XVII EBEB

 

Fonte: https://www.even3.com.br/cobal-ebeb-2024/

EBEB é a sigla para Encontro Brasileiro de Estatística Bayesiana, evento realizado a cada 2 anos. A realização dos EBEB's ficou um pouco prejudicada pela pandemia. A última edição que participei foi a do XV EBEB, realizado dias antes da pandemia ser declarada no Brasil em março de 2020. A edição XVI aconteceu em 2020, no formato remoto, ao qual nunca me acostumei inteiramente. Felizmente será realizado este ano o XVII EBEB, em formato presencial.

Ele será realizado pela UFMG, no campus da Pampulha, entre os dias 2 e 6 de dezembro de 2024. Ele está sendo organizado pela diretoria do ISBRA, a seção brasileira do ISBA, que é constituida de pesquisadores da UFMG. Esta edição tem a peculiaridade de coincidir com o COBAL, sigla para Congresso Bayesiano da América Latina. A última edição do COBAL foi o VI COBAL, realizado em 2019 na PUC de Lima e no qual tive o prazer de ministrar a conferência de encerramento.

Devido a essa característica, o evento terá um ar ainda mais internacional, como pode ser atestado pelo apoio das associações de Estatística do Brasil, México e Chile. A programação desse evento conjunto está a cargo do comitê científico (CC), composto de cerca de 15 pesquisadores de diferentes partes do mundo, não apenas da América Latina.

O evento contará com uma série de palestras bem como apresentações em torno de temas específicos de Estatística Bayesiana. Esses temas são escolhidos pelo CC em cima de propostas feitas pela comunidade internacional. Além disso, o evento terá um minicurso sobre Bayesian Deep Learning. 

A lista de apresentadores convidados apresenta pesquisadores do Brasil e da América Latina mas terá também muitos pesquisadores de outras partes do mundo. Haverá sessões de apresentações organizadas pelas sociedades que apoiam o evento e também sessões de  jovens pesquisadores.

Acredito que será um evento interessante e alinhado com os melhores eventos da área neste ano. Muitas novidade nos campos de Estatística, Ciência de Dados, Machine Learning serão apresentados e algumas novidades também serão trazidas. Trata-se de uma ótima oportunidade de atualização e/ou aprendizado sobre o que está sendo feito de mais avançado no mundo Bayesiano e tudo isso concentrado em 1 semana e aqui pertinho de todos nós, em Belo Horizonte (para quem quiser saber porque a cidade tem esse nome, a foto que abre essa postagem dá uma idéia).

Para maiores informações e para se inscrever, visite https://www.even3.com.br/cobal-ebeb-2024/

Ocupação pré-colombiana da Amazonia e sua relação com a floresta - parte III

                                                                      Fonte: https://science.altmetric.com/details/155161208

A parte II dessa sequência de postagens antecipou a informação sobre a aceitação para publicação na Science de nosso trabalho mutidisciplinar sobre a ocupação da Amazônia. Finalmente, no início deste mês nosso trabalho foi publicado com o título ligeiramente modificado para More than 10,000 Pre-Columbian earthworks are still hidden throughout Amazonia. Essa publicação em um periódico de alto impacto levou a uma série de outros impactos, que chamaram a minha atenção. Embora esta postagem seja dedicada a destacar os aspectos de relevância associados a essa classe de publicações, preferi que ela fosse ser intitulada como parte III, para manter a ligação com as partes anteriores.

Usualmente as publicações científicas tem sua relevância genericamente associada ao número de citações que ela recebe. Essa medida está longe de ser indiscutível. Como exemplo extremo, uma publicação pode ter uma enormidade de citações apenas para falar de defeitos e erros que ela possa ter. O espectro mais usual de imperfeições está o fato que a mera contagem de citações não é um forte indicador de sua relevância. De fato, publicações em periódicos de menor relevância podem angariar várias citações grandemente concentradas em periódicos de baixa relevância. 

De todo modo, o número de citações de um artigo pode levar muito tempo para ser consolidado. Assim, para simplificar avaliações bibliométricas mais recentes, costuma-se medir o impacto de uma publicação pela avaliação do impacto do periódico onde ela foi depositada. O argumento é que em média periódicos tendem a publicar artigos da sua faixa de relevância ou impacto. Foi então criado e vem sendo utilizado nesse tipo de avaliação o chamado fator de impacto de um periódico. Um dos principais é o JCR, abreviação de Journal Citation Report, compilado pela empresa Clarivate.     

Esse fator é atualmente calculado para mais de 20 mil periódicos das mais diversas áreas do saber e mede quantas citações os artigos publicados em um periódico científico em uma determinada janela de tempo (exemplo: 1, 2 ou 5 anos) receberam numa janela similar após sua publicação. Como se pode ver, existe muita variação possível dentro do espectro de tempo usualmente considerado. De todo modo, a ordenação dos periódicos em geral não sofre muita flutuação.

De uma lista recente que está disponível on-line pode ser verificado o fator de impacto de cerca de 9.500 periódicos científicos. Lá pode se verificar o fator de impacto de vários periódicos de Estatística. Em particular, o fator mais alto foi 5,8 obtido para o Journal of the Royal Statistical Society Series B. Esse periódico faz parte de qualquer lista de periódicos de elite da Estatística, como já apontado aqui anteriormente. Essa é a melhor taxa de citação que se obtem na Estatística. 

Pois bem, o fator de impacto da Science é 56,9, quase 10 vezes maior. Não chega a surpreender que essa marca obtida pela Science a colocou no 22o lugar dentre todos os quase 10 mil periódicos considerados.  Dentre as outras 22 mais citadas, apenas a Nature (em 18o lugar com fator de 64,8)  é um periódico multidisciplinar, que cobre um amplo espectro de áreas do saber. [O restante é de periódicos específicos de Medicina e áreas próximas como Biologia Molecular, com liderança para um periódico sobre Cancer.]

Mas o impacto de periódicos no topo da lista vai muito além de refletir apenas o impacto científico imediato, o que já seria um importante indicador. Ciente do impacto que possui na sociedade, a Science possui um sistema que armazena por conta própria o impacto que suas publicações tem nas mais diferentes midias acessadas pela sociedade. Contagens de menções a cada artigo na imprensa mundial, nos blogs, no X (antigo Twitter), no Reddit, e em videos disponibilizados on-line, bem como seus respectivos geo-referenciamentos são atualizados constantemente. 

O caso de nosso artigo serve para ilustrar esse ponto, como destacado na figura que abre esta postagem. Apesar de ter sido publicado a menos de 1 mês, sua publicação já gerou conteúdo para dezenas de artigos jornalísticos e centenas de postagens diretas sobre o artigo no X bem como citações em blogs e nas outras mídias supracitadas, ao redor do mundo. Esses números preliminares (acessáveis aqui) superam em ordens de magnitude o impacto direto na sociedade que qualquer outro artigo de Estatística possa ter tido ou possa vir a ter. 

A pergunta que se impõe é: porque esse artigo foi aceito para publicação e vem recebendo tanta atenção? A minha explicação a seguir virá com claro e assumido viés estatístico. É inegável a importância da Amazônia para o mundo. Decorre que a história da Amazônia também atrai a atenção de muita gente. Perguntas sobre como foi constituída a floresta e o nível de isolamento que ela teve ao longo da história adquirem muita relevância. Especialmente nos dias de hoje, onde o nível de interferência humana vem crescendo. 

Assim, estudos que mostram que a Amazônia foi frequentada e usada por civilizações anteriores ajudam a entender os possíveis rumos que essa região do mundo e principalmente sua floresta possam vir a ter. Nosso trabalho forneceu uma quantificação para essa intervenção. Essa quantificação tem permitido que as pessoas façam extrapolações baseadas nos números que ela fornece. Os números de intervenções humanas no terreno amazônico ainda não encontradas que são favorecidos em nossa análise são 10 a 25 dezenas de vezes maiores que o número de intervenções na terra que já foram descobertas. 

Muitos estudiosos já vinham especulando sobre a validade da hipótese ainda reinante de que a Amazônia era um vasto território intocado até então. Os resultados de nossa análise reforçam a tese de uma maior interferência humana do que muitos imaginavam, baseados nas escassas contagens de intervenções na terra até agora reportadas. As extrapolações a partir dai são as mais variadas. Já li até textos sugerindo que nossas análises poderiam contribuir para a discussão bastante atual sobre o direito a essas terras pelas populações originárias da região (aqui vai um exemplo).

Claro que tudo isso nos enche de orgulho por trazer mais luz e informação para a sociedade sobre questões tão importantes para a compreensão de uma região do globo tão influente nos dias de hoje. Mas também traz um senso de responsabilidade muito grande sobre o impacto (agora no sentido mais amplo possível) do que estudamos, modelamos, predizemos e reportamos possa ter sobre os rumos da compreensão sobre essa região.   

Ocupação pré-colombiana da Amazonia e sua relação com a floresta - parte II

Fonte: Over 10,000 Pre-Columbian earthworks are still hidden throughout Amazonia

Faz mais de um ano que postei aqui aquela que se tornou a parte I de uma história que está tendo uma evolução muito promissora. Esta postagem de hoje é para relatar com muita felicidade que o nosso artigo Over 10,000 Pre-Columbian earthworks are still hidden throughout Amazonia foi aceito para publicação no prestigioso periódico Science. Junto com o periódico Nature, elas formam a dupla de elite na divulgação do que de melhor está sendo feito na Ciência ao redor do mundo.

Existem alguns pontos que merecem ser destacados nesse episódio. Gostaria de elencar alguns deles. Antes de tudo, esse acontecimento me despertou para voltar a postar aqui no StatPop! Existem outros pontos mais sérios para uma reflexão menos auto-centrada.

Esse artigo foi fruto de trabalho árduo realizado por vários estudiosos das mais diferentes áreas da Ciência e das mais diversas partes do mundo, visando uma compreensão mais ampla da Amazônia. Boa parte desse esforço foi devotado a levantamento e catalogação de dados sobre essa importante região do planeta. Esse esforço foi fundamental para nós, por exemplo, por fornecer os dados que possibilitaram o nosso trabalho. Muitos profissionais de Estatística, especialmente os da academia, não valorizam suficientemente o esforço desses grupos de pessoas. Sem eles, nossa análise teria sido impossível!

Um desses trabalho de compilação de dados é o AmazonArch. Esse esforço especificamente é mais voltado para dados arqueológicos, que foram a base de nosso trabalho. Além disso, para correta caracterização da possível influência de fatores no processo de ocupação da Amazônia, é fundamental ter os dados de variáveis de interesse com o maior nível possível de resolução espacial. Para ser ter uma idéia da ordem de grandeza, são necessárias em torno de 7 milhões de medições de cada variável se pensarmos em uma resolução de 1 km². Esse é um esforço que envolve pesquisadores de diferentes áreas tais como Meteorologia, Ecologia, Botânica, Zoologia, Geologia, Geografia, Sensoriamento Remoto, para citar algumas das principais. Essa tarefa não é trivial e precisa de muita dedicação de todas as partes envolvidas para poder funcionar a contento.

Nosso estudo foi voltado para compreender o que faz com que certos locais tenham sido escolhidos por povos antepassados para fixar suas atividades. O mais óbvio é procurar relacionar esses locais preferenciais a aspectos ligados às áreas da Ciência listadas acima. Exemplos incluem características do solo (como salinidade), do terreno (como altitude e declive), climáticas (como chuva e umidade), da ocupação animal (como deposição de dejetos) e vegetal (como cobertura) e da geografia (como malha hidrográfica). Todas essas características devem em princípio ser consideradas e possivelmente possuirão relação com a ocorrência de vestígios civilizatórios.

Outro ponto de satisfação é saber que todas as análises que esses pesquisadores precisavam realizar com os dados que eles próprios coletaram poderiam ser realizadas sob a ótica da Estatística, usando os dados como matéria prima e produzindo resultados com a correspondente margem de incerteza a respeito deles. A chave para isso é a utilização de modelos estatísticos e operacionalizar a inferência para esses modelos. Estar dentro da área que responde aos desejos de outros pesquisadores e quantifica os resultados que esses últimos tanto necessitam de forma que eles possam tirar conclusões é particularmente gratificante.

Como acadêmico, é bom ver que tudo isso pode ser materializado através de um trabalho de doutorado realizado dentro do Programa de Pós-Graduação em Estatística da UFRJ, do qual faço parte. Todo cientista trabalha de forma muitas vezes isolada do resto do mundo mas paradoxalmente faz isso se afastando desse mundo para o qual ele almeja contribuir. Ter tido a oportunidade de fornecer para a sociedade explicações sobre questões de interesse para a humanidade compreender sua própria história e do ambiente que a circunscreve foi uma agradável sensação de dever cumprido.

Fazer tudo isso ao mesmo tempo que um aluno estava sendo formado também foi muito bom. Hoje, o aluno já se formou e está (bem) empregado em uma instituição no exterior. Além de ter feito as análises necessárias, ele produziu um pacote no R: bayesPO. Esse pacote está gratuitamente disponibilizado na internet através do link acima e permite que pesquisadores ao redor do mundo que tenham necessidade de análises similares possam realiza-las com um mínimo de conhecimento estatístico.

A última cereja do bolo para mim foi o fato de todos os autores terem concordado com o título do artigo fazer menção explícita a um resultado direto de nossa análise estatística. Ele fala de uma característica da distribuição preditiva das ocorrências ainda não observadas (ver figura acima). Essa distribuição só é obtida de forma direta através de nossa metodologia. Esse reconhecimento pela extensa comunidade de colaboradores científicos do artigo só reafirma a centralidade da Estatística para um assunto científico de alta relevância para tantas outras áreas da Ciência.

Projeto CovidLP 2021

Fonte: www.routledge.com/Building-a-Platform-for-Data-Driven-Pandemic-Prediction-From-Data-Modelling/Gamerman-Prates-Paiva-Mayrink/p/book/9780367709976

Antes de escrever qualquer frase, gostaria de desejar um Feliz ano de 2022 para todos os apoiadores/leitores do StatPop. 

Estou há mais de 1 ano sem postar e 2 anos sem retornar ao regime usual do StatPop de postagens semanais. O primeiro pedido que devo fazer é o de desculpas àqueles que se acostumaram a ler essas postagens das 3as feiras. Como todos estão cientes, a humanidade sofreu mudanças drásticas devido à pandemia de COVID-19. Várias pessoas tiveram modificações profundas nos seus hábitos tanto pessoais quanto profissionais e o StatPop não ficou imune.

Por motivos profissionais, me envolvi em inúmeros projetos interessantes e com forte impacto para a sociedade, em consonância com o compromisso deste blog. Mas o fato é que eles acabaram desviando o foco do StatPop. Um desses projetos é um outro blog de popularização da Estatística, desenvolvido pelo International Statistical Institute. Fui convidado para ser contribuinte com textos eventuais, como já havia informado aqui, sendo o ultimo publicado em fevereiro de 2021. Outro projeto fascinante é o de utilização de metodologia estatística que recentemente desenvolvemos para entender aspectos da história de ocupação da Amazônia pelo homem, desde antes da sua "colonização". Pretendo tratar desses assuntos interessantes em postagens futuras.

Mas o maior responsável pelo afastamento do StatPop foi sem dúvida o Projeto CovidLP.  Esse projeto já superou e muito as expectativas originais, quando da sua criação e segue crescendo. Ele contou em 2020 com uma extraordinária equipe de colaboradores voluntários, basicamente alunos de pós-graduação da UFMG. Em 2021, a equipe diversificou para incluir também alunos de outras instituições (UFRJ) e alunos de graduação.

Até agora, o projeto já gerou um site com informações sobre ele, um aplicativo contendo as previsões de casos e óbitos, o software PandemicLP contendo os códigos necessários para usuários reproduzirem nossas análises em seus conjuntos de dados e, mais recentemente, o livro Building a Platform for Data-Driven Pandemic Prediction: From Data Modelling to Visualisation - The CovidLP Project, publicado pela Chapman & Hall. A capa do livro é a imagem do início desta postagem

Com 382 páginas e 105 figuras ou diagramas, o livro foi publicado em setembro do ano passado, com um sumário de toda a informação gerada no projeto tanto em termos de metodologia estatística quanto em termos que avanço computacional com vistas à disponibilização de dados e de previsões. Todo esse trabalho foi realizado sobre a base gerada pela equipe de 2020, que permaneceu até início de 2021.

O projeto trabalha com uma equipe renovada de voluntários desde maio de 2021. Desde então, parte do tempo foi consumida para treinar a nova equipe para entender em que situação se encontrava o projeto e o que já havia sido atingido. Só assim foi possível habilita-los a encarar os desafios do projeto. Essa equipe também teve um desempenho exemplar e ao final do ano já podiam ser vislumbradas algumas novas funcionalidades. O projeto deverá em breve incorpora-las em breve após realizar testagem mais abrangente sobre elas. 

As mais importantes novidades serão o uso de distribuições amostrais mais flexíveis para os dados, com uma mais apropriada atribuição de incerteza nas previsões, e a recuperação da história do projeto, com a disponibilização da sequencia de previsões que o projeto gerou para cada pais/estado em um formato dinâmico. Além disso, haverá aumento de funcionalidades e do número de opções do PandemicLP. O StatPop irá repercutir esses novos avanços à medida que eles sejam alcançados.

Mais geralmente, pretendemos voltar a manter este blog ativo, com alguma periodicidade. Retomar a periodicidade semanal seria o ideal mas isso talvez seja pedir muito agora. Uma das leis da natureza é que os filhos eventualmente saem de casa/ninho e dependem progressivamente menos da tutela paterna para progredir de forma mais autonoma e viverem suas vidas. 

Isso vale também para os projetos, como o CovidLP, que funcionam como "filhos", oriundos da profissão de cada um. Esse projeto já adquiriu maturidade e o estágio atual do CovidLP já permite aos seus membros maior autonomia. Com isso, facilita ao direcionamento de parte da nossa atenção para outros projetos de disseminação da ciência que nos são igualmente caros, como o StatPop. Essa é intenção para 2022.

 

Statisticians React to the News

https://blog.isi-web.org/react/

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.

Atualizações na pandemia e no projeto CovidLP

http://est.ufmg.br/covidlp/home/pt/home/instrucoes

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.

A batalha dos dados da pandemia

https://portal.stf.jus.br/noticias/verNoticiaDetalhe.asp?idConteudo=445071&ori=1

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.

Carta Aberta ao Ministério da Saúde

https://coronavirus.jhu.edu/map.html

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

Devemos fazer previsões da pandemia?

https://www.youtube.com/channel/UCciFXh1UVV1liHSzBWI-3FQ

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.

Divulgação de trabalho científico: o caso do CovidLP

http://www.fapeam.am.gov.br/

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!

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.

Previsão de curto e longo prazos da Covid19 - parte II

https://dest-ufmg.shinyapps.io/app_COVID19/

A postagem desta semana saiu com atraso para poder noticiar a publicação em forma completa do aplicativo de previsão da Covid19 que estamos desenvolvendo. A forma está completa porque pela primeira vez foi possível a inclusão das principais funcionalidades que gostaríamos de tornar publicas. O aplicativo pode ser acessado aqui. Ele será atualizado diariamente com a divulgação de novos dados e ainda está em desenvolvimento, onde esperamos poder incluir outras funcionalidades e aprimorar as já existentes.

Esse aplicativo é o resultado de um trabalho conjunto de professores e alunos de pós-graduação em Estatística da UFMG. Ele teve origem como um desafio em uma disciplina de pós-graduação após a suspensão das aulas devido à Covid19. O que foi iniciado com o objetivo de manter os alunos motivados e em atividade foi crescendo, ganhando forma, incorporando sugestões e recebendo a participação de outros alunos e professores, até chegar ao formato de um aplicativo disponível para uso pelo público em geral. 

Na configuração atual, o aplicativo tem 2 principais tipos de resultado: previsões de curto prazo e de longo prazo. O primeiro se refere a previsões de mortes e número de casos confirmados para o futuro imediato (até 1 a 2 semanas). Esse tipo de resultado é útil para se saber o que virá pela frente e saber o que esperar da pandemia.

O segundo tipo de previsões é mais abrangente e visa traçar um panorama mais completo da pandemia. Perguntas típicas nesse contexto são: quando o número de casos deixará de crescer e começará a decair? quantas pessoas essa pandemia irá adoecer? quando podemos esperar que a pandemia seja encerrada. Todas essas perguntas só podem ser respondidas a partir de uma visão global de todo o processo pandêmico. A previsão de longo prazo ajuda a quantificar esse panorama.

Todas as perguntas listadas acima estão respondidas de forma numérica no aplicativo. Assim, quem visitar as previsões para Pernambuco verá que o pico da pandemia nesse estado deverá ocorrer entre os dias 31 de maio e 20 de junho com 95% de probabilidade. Quem visitar as previsões do número total de casos para o Brasil verá que espera-se entre cerca de 500 mil e 600 mil casos confirmados. E quem visitar as previsões para o México verá que a pandemia terá acometido 99% da população mexicana (e portanto estará perto do fim) apenas daqui a 5 meses, entre 04 e 18 de outubro deste ano. Mas que, para a população alemã, o fim está bem mais próximo; mais precisamente entre 15 e 22 de maio.

Nossas previsões são sempre acompanhadas dos respectivos intervalos de probabilidade (ou credibilidade, no jargão estatístico) para que o usuário tenha sempre noção da verdadeira incerteza associada a cada previsão fornecida. Outro ponto importante é que essas previsões são sempre baseadas na manutenção das condições no dia em que a previsão foi feita. Possíveis alterações nas condições incluem tornar o isolamento mais rigoroso ou, por outro lado, ele ser abolido. Essas alterações podem causar mudanças substanciais nas previsões. Outro ponto importante é que novos dados chegam todo dia e impõe atualizações constantes nas análises. Isso também pode causar mudanças em diferentes aspectos das previsões.

A nossa abordagem para previsão é basicamente empírica, usando apenas os dados observados como fonte de informação. Nossas análises são baseadas em modelos estatísticos que tem por base a curva logística. Essa curva descreve um crescimento que começa intenso e vai desacelerando progressivamente até chegar ao seu limite. Esse comportamento é a base do que se espera de toda epidemia/pandemia. Inúmeras variações estão sendo testadas para acomodar mudanças nas condições, como já exemplificamos, existência de uma maior dispersão que a esperada pelos modelos usuais e generalizações da curva em questão. Todas essas possibilidades vem sendo exploradas com vista a uma melhor descrição do fenômeno sendo observado. 

Esperamos estar apresentando um apanhado útil do que todos, enquanto sociedade, podemos esperar dessa pandemia que tanta interferência vem causando nas vidas de todos nós e que possamos deixar todos um pouco mais informados do que esperar pela frente. 

Um guia do estatístico para os números de coronavírus*

https://rss.org.uk/news-publication/news-publications/2020/general-news/a-statistician%E2%80%99s-guide-to-coronavirus-numbers/

Durante esta pandemia do COVID-19, você ouvirá ou lerá sobre muitos números diferentes. A sociedade britânica de Estatística (RSS) existe para ajudar o público a entender melhor as estatísticas. Preparamos este pequeno guia para ajudá-lo neste momento difícil e incerto.

Pontos chave

- O número de casos confirmados será menor que o número de casos reais.

- As comparações de números de casos e óbitos entre países podem não ter significado.

- Os modelos produzem estimativas com faixas plausíveis. Esses modelos podem nos ajudar a entender os efeitos prováveis das políticas.

Palavras que você poderá ver e ouvir

Um caso confirmado com COVID-19 significa uma pessoa com um resultado positivo para o vírus. Um caso confirmado estará ativo se a pessoa ainda estiver infectada: ela não se recuperou ou morreu. Uma morte no COVID-19 significa um caso confirmado que morreu.

A taxa de mortalidade de casos é o número de mortes dividido pelo número de casos confirmados. Isso também é chamado de taxa de fatalidade de caso.

A taxa de transmissão é o número esperado de infecções diretas em um caso. É também chamado de número reprodutivo básico.

A taxa bruta de mortalidade é o número de mortes como proporção de toda a população. Os pesquisadores calculam essa taxa para diferentes regiões e países.

O que você precisa considerar

O número de casos confirmados será menor que o número real de casos. Algumas pessoas infectadas não apresentam sintomas. Ter sintomas consistentes não é suficiente para um diagnóstico confirmado. Pessoas com sintomas consistentes podem não fazer o teste do vírus.

O teste não é perfeito. Os países diferem em suas regras em relação a quem faz o teste para o COVID-19 e quais testes eles usam. Às vezes, um teste diz que uma pessoa infectada não possui o vírus. Regras de teste, capacidade e qualidade afetam o número de casos confirmados.

Comparações de casos confirmados entre países são desafiadoras. Diferentes países têm diferentes demografias, políticas de saúde, estruturas sociais e culturas. Os países têm diferentes regimes de teste, que podem mudar com o tempo. Os países também podem estar em diferentes fases da epidemia. As disparidades entre países em casos e mortes podem resultar em parte dessas diferenças.

Trate a taxa de mortalidade de casos com cautela. Há incerteza sobre o número de casos e mortes. Casos leves e sem sintomas podem passar despercebidos. Novos casos podem não atingir recuperação ou morte por vários dias ou semanas. Os sistemas de saúde podem registrar uma morte por COVID-19 como pneumonia ou outra causa. Futuras mortes daqueles já infectados não são incluídas no cálculo atual.

As taxas de transmissão descrevem médias. A taxa de transmissão mede a rapidez com que uma doença se espalha. Algumas pessoas podem infectar mais ou menos outras pessoas. Isso depende do comportamento, frequência de contato, biologia, chance e outros fatores.

O crescimento exponencial não pode continuar para sempre. Como exemplo, uma pessoa tem o vírus. Eles passam para três pessoas, que por sua vez passam para nove outras pessoas. Agora, existem 13 casos. Este é um crescimento exponencial nos casos. O crescimento exponencial é uma fase de uma epidemia. Continuar essa tendência simples é inadequado para previsões de longo prazo. Quanto mais pessoas se recuperam ou morrem, menos pessoas podem pegar o vírus. Em algum momento, o número de novos casos deve começar a diminuir.

Os modelos transformam valores inseridos em estimativas. Para usar um exemplo simples, um modelo usa uma taxa de transmissão e produz uma estimativa do total de mortes. Um cientista pode atualizar o modelo para refletir novos conselhos de saúde pública para ficar em casa. Eles fazem isso diminuindo a taxa de transmissão em seu modelo. Essa taxa de transmissão mais baixa leva a uma estimativa de morte mais baixa do modelo. Essas duas entradas representam dois cenários diferentes.

Modelos diferentes têm propósitos diferentes. Após novos dados e discussões, os cientistas atualizam suas suposições e modelos. Modelos que produzem estimativas diferentes podem ser consistentes entre si.

A modelagem envolve muitas camadas de incerteza. Há incerteza sobre a rapidez com que o vírus se espalha e quantas pessoas se recuperam. A incerteza flui através desses modelos. À medida que os cientistas observam mais informações, as estimativas se tornam mais precisas.

Devemos focar em faixas plausíveis de valores, em vez de um único número.

O que precisamos saber

A confiança nas estatísticas públicas é vital. A desinformação pode prejudicar a saúde das pessoas.

Por favor, verifique suas fontes antes de compartilhar estatísticas.

Se um número não parecer correto, verifique se uma organização confiável relatou esse número.

Uma estatística pode não contar a história toda. Notícias e postagens em mídias sociais podem apresentar números fora de contexto.

Os gráficos podem enganar. Verifique se há rótulos claros, que mostram de onde vêm os dados. Os gráficos devem representar os números de maneira proporcional.

Os dados constroem evidências. A evidência informa as decisões. A precisão é importante: impressa, na televisão e no rádio e on-line. Compartilhe estatísticas, não informações erradas.

* - texto publicado pela RSS aqui em 06 de abril de 2020

Previsão de curto e longo prazos da Covid19

https://dest-ufmg.shinyapps.io/app_COVID19/

Como dissemos na postagem da semana passada, a correta compreensão da evolução da pandemia de Covid19 está longe de ser tarefa simples e tem trazido transtornos a todos. Também dissemos que estamos envolvidos em um grupo de trabalho visando previsão da evolução dessa doença para diferentes partes do mundo. Nosso objetivo é prever a curto e longo prazo. Vou tentar descrever qual é o nosso trabalho e acredito que as dificuldades dessa tarefa ficarão claras e ajudarão a entender porque nosso projeto ainda está em desenvolvimento.

Nosso ponto de partida foi uma abordagem extremamente simples. As equações que regem uma doença contagiosa tem como base o crescimento exponencial, baseado na lógica que cada indivíduo infecta outros tantos e que esses tantos infectam outros tantos e assim sucessivamente. Essa lógica funciona bem mas não resolve tudo porque a população é finita. Portanto, à medida que o tempo passa, fica cada vez mais difícil encontrar outros indivíduos para infectar (supondo que uma vez que um infectado é curado ele não pode ser reinfectado). Incorporando essa progressiva dificuldade de infecção ao modelo resulta em uma curva de crescimento do número total de casos é basicamente exponencial no início da epidemia seguida de um período de achatamento progressivo e eventualmente tendo um limite superior ao término da evolução. Esse comportamento é descrito matematicamente pela curva logística. Esse limite superior da logística é, na pior das hipóteses, dado pelo total de indivíduos suscetíveis na população. Mas na grande maioria das epidemias/pandemias, esse limite é substancialmente inferior à população total.

O caso da Covid19 não é diferente das outras epidemias contagiosas. Aqui o número de indivíduos suscetíveis é basicamente toda a população da região ou país. À medida que o tempo passa, os países vão de alguma forma se encaminhando para um limite superior. Isso já aconteceu com a China, como ilustra a figura acima. Poderíamos supor, como inicialmente fizemos, que a curva logística seria uma boa descrição dessa evolução. E foi essa a primeira abordagem que tentamos. Entretanto, várias questões se interpuseram.

A questão mais importante é que para o ajuste da logística funcionar seria preciso que todas as taxas de infecção, recuperação e mortalidade permanecessem imutáveis ao longo da pandemia. Isso é praticamente impossível porque vários fatores intervem. As taxas de infecção mudam porque o nível de isolamento da população (diretamente relacionado com a taxa de infecção) varia ao longo da evolução da doença. Além disso, os números utilizados são de casos confirmados e o processo de confirmação está longe de ser estático. Para isso, seria necessário que os sistemas de registro funcionassem à perfeição e que o estabelecimento da condição de doença para cada paciente fosse imediata.

Assim, estamos às voltas com alternativas que permitam a adequada caracterização dessa evolução. As alternativas que nos parecem caracterizar mais adequadamente as características acima listadas buscam aliviar a imposição da mesma curva logística para toda a trajetória da série de contagem de casos. Existem várias formas de promover essa adaptação em curvas em geral e na logística em particular. Nosso projeto visa encontrar a forma mais adequada para representar essa adaptação de forma adequada para todos os paises e estados.

Quando pronto, nosso aplicativo produzirá gráficos de previsão, como o que encabeça esta postagem. Também pretendemos usar as previsões no longo prazo para tentar prever o pico da epidemia e o número total de casos confirmados que cada país/região terá ao longo de todo o curso da pandemia. E todo esse procedimento será atualizado a cada poucos dias para muitos paises e todos os estados do Brasil. Nem preciso dizer que todos os resultados serão reportados com suas respectivas bandas de confiança ou credibilidade explicitadas. Isso é fundamental para correta avaliação do nível de precisão associado a cada afirmação sendo feita sobre a evolução desta pandemia. Estamos sentindo falta dessa componente da grande maioria da avaliações que vem sendo disponibilizadas 

No momento, ainda estamos em fase de desenvolvimento. Os resultados obtidos até então ainda não estão consolidados e provavelmente serão modificados. Por isso, acho prematuro direcioná-los para o aplicativo. Tão logo tenhamos resultados confiáveis, divulgaremos aqui no StatPop.

Como prever pandemias/epidemias?

https://sils.unc.edu/people/faculty/profiles/Zeynep-Tufekci

A postagem de hoje vinha sendo amadurecida ao longo das últimas semanas mas sua publicação agora foi motivada por acontecimentos recentes e também pelo este texto, escrito pela pesquisadora Zeynep Tufekci, registrada na foto acima, professora de uma universidade americana de prestígio. Ela pesquisa justamente o efeito na sociedade de novas tecnologias, como as associadas a Big Data. 

Gostei do texto. De certa maneira, ele traduz de forma mais cientificamente defensável algo que venho achando. O texto se concentra em modelos epidemiológicos e na relevância de uma boa especificação dos seus parâmetros. Mas isso não é tudo!

Tanto as abordagens que ela critica quanto a crítica que ela faz sofrem do mesmo mal. Ambos assumem que esses parâmetros são estimados sem erros e basta pluga-los nos modelos. Feliz ou infelizmente, toda estimação tem erro e saber quantifica-lo é fundamental para saber o nível de certeza que se pode emprestar a uma estimativa e às suas consequências, como decorrência matemática inevitável.

Essa é a parte que os epidemiologistas não vão tão bem. Os modelos epidemiológicos usados são baseado em incorporação de vários aspectos de uma epidemia. Isso é tipicamente feito através de equações diferenciais e existem parâmetros dentro dela para caracterizar diferentes aspectos (taxa de infecção, taxa de recuperação, etc). Esses parâmetros não são conhecidos e seus valores tem muita influência quantitativa nos resultados. 

Assim, elementos auxiliares são usados para acessar a especificação desses parâmetros mas a correta incorporação dessa incerteza em modelos já complexos mesmo se esses parâmetros fossem conhecidos é muito longe de trivial. Os bons epidemiologistas conseguem se salvar com boas especificações de cenários alternativos. O texto da Profa. Tufekci ilustra um pouco desse problema no contexto de um relatório técnico do Imperial College e de toda a fama e imediata controvérsia que ele adquiriu após a sua divulgação. 

Os modelos nos quais estou trabalhando, e que espero reportar resultados aqui em breve, tem muito menos teoria por trás. Mas são baseados em explicação diretamente para dados observados e não indiretamente para o sistema que se supõe rege-los.  Nesse sentido, tem uma preocupação mais concreta com aquilo que podemos assumir como certo.

Infelizmente, essa matéria prima básica está vindo contaminada por imperfeições de diversos tipos no caso do Brasil e seus vizinhos. O país está registrando uma quantidade muito grande de casos suspeitos, muito maior que os números de casos confirmados. Muitos desses não estão sendo testados e portanto não podem ser considerados casos confirmados. Mesmo os poucos suspeitos que estão sendo testados tem demorado muito a ser incorporados aos sistemas pela demora na obtenção de resultados. Os testes estão levando em torno de 2 semanas para terem seus resultados revelados. 

Para mitigar esse problema estão sendo importados milhares de testes chamados rápidos pois fornecem o resultado em poucos minutos. Isso resolveria o problema mas vários questionamentos sobre a qualidade e adequação desse teste estão sendo levantados. Mas estaremos tentando  podemos obter afirmações mais precisas para países com sistemas de informação mais estruturados com paises da Europa e Asia.

A estatística do Coronavirus

Fonte: Christina Animashaun/Vox (baseada em material do CDC)

Finalmente, o StatPop chegou ao assunto que domina as rodas sociais e profissionais das últimas semanae e assim continuará ainda por um bom tempo. Com a chegada definitiva do Coronavirus (Covid19) ao país, não tem como não falar desse assunto. As conversas tem tido muitos aspectos e mesmo no que tange à ciência também atinge várias áreas do saber. Como de costume, focaremos em aspectos matemáticos/estatísticos dessa doença que semana passada teve seu status elevado para pandemia.    

Aproveitaremos a oportunidade para tratar simultaneamente de 2 temas: a evolução da doença e a visualização de dados. Nesse contexto, destaco aqui 2 apresentações muito bem acabadas, com roupagem atual e contendo informação relevante e contextualizada. Acho que essas cumprem bem o papel de informar e de nos ensinar como apresentar dados e fórmulas de uma maneira inclusiva, por atrair mais que repelir os espectadores, especialmente os leigos. Com certeza, há muitas outras igualmente eloquentes e elucidativas mas essas foram as que cruzaram meu caminho no mundo da internet.

A primeira é denominada Crescimento Exponencial e Epidemia e pode ser visualizada aqui. Ela cumpre exatamente a missão de relacionar os conceitos matemáticos relevantes com a ilustração prática em termos da epidemia em questão no momento. A segunda tem uma formatação menos ambiciosa e é mais voltada para análises propriamente ditas dos dados. Tanto quanto pude perceber ela não tem nem um título propriamente dito e pode ser visualizada aqui. As análises feitas são mais descritivas e menos dependentes de teoria mas nem por isso são menos eficazes em passar a mensagem. No caso, a mensagem era muito mais de contextualizar a pandemia atual com outras que ocorreram na história recente da humanidade.

Ambas as apresentações são muito bem acabadas e ilustradas e até acompanhadas e trilha sonora. O mais importante de ambas as apresentações é a forma de aprestação gráfica não só dos gráficos das evoluções temporais como de gráficos de outras naturezas. A forma dinâmica como os gráficos e os textos nele contidos se ajustam a todo instante para o assunto que se deseja destacar é exemplar. Ela não é uma exclusividade dessas apresentações. Várias apresentações disponibilizadas diariamente na internet seguem esse mesmo padrão. Essa formatação representa uma nova forma de reportar dados, viabilizada pela tecnologia atual.

Outra mídia que vem recebendo muita visibilidade, possivelmente pela sua veiculação no New York Times é a figura animada acima, obtida aqui. Existe um dito popular que fala "um gráfico vale por mil palavras". Se isso é verdade, então podemos extrapolar para um gráfico animado valeria por um milhão de palavras. O texto que acompanha a figura também é elucidativo mas queria aqui enfatizar mais uma vez a força da animação ou do dinamismo na facilitação da passagem de informação. 

Em contraste com essas formas, apresento também um texto recente produzido por uma consultoria japonesa, que pode ser lido aqui. Esse texto, escrito ainda no formato usual (do StatPop, por exemplo), contem dados apresentados em algumas tabelas e alguns gráficos simples e estáticos. Ele é voltado para o estudo da hipótese que muitos tem levantado de ligação entre temperatura e incidência da doença. Até ai tudo bem. O texto pode ser útil mesmo sem ter uma roupagem menos atual mas deve principalmente ter conteúdo relevante.

No entanto, acho que existem algumas questões técnicas mal explicadas ou mal descritas ou ambas. O textos apresenta contagens de regiões do Japão e do planeta sem fazer a padronização pela respectivas contagens da população em risco ou ao menos da população total da região. Assim sendo, fica muito difícil fazer comparações entre populações tão distintas como as consideradas. Além disso, ele desconsidera a incerteza muito maior (proporcionalmente) associada à contagens de populações menores. Isso torna praticamente inútil muitas das comparações feitas no texto. Além disso, ele compara a evolução da doença utilizando apenas a janela de 3 a 8 de março, sem comparar com outras janelas. Esse cuidado foi tomado na 1a apresentação, permitindo verificar com muito mais embasamento que o crescimento exponencial é efetivamente uma boa descrição do estágio atual da doença no mundo.

Vale informar que já existe intensa atividade científica envolvendo estudo de casos, especialmente na cidade de Wuhan, onde começou a doença, na China e no resto do mundo. Um dos primeiros artigos publicados sobre o assunto apareceu no início do ano na prestigiosa revista científica Lancet. Esse artigo, que pode ser visualizado aqui, propõe um modelo relativamente elaborado, que depende de uma série de parâmetros, que são especificados ou estimados de forma relativamente arbitrária e o artigo não deixa claro qual o impacto nos resultados se eles estiverem mal especificados. Muito estudo ainda será feito nos próximos meses e anos sobre os dados sendo gerados ao longo do mundo nos diferentes países. 

Finalmente, esta postagem termina fazendo referência a uma das figuras mais enviadas pela internet nos últimos dias e talvez a mais relevante para caracterizar essa epidemia. Por isso, ela pode e deve ser repetida à exaustão e por isso serviu de abertura para esta postagem (uma das várias versões a partir de figuras similares divulgadas pelo CDC). A pandemia chegou aqui e irá atingir o Brasil de forma expressiva. Podemos e devemos tentar diminuir a taxa de infecção e com isso mitigar ou ao menos retardar seus efeitos. Um país com tantas deficiências em seu sistema hospitalar não pode se dar ao luxo de abrir mão de medidas profiláticas simples ao alcance de todos, como constante lavagem das mãos, evitar qualquer tipo de contato físico entre pessoas e confinamento.