Modelli ed epidemiologia difensiva

di Sara Gandini (IEO) e Ugo Bardi (UniFI) – LINK

Molte decisioni prese per fronteggiare l’epidemia di Covid-19 sono state basate su modelli predittivi. Questi modelli sono stati criticati per non aver preso in considerazione una serie di variabili che avrebbero migliorato le previsioni, ma anche per non avere tenuto in conto il benessere della comunità nel suo complesso, non solo la salute dei singoli, ma anche il benessere sociale ed economico della società intera. Che cosa è andato storto? È mancata l’intelligenza collettiva che arriva dal coinvolgimento di tutta la comunità scientifica e i politici hanno preferito affidarsi ad una ‘epidemiologia difensiva’ basata sullo scenario peggiore, alle volte a spese del reale benessere della popolazione.

Molto tempo fa, i nostri antenati aruspici cercavano di prevedere il futuro esaminando il fegato di una pecora. C’erano poi varie sibille, profetesse e pitonesse che facevano del loro meglio basandosi sulle stelle, le foglie degli alberi, il volo degli uccelli, o chissà che altro. Oggi, tendiamo a non dare molta retta a questo tipo di approccio alle previsioni però, pur con tutto il rispetto per la scienza moderna, va detto che la previsione del futuro rimane una cosa molto difficile e che, certe volte, la scienza non sembra fare molto meglio dell’antica pitonessa di Delfi. Questo è vero soprattutto considerando come si tende a usare modelli per descrivere quei sistemi che chiamiamo “complessi” che hanno come caratteristica principale quella di sorprenderti sempre. Per questi sistemi, non c’è un’equazione semplice che li descriva, come c’è invece per esempio, per il moto dei corpi celesti nello spazio.

Immaginatevi di cercare un’equazione che descriva, per esempio, il vostro gatto. Non facile, di certo! Tuttavia, non è che il comportamento di un gatto sia del tutto imprevedibile. Provate ad agitare la scatola dei croccantini e sapete benissimo cosa succede. Si tratta di capire che non bisogna avere la pretesa di fare previsioni quantitative a lungo termine quando sappiamo bene che tutto può cambiare alla svelta.

Un buon esempio della difficoltà che abbiamo nel prevedere il futuro si è visto con i modelli epidemiologici applicati alla pandemia di coronavirus, che sono risultati spesso troppo ottimisti o troppo pessimisti. Tanto per fare un paio di esempi, il modello di IHME (Institute for Health Metrics and Evaluation) in Aprile, prevedeva meno di 20.000 vittime dell’epidemia in Italia mentre, a oggi, il numero reale è stato di 35.000. Al contrario, Greco riporta come “Il modello [dell’Imperial College di Londra] prevedeva in Italia oltre mezzo milione di morti per Covid-19 se non si fosse preso alcun provvedimento, e “soltanto” 283 mila decessi applicando, come di fatto è stato fatto, “il più rigido lockdown.” Per fare un altro esempio, per la Svezia il modello di IHME era arrivato a prevedere quasi 20.000 morti in Aprile, mentre il numero reale si è assestato a poco oltre 5000.

Sulla base di questi e altri risultati Guido Silvestri è arrivato al punto di proporre che bisognerebbe promettere che tali modelli non saranno più usati per prendere decisioni politiche. Si riferiva ai modelli che sono stati usati per prevedere l’andamento di COVID-19 in Italia con la “riapertura” e che non hanno tenuto sufficientemente conto di fattori come “la stagionalità dei coronavirus, la migliorata capacità di gestire COVID-19 dal punto di vista medico/epidemiologico, e la herd immunity, a cui potrebbero contribuire la cross-reactivity con altri coronavirus umani”. Altrettanto critico è stato l’epidemiologo Donato Greco su Scienza in Rete dove ha descritto il fallimento del modello dell’Imperial College che è stato alla base delle decisioni politiche che sono state prese in Italia e in altri paesi.

Donato Greco sottolinea l’importanza di prendere decisioni che riguardano il benessere della comunità tenendo conto non solo della salute dei singoli, ma anche del benessere sociale ed economico della società intera. Mentre con il coronavirus i modelli hanno semplicemente “dato i numeri.”

Se volete la nostra opinione, che su dati e modelli ci traffichiamo da un pezzo, questi modelli non hanno aiutato perché dipendono da dati e assunzioni in larga parte non verificabili, da una parte hanno tenuto fuori dal quadro aspetti importanti, come ad esempio le enormi differenze geografiche che si osservano anche per la mortalità da influenza stagionale, dall’altra hanno inserito troppi parametri che rendono difficile interpretare i modelli. E il risultato è un po’ quello che succede quando uno va a vedere un museo tipo il Louvre a Parigi. Dopo che hai visto centinaia di quadri e sculture, non capisci più nemmeno cosa stai vedendo. Ora, non è che i modelli non siano utili per prevedere il futuro, ma vanno capiti.

Vi ricordate quando il ministro Francesco Boccia chiedeva alla comunità scientifica “certezze inconfutabili” sull’epidemia? Evidentemente, pensava che gli scienziati potessero vedere il futuro nel fegato di qualche pecora e venirsene fuori spiattellando il volere degli Dei, ma non funziona così. Il ministro non aveva capito nulla di come funzionano i modelli. Ma non era solo un problema del ministro. Succede spesso che, invece di usare i modelli come fonte di informazione e comprensione della realtà, i politici li strumentalizzano per supportare programmi di “epidemiologia difensiva” che soffre dello stesso problema della “medicina difensiva,” ovvero la volontà di agire principalmente con lo scopo difendersi da possibili rischi giuridici, alle volte a spese del reale benessere del paziente.

Così l’epidemiologia difensiva segue la strategia di adottare lo scenario peggiore come se fosse esente da rischi. Ma ogni scelta comporta effetti sulle persone che sono non meno importanti e non meno drammatici dell’impatto diretto del virus. Questo problema è descritto in una recente “Pillola di Ottimismo.

”I modellisti dovrebbero quindi sottrarsi al gioco di presentare le proiezioni ottenute dai modelli come se fossero certezze in modo tale che ai politici non sia più consentito scaricare la responsabilità sui modelli o sugli scienziati stessi. Al contrario i ricercatori dovrebbero mettere in chiaro le ipotesi da cui si parte, e le misure di precisione, quindi di variabilità delle stime che si fanno, inclusi i limiti intrinsechi in ogni lavoro. In particolare, una grave limitazione dei modelli epidemiologici è stata quella di non tentare di quantificare gli effetti collaterali dei rimedi proposti sulla base dei risultati delle simulazioni: danni alla salute causati dal lockdown, dal trascurare altre forme di malattie, dalla depressione causata dall’isolamento delle persone anziane e molti altri effetti. Questo problema non è stato capito né dai politici né dal pubblicoSu questo punto, è uscito recentemente su Nature un articolo interessante che presenta un manifesto per le migliori pratiche per la modellazione matematica responsabile: Cinque semplici principi per aiutare la società a richiedere la qualità di cui ha bisogno dalla modellistica:-attenzione alle assunzioni-attenzione all’arroganza-attenzione al contesto-attenzione alle conseguenze-attenzione a tutti gli aspetti sconosciuti-attenzione a usare i modelli per porre domande non per dare risposteNelle conclusioni gli autori spiegano che questo testo non auspica la fine della modellistica quantitativa, né modelli apolitici, ma una divulgazione completa, schietta e responsabile. Soprattutto bisogna fare in modo che i modelli siano discussi all’interno della comunità scientifica in modo che si crei una intelligenza collettiva che includa come scrive Donato Greco “l’incertezza, i rischi, gli effetti collaterali, quindi l’assunzione di responsabilità pesanti”.

Per questo, quanto più ricca è “l’Intelligence” più appropriate saranno le scelte che questa emergenza richiede. Alla fine dei conti, ricordiamoci che se è vero che il futuro non si può prevedere, è anche vero che per il futuro si può sempre essere preparati.