Ciencia de datos para el bien social: el ejemplo valenciano durante la pandemia de COVID-19

La ciencia de datos es una disciplina de enorme valor en el sector público por al menos dos razones esenciales: 

→ permite diseñar políticas públicas basadas en datos y evidencias, frente a intuiciones, información obsoleta o intereses políticos.  

→ permite la necesaria evaluación empírica del impacto de las políticas públicas desplegadas, para determinar sus fortalezas y debilidades.  

A pesar de su potencial, el uso sistemático de datos para apoyar la elaboración de políticas públicas es todavía poco frecuente en la mayor parte del mundo. En este artículo, ofrezco un resumen de un ejemplo internacionalmente reconocido de aprovechamiento de datos para apoyar la elaboración de políticas durante la pandemia de COVID-19 en España. Presento el trabajo que realizamos entre marzo de 2020 y marzo de 2022 en el “Data Science against COVID-19 Taskforce”, una experiencia pionera en la Comunidad Valenciana. Este grupo de trabajo, que yo lideré, estaba compuesto por un equipo multidisciplinar de más de 20 científicos de varias universidades y centros de investigación de la Comunidad Valenciana de España, trabajando estrechamente con los responsables políticos de la región a nivel de Presidencia. 

Nos centramos en trabajar en cuatro áreas de impacto para el uso de la ciencia de datos en la lucha contra la pandemia de coronavirus:  

1. Modelización de la movilidad humana agregada; lo que nos permitió  

• • controlar el impacto de las medidas de confinamiento en la movilidad real de los ciudadanos 
  • identificar las zonas en las que las medidas de confinamiento tuvieron un mayor o menor impacto 
  • cuantificar el éxito de la campaña #stayathome, así como las medidas adoptadas para restringir la movilidad nocturna y los cierres perimetrales de la Comunidad Valenciana 
  • modelar el impacto que la reducción de la movilidad tuvo en la progresión del coronavirus 
  • predecir mejor la propagación y determinar la utilidad de los cierres selectivos 
  • seguir la vuelta progresiva a la normalidad 

2. Desarrollo de modelos epidemiológicos computacionales, dedicados a realizar predicciones sobre la evolución de la pandemia no sólo bajo las condiciones actuales, sino también bajo diferentes escenarios de confinamiento y medidas de control de la pandemia, inmunidad preexistente, vacunación o rastreo de contactos. 

3. Desarrollo de modelos predictivos a nivel subregional (departamento de salud) para estimar las variables relevantes para orientar las decisiones políticas. 

4. Aplicación de la ciencia ciudadana a través de una encuesta en línea a gran escala denominada COVID19Impactsurvey, una herramienta clave para arrojar luz sobre cuestiones de gran importancia pública para las que no existen datos recogidos de forma sistemática; por ejemplo, el papel de los contactos cercanos, una primera evaluación del impacto psicológico o la diferencia en la capacidad de seguir los cierres en función de las condiciones sociodemográficas o socioeconómicas. 

Este esfuerzo es un ejemplo inspirador de la estrecha colaboración entre la comunidad científica, los ciudadanos, el sector privado y la administración pública para garantizar que las políticas públicas se basen efectivamente en las pruebas y los conocimientos de los expertos.