobre qué ecuaciones eran mejores. En su lugar, llevaron a cabo un proceso riguroso para encontrar un acuerdo sobre las reglas del juego. Primero, revisaron cientos de estudios pasados para ver qué problemas habían enfrentado los científicos anteriormente. Luego, realizaron una serie de cuatro rondas de discusión y votación, refinando sus ideas hasta que todos estuvieron de acuerdo en un conjunto final de cuarenta recomendaciones. El objetivo era crear un estándar compartido que hiciera el modelado más confiable, transparente y listo para la próxima emergencia.

El hallazgo más sorprendente de este trabajo es que los expertos acordaron casi perfectamente cuarenta declaraciones específicas. Treinta y ocho de estas recibieron la calificación más alta posible, lo que significa que todo el panel las consideró esenciales. Sin embargo, el consenso no fue sobre cómo construir un tipo específico de modelo. En cambio, el consenso más fuerte se centró en las condiciones que rodean al modelo: los datos que utiliza, la forma en que se reporta y las personas que trabajan con él. El panel encontró que un grupo de modelado no puede solucionar estos problemas por sí solo. Si bien los científicos pueden decidir cómo escribir su código o cómo explicar su incertidumbre, no pueden crear sistemas de datos públicos, negociar tratados internacionales de intercambio de datos o asegurar financiamiento a largo plazo por su cuenta. Estas tareas requieren que los gobiernos, las agencias de financiamiento y los asesores políticos actúen entre pandemias, no solo durante ellas.

Los expertos identificaron que los mayores obstáculos suelen ser prácticos más que matemáticos. Para que un modelo sea preciso, necesita datos oportunos que sean fáciles de acceder y que estén claramente etiquetados con sus limitaciones. Actualmente, los datos suelen llegar tarde, están bloqueados tras barreras complicadas o vienen en formatos que las computadoras no pueden leer automáticamente. El panel insistió en que los datos deberían estar disponibles a través de sistemas abiertos y legibles por máquinas con una documentación clara. También enfatizaron la necesidad de acuerdos transfronterizos para que los datos puedan fluir libremente entre países durante una crisis. Sin estos cimientos, incluso el modelo más sofisticado tendrá dificultades para proporcionar una guía útil. El grupo también subrayó que los modelos deben ser transparentes. Esto significa que los científicos deben declarar claramente qué supuestos tomaron, compartir su código y sus datos para que otros puedan verificar su trabajo, y explicar los límites de sus predicciones.

Otro punto crítico de acuerdo fue cómo hablar sobre la incertidumbre. En el pasado, los modelos a veces fueron tratados como oráculos que podían predecir el futuro exacto. El panel aclaró que los modelos son herramientas para explorar posibilidades, no para vaticinar el destino. Un modelo podría mostrar que un virus podría propagarse rápidamente si no se toma ninguna medida, pero si los funcionarios implementan medidas estrictas, esa propagación rápida podría no ocurrir. Esto no significa que el modelo falló; significa que el modelo exploró con éxito un escenario que fue evitado. Los expertos argumentaron que los científicos deben distinguir claramente entre un pronóstico de lo que sucederá y un escenario de lo que podría suceder bajo condiciones específicas. También acordaron que la incertidumbre debe comunicarse en rangos, mostrando un espectro de posibles resultados, en lugar de como un número único y preciso que da una falsa sensación de exactitud.

El estudio también destacó que las personas que construyen estos modelos a menudo trabajan de forma aislada de las personas que los utilizan. El panel recomendó la creación de roles permanentes que cierren esta breenda, donde los expertos puedan traducir los complejos resultados de los modelos en consejos claros para los responsables de la toma de decisiones. También señalaron que los modelos a menudo pasan por alto a los grupos vulnerables o no tienen en cuenta cómo cambia el comportamiento humano durante una crisis. Para solucionar esto, los expertos pidieron modelos que incluyan poblaciones diversas y la integración de conocimientos de las ciencias sociales. Sin embargo, reconocieron que añadir demasiada complejidad puede hacer que un modelo sea difícil de usar, por lo que se debe encontrar el equilibrio adecuado según la pregunta específica que se esté formulando.

A pesar del alto nivel de acuerdo, el panel reconoció limitaciones significativas en su trabajo. Los expertos provenían casi en su totalidad de países de ingresos altos y entornos académicos. Esto significa que sus recomendaciones reflejan los recursos y las estructuras disponibles en esas regiones, que pueden no existir en los países de ingresos bajos y medios donde podría estallar la próxima pandemia. El grupo admitió que su lista de prioridades asume un gobierno y un sistema de salud funcionales, lo cual no siempre es el caso. También señalaron que su estudio no abordó plenamente las realidades políticas que a menudo impiden que se siga un buen consejo, ni exploró profundamente los costos económicos de las diferentes intervenciones.

En última instancia, el artículo concluye que la preparación para la próxima pandemia requiere más que solo mejores matemáticas. Requiere la construcción de las instituciones e infraestructuras que permitan que los modelos funcionen eficazmente. Los expertos ofrecieron diez prioridades específicas para el tiempo entre brotes, tales como establecer sistemas de datos interoperables, crear equipos interdisciplinarios permanentes y asegurar un financiamiento sostenido. Argumentaron que esperar hasta que comience una crisis para solucionar estos problemas es demasiado tarde. Las recomendaciones se presentan no como una solución final, sino como un punto de partida para una conversación global. Al acordar estos estándares ahora, la comunidad científica espera asegurar que, cuando surja la próxima amenaza, las herramientas disponibles para combatirla sean robustas, claras y estén listas para servir al público.