Réinventer nos problèmes de pandémie avec l’état d’esprit d’un ingénieur

Les 20 derniers mois ont transformé chaque chien en épidémiologiste et statisticien amateur. Pendant ce temps, un groupe d’épidémiologistes et de statisticiens de bonne foi en est venu à croire que les problèmes de pandémie pourraient être résolus plus efficacement en adoptant l’état d’esprit d’un ingénieur : c’est-à-dire en se concentrant sur la résolution pragmatique des problèmes avec une stratégie itérative et adaptative pour faire fonctionner les choses.

Dans un essai récent, «Prise en compte de l’incertitude pendant une pandémie», les chercheurs réfléchissent à leurs rôles lors d’une urgence de santé publique et à la façon dont ils pourraient être mieux préparés à la prochaine crise. La réponse, écrivent-ils, réside peut-être dans la réinvention de l’épidémiologie avec davantage une perspective d’ingénierie et moins une perspective de «science pure».

La recherche épidémiologique éclaire la politique de santé publique et son mandat intrinsèquement appliqué de prévention et de protection. Mais le bon équilibre entre les résultats de la recherche pure et les solutions pragmatiques s’est avéré de manière alarmante insaisissable pendant la pandémie.

Nous devons prendre des décisions pratiques, alors quelle est l’importance de l’incertitude ?

Seth Guikema

« J’ai toujours imaginé que dans ce genre d’urgence, les épidémiologistes seraient des personnes utiles », a déclaré Jon Zelner, co-auteur de l’essai. « Mais notre rôle a été plus complexe et plus mal défini que ce à quoi je m’attendais au début de la pandémie. » Modeleur de maladies infectieuses et épidémiologiste social à l’Université du Michigan, Zelner a été témoin d’une « prolifération insensée » d’articles de recherche, « beaucoup avec très peu de réflexion sur ce que tout cela signifiait vraiment en termes d’impact positif ».

« Il y a eu un certain nombre d’opportunités manquées », dit Zelner, causées par des liens manquants entre les idées et les outils proposés par les épidémiologistes et le monde qu’ils étaient censés aider.

Renoncer à la certitude

Le coauteur Andrew Gelman, statisticien et politologue à l’Université de Columbia, a présenté « la vue d’ensemble » dans l’introduction de l’essai. Il a comparé l’épidémie d’épidémiologistes amateurs à la façon dont la guerre fait de chaque citoyen un géographe et un tacticien amateur : « Au lieu de cartes avec des épingles colorées, nous avons des tableaux d’exposition et de nombre de décès ; les gens dans la rue discutent des taux de mortalité par infection et de l’immunité collective de la même manière qu’ils auraient pu débattre des stratégies et des alliances en temps de guerre dans le passé. »

Et avec toutes les données et le discours public, les masques sont-ils toujours nécessaires ? Combien de temps la protection vaccinale durera-t-elle ? — vint le barrage de l’incertitude.

En essayant de comprendre ce qui vient de se passer et ce qui s’est mal passé, les chercheurs (qui comprenaient également Ruth Etzioni à l’Université de Washington et Julien Riou à l’Université de Berne) ont mené une sorte de reconstitution. Ils ont examiné les outils utilisés pour relever des défis tels que l’estimation du taux de transmission de personne à personne et le nombre de cas circulant dans une population à un moment donné. Ils ont tout évalué, de la collecte de données (la qualité des données et leur interprétation étaient sans doute les plus grands défis de la pandémie) à la conception du modèle à l’analyse statistique, ainsi que la communication, la prise de décision et la confiance. « L’incertitude est présente à chaque étape », ont-ils écrit.

Et pourtant, dit Gelman, l’analyse « n’exprime toujours pas assez la confusion que j’ai traversée au cours de ces premiers mois ».

Les statistiques sont une tactique contre toutes les incertitudes. Gelman considère les statistiques comme une « ingénierie mathématique », des méthodes et des outils qui concernent autant la mesure que la découverte. Les sciences statistiques tentent d’éclairer ce qui se passe dans le monde, en mettant en lumière la variation et l’incertitude. Lorsque de nouvelles preuves arrivent, elles devraient générer un processus itératif qui affine progressivement les connaissances antérieures et affine la certitude.

La bonne science est humble et capable de s’affiner face à l’incertitude.

Marc Lipsitch

Susan Holmes, statisticienne à Stanford qui n’a pas participé à cette recherche, voit également des parallèles avec la mentalité d’ingénieur. « Un ingénieur met toujours à jour son image », dit-elle, en révisant au fur et à mesure que de nouvelles données et de nouveaux outils sont disponibles. En abordant un problème, un ingénieur propose une approximation du premier ordre (flou), puis une approximation du second ordre (plus ciblée), et ainsi de suite.

Gelman, cependant, a prévenu précédemment que la science statistique peut être déployée comme une machine à « blanchir l’incertitude » – délibérément ou non, des données de merde (incertaines) sont rassemblées et rendues convaincantes (certaines). Les statistiques utilisées contre les incertitudes « sont trop souvent vendues comme une sorte d’alchimie qui transformera ces incertitudes en certitude ».

Nous en avons été témoins pendant la pandémie. Noyés dans les bouleversements et les inconnues, épidémiologistes et statisticiens, amateurs comme experts, ont saisi quelque chose de solide pour tenter de se maintenir à flot. Mais comme le souligne Gelman, vouloir la certitude pendant une pandémie est inapproprié et irréaliste. « La certitude prématurée a fait partie du défi des décisions dans la pandémie », dit-il. « Ce saut entre l’incertitude et la certitude a causé beaucoup de problèmes. »

Abandonner le désir de certitude peut être libérateur, dit-il. Et c’est en partie là qu’intervient la perspective de l’ingénierie.

Un état d’esprit bricoler

Pour Seth Guikema, co-directeur du Center for Risk Analysis and Informed Decision Engineering à l’Université du Michigan (et collaborateur de Zelner sur d’autres projets), un aspect clé de l’approche d’ingénierie est de plonger dans l’incertitude, d’analyser le désordre, puis prendre du recul, avec la perspective : « Nous devons prendre des décisions pratiques, alors quelle est l’importance de l’incertitude ? » Parce que s’il y a beaucoup d’incertitude – et si l’incertitude change quelles sont les décisions optimales, ou même quelles sont les bonnes décisions – alors il est important de le savoir, dit Guikema. « Mais si cela n’affecte pas vraiment mes meilleures décisions, alors c’est moins critique. »

Par exemple, l’augmentation de la couverture vaccinale contre le SRAS-CoV-2 dans l’ensemble de la population est un scénario dans lequel même s’il existe une certaine incertitude quant au nombre exact de cas ou de décès que la vaccination empêchera, le fait qu’il est très probable qu’elle diminue les deux, avec peu d’effets indésirables. effets, est une motivation suffisante pour décider qu’un programme de vaccination à grande échelle est une bonne idée.

Un ingénieur met toujours à jour sa photo.

Susan Holmes

Les ingénieurs, souligne Holmes, sont également très doués pour décomposer les problèmes en éléments critiques, appliquer des outils soigneusement sélectionnés et optimiser les solutions sous contraintes. Avec une équipe d’ingénieurs construisant un pont, il y a un spécialiste du ciment et un spécialiste de l’acier, un ingénieur éolien et un ingénieur en structure. « Toutes les différentes spécialités fonctionnent ensemble », dit-elle.

Pour Zelner, la notion d’épidémiologie en tant que discipline d’ingénierie est quelque chose qu’il a repris de son père, un ingénieur en mécanique qui a lancé sa propre entreprise de conception d’établissements de santé. S’appuyant sur une enfance pleine de construction et de réparation de choses, son état d’esprit d’ingénierie consiste à bricoler, à affiner un modèle de transmission, par exemple, en réponse à une cible en mouvement.

«Souvent, ces problèmes nécessitent des solutions itératives, où vous apportez des changements en réponse à ce qui fonctionne ou ne fonctionne pas», dit-il. « Vous continuez à mettre à jour ce que vous faites à mesure que de plus en plus de données arrivent et vous voyez les succès et les échecs de votre approche. Pour moi, c’est très différent – et mieux adapté aux problèmes complexes et non stationnaires qui définissent la santé publique – que le genre d’image statique que beaucoup de gens ont de la science universitaire, où vous avez une grande idée, testez-le, et votre résultat est conservé dans l’ambre pour toujours.