terça-feira, 15 de setembro de 2020

Mais uma adição ao Projeto CovidLP

www.est.ufmg.br/covidlp

Como todos aqui tem acompanhado, minha assiduidade ao projeto StatPop tem deixado a desejar nos últimos meses. O principal responsável por essa ausência tem sido um outro projeto: o CovidLP. O que começou com um exercício para alunos de uma disciplina suspensa pela pandemia alcançou uma abrangência que não tinha nem de longe sido antecipada pelos seus participantes. 

O projeto agregou participantes externos a essa disciplina e com isso ganhou outras funcionalidades: um app online, um site, um blog e mais recentemente o pacote PandemicLP. Esse pacote, escrito em R, dá liberdade aos usuários mais avançados, interessados em estender as análises do app para outras unidades, como municípios ou microrregiões. Ele surgiu como demanda de alguns usuários do app.

Também como demanda externa, surgiu agora um novo membro para a família CovidLP. O interesse em deixar os desenvolvimentos científicos do projeto documentados sempre fez parte das demandas de muitos usuários. Só não estava claro para a nossa equipe a melhor forma de materializar isso. 

Um aviso recente postado por uma editora, solicitando contribuições no combate à pandemia, indicou um possível caminho. Após troca de alguns emails com a editora, ficou claro para nossa equipe que o formato mais adequado para essa veiculação do nosso projeto deveria ser através de um livro, contando todos os percalços e também os nossos achados sempre do ponto de vista científico. E isso foi feito. 

Elaboramos uma proposta de livro, calcada sobre nossa experiência no projeto e ela foi submetida à editora. A editora por sua vez enviou a proposta para análise de 6 revisores. Esses revisores atuaram de forma parecida à que atuam os revisores de artigos científicos. A diferença é que os revisores de artigos científicos avaliam um produto concluído e esses revisores analisaram apenas uma proposta.

As opiniões dos revisores chegaram em poucas semanas e nos foram enviadas pela editora. Elas continham uma grande diversidade de opiniões indo desde efusivos elogios a críticas claras, passando também por revisores que viam pontos positivos e negativos. A partir daí, nossa equipe se dedicou a rever a proposta de livro de forma que fosse possível contemplar as críticas, sem perder os elogios, mas principalmente sem perder o foco no que queríamos e achamos que deveríamos reportar.

Como a equipe tinha clareza do que queria, não foi difícil identificar as críticas que mereciam ser incorporadas e separa-las daquelas que, mesmo quando meritórias, tirariam o nosso foco. E isso, nós sabíamos que não nos interessaria. Um dos pontos que veio da revisão foi a necessidade de reforçar a contextualização epidemiológica. Essa parte nos deixou particularmente felizes por 2 motivos. O primeiro e mais óbvio é que ela nos permitiu reforçar o conteúdo científico da área de aplicação que estamos lidando. 

Esse motivo já seria suficiente, mas essa revisão nos possibilitou a gratificante inclusão do Leo Bastos na equipe do livro, para que ele trouxesse parte da sua larga experiência sobre o assunto. Aqueles que acompanham o StatPop, tem visto os vários comentários do Leo às nossas postagens. Mais recentemente, um belíssimo texto do Leo serviu como postagem recente aqui. Esse texto bateu todos os recordes de visualizações do StatPop, comprovando a sua relevância. Leo agora nos dará a chance de aprofundar no livro os seus questionamentos sobre dados de pandemias e possíveis tratamentos que podem a eles ser aplicados.

A revisão da proposta contendo esse e vários outros pontos foi enfim feita e enviada à editora. Felizmente, as mudanças propostas não removeram os apoios que já possuíamos e apontou uma solução melhorada tanto para nós, quanto para a editora e para os revisores. Ao final desse processo todo, a editora se sentiu confortável para decidir pelo apoio ao projeto. 

Assim, temos agora um novo componente dentro do CovidLP. Ele demandará muito esforço e concentração de toda a equipe envolvida mas todos ficaram muito felizes com a perspectiva que se abriu para nós. Teremos que trabalhar duro pelos próximos meses e esperamos concluir o texto até o início do próximo ano, como nos comprometemos.    

 A boa notícia para todos que nos pediam uma melhor documentação é que ela virá. A má notícia é que ela vai demorar mais do que os que pediam por isso imaginavam. Serão meses ao invés de semanas. Outro efeito colateral indesejável é que continuarei sendo atraído para longe do StatPop por mais algum tempo. Assim como houve a necessidade de informar esse episódio do CovidLP aqui, outros possivelmente ocorrerão e ensejarão postagens aqui.

Apesar de muito penoso para todos nós do ponto de vista pessoal, esse ano tem sido fonte de aprendizados das mais diferentes naturezas para a humanidade. Estamos cientes da dificuldade do desafio que assumimos. Mas estamos confiantes que conseguiremos juntar um material minimamente aceitável que sirva de testemunho de toda nossa jornada, faça jus a tudo que aprendemos e deixe um legado útil a futuros desenvolvedores de plataformas de previsão de pandemias ou até mesmo de outros fenômenos.


segunda-feira, 10 de agosto de 2020

Como pensar como um epidemiologista

https://www.nytimes.com/ (James Steinberg)

O texto com o título acima, escrito pela jornalista canadense Siobhan Roberts, foi publicado na semana passada pelo jornal americano The New York Times com o sub-título "Não se preocupe, um pouco de análise Bayesiana não lhe fará mal". O texto faz um apanhado de como a inferência Bayesiana pode ser útil em análises práticas, inclusive no período da pandemia. Ele reflete posições externadas em repetidas postagens aqui no StatPop. Mas como é um texto recente, atual e veiculado em mídia de alcance internacional, achei por bem reproduzi-lo aqui em português, para a compreensão de todos. Segue abaixo o texto da matéria...

"Há uma réplica de um estatístico - às vezes oferecida como uma crítica irônica, às vezes como um conselho honesto - que dificilmente poderia ser um lema melhor para nossos tempos: "Atualize suas prioris!"

No jargão das estatísticas, prioris são seus conhecimentos e crenças anteriores, inevitavelmente confusos e incertos, antes de ver as evidências. As evidências promovem uma atualização; e, em seguida, mais evidências solicitarão atualizações adicionais, e assim por diante. Este processo iterativo aprimora maior certeza e gera um acúmulo coerente de conhecimento.

No início da era pandêmica, por exemplo, a transmissão aérea da Covid-19 não era considerada provável, mas no início de julho a Organização Mundial da Saúde, com crescentes evidências científicas, admitiu que era um fator, especialmente em ambientes fechados. A OMS atualizou seus antecedentes e mudou seus conselhos.

Este é o cerne da análise bayesiana, em homenagem a Thomas Bayes, um ministro presbiteriano do século 18 que fazia matemática paralelamente. Ele captura a incerteza em termos de probabilidade: o teorema, ou regra, de Bayes é um dispositivo para atualizar racionalmente suas crenças e incertezas anteriores com base em evidências observadas.

O reverendo Bayes expôs suas idéias em “Um ensaio para a solução de um problema na doutrina das chances”, publicado postumamente em 1763; foi refinado pelo pregador e matemático Richard Price e incluiu o teorema de Bayes. Alguns séculos depois, as estruturas e métodos bayesianos, movidos por computação, estão no centro de vários modelos em epidemiologia e outros campos científicos.

Como Marc Lipsitch, epidemiologista de doenças infecciosas de Harvard, observou no Twitter, o raciocínio bayesiano chega muito perto de sua definição de racionalidade. “À medida que aprendemos mais, nossas crenças devem mudar”, disse Lipsitch em uma entrevista. “Um extremo é decidir o que você pensa e ser imune a novas informações. Outro extremo é privilegiar demais a última coisa que você aprendeu. Em termos gerais, o raciocínio bayesiano é uma maneira baseada em princípios de integrar o que você pensava anteriormente com o que aprendeu e chegar a uma conclusão que incorpora os dois, dando-lhes pesos apropriados.”

Com uma nova doença como a Covid-19 e todas as incertezas que ela traz, há um grande interesse em estabelecer os parâmetros dos modelos: Qual é o número de reprodução básico, a taxa com que surgem novos casos? Quão mortal é isso? Qual é a taxa de mortalidade por infecção, a proporção de pessoas com o vírus que ele mata?

Mas não adianta tentar estabelecer números fixos, disse Natalie Dean, professora assistente de bioestatística da Universidade da Flórida.

“Devemos nos concentrar menos em encontrar a única 'verdade' e mais em estabelecer um intervalo razoável, reconhecendo que o valor verdadeiro pode variar entre as populações”, disse o Dr. Dean. “As análises bayesianas nos permitem incluir essa variabilidade de forma clara e, em seguida, propagar essa incerteza por meio do modelo.”

Uma aplicação de livro-texto do teorema de Bayes é o teste de sorologia para Covid-19, que procura a presença de anticorpos para o vírus. Todos os testes são imperfeitos e a precisão de um teste de anticorpos depende de muitos fatores, incluindo, de maneira crítica, a raridade ou prevalência da doença.

O primeiro teste de anticorpos contra SARS-CoV-2 aprovado pelo F.D.A., em abril, parecia estar errado com a mesma frequência com que estava certo. Com o teorema de Bayes, você pode calcular o que você realmente deseja saber: a probabilidade de que o resultado do teste esteja correto. Como dito em um comentário do Twitter: "Compreender o teorema de Bayes é uma questão de vida ou morte agora."

A lógica da incerteza

Joseph Blitzstein, um estatístico de Harvard, investiga a utilidade da análise bayesiana em seu popular curso “Estatística 110: Probabilidade”. Para uma cartilha, na aula um, ele diz: “Matemática é a lógica da certeza, e estatística é a lógica da incerteza. Todo mundo tem incerteza. Se você tem 100 por cento de certeza sobre tudo, há algo errado com você. ”

No final da aula quatro, ele chega ao teorema de Bayes - seu teorema favorito porque é matematicamente simples, mas conceitualmente poderoso.

“Literalmente, a prova é apenas uma linha de álgebra”, disse Blitzstein. O teorema se reduz essencialmente a uma fração; expressa a probabilidade P de algum evento A acontecer, dada a ocorrência de outro evento B.

"Ingenumente, você pensaria: quanto você poderia conseguir com isso?" Dr. Blitzstein disse. “Acontece que tem consequências incrivelmente profundas e é aplicável a quase todos os campos de investigação” - desde finanças e genética até ciências políticas e estudos históricos. A abordagem bayesiana é aplicada na análise das disparidades raciais no policiamento (na avaliação das decisões dos policiais para revistar os motoristas durante uma parada de trânsito) e nas operações de busca e resgate (a área de busca diminui à medida que novos dados são adicionados). Os cientistas cognitivos perguntam: "O cérebro é bayesiano?" Os filósofos da ciência postulam que a ciência como um todo é um processo bayesiano - assim como o senso comum.

Considere o teste de diagnóstico. Neste cenário, a configuração do teorema de Bayes pode usar eventos rotulados como "T" para um resultado de teste positivo - e "C" para a presença de anticorpos Covid-19:


Agora, suponha que a prevalência de casos seja de 10 por cento (era assim na cidade de Nova York na primavera) e você tenha um resultado positivo de um teste com precisão de 87,5 por cento de sensibilidade e 97,5 por cento de especificidade. Passando os números pelas engrenagens bayesianas, a probabilidade de que o resultado esteja correto e de que você realmente tenha anticorpos é de 79,5%. Probabilidades decentes, considerando tudo. Se você quer mais certeza, peça uma segunda opinião. E continue a ser cauteloso.

Uma colaboração internacional de pesquisadores, médicos e desenvolvedores criou outra estratégia bayesiana, combinando o resultado do teste com um questionário para produzir uma estimativa melhor se o resultado pode ser um falso negativo ou um falso positivo. A ferramenta, que ganhou dois hackathons, coleta informações contextuais: Você foi trabalhar durante o bloqueio? O que você fez para evitar pegar a Covid-19? Alguém em sua casa teve Covid-19?

“É um pouco semelhante a ter dois 'especialistas médicos'”, disse Claire Donnat, que recentemente concluiu seu doutorado em Estatística em Stanford e fazia parte da equipe. Um especialista tem acesso aos sintomas e antecedentes do paciente, o outro ao teste; os dois diagnósticos são combinados para produzir uma pontuação mais precisa e estimativas de imunidade mais confiáveis. As prioris são atualizadas com uma agregação de informações.

“À medida que novas informações chegam, atualizamos nossas prioris o tempo todo”, disse Susan Holmes, uma estatística de Stanford, através da instável internet da zona rural de Portugal, onde ela inesperadamente passou 105 dias de pandemia, enquanto visitava sua mãe.

Essa foi a base a partir da qual o Dr. Holmes refinou um artigo recente, em coautoria com o Dr. Donnat, que fornece outro exemplo de análise bayesiana, em termos gerais. Observando as primeiras pesquisas em março sobre como a pandemia pode evoluir, eles notaram que os modelos epidemiológicos clássicos tendem a usar parâmetros fixos, ou constantes, para o número de reprodutibilidade - por exemplo, com um R0 de 2,0.

Mas, na realidade, o número de reprodução depende de fatores aleatórios e incertos: cargas virais e suscetibilidade, comportamento e redes sociais, cultura e classe socioeconômica, clima, ar condicionado e outros fatores desconhecidos.

Com uma perspectiva bayesiana, a incerteza é codificada na aleatoriedade. Os pesquisadores começaram supondo que o número de reprodutibilidade tinha várias distribuições (os prioris). Em seguida, eles modelaram a incerteza usando uma variável aleatória que flutua, assumindo uma faixa de valores tão pequena quanto 0,6 e tão grande quanto 2,2 ou 3,5. Em algo semelhante a um processo de aninhamento, a própria variável aleatória tem parâmetros que flutuam aleatoriamente; e esses parâmetros também têm parâmetros aleatórios (hiperparâmetros), etc. Os efeitos se acumulam em uma "hierarquia bayesiana" - "tartarugas por todo o lado", disse Holmes.

Os efeitos de todas essas flutuações aleatórias para cima e para baixo se multiplicam, como os juros compostos. Como resultado, o estudo descobriu que o uso de variáveis ​​aleatórias para números de reprodutibilidade prevê de forma mais realista os eventos de cauda arriscados, os eventos de superespalhamento mais raros, porém mais significativos.

Os humanos sozinhos, no entanto, sem um modelo bayesiano de bússola, são notoriamente ruins em compreender o risco individual.

“As pessoas, incluindo crianças muito pequenas, podem usar a inferência bayesiana inconscientemente”, disse Alison Gopnik, psicóloga da Universidade da Califórnia, em Berkeley. “Mas eles precisam de evidências diretas sobre a frequência dos eventos para fazer isso.”

Muitas das informações que orientam nosso comportamento no contexto da Covid-19 são probabilísticas. Por exemplo, por algumas estimativas, se você for infectado com o coronavírus, há uma chance de 1 por cento de morrer; mas, na realidade, as chances de um indivíduo podem variar em mil vezes ou mais, dependendo da idade e de outros fatores. “Para algo como uma doença, a maioria das evidências é geralmente indireta, e as pessoas são muito ruins em lidar com informações probabilísticas explícitas”, disse Gopnik.

Modelagem de Humildade 

Mesmo com evidências, revisar crenças não é fácil. A comunidade científica lutou para atualizar suas prioris sobre a transmissão assintomática de Covid-19, mesmo quando surgiram evidências de que é um fator e que as máscaras são uma medida preventiva útil. Isso provavelmente contribuiu para a lenta resposta do mundo ao vírus.

“Os problemas surgem quando não atualizamos”, disse David Spiegelhalter, estatístico e presidente do Centro Winton para Comunicação de Evidências e Riscos da Universidade de Cambridge. “Você pode interpretar o viés de confirmação, e muitas das maneiras pelas quais reagimos mal, por sermos lentos demais para revisar nossas crenças.”

Existem técnicas que compensam as deficiências bayesianas. Dr. Spiegelhalter gosta de uma abordagem chamada lei de Cromwell. “É o paraíso”, disse ele. Em 1650, Oliver Cromwell, Lorde Protetor da Comunidade da Inglaterra, escreveu em uma carta à Igreja da Escócia: “Eu te suplico, nas entranhas de Cristo, pense possível que você esteja enganado”.

No mundo bayesiano, a lei de Cromwell significa que você deve sempre "mantenha um pouquinho - um pouco que seja de probabilidade, mesmo minúsculo - para o fato de que você pode estar errado", disse o Dr. Spiegelhalter. “Então, se aparecerem novas evidências que contradigam totalmente sua principal crença anterior, você pode rapidamente abandonar o que pensava antes e pular para essa nova forma de pensar.”

“Em outras palavras, mantenha a mente aberta”, disse o Dr. Spiegelhalter. “Essa é uma ideia muito poderosa. E não precisa necessariamente ser feito técnica ou formalmente; pode estar apenas no fundo da sua mente, como uma ideia. Chame isso de 'modelagem de humildade'. Você pode estar errado.”

segunda-feira, 27 de julho de 2020

Statisticians React to the News



Essa postagem é para divulgar mais uma iniciativa do International Statistical Institute (ISI), agora voltada para a discussão de como o estatístico deve se comunicar com a mídia e uma avaliação de como a Estatística deve ser tratada pela mídia. O tema é bastante amplo e contempla a questão da comunicação do estatístico com a sociedade. 

A idéia do ISI é fazer um blog com postagens semanais tendo reflexões de estatísticos ao redor do mundo sobre a comunicação de Estatística através da mídia. O nome do blog é Statisticians React to the News, que seria traduzido como algo do tipo Estatísticos Reagem às Notícias. Trata-se portanto de um blog muito similar em espírito ao StatPop, embora seja voltado mais para a questão da divulgação pela mídia formal. O StatPop tem um foco mais amplo envolvendo todo tipo de divulgação da Estatística, incluindo artigos científicos, artigos de divulgação, congressos, uso de Estatística pelas outras áreas da Ciência e também, por que não, a divulgação pela mídia tradicional.

Tive o prazer de ser convidado para fazer parte da equipe de articulistas desse blog e aceitei o desafio de imediato. Embora eu não conheça nenhum outro membro da equipe, acredito que ela deva ser bastante ampla pois demanda de postagens solicitada é de 2 por ano. Também foram aventadas outras formas de colaboração com o blog. Assim, estimo que devam ao menos algumas dezenas de membros na equipe. 

O blog acaba de ser lançado na semana passada. A postagem inicial não podia ser sobre algo diferente de uma reflexão da cobertura da mídia sobre as estatísticas da pandemia. Essa questão foi determinante para que os proponentes do blog criassem esse forum com a proposta mais ampla descrita acima. Ele serviria para que os estatísticos tivessem um espaço próprio para refletir sobre questões desta natureza. 

Assim, pareceu natural que eu propusesse minha postagem sobre algum dos vários aspectos da pandemia que tenho trazido aqui para o StatPop. Dada a natureza internacional do blog, a postagem que me pareceu mais relevante foi a postagem divulgada em meados do mes passado. Enviei uma tradução essa proposta para a editora do blog, uma pesquisadora de Estatística, responsável pela captação e adequação do material. Junto com o comitê consultivo, também formado por pesquisadores de Estatística, ela decide os temas e autores das postagens e a ordem com que eles serão tratados e veiculados no blog.

Para minha surpresa, ela gostou do que leu. Após algumas muito boas sugestões de revisão do material, o texto foi finalizado e saiu publicado hoje. Fiquei feliz de fazer parte de mais esse esforço de divulgação da Estatística, agora a nível internacional. Espero que outros textos instigadores sejam publicados e que esse blog cumpra a função para a qual foi criado e abraçado pelo ISI.

terça-feira, 14 de julho de 2020

Atualizações na pandemia e no projeto CovidLP


O projeto CovidLP foi descrito aqui há algumas postagens. Desde então muita coisa aconteceu dentro e fora do projeto com relação à Covid19. Gostaria de falar aqui sobre algumas delas. Elas envolvem novas manifestações da pandemia e a resposta do projeto a elas, bem como outras novidades do projeto. Procurarei descrevê-las aqui na medida do seu relacionamento com o projeto.

O primeiro e mais importante aspecto dessa pandemia é o afastamento do padrão estabelecido para pandemias/epidemias. Normalmente uma epidemia apresenta um comportamento de aumento de casos seguido de um decréscimo nos casos. Esse padrão segue a lógica do crescente aumento da infecção devido ao maior número de suscetíveis, seguido do decréscimo decorrente da diminuição desse último número. Entretanto, esse padrão tem sido quebrado pela mudança no nível de isolamento. Com o relaxamento do isolamento, novos grupos de suscetíveis se expõe ao contágio, permitindo uma nova onda de crescimento. Essa epidemia já havia exibido esse comportamento em alguns poucos países. O caso mais vistoso era o do Iran. Neste momento, que vários países já encerraram um seu (primeiro?) ciclo, estamos vendo esse ressurgimento de crescimento de contagens em uma série de países, como Estados Unidos.

Um fenômeno aparentemente similar tem sido observado em alguns países. Se o país é muito heterogêneo, o comportamento da pandemia em suas diferentes regiões tem diferenças marcantes. O início da pandemia varia muito temporalmente. No caso do Brasil, a pandemia começou pelos estados de Rio de Janeiro e São Paulo, onde estão situados os principais pontos de entrada de estrangeiros no país: os aeroportos. Além disso, o próprio formato do crescimento depende de políticas de testagem e, principalmente de políticas de isolamento, sobre os quais as decisões em esfera estadual tem grande relevância. Apesar de diferentes, esse fenômeno pode ter uma expressão em número de casos e de mortes muito parecida com a que identificamos com os fenômenos descritos no parágrafo que o antecedeu. Eles são são usualmente denominados de 2a onda.   

A forma mais simples que pode ser usada para representar matematicamente essa 2a onda, ou mais geralmente qualquer onda adicional, é a inclusão de uma curva logística adicional na formulação do modelo. Embora conceitualmente simples, a implementação dessa idéia não é tão simples quanto parece. O maior problema advém da dificuldade do modelo saber separar as 2 curvas que se somam para descrever uma única série temporal observada. Várias tentativas estão sendo adotadas para permitir essa identificação e estão sendo testadas. Espero poder reportar sobre elas em breve. 

Outro aspecto relevante a ser considerado é a correta especificação da variabilidade dos dados. O projeto CovidLP vem utilizando a especificação Poisson, por ser a mais natural para lidar com contagens. Entretanto, experimentos realizados com os dados dessa epidemia mostram que a variabilidade dos dados tem se revelado muito maior que a permitida pela Poisson. Faz-se necessária uma especificação que permita essa sobredispersão. Existem várias opções disponíveis na literatura estatística, incluindo a mais conhecida: a binomial negativa. Entretanto, todos os experimentos realizados até agora apontaram para uma especificação que, embora mais adequada em termos de ajuste, tem levado a previsões com muita incerteza. Após poucos dias a frente, os intervalos que refletem a incerteza das previsões ficam tão largos que praticamente tornam inócua qualquer inferência. Tentativas de minimizar o tamanho da incerteza, sem chegar à estreiteza dos intervalos oriundos da Poisson, ainda estão em curso.

Outro aspecto que tem sido muito comentado por aqueles que tem trabalhado com dados da pandemia é a dificuldade de obter estabilidade nas sucessivas projeções que são rotineiramente feitas e de atribuir confiabilidade nas previsões a longo prazo. Efetivamente, tem sido observadas mudanças constantes nas estimações não apenas pela pouca robustez dos modelos utilizados. As condições sobre as quais se desenvolve a pandemia em muitos países tem exibido flutuações consideráveis o que torna previsões de longo prazo ainda mais incertas. Uma busca na literatura mostra que essa não é uma prerrogativa dessa pandemia. Críticas à performance de modelos de previsão para epidemias tem sido publicadas. A fala do reitor da UEM ao fim de minha palestra a essa universidade ajuda a entender porque as projeções seguem sendo usadas apesar de todas as ressalvas. Ele essencialmente disse que as previsões não são feitas para indicar o caminho mas tão somente para jogar luz sobre ele.

A disseminação do projeto deu origem a vários instrumentos de interações com a academia e a sociedade. De fato, o projeto foi feito para isso. O aplicativo já deu origem a um site e um blog. O site divulga aspectos associados ao aplicativo, como detalhamento da metodologia, instruções para melhor compreensão dos resultados (ilustrado na figura acima) e repercussões na sociedade (mais sobre isso no próximo parágrafo). O blog serve como um espaço para interação mais direta com os usuários. Embora ainda subutilizado, ele serve para ouvirmos sugestões e até críticas. 

Vários convites para apresentações do aplicativo foram feitos para a equipe responsável. Além disso, houve interesse para utilização dos resultados em algumas instâncias oficiais, tanto a nível municipal quanto a nível estadual. Esperamos poder atingir ainda mais secretarias de saude municipais e estaduais espalhadas pelo país.

A mais recente ferramenta a ser disponibilizada é o pacote. Ele vem atender uma demanda que rotineiramente recebemos de usuários, interessados em analisar as regiões de seus interesses pessoais.  ele está sendo desenvolvido com descrição, exemplos e ajuda. Esperamos que essa facilidade tenha o potencial de angariar uma maior utilização dessa ferramenta.

terça-feira, 30 de junho de 2020

Navegar ao sabor do vírus*


Navegar ao sabor do vírus
Abrimos mão de controlar a pandemia e o vírus está nos levando para onde deseja

por Fernando Reinach,  Professor Titular da USP

Navegar ao sabor do vento significa içar vela e deixar que o vento nos leve para onde soprar. É abrir mão de comandar o futuro. O Brasil está navegando ao sabor do vírus. Abrimos mão de controlar a pandemia e o vírus está nos levando para onde deseja. Talvez mais lentamente do que poderia, pois não levantamos completamente a vela: lavamos as mãos, usamos máscaras e fazemos um mínimo de isolamento. Sem dúvida estamos caminhando em direção à tragédia, mas em câmera lenta, e não temos planos para retomar o controle. É a consumação da estratégia que chamei em 9 de maio de imunidade de rebanho por incompetência.

Ao sabor do vírus a pandemia no Brasil só terminará quando atingirmos a imunidade de rebanho, o único mecanismo biológico conhecido que inibe a propagação do vírus sem intervenção humana. Navegar ao sabor do vírus pode custar a vida de até 1% dos contaminados. A imunidade de rebanho geralmente ocorre quando 70% a 80% da população suscetível tiver sido infectada. Talvez ocorra antes, mas chegaremos lá antes de a vacina estar disponível. Isso é quase uma certeza. Quais são as evidências de que navegamos ao sabor do vírus? O gráfico abaixo, cortesia do meu amigo Cal, mostra nossa rota desde a chegada do vírus no Brasil.


No eixo vertical estão os números de novos casos por dia, por milhão de habitantes, em cada um de quatro países. Os dados diários foram plotados como uma média móvel de sete dias. O Brasil registra hoje por volta de 150 novos casos, a cada dia, por milhão de habitantes (sem contar as subnotificações), um número maior que os 90 registrados nos Estados Unidos. No eixo horizontal estão os dias que se passaram desde que cada país registrou um caso por milhão de habitantes. Isso ocorreu quando o Brasil registrou 220 novos casos por dia, os EUA, 330, o Reino Unido, 66, e a Itália, 60.

É fácil observar como a Itália, após um crescimento rápido do número de casos por dia, impôs um lockdown rigoroso após o dia 30 e tomou controle do barco. Passados 90 dias, estava com a pandemia sob controle. O Reino Unido demorou para responder e o lockdown veio mais tarde. Mas desde o dia 60 conseguiu reduzir o número de novos casos por dia. Os EUA também se assustaram com o crescimento rápido dos novos casos, implementaram um lockdown nas principais cidades, conseguiram estabilizar o número de novos casos, mas quando começaram a tomar pé da situação relaxaram o distanciamento social. Os resultados da abertura são gritantes, o crescimento rápido do número de novos casos por dia já está ocorrendo.

O mais impressionante é o barco brasileiro. Medidas brandas de distanciamento social retardaram o crescimento da pandemia, que cresceu lenta e livremente por 80 dias. Quando as medidas estavam começando a fazer efeito, veio o relaxamento do distanciamento social e a pandemia voltou a crescer mais rapidamente do que antes, totalmente fora de controle.

O pior no Brasil é que simplesmente não temos um plano para controlar esse crescimento. O exemplo mais claro dessa atitude é o anúncio da abertura das escolas no Estado de São Paulo. Ele deve ocorrer no início de setembro caso todas as áreas do Estado estejam com níveis de propagação classificadas como verde já no início de agosto. O problema é que não foi anunciado simultaneamente um plano capaz de garantir que o Estado de São Paulo atinja essa condição no início de agosto. Sem executar algum plano seguramente não chegaremos lá, pois São Paulo está batendo todos os dias os recordes de novos casos por dia e número de mortes por dia. Ou seja, as escolas não abrirão em setembro se o governo cumprir o que decretou.

Até agora as medidas anunciadas são inócuas para controlar a pandemia. Oferecer mais leitos de UTI ajuda os pacientes graves, o que é importante, mas não diminui o número de casos. E esse aumento tem limite, que eram respiradores, mas de agora em diante serão profissionais da saúde capazes de atender um número crescente de leitos. Liberar gradativamente as atividades ao menor sinal de desocupação de leitos vai seguramente na direção oposta do controle, pois cada liberação significa levantar um pouco mais a vela desse barco que navega ao sabor do vírus.

E a testagem em massa? Ela tem sido um fracasso em nosso Estado e em todo o País. Os governos sequer detalham o que significa esse termo e como ele pode levar ao controle da pandemia. O número de testes de RT-PCT, que detectam pessoas durante a fase em que estão transmitindo o vírus, e podem ser usados para isolar pessoas que estão transmitindo a doença, são executados em número ínfimo. Pululam iniciativas governamentais baseadas em testes sorológicos, que, sabemos muito bem, somente identificam pessoas que já passaram pela fase crítica da doença e já contaminaram quem deveriam contaminar. São inúteis para controlar a doença e uma bênção para o vírus.

Em suma, não existe nenhuma medida em andamento que tenha alguma chance de reverter o andamento da pandemia nos próximos meses. Nenhuma.

A impressão é que nossos governantes esperam por algum milagre, alguma intervenção divina que provoque a diminuição do espalhamento da doença de maneira mágica, sem que eles tenham de executar algum plano que tenha embasamento científico. Como a fração da população já infectada ainda é baixa, não existe nada no horizonte que vai conter o crescimento diário do número de novos casos em 2020. Estamos navegando ao sabor do vírus com a vela a meio mastro.

* - texto publicado no dia 27 de junho de 2020 n'O Estado de S.Paulo

terça-feira, 23 de junho de 2020

As estatística da Estatística no CNPq - parte IV

Minha 3a e última postagem da série As estatística da Estatística no CNPq teve uma discreta inclusão da palavra epílogo, seguida de um preocupante sinal de interrogação. Não sei ao certo porque inclui esse sinal. Afinal, metade dos pesquisadores de Estatística que não tiveram suas solicitações de bolsas de pesquisa aprovadas inicialmente e entraram com recurso acabaram tendo sua solicitação aprovada. Talvez o fato de que, mesmo havendo essa concessão por parte do CNPq, a área de Estatística tivesse continuado a ter perdas bem maiores que as outras áreas fosse o responsável pelo alerta ter permanecido ligado. Ironicamente, um artigo recente de uma das pesquisadoras que não teve seu pedido de bolsa aprovado acaba de receber um prêmio internacional pela excelência científica de um artigo recente.

As decisões tomadas naquele Edital não desagradaram apenas à Estatística. Um abaixo assinado contendo críticas ao CA-MA (comitê da Matemática que engloba a avaliação da Estatística) foi apoiado por centenas de pesquisadores (muitos deles bolsistas do CNPq) das áreas desse comitê. Uma das maiores críticas foi a pouca relevância atribuída ao histórico profissional dos solicitantes. De fato, muitos pesquisadores experientes de todas as áreas desse comitê não tiveram seus pedidos aprovados em uma primeira instância embora alguns lograram recupera-las após a fase de recursos. Mas a quantidade de bolsas das outras áreas não sofreu perdas tão significativas quanto a Estatística.

No texto que segue, procurarei elencar possíveis explicações, à luz das informações disponíveis. Para isso, adotarei a convenção de designar as outras áreas do CA-MA como Matemática. Isso facilitará a compreensão da diferença que vem havendo com respeito à Estatística neste comitê do CNPq.

A explicação é facilitada ao tomar como base um Edital do CNPq, lançado na semana passada. Esse Edital estabelece as regras para a avaliação dos pedidos de bolsa de produtividade em pesquisa. Junto ao Edital foi disponibilizado um anexo com as regras específicas de cada Comitê de área. Em particular, o CA-MA estabeleceu uma série de parâmetros. Os mais importantes são:
  1. a avaliação terá 1 nota para cada pedido e essa nota é atribuida em 2 etapas;
  2. na nota da 1a etapa, o peso da produção científica é de 60%, o peso das orientações é 30% e o peso do projeto de pesquisa é de 10%;
  3. cada artigo científico é alocado a 1 de 5 grupos que são ponderados com pesos 36, 16, 5, 2 e 1 de acordo com o periódico de publicação e os livros publicados tem pesos 16 (autor) e 4 (coletânea); 
  4.  a 2a etapa terá uma análise qualitativa que pode alterar em até 30% a nota dada na etapa 1, levando em conta aspectos mais gerais de toda a história profissional do candidato à bolsa.
Ficam claras a prevalência da produção científica e a grande ênfase dada aos níveis superiores dos periódicos, critérios que parecem prerrogativas aceitáveis do comitê. A introdução explícita da 2a etapa no Edital também parece aceitável e contempla críticas contidas no abaixo-assinado supracitado. Para avaliar a produção científica, foram listados no Edital 462 periódicos sendo 52 de Estatística e 410 de Matemática. Um levantamento feito pelo Prof. Marcos Prates, do Departamento de Estatística da UFMG, mostra os seguintes resultados

Proporção de periódicos de cada categoria de avaliação
Área
G1
G2
G3
G4
G5
Total
Estatística
7,7%
3,9%
38,5%
32,7%
17,3%
100%
Matemática
9,8%
19,5%
23,9%
34,2%
13,7%
100%

A tabela acima mostra que:
  • as chances de um periódico qualquer de Matemática estar na categoria superior G1 são superiores às chances de um periódico de Estatística estar nessa categoria. Voltaremos a esse ponto a seguir;
  • as chances de um periódico qualquer de Matemática estar na 2a categoria G2 são 5 vezes maiores que as chances de um periódico de Estatística estar nessa categoria. Esse resultado é consequência da classificação feita pelo CA-MA. Ele expressa a percepção do comitê que enquanto 30% dos periódicos de Matemática estão nos 2 primeiros e melhores níveis, menos de 12% dos periódicos de Estatística atingem esses níveis; 
  • a categoria seguinte G3, que tem peso ainda menor, apresenta uma concentração bem maior de periódicos de Estatística em relação à Matemática. Isso ajuda a entender o destino do deficit de periódicos de Estatística nas 2 categoria mais relevantes pois as últimas 2 categorias apresentam proporções similares para as 2 áreas.
Além disso, vale notar que:
  • o numero de periódicos de Matemática no nível G1 é 8 vezes maior e portanto o seleto grupo de periódicos de melhor nível oferece uma cesta de possibilidades de publicação muito maior para os matemáticos do que para os estatísticos. 
  • considero benvinda a formalização da 2a etapa dentro do Edital mas algumas reuniões recentes deste CA-MA não tiveram a participação de representantes da Estatística. Essa contextualização qualitativa fica muito difícil de ser feita por quem não é da área. Uma eventual repetição dessa ausência poderia implicar desvantagem de até 30% para estatísticos;
  • vários periódicos de Estatística (e possivelmente de Matemática também) não estão na lista que consta no Edital. Quero crer que o CA-MA promoverá a classificação desses possíveis periódicos posteriormente e provavelmente, isso seria feito dentro dos mesmos critérios que levaram à classificação disponibilizada no Edital, já similar à usada no Edital anterior, que já vimos estar relacionada a um pior desempenho de uma área em relação à outra. Mas isso não foi dito no Edital, possibilitando várias outras hipóteses e aumentando a incerteza.
Apesar dos esforços tentados pela comunidade de Estatística junto ao CNPq, tudo isso tem levado um compreensível desânimo e uma razoável dose de preocupação. Parece que esses esforços serviram apenas no curto prazo para apoiar os recursos interpostos mas foram pouco efetivos em imprimir uma mudança nas regras que permitisse à Estatística uma melhor sorte no médio e longo prazo. Vale informar que no meio desse processo, houve a troca de presidência do CNPq, o que não ajudou a interlocução dos anseios da área através da estrutura do CNPq.

A solução no curto prazo para boa parte das dificuldades da Estatística é muito simples: igualdade de condições! A tabela acima e as análises feitas a seguir deixam bem claro como fazer isso. A Estatística não quer nenhum favorecimento. Mas ela também gostaria de ser reconhecida como ela é: uma área do saber diferente de outras áreas como a Matemática. A linguagem principal da Estatística ainda é a Matemática mas sua combinação com o tratamento de sua matéria prima, os dados a serem analisados, produz um campo do conhecimento fundamentalmente diverso. Além disso, elementos específicos da área e de Computação tem desempenhado um papel cada vez mais imprescindível. Boa parte do mundo desenvolvido já reconhece essa diferenciação há algum tempo: Matemática e Estatística andam juntos quando convém a ambas e separados em outra fração do tempo.  Assim, é fundamental que no mínimo haja a presença de um estatístico para a adequada avaliação de projetos dessa área.

Do jeito que está, os movimentos recentes do CA-MA apontam um futuro preocupante para a pesquisa em Estatística no Brasil. Os jovens pesquisadores, que representam o futuro de qualquer área, em qualquer lugar do mundo sabem que precisam batalhar mais que os pesquisadores já estabelecidos para ter acesso a oportunidades similares. Isso é até esperado. O que fica difícil para os jovens estatísticos entenderem é que deverão perder oportunidades para outros pesquisadores igualmente (ou menos) qualificados simplesmente pelo fato de serem da Estatística. A parceria com a área de Matemática, que foi tão importante no passado para o crescimento da área de Estatística no Brasil, não parece estar tendo um efeito benéfico nesses últimos anos. O resultado poderá ser sombrio não só para a área mas também para o país, com evasão interna e externa de pesquisadores cujas formações tanto custaram. E o mais triste é isso acontecer em um momento onde a Estatística está se mostrando ser uma ferramenta fundamental para o bem estar da humanidade.

terça-feira, 16 de junho de 2020

A batalha dos dados da pandemia


A postagem da semana passada deixou clara uma preocupação de vários setores da sociedade com respeito à divulgação dos dados da pandemia aqui no Brasil. Essa controvérsia ficou mais explícita com uma série de pronunciamentos de autoridades do Ministério da Saude (MS) no início de junho. A entrevista coletiva de sexta feira (05/06/2020) deixou clara a intenção do MS de introduzir mudanças mais profundas no tratamento dos dados da pandemia. Nessa entrevista, foi informado que o horário de anuncio dos dados diários seria mudado, quase ao mesmo tempo que o Presidente Bolsonaro celebrava o fato dessa medida impedir a divulgação pelos principais telejornais do pais. Essa relevância insólita dada ao horário com que um dado publico seria divulgado, associando-o à sua divulgação pela mídia em detrimento dos prejuízos causados por esse atraso acendeu o alerta em todos envolvidos com a pandemia.

Outro problema apenas mencionado na entrevista daquela sexta-feira e cuja implementação foi confirmada na 2a feira se referia à mudança na natureza do dado que passaria a ser divulgado. Para entender o que foi dito, vale informar que:
  1. o padrão internacionalmente adotado pela vasta maioria de países ao redor do mundo é o de divulgar a cada dia os números de casos confirmados e óbitos que foram notificados naquele dia;
  2. tendo esses números, basta soma-los aos números acumulados anteriormente para obter os totais reportados.
Com isso, existe uma forma clara e simples de toda a informação ser disponibilizado e verificada. Todos sabemos que essa forma de contagem não é a ideal pois desloca as reais ocorrências, que representam mais vividamente a pandemia, para datas posteriores quando elas se tornam disponíveis para o aparato oficial do pais/estado/município. 

Como exemplo, quando um país divulga 100 casos confirmados em um dado dia, sabemos que apenas uma parte deles foi confirmado nesse dia. A título de ilustração, vamos supor que 60 casos foram confirmados nesse dia mas que 15 foram confirmados no dia anterior, 10 foram confirmados 2 dias antes, 5 foram confirmados 3 dia antes e 10 foram confirmados mais de 3 dias antes. Vários motivos diferentes podem levar a esses atrasos, desde a ausência do profissional responsável pelo registro do caso até falha na comunicação entre hospitais e instituições governamentais.

Claro que buscando a história de cada caso, é possível a cada dia reconstituir os históricos dos dias anteriores e revisá-los. Essa tarefa está longe de ser trivial, ainda mais em um país onde se tarda horas para realizar a tarefa muito mais simples de receber os dados compilados em uma esfera (por exemplo, municipal) e agrega-los na esfera hierarquicamente superior (no exemplo, seria a estadual).

Pedir para que a cada dia, toda a história pregressa de contagens seja revisada é uma missão repleta de perigos, que deveriam ser a todo custo evitados. E isso sem contar na facilidade de manipulação que essa retro-alimentação enseja. Assim, embora reconhecendo a ascendência técnica no número de casos ocorridos, as dificuldades práticas são determinantes em todo o mundo na preferência da divulgação de casos notificados.

Todo esse longo prólogo foi para dizer que na entrevista coletiva do MS no dia 08/06/2020, autoridades do MS disseram que a divulgação seria trocada pela sistemática de divulgar apenas dos casos ocorridos diários, sem a divulgação do total de casos acumulados. Essa informação trouxe enorme preocupação sobre a indisponibilização (e consequente perda) das contagens totais de casos e óbitos. Para chegar a ela, se precisaria voltar às contagens anteriores, que também não foram disponibilizadas, embora tivesse havido a menção que isso seria feito. Como nesse dia também houve a interrupção da divulgação das séries históricas de casos e de óbitos, ficou impossível recuperar os totais e os valores diários dos dias anteriores. Naquele dia, o Brasil perdeu a capacidade de saber seus totais de casos e de óbitos com base no portal do Governo Federal criado exclusivamente para esse fim. 

Essa decisão do MS repercutiu de forma muito negativa no país e a mídia registrou inúmeras manifestações de preocupação e repúdio. Essas manifestações não se restringiram ao país e foram registradas também pela mídia internacional. Com a ausência de informação confiável, vários iniciativas foram disparadas. Instituições públicas se movimentaram na direção de suprir a lacuna deixada pelo MS. Anunciaram a criação de portais com dados atualizados da Covid o Conselho Nacional de Secretários Estaduais de Saúde, e a intenção de fazer o mesmo foi anunciada pelo próprio Congresso nacional e pelo Tribunal de Contas da União! Isso sem contar várias iniciativas de grupos de indivíduos que já vinham acompanhando a evolução da pandemia.  

Um grupo de importantes jornais de circulação de âmbito nacional também resolveu promover sua própria contabilização de casos e de óbitos. E as contagens que esse consórcio jornalístico apresentou tinha diferenças marcantes com respeito às contagens divulgadas naquele dia pelo MS com números maiores, como esperado. Entretanto, apesar de toda a boa vontade, essa contabilização apresentou alguns dos vícios que esses mesmos jornais reclamavam da contabilização oficial. A saber, não houve divulgação ampla do conteúdo dessa plataforma, ela não foi disponibilizada e os dados que foram divulgados a critério dos jornais envolvidos apresentavam apenas uma parcela da informação que o MS já apresentava. Tentamos contato com alguns jornalistas envolvidos nessa plataforma mas não obtivemos êxito.

Paralelamente a isso, no dia seguinte (09/06/2020), o órgão máximo da justiça do pais, Supremo Tribunal Federal (STF), determinou que o MS voltasse a divulgar os totais de casos e de óbitos, atendendo a uma interpelação proposta por 3 partidos políticos. A imagem que abre esta postagem destaca o ministro que emitiu essa ordem. Apesar de um tanto estranha por exigir que o governo continuasse cumprindo seu papel de informar a nação os dados que coleta, ela talvez tenha sido determinante na manutenção da divulgação dos dados. Nesse mesmo dia, o portal do MS promoveu uma atualização nas definições dos dados lá divulgados mas paradoxalmente manteve a definição anterior de casos confirmados como sendo todos aqueles notificados, contrariamente ao que havia sido dito para todo o país a cúpula do MS no dia anterior. 

Talvez isso já tenha sido uma reação direta do cumprimento da determinação do STF. De fato, ao final do dia, as contagens apresentadas pelo MS foram substancialmente mais altas, até mesmo que as divulgadas pelo consórcio de imprensa, indicando que possivelmente houve um retorno à sistemática anterior. Entretanto, não houve comunicado oficial do MS, atualmente comandado interinamente por um general da ativa tido por alguns como tendo zero experiência em saúde, dando conta que a mudança anunciada no dia anterior tinha sido descartada. Ainda nesse mesmo dia, esse mesmo ministro interino da Saúde garantiu perante o Congresso Nacional que os dados seguirão sendo todos divulgados e que uma nova plataforma seria apresentada no dia seguinte. A plataforma divulgada no dia seguinte apresentava alguma mudança de forma e uma descrição mais detalhada das contagens diárias, sempre compatível com o padrão de divulgar notificações e não ocorrências.

Passada uma semana daquele trágico dia para a contabilização da pandemia, a situação parece ter se normalizado. O MS segue divulgando como antes os totais diários de casos confirmados e óbitos que foram notificados naquele dia, embora no fim de semana houve interrupções. As iniciativas de grupos independentes seguem ativas; parte deles já estavam acompanhando a pandemia bem antes desse incidente. As contagens do consórcio de jornais continuam sendo divulgadas até hoje mas não acredito que durem muito mais tempo. Felizmente, parece que foi só um susto mas que serviu para deixar toda a nação bem mais atenta e com isso desestimular iniciativas de mudanças incompatíveis com o padrão adotado no resto do mundo. O governo já recebeu o recado que imprimir mudanças mais profundas como as que chegaram a ser anunciadas não impedirá o país de se informar adequadamente sobre a evolução da pandemia seguindo o padrão mundial. Só lhe servirá para dificultar a obtenção dos dados corretos. Esperemos que a lição tenha sido aprendida.

terça-feira, 9 de junho de 2020

Carta Aberta ao Ministério da Saúde


O Ministério da Saúde do Brasil mudou na última sexta feira a forma de apresentação dos dados da Covid19 em seu portal. Essa modificação foi bastante abrangente e envolveu uma série de modificaçações. Houve reações de vários setores do Brasil e pelo mundo. Transcrevo abaixo a manifestação pública do Departamento de Estatística da Universidade Federal de Minas Gerais datada do dia 07/06/2020 a respeito dessas mudanças. Como ficou claro na entrevista coletiva de ontem (08/06/2020), as mudanças são mais abrangentes do que muitos haviam entendido mas isso será objeto de postagem posterior complementando o conteúdo da carta abaixo.

Carta Aberta ao Ministério da Saúde

A base do avanço da humanidade e da democracia está centrada na disponibilização da informação ao alcance de todos, da forma mais simples e abrangente possível. Isso é ainda mais verdadeiro nos dias de hoje. Com isso a sociedade, tendo acesso a várias fontes de informação, fica mais qualificada para formar sua opinião perante os fatos e tomar suas próprias decisões. 

Tão logo se deu a chegada da pandemia ao Brasil, o Departamento de Estatística (DEST) da UFMG, ciente de sua missão de prover informação qualificada para a sociedade, deu início a uma série de projetos voltados para a compreensão e análise desse fenômeno histórico, nos seus aspectos quantitativos. Importantes parceiros nessa tarefa foram os ministérios de saúde de todos os países do mundo que, em variados níveis de aprofundamento, disponibilizam toda a informação oficial disponível. Assim pudemos desenvolver projetos de organização e visualização de dados, análises da influência dos diferentes níveis de isolamento social para a evolução da doença e previsões de curto e longo prazo para número de casos e mortes devido à pandemia. Baseado nas previsões obtidas, tem sido possível prever cenários em termos de pico e fim da pandemia e totais de casos acometidos e de óbitos, tanto para o Brasil e seus estados, quanto para vários outros países. Com isto, o DEST cumpre sua função primordial de prestar serviços relevantes para a sociedade brasileira.

O Ministério da Saúde do Brasil é um dos nossos principais parceiros nessa tarefa e vem fornecendo informação sobre vários aspectos da pandemia. Porém, nos últimos dias, o atraso na divulgação da informação e a constante mudança na formatação dos dados disponibilizados vem causando dificuldades nos sistemas estruturados desenvolvidos pelos pesquisadores do DEST. 

Particularmente com relação à última modificação, realizada na data de 04/06/2020, foi introduzida uma formatação que causou prejuízos substanciais nos sistemas acima mencionados, interferindo de forma incisiva na sua capacidade de adaptação a essas modificações. Como exemplo, os dados de casos e óbitos novos que eram fornecidos em arquivos de fácil utilização passaram a ser fornecidos apenas como texto no sitio do Ministério, sem nem mesmo oferecer a possibilidade de captura a partir da tela. Assim, os dados só podem ser utilizados após sua digitação de forma manual, o que causa grande atraso na realização das nossas análises. Uma consequência imediata dessa modificação feita pelo Ministério da Saúde foi a imediata exclusão do Brasil da plataforma criada pela Universidade Johns Hopkins [NR: ilustrada na imagem acima]. Esse é um dos repositórios de dados da Covid19 mais respeitados e utilizados no mundo. O DEST mesmo faz frequente uso dessa plataforma nas suas análises comparativas com outros países. 

A outra mudança prejudicial, referente ao atraso sistemático na divulgação dos dados no portal do Ministério da Saúde, também tem forte impacto sobre as análises realizadas no DEST. Diferente do que ocorre em vários países, os dados brasileiros vêm tendo sua divulgação sucessivamente atrasada. Desta forma nossas análises, que vinham sendo realizadas ao longo da madrugada devido ao grande esforço computacional requerido, só podem ser concluídas, e os resultados liberados, na parte da tarde do dia seguinte. Assim, nossas previsões, que antes eram disponibilizadas no início do dia, só estão sendo conhecidas poucas horas antes da divulgação do seu valor verdadeiro. 

Medidas como essas só causam desconfianças e suspeitas nos diferentes agentes que trabalham com esses dados, prejudicando o planejamento das ações de combate à pandemia. Estas ações em nada contribuem para um resultado positivo para o país, tanto em termos sanitários quanto econômicos, implicando ainda em falta de credibilidade do país na comunidade internacional

Sendo assim, o DEST-UFMG vem exortar o Ministério da Saúde a retornar à formatação anterior, que tanto benefício vinha trazendo para todos aqueles envolvidos nas diuturnas tarefas de promover esclarecimentos tão importantes sobre a pandemia para a sociedade brasileira. Além disto, solicitamos também que a informação não seja disponibilizada em horário tão tardio, para que a informação produzida pelo DEST possa ser utilizada de forma adequada.
 

Belo Horizonte, 07 de junho de 2020 


Profa. Glaura da Conceição Franco  
Chefe do Departamento de Estatística - UFMG

terça-feira, 26 de maio de 2020

Devemos fazer previsões da pandemia?


Semana passada participei de 2 eventos (virtuais) para apresentar trabalhos sobre a pandemia de Covid19, conforme divulgado aqui. O primeiro evento foi uma entrevista para o canal no YouTube do Ciência no Bar, cujo anúncio ilustra esta postagem. Ciência no Bar é uma iniciativa de um grupo de jovens e animados pesquisadores de Ecologia baseados em Florianópolis, com o objetivo de popularizar a Ciência, similar ao que fazemos no StatPop voltados para a Estatística. Assim, consistia em um debate menos formal voltado para um publico mais diversificado. Já o segundo evento foi uma mesa redonda promovida pelo Programa de Pós-Graduação em Estatística de São Carlos, no estado de São Paulo. Assim, ela naturalmente envolvia um aporte mais técnico para o assunto, para uma platéia esperada de conhecedores do assunto.  

Ambos eventos deixaram algumas lições importantes que gostaria de compartilhar aqui neste espaço. Algumas dessas lições foram verbalizadas durante a mesa redonda mas passei algum tempo refletindo sobre os eventos ao longo do fim de semana. E é sobre essas reflexões que queria aproveitar o espaço aqui para reverberar.

A primeira lição é que o trabalho da Estatística é muito mais reconhecido e respeitado pela sociedade do que a comunidade estatística mundial, e especialmente a nacional, parece perceber. Essa pandemia trouxe essa redenção para a área e a Estatística parece estar resgatado seu lugar de grande destaque nas discussões sobre a análise de dados da pandemia. 

Entretanto, parece-me que boa parte dos estatísticos parece não se dar conta dessa situação. Grande parte do esforço quantitativo dessa pandemia está diretamente associado às tarefas de organização e apresentação dos dados. Isso só vem justificar todo o esforço dos últimos anos que muitos pesquisadores da área vem empregando na geração de conhecimento em visualização de dados. Muitos estatísticos ainda não parecem entender que essa também é uma área nobre do conhecimento e que tem grande valor.

Relacionado a esse ponto, vem a constatação que aquilo que para os estatísticos é considerada uma obviedade muitas vezes só consegue ser explicado ao publico leigo depois de um razoável esforço de apresentação. Isso vale para visualização de dados mas para vários outros aspectos de manuseio da matéria prima fundamental do estatístico: os dados.   

Outro ponto é a dificuldade que todos estamos presenciando de se fazer previsões sobre a evolução dessa pandemia. Inúmeros pesquisadores mas também curiosos tem utilizados seus conhecimentos para gerar um sem número de propostas para prever diferentes aspectos associados à pandemia. E como todos estamos vendo, há uma variação substancial de resultados a respeito da mesma quantidade de interesse. 

E essa variação é perfeitamente compreensível dados o baixo grau de compreensão que temos dessa doença e a diversidade de abordagens usadas para embasar as diferentes previsões. A mesa redonda redonda que participei apresentou algumas delas. Isso suscitou o inevitável questionamento sobre a validade do exercício de previsão nesse contexto. Devo deixar claro que acho o questionamento totalmente pertinente, como meu paragrafo anterior testemunhou. 

Uma frase mencionada algumas vezes durante a mesa redonda foi a célebre "todos os modelos são errados mas alguns são úteis", proferida pelo famoso estatístico George Box. Ela pontua como deve ser a atuação de qualquer estatístico mas também serve para descrever a atuação de qualquer pesquisador ou mesmo profissional ligado a modelagem. A arte da modelagem está na escolha mais apropriada possível dentro da cesta de possibilidades oferecidas ao cientista.

Novamente aqui se observa a introversão de muitos estatísticos, que preferem não apresentar suas contribuições preditivas por conta da descrença na capacidade dos modelos fornecerem informação útil. Acho que existe uma razoável compreensão na sociedade da dificuldade da tarefa de previsão. Além disso, enquanto os estatísticos não ocupam o seu lugar no cenário de predição, outros profissionais menos qualificados para essa tarefa ocuparão. Finalmente, existe um grande interesse de todos por esse tipo de resultado.

Entendo que, sendo uma questão envolvendo Estatística, o estatístico tem a missão de dar sua contribuição por mais distante do ótimo que ela se situe. Ela vai provavelmente ter erros mas talvez erre menos do que boa parte das outras previsões. E recolocaria as contribuições do estatístico no lugar que elas devem ocupar: de proeminência em questões associadas a previsões na presença de incerteza.

terça-feira, 19 de maio de 2020

Sir Adrian Smith anunicado como próximo presidente da Royal Society*

Alan Turing Institute

Parabéns ao ex-presidente da RSS Sir Adrian Smith, que agora é presidente eleito da Royal Society, assumindo o cargo de presidente em 30 de novembro de 2020.

Estatístico de muita distinção, Sir Adrian liderou várias instituições líderes mundiais, como a Queen Mary Universidade de Londres, onde foi Diretor Geral (1998-2008) e a Universidade de Londres, onde foi Reitor  (2012-18). Ele é diretor atual e diretor executivo do Alan Turing Institute.

Ele também trabalhou em estreita colaboração com o governo; foi diretor geral de conhecimento e inovação no Departamento de Negócios, Inovação e Habilidades (agora BEIS) de 2008 a 2012. Em 2002-4, ele liderou uma investigação sobre o ensino de matemática pós-14 e, em 2016-18, liderou uma revisão do ensino de matemática para jovens de 16 a 18 anos, ambos do Departamento de Educação.

Sir Adrian ganhou a Medal Guy em Bronze e Prata da RSS e foi o Presidente do RSS de 1995-97. Na lista de Honras do Ano Novo de 2011, ele recebeu da realeza britânica o título de Sir.

Sir Adrian Smith disse que é uma "grande honra pessoal" ser eleito presidente da Royal Society. "Estou consciente de que, sejam quais forem os contextos sociais, políticos e econômicos, nacional e internacionalmente, sempre foi a missão histórica da Royal Society ser a voz e o promotor da ciência", disse ele. "Nosso foco agora deve estar na forma mais eficaz de definir e cumprir essa missão para enfrentar os desafios sem precedentes dos próximos anos".

Houve 61 presidentes da Royal Society desde que foi fundada em 1660 e Sir Adrian é o primeiro estatístico, pelo menos no sentido moderno. Outros matemáticos notáveis ​​que ocuparam o cargo incluem William, Visconde Brouncker, Isaac Newton, William Spottiswoode, George Gabriel Stokes e Michael Atiyah.

* Texto publicado no boletim da RSS no dia 11 de maio de 2020

terça-feira, 12 de maio de 2020

Divulgação de trabalho científico: o caso do CovidLP


A esta altura, todos já devem ter ouvido ou lido aqui sobre o CovidLP, o aplicativo com o qual estou envolvido para previsão de curto e de longo prazo para a Covid19 no Brasil e em alguns outros países. Um pouco da história da criação do aplicativo foi contada aqui. Quase tão importante e demorado quanto o desenvolvimento em si do projeto é a sua divulgação para a sociedade.

Essa é uma arte de outra natureza que estou apenas aprendendo a dominar. Um ponto importante que pode parecer óbvio mas me tomou algum tempo a perceber é que a forma é, no mínimo, tão importante quanto o conteúdo da divulgação. A equipe envolvida no projeto já tinha consciência da importância da forma na construção do aplicativo. Muito esforço vem sendo empenhado em melhoramentos exclusivamente voltados para a apresentação dos resultados do CovidLP.

O que vem me chamando a atenção é que também na divulgação a mesma preocupação deve ser empregada. Inicialmente, a divulgação foi feita em forma de texto, explicando o que estamos fazendo e que tipo de resultados estamos obtendo. Após uma receptividade baixa para o que estavamos esperando, tentamos fazer a divulgação diretamente a partir dos resultados gráficos gerados pelo aplicativo. A aceitação e a empatia gerados nos nossos interlocutores aumentou substancialmente.

Dentro da comunidade científica, já tivemos contato de um Forum de Ciência e Cultura de uma universidade, fomos convidados para participar de uma mesa redonda de outra universidade e fomos convidados para falar em um grupo informal de divulgação científica. Assim, considero que a penetração de nosso trabalho no meio acadêmico esteja adequada.
 
Mas ainda estamos longe de ter o nosso projeto ao alcance de toda a sociedade brasileira e de parte da sociedade mundial. E seguimos trabalhando para isso. Já tivemos membros da equipe participando de um programa de radio de Minas. Essa participação levou à publicação de uma matéria em um jornal de grande circulação dentro do estado de Minas. Sabemos que ainda é muito pouco. Mas alguns sinais apontam uma possível disseminação de nosso trabalho: nosso aplicativo foi recentemente objeto de divulgação pela mídia japonesa!

terça-feira, 5 de maio de 2020

Cuidados com analises de dados da Covid19

Fonte: arquivo pessoal (Leonardo Bastos)

por Leonardo Bastos*

Eu recomendo muita cautela ao interpretar as estimativas e previsóes desses e da grande maioria de modelos para covid. O grupo do Fergunon é um grupo muito bom de modelagem de doenças infecciosas, o relatório do Samy [NR: Dana] e colaboradores é baseado em um trabalho do pessoal do Imperial. Apesar dos modelos serem interessantes, a inferência para vários países é muito pobre. Os dados de casos não refletem a dinâmica da epidemia mas a dinâmica da testagem, e a definição de casos atual não é consistente entre países e nem dentro dos países, pois não há critérios de inclusão e exclusão de casos bem definidos. Em particular no Brasil, a partir de um certo momento passou a dar prioridade aos casos graves, mas ainda alguns lugares notificam casos leves, o que faz os números serem uma mistura de dados sem uma definição do caso.

Mais alguns problemas:

Homogeneidade espacial. O Brasil, como todos sabem muito bem, não é homogêneo (suposição importante para modelos compartimentais). A epidemia do Brasil não pode ser vista como uma série única, isso não faz sentido. Em qualquer país grande, a epidemia começa em momentos distintos em lugares diferentes. Então não haverá um único pico da epidemia, o pico da série do Brasil vai ser dominada por São Paulo e Rio, mas outros lugares terão suas curvas com um shift e com intensidade bem variadas pois muito lugares tem politicas de enfrentamento da epidemia bem distintas. Lugares que conseguiram antecipar o isolamento estão evitando a evolução rápida, outros lugares que não tiveram politicas de isolamento ou agiram tarde demais estão com um rápido crescimento de casos colocando o sistema de saúde no limite. E mais adiante quando a curva começar a descer em São Paulo e Rio, a série está em plena ascensão em outros lugares.

Testes não são perfeitos. Os testes não tem especificidade e sensibilidade alta, pois eles dependem muito da janela imunológica ou da carga viral, depende do teste. Ou seja, a pessoa pode ter tido Covid19 e o teste dar negativo porque a coleta aconteceu fora da janela ótima. 

Subnotificação. Para falar de subnotificação é preciso ter uma definição clara do que é o caso. E os dados disponíveis não tem essa definição. Mas vamos supor que a definição de caso é simplesmente alguém com o virus. É fácil ver que teremos subnotificação de casos assintomáticos e casos leves que as pessoas não vão procurar um posto de saúde (nem deveriam, pois não tem o que fazer a não ser espalhar o virus para outros, uma vez que não tem nenhum tratamento específico), já os casos graves não tem jeito as pessoas precisam de atendimento médico. E esses  podem não ser testados (gerando subnotificação), ter resultados negativos ou inconsistentes por conta da janela imunológica do teste. E ainda tem a subnotificação de óbitos por Covid19 de pessoas que não procuram serviço medico. Esse subregistro pode ou não ter um padrão, existem trabalhos nessa linha cito aqui dois artigos com autores brasileiros: de Oliveira, Loschi e Assunção (2017, Statistics in Medicine) e Stoner, Economou e da Silva (2019, JASA).

Atraso de notificação. Se estiver olhando para dados reportados hoje, tenha certeza que o numero de casos é maior do que o observado. Pois existem os casos que aconteceram mas ainda nao foram reportados. Usualmente tem o atraso da digitação do caso que pode levar alguns dias ou semanas. (Alguns postos de saúde nao tem internet, a ficha de notificação costuma ser levada para um lugar e nesse lugar ela é digitada e enviada para a secretaria de saúde, q vai tratar o dado excluindo duplicidade por exemplo já que a ficha pode ser digitada duas ou tres vezes por profissionais diferentes). E para a Covid19 temos o atraso de laboratório, onde os LACENS estão com filas para realização do teste, sem contar com falta de insumos e pessoal. Existem modelos para corrigir atraso de notificação.

Esses são só alguns problemas existentes no terreno das doenças infecciosas. Não tinha intenção de escrever esse email, pois não gosto de exposição, mas achei justo compartilhar alguns problemas relacionados a essa (e outras epidemias) pois sei que muitos grupos no país ligados a departamentos de Estatística estão tentando contribuir de alguma forma com essa terrível pandemia, talvez isso possa ajudar de alguma forma.

* - Leonardo Bastos é pesquisador da Fiocruz e Ph.D. em Estatística pela Universidade de Sheffield.