Unsere Pandemieprobleme mit der Denkweise eines Ingenieurs neu denken

Collage von Zahnrädern

Frau Technik | Willkommen Sammlung



Die letzten 20 Monate haben aus jedem Hund einen Hobby-Epidemiologen und Statistiker gemacht. In der Zwischenzeit kam eine Gruppe echter Epidemiologen und Statistiker zu der Überzeugung, dass Pandemieprobleme effektiver gelöst werden könnten, wenn man die Denkweise eines Ingenieurs annimmt: das heißt, sich auf pragmatische Problemlösung mit einer iterativen, adaptiven Strategie zu konzentrieren, um die Dinge zum Laufen zu bringen.

In einem kürzlich erschienenen Aufsatz Berücksichtigung von Unsicherheit während einer Pandemie , reflektieren die Forscher ihre Rolle während eines Notfalls im Bereich der öffentlichen Gesundheit und darüber, wie sie besser auf die nächste Krise vorbereitet sein könnten. Die Antwort, schreiben sie, könnte darin liegen, die Epidemiologie mit mehr einer technischen und weniger einer rein wissenschaftlichen Perspektive neu zu denken.



Epidemiologische Forschung informiert die öffentliche Gesundheitspolitik und ihr von Natur aus angewandtes Mandat für Prävention und Schutz. Aber das richtige Gleichgewicht zwischen reinen Forschungsergebnissen und pragmatischen Lösungen erwies sich während der Pandemie als erschreckend schwer fassbar.



Wir müssen praktische Entscheidungen treffen, also wie wichtig ist die Ungewissheit wirklich?

Seth Guikema

Ich habe mir immer vorgestellt, dass Epidemiologen in solchen Notfällen nützliche Leute wären, sagt Jon Zelner, einer der Mitautoren des Essays. Aber unsere Rolle war komplexer und schlechter definiert, als ich zu Beginn der Pandemie erwartet hatte. Als Modellierer von Infektionskrankheiten und Sozialepidemiologe an der University of Michigan war Zelner Zeuge einer wahnsinnigen Verbreitung von Forschungsarbeiten, von denen viele sehr wenig darüber nachdachten, was sie wirklich bedeuteten, um positive Auswirkungen zu haben.

Es gab eine Reihe verpasster Gelegenheiten, sagt Zelner – verursacht durch fehlende Verbindungen zwischen den von Epidemiologen vorgeschlagenen Ideen und Tools und der Welt, der sie helfen sollten.



Gewissheit aufgeben

Co-Autor Andrew Gelman, ein Statistiker und Politikwissenschaftler an der Columbia University, skizzierte das Gesamtbild in der Einleitung des Essays. Er verglich den Ausbruch der Pandemie durch Amateur-Epidemiologen mit der Art und Weise, wie der Krieg jeden Bürger zu einem Amateur-Geographen und Taktiker macht: Anstelle von Karten mit farbigen Stecknadeln haben wir Diagramme der Exposition und der Todeszahlen; Menschen auf der Straße streiten sich über Infektionssterblichkeit und Herdenimmunität, so wie sie in der Vergangenheit möglicherweise über Kriegsstrategien und Allianzen diskutiert haben.

Und bei all den Daten und dem öffentlichen Diskurs – sind Masken noch notwendig? Wie lange wird der Impfschutz anhalten? – kam das Sperrfeuer der Ungewissheit.

Bei dem Versuch zu verstehen, was gerade passiert ist und was schief gelaufen ist, haben die Forscher (zu denen auch Ruth Etzioni von der University of Washington und Julien Riou von der Universität Bern gehörten) eine Art Nachstellung durchgeführt. Sie untersuchten die Werkzeuge, die zur Bewältigung von Herausforderungen wie der Schätzung der Übertragungsrate von Person zu Person und der Anzahl der Fälle, die zu einem bestimmten Zeitpunkt in einer Bevölkerung zirkulieren, verwendet werden. Sie bewerteten alles von der Datenerhebung (die Qualität der Daten und ihre Interpretation waren wohl die größten Herausforderungen der Pandemie) über das Modelldesign bis hin zur statistischen Analyse sowie Kommunikation, Entscheidungsfindung und Vertrauen. Unsicherheit sei bei jedem Schritt vorhanden, schrieben sie.



Und doch, sagt Gelman, drückt die Analyse immer noch nicht genug von der Verwirrung aus, die ich in diesen ersten Monaten durchgemacht habe.

Eine Taktik gegen alle Ungewissheit ist Statistik. Gelman betrachtet Statistik als mathematisches Ingenieurwesen – Methoden und Werkzeuge, bei denen es sowohl um Messungen als auch um Entdeckungen geht. Die statistischen Wissenschaften versuchen zu beleuchten, was in der Welt vor sich geht, mit einem Schwerpunkt auf Variation und Unsicherheit. Wenn neue Beweise eintreffen, sollte dies einen iterativen Prozess erzeugen, der das bisherige Wissen schrittweise verfeinert und die Gewissheit schärft.

Gute Wissenschaft ist bescheiden und in der Lage, sich angesichts von Ungewissheit zu verfeinern.



Marc Lipsitch

Auch Susan Holmes, eine Statistikerin in Stanford, die an dieser Forschung nicht beteiligt war, sieht Parallelen zur Denkweise der Ingenieure. Ein Ingenieur aktualisiert sein Bild ständig, sagt sie, und überarbeitet es, wenn neue Daten und Tools verfügbar werden. Bei der Lösung eines Problems bietet ein Ingenieur eine Annäherung erster Ordnung (verschwommen), dann eine Annäherung zweiter Ordnung (konzentrierter) und so weiter.

Gelman hat jedoch zuvor gewarnt dass die statistische Wissenschaft als Maschine zum Waschen von Unsicherheit eingesetzt werden kann – absichtlich oder nicht, beschissene (unsichere) Daten werden zusammengerollt und so gemacht, dass sie überzeugend (sicher) erscheinen. Statistiken gegen Unsicherheiten werden allzu oft als eine Art Alchemie verkauft, die diese Unsicherheiten in Gewissheit verwandelt.

Wir haben das während der Pandemie erlebt. Epidemiologen und Statistiker – Amateure und Experten gleichermaßen – ertranken in Umwälzungen und Unbekannten und griffen nach etwas Solidem, als sie versuchten, sich über Wasser zu halten. Aber wie Gelman betont, ist der Wunsch nach Gewissheit während einer Pandemie unangemessen und unrealistisch. Vorzeitige Gewissheit war Teil der Herausforderung von Entscheidungen in der Pandemie, sagt er. Dieses Hin- und Herspringen zwischen Ungewissheit und Gewissheit hat viele Probleme verursacht.

Den Wunsch nach Gewissheit loszulassen, könne befreiend sein, sagt er. Und hier kommt zum Teil die Engineering-Perspektive ins Spiel.

Eine bastelnde Denkweise

Für Seth Guikema, Co-Direktor des Center for Risk Analysis and Informed Decision Engineering an der University of Michigan (und Mitarbeiter von Zelner bei anderen Projekten), besteht ein Schlüsselaspekt des Engineering-Ansatzes darin, in die Ungewissheit einzutauchen, das Durcheinander zu analysieren, und dann einen Schritt zurücktreten, mit der Perspektive Wir müssen praktische Entscheidungen treffen, also wie wichtig ist die Ungewissheit wirklich? Denn wenn es viel Ungewissheit gibt – und wenn sich die Ungewissheit ändert, was die optimalen Entscheidungen oder sogar die guten Entscheidungen sind – dann ist es wichtig zu wissen, sagt Guikema. Aber wenn es meine besten Entscheidungen nicht wirklich beeinflusst, dann ist es weniger kritisch.

Zum Beispiel ist die Erhöhung der SARS-CoV-2-Impfrate in der Bevölkerung ein Szenario, in dem, selbst wenn eine gewisse Unsicherheit darüber besteht, wie genau, wie viele Fälle oder Todesfälle die Impfung verhindern wird, die Tatsache, dass sie beide mit hoher Wahrscheinlichkeit mit wenigen Nebenwirkungen verringern wird Auswirkungen, ist Motivation genug, um zu entscheiden, dass ein groß angelegtes Impfprogramm eine gute Idee ist.

Ein Ingenieur aktualisiert ständig sein Bild.

Susan Holmes

Ingenieure, betont Holmes, sind auch sehr gut darin, Probleme in kritische Teile zu zerlegen, sorgfältig ausgewählte Werkzeuge anzuwenden und Lösungen unter Einschränkungen zu optimieren. Bei einem Team von Ingenieuren, die eine Brücke bauen, gibt es einen Spezialisten für Zement und einen Spezialisten für Stahl, einen Windingenieur und einen Statiker. All die verschiedenen Fachrichtungen arbeiten zusammen, sagt sie.

Für Zelner ist der Begriff der Epidemiologie als Ingenieurdisziplin etwas, das er von seinem Vater übernommen hat, einem Maschinenbauingenieur, der sein eigenes Unternehmen für die Planung von Gesundheitseinrichtungen gründete. Ausgehend von einer Kindheit voller Bauen und Reparieren von Dingen, gehört zu seiner technischen Denkweise das Basteln – zum Beispiel die Verfeinerung eines Getriebemodells als Reaktion auf ein sich bewegendes Ziel.

Oft erfordern diese Probleme iterative Lösungen, bei denen Sie Änderungen vornehmen, um darauf zu reagieren, was funktioniert oder nicht funktioniert, sagt er. Sie aktualisieren Ihre Aktivitäten weiterhin, wenn mehr Daten eingehen und Sie die Erfolge und Misserfolge Ihres Ansatzes sehen. Für mich ist das ganz anders – und besser geeignet für die komplexen, nicht stationären Probleme, die die öffentliche Gesundheit definieren – als die Art von statischem One-and-Done-Bild, das viele Leute von der akademischen Wissenschaft haben, wo man eine große Idee hat, Testen Sie es und Ihr Ergebnis wird für alle Zeit in Gelb gespeichert.

Jetzt alle zusammen: Das vertrauenswürdigste Covid-19-Modell ist ein Ensemble

Durch die Kombination einer Vielzahl von Vorhersagen und Projektionen verfeinern Modellierungsteams die Unsicherheit.

Zelner und Mitarbeiter an der Universität verbrachten viele Monate mit dem Aufbau eines Covid-Mapping-Website für Michigan, und er war an der Erstellung von Daten-Dashboards beteiligt – nützliche Tools für den öffentlichen Gebrauch. Dabei sah er jedoch ein wachsendes Missverhältnis zwischen den formalen Instrumenten und dem, was für die praktische Entscheidungsfindung in einer sich schnell entwickelnden Krise erforderlich war. Wir wussten, dass es eines Tages zu einer Pandemie kommen würde, aber ich habe mir keine Gedanken darüber gemacht, was meine Rolle sein würde oder sein könnte, sagt er. Wir haben mehrere qualvolle Monate damit verbracht, das Ding einfach zu erfinden – wir haben versucht, etwas zu tun, was wir noch nie zuvor gemacht hatten, und festgestellt, dass wir keine Erfahrung darin hatten.

Er stellt sich Forschungsergebnisse vor, die nicht nur mit Ermahnungen einhergehen, die Menschen sollten dies tun! sondern auch mit zugänglicher Software, die es anderen ermöglicht, an den Tools herumzubasteln. Aber zum größten Teil, sagt er, forschen Epidemiologen, nicht entwickeln: Wir schreiben Software, und die ist normalerweise ziemlich schlecht, aber sie erledigt die Arbeit. Und dann schreiben wir die Arbeit, und dann liegt es an jemand anderem – einer imaginierten anderen Person –, sie in einem breiteren Kontext nützlich zu machen. Und das passiert dann nie. Wir haben diese Fehler im Zusammenhang mit der Pandemie gesehen.

Er stellt sich das Äquivalent eines nationalen Wettervorhersagezentrums für Infektionskrankheiten vor. Es gibt eine Welt, in der alle Covid-Zahlen an einem zentralen Ort landen, sagt er. Wo es ein Modell gibt, das in der Lage ist, diese Informationen kohärent zu kombinieren, Vorhersagen zu erstellen, die von ziemlich genauen Darstellungen der Unsicherheit begleitet werden, und etwas Verständliches und relativ Umsetzbares in einem ziemlich engen Zeitrahmen zu sagen.

Zu Beginn der Pandemie gab es diese Infrastruktur noch nicht. Aber in letzter Zeit gab es Anzeichen für Fortschritte.

Schnelllebige Public-Health-Wissenschaft

Marc Lipsitch, Epidemiologe für Infektionskrankheiten in Harvard, ist Wissenschaftsdirektor am neuen Center for Forecasting and Outbreak Analytics der US Centers for Disease Control, das darauf abzielt, die Entscheidungsfindung zu verbessern und eine koordinierte, kohärente Reaktion auf eine Pandemie zu ermöglichen, während sie sich entfaltet .

Wir sind derzeit nicht sehr gut darin, Vorhersagen für Infektionskrankheiten zu treffen. Tatsächlich sind wir ziemlich schlecht darin, sagt Lipsitch. Aber wir waren ziemlich schlecht in Wettervorhersagen, als es in den 50er Jahren begann, bemerkt er. Und dann wurde die Technologie verbessert, die Methodik verbessert, die Messung verbessert, die Berechnung verbessert. Mit der Investition von Zeit und wissenschaftlichem Aufwand können wir Dinge besser machen.

Bessere Prognosen sind Teil der Innovationsvision des Zentrums. Ein weiteres Ziel ist die Fähigkeit, spezifische Studien durchzuführen, um spezifische Fragen zu beantworten, die während einer Pandemie auftreten, und dann kundenspezifische Analysesoftware zu erstellen, um zeitnahe Antworten auf nationaler und lokaler Ebene zu liefern.

Diese Bemühungen stehen im Einklang mit der Vorstellung eines technischen Ansatzes – obwohl Lipsitch es einfach als schnelllebige öffentliche Gesundheitswissenschaft bezeichnen würde.

Gute Wissenschaft ist bescheiden und in der Lage, sich angesichts der Unsicherheit zu verfeinern, sagt er. Wissenschaftler, normalerweise über einen längeren Zeitraum – Jahre oder Jahrzehnte – sind an die Idee gewöhnt, unser Bild der Wahrheit zu aktualisieren. Aber während einer Krise muss die Aktualisierung schnell erfolgen. Außerhalb von Pandemien seien Wissenschaftler nicht daran gewöhnt, unser Weltbild jede Woche oder jeden Monat grundlegend zu verändern, sagt er. Aber gerade in dieser Pandemie, mit der Geschwindigkeit neuer Entwicklungen und neuer Informationen, müssen wir das tun.

Die Philosophie des neuen Zentrums, sagt Lipsitch, ist es, die Entscheidungsfindung unter Unsicherheit zu verbessern, indem diese Unsicherheit durch bessere Analysen und bessere Daten reduziert wird, aber auch, indem anerkannt wird, was nicht bekannt ist, und dies und seine Konsequenzen klar kommuniziert werden.

Und er merkt an: Wir werden viele Ingenieure brauchen, um diese Funktion zu realisieren – und natürlich den technischen Ansatz.

verbergen