Mapping knowledge user participation approaches in infectious disease transmission modeling (participatory modeling): a scoping review
Esta revisão de escopo de 156 estudos de modelagem de doenças infecciosas revela que, embora a participação de usuários do conhecimento seja comum, ela se limita predominantemente a tarefas a jusante e a formuladores de políticas, destacando a necessidade de um engajamento mais equitativo e precoce de diversos stakeholders para fortalecer a relevância e a adoção dos modelos.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Quando uma nova doença começa a se espalhar, os profissionais de saúde pública frequentemente recorrem a modelos matemáticos para entender como ela se move através de uma população e para decidir quais intervenções podem detê-la. Esses modelos não são bolas de cristal que preveem o futuro com certeza perfeita; em vez disso, são representações simplificadas da realidade, construídas por pesquisadores para simular como as infecções passam de uma pessoa para outra. Como essas simulações podem moldar decisões importantes — como quando fechar escolas, como distribuir vacinas ou para onde enviar equipes médicas — as pessoas que utilizam os modelos precisam confiar neles. Por muito tempo, o processo de construção desses modelos foi amplamente oculto dentro de instituições acadêmicas, com especialistas tomando as decisões sobre o que incluir e o que deixar de fora. No entanto, há um reconhecimento crescente de que as pessoas mais afetadas por essas doenças, bem como os funcionários que devem agir com base nos achados, devem ter um assento à mesa enquanto os modelos estão sendo construídos. Essa abordagem, conhecida como modelagem participativa, convida aqueles de fora do laboratório a ajudar a moldar as perguntas que estão sendo feitas e as respostas que se busca.
Uma equipe de pesquisadores partiu recentemente para entender como essa colaboração está realmente acontecendo no mundo real. Eles realizaram uma revisão massiva de quase dez mil estudos científicos publicados ao longo de vinte e quatro anos, procurando especificamente por instâncias onde modelos de doenças infecciosas foram criados com a ajuda de parceiros externos. Após filtrar cuidadosamente a literatura, identificaram 156 estudos onde tal colaboração foi relatada. Esses estudos cobriram 21 doenças infecciosas diferentes e ocorreram em 98 países, com uma parcela significativa focando na recente pandemia de COVID-19, seguida pelo HIV e tuberculose. Os pesquisadores descobriram que, embora a prática de envolver vozes externas esteja se tornando mais comum, a maneira como isso acontece é frequentemente desigual. Na grande maioria dos casos, as pessoas convidadas para ajudar eram funcionários governamentais ou gestores de programas que tomam decisões políticas. Em contraste, grupos comunitários e indivíduos que viveram pessoalmente a doença foram envolvidos em menos de um em cada cinco estudos.
A revisão revelou um padrão distinto em como essas colaborações se desenrolam. Na maioria das vezes, os parceiros externos eram trazidos apenas depois que o trabalho pesado do modelo já havia sido desenhado. Eles eram frequentemente solicitados a fornecer dados, como taxas de infecção locais ou padrões de contato, ou para ajudar a interpretar os resultados finais uma vez que o modelo estivesse terminado. Isso é semelhante a pedir a um guia local para ajudar a navegar em um mapa apenas depois que a rota já foi traçada por alguém que nunca visitou o território. Os pesquisadores descobriram que menos da metade dos estudos envolveu esses parceiros nos estágios iniciais e mais críticos, como decidir quais perguntas o modelo deve responder ou determinar a estrutura básica de como a doença se espalha. Menos ainda foram envolvidos na verificação da lógica interna do modelo ou no teste de suas premissas. Isso sugere que, embora os modelos estejam se tornando mais conectados ao mundo real, o poder de definir a forma fundamental do modelo geralmente permanece com os especialistas acadêmicos.
Para dar sentido a essas diferentes formas de trabalhar juntos, os pesquisadores identificaram cinco abordagens distintas. A mais comum era um estilo de "encomenda", onde uma agência governamental contrata uma equipe de pesquisa para responder a uma pergunta específica, com a agência definindo o problema e revisando a resposta final. Outra abordagem envolveu um intermediário de "terceira parte", como uma organização internacional, que conecta financiadores a pesquisadores. Um terceiro método, chamado "plug-and-play", permite que usuários interajam com um modelo pré-construído, explorando diferentes cenários em um painel sem alterar como o modelo funciona por baixo. Uma quarta abordagem, "crowdsourcing", reúne dados diretamente do público, como relatos de sintomas, para alimentar o modelo, mas sem dar a esses contribuintes uma palavra sobre o design do modelo. O quinto e menos comum método foi a "coprodução ativa", onde membros da comunidade e pesquisadores trabalharam juntos desde o início para construir o modelo, compartilhando o poder de tomar decisões sobre tudo, desde as perguntas de pesquisa até as conclusões finais.
O estudo conclui que, embora o campo esteja se movendo em direção a práticas mais inclusivas, ainda há um longo caminho a percorrer para garantir que os modelos reflitam verdadeiramente as necessidades e as realidades das comunidades que servem. Os pesquisadores sugerem que, para que essas ferramentas sejam mais eficazes e confiáveis, o envolvimento de vozes diversas precisa acontecer mais cedo no processo, antes do modelo ser construído, e não apenas ao final. Eles também observam que o relato atual dessas colaborações é frequentemente inconsistente, tornando difícil saber exatamente quanta influência diferentes grupos têm. Ao estabelecer diretrizes mais claras sobre como conduzir e relatar essas parcerias, a comunidade científica pode ajudar a garantir que os modelos usados para guiar decisões de saúde pública sejam não apenas matematicamente sólidos, mas também socialmente relevantes e equitativos.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.