Ciència de dades per al bé social: l’exemple valencià durant la pandèmia de la COVID-19

La ciència de dades és una disciplina d’enorme valor en el sector públic per almenys dues raons essencials: 

→ permet dissenyar polítiques públiques basades en dades i evidències, en lloc d’intuïcions, informació obsoleta o interessos polítics.  

→ permet la necessària avaluació empírica de l’impacte de les polítiques públiques desplegades, per determinar-ne les fortaleses i les debilitats.  

Malgrat el seu potencial, l’ús sistemàtic de dades per donar suport a l’elaboració de polítiques públiques encara és poc freqüent a la major part del món. En aquest article, ofereixo un resum d’un exemple reconegut internacionalment d’aprofitament de dades per donar suport a l’elaboració de polítiques durant la pandèmia de la COVID-19 a Espanya. Presento la feina que vam fer entre març de 2020 i març de 2022 al “Data Science against COVID-19 Taskforce”, una experiència pionera a la Comunitat Valenciana. Aquest grup de treball, que vaig liderar, estava format per un equip multidisciplinari de més de 20 científics de diverses universitats i centres de recerca de la Comunitat Valenciana, que treballaven estretament amb els responsables polítics de la regió a nivell de Presidència. 

Ens vam centrar a treballar en quatre àrees d’impacte per a l’ús de la ciència de dades en la lluita contra la pandèmia de coronavirus:  

1. Modelització de la mobilitat humana agregada; cosa que ens va permetre  

• • controlar l’impacte de les mesures de confinament en la mobilitat real dels ciutadans 
  • identificar les zones en què les mesures de confinament van tenir un impacte més gran o més petit 
  • quantificar l’èxit de la campanya #stayathome, així com de les mesures adoptades per restringir la mobilitat nocturna i els tancaments perimetrals de la Comunitat Valenciana 
  • modelitzar l’impacte que la reducció de la mobilitat va tenir en la progressió del coronavirus 
  • predir millor la propagació i determinar la utilitat dels tancaments selectius 
  • seguir la tornada progressiva a la normalitat 

2. Desenvolupament de models epidemiològics computacionals, dedicats a fer prediccions sobre l’evolució de la pandèmia no només en les condicions actuals, sinó també en diferents escenaris de confinament i mesures de control de la pandèmia, immunitat preexistent, vacunació o rastreig de contactes. 

3. Desenvolupament de models predictius a escala subregional (departament de salut) per estimar les variables rellevants per orientar les decisions polítiques. 

4. Aplicació de la ciència ciutadana mitjançant una enquesta en línia a gran escala anomenada COVID19Impactsurvey, una eina clau per aportar llum sobre qüestions de gran importància pública per a les quals no hi ha dades recollides de manera sistemàtica; per exemple, el paper dels contactes propers, una primera avaluació de l’impacte psicològic o la diferència en la capacitat de seguir els tancaments en funció de les condicions sociodemogràfiques o socioeconòmiques. 

Aquest esforç és un exemple inspirador de la col·laboració estreta entre la comunitat científica, la ciutadania, el sector privat i l’administració pública per garantir que les polítiques públiques es basin efectivament en les proves i els coneixements dels experts.