Nga Zeynep Tufekci
Administrata Trump sapo ka nxjerrë modelin për trajektoren e pandemisë COVID-19 në Amerikë. Mund të presim shumë hedhje-pritje, në lidhje me përqindjen e vdekshmërisë, nëse parashikimet janë shumë të larta ose të ulëta. Dhe gama e gjerë e rezultateve të mundshme është padyshim ngatërruese: Cili është numri i duhur? Përgjigja është e vështirë dhe e thjeshtë njëkohësisht. Ja cila është pjesa e vështirë: Nuk ka përgjigje të duhur. Por ja edhe pjesa e thjeshtë: Modelet epidemiologjike nuk janë për të dhënë përgjigje të duhura.
Epidemiologët u kthehen në mënyrë rutinore modeleve, për të parashikuar përparimin e një sëmundje infektive. Luftimi I dyshimeve të publikut ndaj këtyre modeleve është po aq i vjetër sa edhe epidemiologjia moderne, e cila e ka origjinën e saj në hartat e famshme të kolerës të John Snout, në vitin 1854. Ato harta vërtetuan, për herë të parë, se kolera e tmerrshme e Londrës po përhapej përmes ujit të pastër kristal që vinte nga pompat, dhe jo ajri i ndotur i qytetit. Shumë njerëz nuk e besuan Snoun, sepse ata jetonin në një botë që nuk kishte një kuptim të qartë të teorisë së mikrobeve dhe mikroskopëve më rudimentarë.
Megjithatë, në kohën tonë, problemi është ndonjëherë se njerëzit u besojnë epidemiologëve, dhe më pas çmenden kur modelet e tyre nuk janë si ata globët e kristalit që parashikojnë të ardhmen. Merrni kthesën drastike të politikës ndaj COVID-19 në Mbretërinë e Bashkuar. Disa javë më parë, Mbretëria e Bashkuar nuk kishte pothuajse asnjë masë të izolimit shoqëror, dhe sipas disa raporteve, qeveria planifikoi që virusi të vazhdonte lirisht nëpër popullatë, me përjashtim të të moshuarve, të cilët duheshin mbajtur brenda shtëpive. Ideja ishte që të liheshin mjaftueshëm njerëz të sëmureshin dhe të shëroheshin nga versioni i butë i virusit, për të krijuar “imunitetin e tufës”.
Gjërat ndryshuan shpejt pasi një model epidemiologjik nga Imperial College London parashikoi që pa ndërhyrje drastike, më shumë se gjysmë milioni britanikë do të vdisnin nga COVID-19. Raporti gjithashtu parashikoi më shumë se 2 milion vdekje në Shtetet e Bashkuara, sërish nëse nuk merreshin masa. Këto shifra të larta e nxitën kryeministrin britanik Boris Johnson, i cili edhe vetë e ka rezultuar pozitiv për COVID-19, të ndryshojë kurs, duke mbyllur jetën publike dhe duke urdhëruar popullsinë të qëndrojë në shtëpi.
Ja cila është pjesa e ndërlikuar: Kur një model epidemiologjik besohet dhe veprohet mbi të, mund të duket sikur ka qenë i rremë. Këto modele nuk paraqesin pamjet e së ardhmes. Ata gjithmonë përshkruajnë një sërë mundësish – dhe këto mundësi janë shumë të ndjeshme ndaj veprimeve tona. Disa ditë pasi SHBA ndryshoi politikat e saj, Neil Ferguson, shkencëtari që drejtoi ekipin e Imperial College, dëshmoi para Parlamentit se ai priste që numri i vdekjeve në Mbretërinë e Bashkuar të ishte rreth 20,000. Numri jashtëzakonisht shumë më i ulët shkaktoi valë shoku: Një ish reporter i Nju Jork Tajms e përshkroi atë si “një kthesë të jashtëzakonshme”, dhe tabloidi britanik Daily Mail tregoi një histori, se si shkencëtari kish patur një të kaluar “me hope” sa i përket ndërtimit të modeleve. Madje një faqe konservatore deklaroi se shkencëtari kishte bërë hapa prapa në parashikimet e veta apokaliptike.
Por nuk kishte asnjë kthim mbrapa, madje as një rishikim të modelit. Nëse lexoni studimin origjinal, modeli paraqet një varg parashikimesh – nga dhjetëra mijëra deri në 500,000 të vdekur – të cilat varen nga mënyra se si njerëzit reagojnë. Ajo shumëllojshmëri e rezultateve të mundshme që vijnë nga një model i vetëm epidemiologjik, mund të duket ekstreme dhe madje edhe kundërintuitive. Por kjo është një pjesë e mënyrës se si funksionojnë, sepse epidemitë janë veçanërisht të ndjeshme ndaj inputeve fillestare dhe kohës, dhe sepse epidemitë rriten në mënyrë eksponenciale.
Modelimi i një procesi eksponencial domosdoshmërisht prodhon një gamë të gjerë rezultatesh. Në rastin e COVID-19, kjo për shkak se përhapja e sëmundjes varet saktësisht nga koha se kur ndalet dyfishimi i rasteve. Edhe disa ditë mund të bëjnë një ndryshim shumë të madh. Në Itali, dy rajone të ngjashme, Lombardia dhe Veneto, ndoqën qasje të ndryshme për përhapjen e epidemisë në komunitet. Të dyja urdhëruan distancimin shoqëror, por vetëm Veneto ndërmori gjurmimin dhe testimin masiv të kontakteve që në fillim. Pavarësisht se filluan nga pika shumë të ngjashme, Lombardia tani është gjunjëzuar në mënyrë tragjike nga sëmundja, pasi ka përjetuar afro 7,000 vdekje dhe numri po rritet, ndërsa Veneto ka arritur të përmbajë më së shumti epideminë në disa qindra të vdekur. Në mënyrë të ngjashme, Koreja e Jugut dhe Shtetet e Bashkuara e kishin diagnostikuar rastin e parë në të njëjtën ditë, por Koreja e Jugut ndërmori gjurmime dhe testime masive, ndërsa Shtetet e Bashkuara jo. Tani Koreja e Jugut ka vetëm 162 të vdekur, dhe një shpërthim që duket se është frenuar, ndërsa SHBA po i afrohet 4,000 vdekjeve, ndërsa përhapja e virusit përshpejtohet.
Rritja eksponenciale nuk është e vetmja pjesë e ndërlikuar e modeleve epidemiologjike. Këto modele gjithashtu duhet të përdorin parametra për të futur ndryshoret në ekuacione. Por nga duhet të vijnë këto parametra? Prodhuesit e modeleve duhet të punojnë me të dhënat që kanë në dispozicion, megjithatë një virus i ri, siç është ai që shkakton COVID-19, ka shumë të panjohura.
Për shembull, modeli i Imperial College përdor shifra nga Vuhani në Kinë, së bashku me disa të dhëna të hershme nga Italia. Kjo është një zgjedhje e arsyeshme, pasi ato janë epiqendrat më të mëdha të pandemisë. Por shumë nga këto të dhëna nuk janë zgjidhur ende, dhe shumë pyetje mbesin. Cili është niveli i “mësymjes” – numri i njerëzve që infektohen brenda një grupi të ekspozuar, si një familje? A kanë imunitet njerëzit që shërohen? Sa të përhapura janë rastet asimptomatike dhe sa infektive janë ato? A ka super shpërndarës — njerëz që në dukje infektojnë të gjithë ata që marrin frymë pranë tyre — siç ishin me SARS, dhe sa janë të përhapur ata? Cilat janë normat fallco pozitive dhe fallco negative të testeve tona? Dhe kështu me radhë.
Për të bërë që modelet të funksionojnë, epidemiologët gjithashtu duhet të vlerësojnë ndikimin e ndërhyrjeve si izolimi social. Por edhe këtu, të dhënat e kufizuara që kemi janë të papërsosura, mbase të censuruara, mbase të papërdorshme. Për shembull, Kina iu nënshtrua një periudhe në të cilën qeveria largoi me dhunë pacientët e infektuar dhe madje edhe kontaktet e tyre të ngushta të shëndetshme nga shtëpitë e tyre, dhe i dërgoi në reparte speciale karantine. Kjo duket se ka ulur në mënyrë dramatike infeksionet brenda një familjeje dhe brenda qytetit. Relativisht pak njerëz të infektuar në Shtetet e Bashkuara ose në Mbretërinë e Bashkuar janë karantinuar në mënyrë të ngjashme. Në përgjithësi, bllokimi në Kinë ishte shumë më i ashpër. Aeroplanët janë ende në lëvizje nga Nju Jorku, Nju Xhersi dhe gjetkë, edhe kur flasim për “izolim shoqëror”. Dhe mbeten akoma më shumë komplikime. Ne nuk jemi as të sigurt se mund t’i besojmë shifrave të Kinës. Statistikat e Italisë ka të ngjarë të jenë më të besueshme, por kultura e saj e shkeljes së rregullave, pjesë e sharmit të këtij vendi, si dhe funksionimi jonormal i tij – rrisin vështirësinë për të ditur se sa të zbatueshme janë rezultatet e tij në projeksionet tona.
Fortësia e një modeli varet nga sa shpesh provohet bazuar në të dhënat dhe performancën e tij. Për shembull, shumë modele që parashikojnë zgjedhjet presidenciale bazohen në të dhënat nga zgjedhjet presidenciale që nga viti 1972. Këto janë të gjitha zgjedhjet për të cilat kemi të dhëna sondazhesh, por janë vetëm 12 palë zgjedhje, dhe para vitit 2016, vetëm dy kanë ndodhur në epokën e Facebookut. Pra, kur Donald Trump, kandidati që ishte parashikuar të kishte më pak të ngjarë të fitonte presidencën në vitin 2016, fitoi gjithsesi. A do të thotë kjo se modelet tona me parametra të epokës televizive nuk funksionojnë më? Apo thjesht ndodhi një rezultat më pak i pritshëm? Me këtë koronavirus të ri, ka shumë gjëra që ne nuk i dimë, sepse kurrë nuk i kemi testuar modelet tona, dhe nuk kemi asnjë mënyrë për ta bërë këtë.
Pra, nëse modelet epidemiologjike nuk na japin siguri – dhe do ishte gabim i madh t’u kërkonim që ta bënin këtë – përse duhen ata? Epidemiologjia na jep diçka më të rëndësishme: aftësinë për të identifikuar dhe kalibruar veprimet tona me qëllim formësimin e së ardhmes tonë. Ne mund ta bëjmë këtë duke krasitur degët katastrofike të një peme mundësish, që ndodhet para nesh.
Modelet epidemiologjike kanë “bishta” – skajet ekstreme të spektrit të probabilitetit. Ata quhen bishta sepse, vizualisht, janë pjesët e grafikut që zvogëlohen në distancë. Mendoni për ato bishta si degë në një pemë vendimesh. Në shumicën e skenarëve, ne përfundojmë diku në mes të pemës, por ka disa degë në të djathtë e në të majtë, që paraqesin rezultate mjaft optimiste dhe mjaft pesimiste, por më pak të mundshme. Një parashikim optimist i bishtit për pandeminë COVID-19 është se shumë njerëz mund të jenë infektuar dhe të jenë shëruar, dhe tani janë imunë, domethënë ne jemi duke e kaluar përmes një karantine shumë të fortë. Disa njerëz e kanë hedhur këtë si një skenar me shumë gjasë, dhe ata nuk janë të çmendur: Kjo është me të vërtetë një mundësi, veçanërisht duke pasur parasysh që testimi ynë nuk është mjaft i përhapur, për ta ditur. Bishti tjetër përfshin mundësitë katastrofike, si përshembull dhjetëra miliona njerëz që vdesin, si në gripin e 1918 ose pandeminë HIV / AIDS.
Funksioni më i rëndësishëm i modeleve epidemiologjike është përdorimi i tyre si një simulim, një mënyrë për të parë të ardhmen tonë të mundshme përpara kohe, dhe se si kjo ndërvepron me zgjedhjet që bëjmë sot. Me modelet COVID-19, kemi një qëllim të thjeshtë, urgjent: të injorojmë të gjitha degët optimiste dhe të përqëndrohemi tek pjesa e mesit, që paraqet rezultatet më të mundshme. Në vend të kësaj, ne duhet të përqëndrohemi në degët që përfaqësojnë rezultatet më të këqija dhe t’i krasitim ato me gjithë forcën tonë. Izolimi social zvogëlon transmetimin, dhe ngadalëson përhapjen e sëmundjes. Duke vepruar kështu, ai pret degët që përfaqësojnë disa prej të ardhmeve më të këqia. Gjurmimi i kontakteve kap njerëzit para se të infektojnë të tjerët, duke krasitur më shumë degë, të cilat në projeksione përfaqësojnë katastrofat e pakontrolluara.
Në fillim të një pandemie, ne kemi disavantazhin e një pasigurie më të lartë, por kemi avantazhin e të qenit herët: Kostot e veprimeve tona janë më të ulëta sepse sëmundja është më pak e përhapur. Ndërsa krasitim pemën nga degët e tmerrshme dhe të paimagjinueshme, ne nuk është se thjesht po zgjedhim një shteg; ne po u japim formë vetë parametrave themelorë, sepse edhe vetë parametrat nuk janë të fiksuar. Nëse spitalet tona nuk mbingarkohen, do të kemi më pak vdekje dhe kështu një shkallë më të ulët fataliteti. Kjo është arsyeja pse ne nuk duhet të grindemi dhe ngatërrohemi me shifrat e një modeli. Përkundrazi, duhet të përqendrohemi në parametrat që mund t’i ndryshojmë, dhe t’i ndryshojmë ato.
Sa herë që Shtëpia e Bardhë nxjerr një model COVID-19, ne do të tundohemi të mbytemi në diskutime të pafundme për kolonat e gabuara të grafikëve, qartësinë rreth parametrave, gamën e gjerë të rezultateve dhe zbatueshmërinë e të dhënave themelore. Dhe media mund të joshet të mbulojë ato debate, pasi kjo u shkon për shtat skenarëve të tyre “ai tha, ky u përgjigj”. Nuk duhet të ndodhë kjo. Në vend të kësaj, ne duhet të fokusohemi në degët shkatërruese të pemës sonë të vendimeve dhe t’i presim të gjitha, e pastaj t’i presim sërish.
Ndonjëherë, kur ia dalim në prerjen e skajit të një bishti pesimist, duket sikur kemi reaguar me tepri. Një dalje “huq” mund ta bëjë një model të duket i rremë. Por jo gjithmonë ka ndodhur kështu. Do tëthotë thjesht që kemi fituar. Dhe prandaj ndërtojmë modele.
Zeynep Tufekci është një profesore në Universitetin e Karolinës së Veriut, dhe bashkëpunëtore në qendrën Berkman Klein për Internet dhe Shoqëri, në Harvard. Ajo studion ndërveprimin midis teknologjisë dixhitale, inteligjencës artificiale dhe shoqërisë
