Die letzten 20 Monate haben jeden Hund zu einem Amateur-Epidemiologen und Statistiker gemacht. In der Zwischenzeit glaubte eine Gruppe echter Epidemiologen und Statistiker, dass Pandemieprobleme effektiver gelöst werden könnten, indem man die Denkweise eines Ingenieurs übernahm: Das heißt, man konzentriert sich auf pragmatische Problemlösungen mit einer iterativen, adaptiven Strategie, damit die Dinge funktionieren.
In einem kürzlich erschienenen Essay mit dem Titel „Berücksichtigung von Unsicherheit während einer Pandemie“ reflektieren die Forscher ihre Rolle während eines Notfalls im Bereich der öffentlichen Gesundheit und darüber, wie sie besser auf die nächste Krise vorbereitet werden könnten. Die Antwort, schreiben sie, könnte darin liegen, die Epidemiologie mit mehr einer ingenieurwissenschaftlichen Perspektive und weniger einer „reinen wissenschaftlichen“ Perspektive neu zu denken.
Die epidemiologische Forschung informiert über die öffentliche Gesundheitspolitik und ihr inhärent angewandtes Mandat für Prävention und Schutz. Aber die richtige Balance zwischen Grundlagenforschungsergebnissen und pragmatischen Lösungen erwies sich während der Pandemie als erschreckend schwer fassbar.
Wir müssen praktische Entscheidungen treffen, also wie wichtig ist die Unsicherheit wirklich?
Seth Guikema
„Ich habe mir immer vorgestellt, dass Epidemiologen in einer solchen Notlage nützliche Menschen wären“, sagt Jon Zelner, Mitautor des Aufsatzes. “Aber unsere Rolle war komplexer und ungenauer definiert, als ich zu Beginn der Pandemie erwartet hatte.” Als Modellierer für Infektionskrankheiten und Sozialepidemiologe an der University of Michigan erlebte Zelner eine “wahnsinnige Verbreitung” von Forschungsarbeiten, “viele ohne sich darüber Gedanken zu machen, was davon wirklich eine positive Wirkung hat”.
„Es gab eine Reihe von verpassten Gelegenheiten“, sagt Zelner – verursacht durch fehlende Verbindungen zwischen den Ideen und Werkzeugen, die Epidemiologen vorgeschlagen haben, und der Welt, der sie helfen sollten.
Gewissheit aufgeben
Co-Autor Andrew Gelman, Statistiker und Politikwissenschaftler an der Columbia University, skizzierte in der Einleitung des Essays das „größere Bild“. Er verglich den Ausbruch der Pandemie durch Amateur-Epidemiologen damit, wie der Krieg jeden Bürger zu einem Amateur-Geographen und -Taktiker macht: „Anstelle von Karten mit farbigen Stecknadeln haben wir Diagramme mit Expositions- und Todeszahlen; Die Leute auf der Straße streiten über die Sterblichkeitsrate bei Infektionen und die Herdenimmunität, so wie sie in der Vergangenheit über Kriegsstrategien und Allianzen debattiert haben könnten.
Und bei all den Daten und dem öffentlichen Diskurs – Sind Masken noch notwendig? Wie lange wird der Impfschutz dauern? – kam die Flut der Unsicherheit.
Um zu verstehen, was gerade passiert ist und was schief gelaufen ist, haben die Forscher (zu denen auch Ruth Etzioni von der Universität Washington und Julien Riou von der Universität Bern gehörten) eine Art Reenactment durchgeführt. Sie untersuchten die Instrumente, mit denen Herausforderungen wie die Schätzung der Übertragungsrate von Mensch zu Mensch und die Anzahl der Fälle, die zu einem bestimmten Zeitpunkt in einer Bevölkerung zirkulieren, angegangen werden. Sie bewerteten alles von der Datenerhebung (die Qualität der Daten und deren Interpretation waren wohl die größten Herausforderungen der Pandemie) über den Modellentwurf bis hin zur statistischen Analyse sowie Kommunikation, Entscheidungsfindung und Vertrauen. „Bei jedem Schritt ist Unsicherheit vorhanden“, schrieben sie.
Und doch, sagt Gelman, drückt die Analyse immer noch „nicht genug die Verwirrung aus, die ich in diesen ersten Monaten durchgemacht habe“.
Eine Taktik gegen all die Unsicherheit ist die Statistik. Gelman betrachtet Statistik als „mathematische Technik“ – Methoden und Werkzeuge, bei denen es sowohl um Messungen als auch um Entdeckungen geht. Die statistischen Wissenschaften versuchen zu beleuchten, was in der Welt vor sich geht, mit einem Schwerpunkt auf Variation und Unsicherheit. Wenn neue Beweise eintreffen, sollten sie einen iterativen Prozess generieren, der das bisherige Wissen schrittweise verfeinert und die Gewissheit schärft.
Gute Wissenschaft ist bescheiden und in der Lage, sich angesichts der Unsicherheit zu verfeinern.
Marc Lipsitch
Auch Susan Holmes, eine Statistikerin in Stanford, die nicht an dieser Untersuchung beteiligt war, sieht Parallelen zur Denkweise der Ingenieure. „Ein Ingenieur aktualisiert ständig sein Bild“, sagt sie – und überarbeitet, sobald neue Daten und Tools verfügbar werden. Bei der Lösung eines Problems bietet ein Ingenieur eine Näherung erster Ordnung (unscharf), dann eine Näherung zweiter Ordnung (fokussierter) usw. an.
Gelman hat jedoch zuvor gewarnt, dass die statistische Wissenschaft als Maschine zur „Wäsche von Unsicherheit“ eingesetzt werden kann – absichtlich oder nicht, beschissene (unsichere) Daten werden zusammengerollt und überzeugend (sicher) gemacht. Statistiken gegen Unsicherheiten „werden allzu oft als eine Art Alchemie verkauft, die diese Unsicherheiten in Gewissheit umwandelt“.
Das haben wir während der Pandemie erlebt. In Aufruhr und Unbekanntem ertrinkend, suchten Epidemiologen und Statistiker – Amateure und Experten gleichermaßen – nach etwas Solidem, um sich über Wasser zu halten. Aber wie Gelman betont, ist es unangemessen und unrealistisch, während einer Pandemie Gewissheit zu wollen. „Vorzeitige Gewissheit war Teil der Herausforderung von Entscheidungen in der Pandemie“, sagt er. “Dieses Springen zwischen Unsicherheit und Gewissheit hat viele Probleme verursacht.”
Den Wunsch nach Gewissheit loszulassen kann befreiend sein, sagt er. Und hier kommt zum Teil die technische Perspektive ins Spiel.
Eine bastelnde Denkweise
Für Seth Guikema, Co-Direktor des Center for Risk Analysis and Informed Decision Engineering an der University of Michigan (und Mitarbeiter von Zelner an anderen Projekten), ist ein wichtiger Aspekt des Engineering-Ansatzes das Eintauchen in die Unsicherheit, die Analyse des Chaos, und dann einen Schritt zurücktreten, mit der Perspektive: „Wir müssen praktische Entscheidungen treffen, also wie wichtig ist die Unsicherheit wirklich?“ Denn wenn es viel Unsicherheit gibt – und wenn sich die Unsicherheit ändert, was die optimalen oder sogar die guten Entscheidungen sind – dann ist es wichtig zu wissen, sagt Guikema. “Aber wenn es meine besten Entscheidungen nicht wirklich beeinflusst, dann ist es weniger kritisch.”
Zum Beispiel ist die Erhöhung der SARS-CoV-2-Durchimpfungsrate in der Bevölkerung ein Szenario, in dem, selbst wenn es eine gewisse Unsicherheit darüber gibt, wie viele Fälle oder Todesfälle eine Impfung verhindern wird, die Tatsache, dass beides mit wenigen Nebenwirkungen sehr wahrscheinlich zurückgehen wird, sehr wahrscheinlich ist ist Motivation genug, um zu entscheiden, dass ein groß angelegtes Impfprogramm eine gute Idee ist.
Ein Ingenieur aktualisiert ständig sein Bild.
Susan Holmes
Ingenieure, betont Holmes, sind auch sehr gut darin, Probleme in kritische Teile zu zerlegen, sorgfältig ausgewählte Werkzeuge anzuwenden und für Lösungen unter Einschränkungen zu optimieren. Mit einem Ingenieurteam, das eine Brücke baut, gibt es einen Zementspezialisten und einen Stahlspezialisten, einen Windingenieur und einen Statiker. „All die verschiedenen Fachgebiete arbeiten zusammen“, sagt sie.
Für Zelner ist die Idee der Epidemiologie als Ingenieurdisziplin etwas, das er von seinem Vater übernommen hat, einem Maschinenbauingenieur, der sein eigenes Unternehmen für die Planung von Gesundheitseinrichtungen gründete. Ausgehend von einer Kindheit voller Bauen und Reparieren von Dingen, beinhaltet seine Denkweise als Ingenieur das Basteln – zum Beispiel die Verfeinerung eines Übertragungsmodells als Reaktion auf ein sich bewegendes Ziel.
„Häufig erfordern diese Probleme iterative Lösungen, bei denen Sie Änderungen als Reaktion darauf vornehmen, was funktioniert oder nicht funktioniert“, sagt er. „Sie aktualisieren weiterhin Ihre Aktivitäten, wenn mehr Daten eingehen und Sie die Erfolge und Misserfolge Ihres Ansatzes sehen. Für mich ist das ganz anders – und besser geeignet für die komplexen, nicht-stationären Probleme, die die öffentliche Gesundheit definieren – als das statische Eindeutigkeitsbild, das viele Leute von der akademischen Wissenschaft haben, wo man eine große Idee hat, Testen Sie es, und Ihr Ergebnis wird für alle Zeiten in Bernstein aufbewahrt.“