¿Cuál es el papel de la ciencia del comportamiento en una pandemia?

Por Leigh Caldwell* (@leighblue) | Traducción por Gabino Martínez** (@GabinoMartnez11)

Este momento es una prueba de alto perfil para la ciencia del comportamiento. El gobierno del Reino Unido ha trazado una línea clara entre su política y la de los gobiernos de Asia y otros lugares de Europa, decidiendo no cerrar inmediatamente las escuelas y prohibir los grandes eventos. Su principal fundamento es el consejo de los científicos del comportamiento de que si se actúa demasiado pronto se podría producir "fatiga". Si todos tenemos que quedarnos en casa ahora, tal vez no estemos dispuestos a hacerlo más tarde cuando sea más crítico.

David Halpern, jefe del Behavioural Insights Team, ha estado en los medios de comunicación discutiendo esta cuestión, junto con los nudges y enfoques de la ciencia del comportamiento para reducir la propagación del virus. Boris Johnson sostuvo ayer una conferencia de prensa con el jefe médico del gobierno y el jefe científico para tratar de tranquilizarnos.

No estoy seguro de que haya funcionado. Las redes sociales están llenas de personas que atacan los conocimientos conductuales (teoría del nudge) como "ciencia falsa", "trucos de fiesta" y "especializada en conseguir que la gente apunte directamente a los urinarios" (¡no importa que un mejor uso de los urinarios sea una intervención pro-higiene de la salud pública que es exactamente el tipo de cosa que podríamos querer en este momento!) ¿Por qué, se preguntan, están estos charlatanes dirigiendo la respuesta a una pandemia? ¡Los médicos deberían estar a cargo! [ver las respuestas a este tweet para una ilustración típica.]

Aunque tengo más confianza que algunos en la ciencia del comportamiento como campo, me pregunté cómo la está utilizando el gobierno durante esta crisis. Resulta que hay tres preguntas distintas, y las respuestas son matizadas:

¿Puede la ciencia del comportamiento mejorar las acciones individuales que salvarán vidas?

¿Cómo interactúan los comportamientos individuales para conducir a resultados sociales de mayor escala, y tienen los científicos del comportamiento algo que aportar al respecto?

¿Es correcta la afirmación sobre el riesgo de fatiga pública?

Escondida debajo de todo esto hay una controversia sobre la disciplina del "nudge" en su conjunto: ¿es una ciencia real, funciona realmente y debería ser usada en situaciones como esta? Volveré a eso.

La primera pregunta es la más fácil.

El ejemplo más obvio en el contexto actual es el lavado de manos. Si me lavo más las manos, puedo estar seguro de que tengo menos probabilidad de contraer el virus, o si ya lo tengo, es menos probable que contagie a otra persona. Esto se llama una relación monótona: es decir, un mayor lavado de manos conduce inequívocamente a una menor enfermedad. La ciencia del comportamiento es buena para cambiar las conductas individuales — piense en esos urinarios. Entonces, sí, los nudge pueden tener un papel útil para inculcar mejores hábitos individuales que mejoren la salud pública.

Una cosa que no podemos saber es cuánta diferencia hará un mayor lavado de manos. Probablemente no hay estadísticas confiables sobre el número de veces que la gente se toca la cara, la cantidad de partículas de virus en la mano de cada persona, la relación entre el número de partículas y la posibilidad de infección: esta información solo se puede obtener mediante una medición minuciosa y variará según cada nueva cepa de gripe. Tampoco sabemos cuán exitosas serán las intervenciones para aumentar el lavado de manos. Por lo tanto, será difícil predecir el impacto de las intervenciones para el lavado de manos, pero sin duda será positivo, y el inconveniente es bajo.

En este caso, la ciencia del comportamiento puede mejorar definitivamente los resultados.

La segunda pregunta —sobre las interacciones de múltiples personas— introduce una disciplina diferente: el modelado de la población, un subcampo de estudio de sistemas complejos. Aquí es donde entran las matemáticas de la epidemiología: tasas de transmisión, períodos de incubación, aplanamiento del pico y todo eso. Vamos más allá del comportamiento individual y empezamos a preguntarnos cómo las interacciones entre las personas conducen a resultados particulares.

El ejemplo del lavado de manos —junto con muchos famosos nudge en temas como el pago de impuestos a tiempo o la donación de órganos— es un área en la que las interacciones entre las personas no son muy importantes. Mi propensión a lavarme las manos no afecta mucho a la suya (tal vez sólo un poco, si estamos en el baño al mismo tiempo). Es en gran medida una interacción de uno a muchos: el gobierno (uno) hace algo, y la gente (mucha) responde. La matemática de las situaciones de uno a muchos es bastante simple. Si el 80% de las personas suelen pagar sus impuestos y puedes aumentarlos hasta el 90%, los ingresos fiscales aumentarán en diez puntos porcentuales.

Cuando entran en juego las interacciones de uno a muchos, ya no se pueden utilizar simples estadísticas para ampliar la escala de una prueba y pronosticar el resultado. Si el 80% de las personas fueron vacunadas previamente contra el sarampión, y puedes aumentarlo hasta el 90%, la propagación de la enfermedad puede detenerse por completo —o puede no hacer ninguna diferencia. El resultado no sólo depende del cambio en el número total de individuos vacunados, sino también de las conexiones entre las personas, la frecuencia con la que se encuentran, la probabilidad de propagación de uno a otro, el período de incubación... todas estas variables tienen que entrar en el modelo y sus interacciones son complejas y no obvias— de ahí el nombre de sistemas complejos.

Se necesitan modelos de población para predecir estos resultados, la especialidad de los epidemiólogos y los profesionales de la salud pública. El gran desafío de este enfoque es que lo que entra en los modelos determina lo que sale.

¿Con qué frecuencia se encuentran la gente en la vida diaria? ¿Cuánto contacto cercano hay cuando las personas asisten juntas a una conferencia? ¿Un partido de fútbol? Si una persona enferma está en la conferencia, ¿cuál es la probabilidad de que infecte a otros y cuántos? Todos esos puntos de datos tienen que ser introducidos en el modelo y marcarán una gran diferencia en lo que el modelo predice, así como una gran diferencia en el mundo real. El abismo entre las tasas de mortalidad en Italia y las muertes hasta ahora en Francia, España o Alemania podría explicarse por una variable oculta de nivel  micro como esta y puede que nunca lo sepamos.

(La cuestión de la "inmunidad de rebaño" también está en este ámbito. Es difícil predecir qué prevalencia de la gripe en la población frenará la transmisión de la enfermedad: porque la propia prevalencia y la percepción de la gente sobre ella, cambiará sus comportamientos. Un 50% de inmunidad podría ser suficiente este verano, pero podría requerir un 80% una vez que el comportamiento vuelva a la normalidad).

Algunas de estas variables pueden ser calculadas a partir de experiencias pasadas. Otras son inconmensurables pero pueden ser estimadas. Aquí es donde la ciencia del comportamiento vuelve a entrar en escena. Si no tienes datos sobre una pregunta, como cuántas interacciones tiene alguien en una conferencia, hay dos enfoques. Podrías adivinar o podrías usar la percepción y el juicio de las personas que estudian el comportamiento humano para llegar a una estimación informada.

Aquí, los científicos del comportamiento tienen que ser apropiadamente humildes. La experiencia es útil pero no garantiza respuestas correctas. De hecho, esta es la razón por la que la disciplina de la ciencia del comportamiento es tan entusiasta en la realización de pruebas y experimentos — sabemos que las interacciones humanas son difíciles de predecir, por lo que una hipótesis podría fácilmente estar equivocada o ser ahogada por otros factores.

Sin embargo, cuando no hay tiempo para realizar un experimento, es mejor tener algo de conocimiento y experiencia que nada. En la práctica, la alternativa a que un científico del comportamiento dé una estimación de una de estas variables es hacer que un programador haga un número plausible para enchufar en el modelo. Preferiría tener la experiencia.

La respuesta a la segunda pregunta, entonces, es: usar los datos para poblar estos modelos donde los tengamos; pero donde no los hacemos, la comprensión del comportamiento tiene un papel que jugar.

La tercera pregunta: ¿es correcto el consejo de "fatiga"? — nos lleva al área más compleja y controvertida: la idea de las funciones no monótonas. Las funciones monótonas como el lavado de manos son relativamente fáciles de introducir en su modelo: cuando más gente se lava las manos, hay menos propagación de la enfermedad. El consejo político es inequívoco: hacer que la gente se lave las manos.

No todas las variables son así. Por ejemplo, ¿las personas deberían ir al hospital si tiene síntomas de gripe? Si sólo hay unos pocos casos, la respuesta es sí: es mejor identificar a las personas infectadas y, si es necesario, aislarlas en un entorno seguro. Si hay muchos casos, la respuesta es no: demasiadas personas en el hospital saturarán las camas disponibles y propagarán la enfermedad a otras más vulnerables. En algún lugar intermedio hay un punto de transición: por debajo de ese punto, debemos aconsejar a las personas que vayan al hospital; por encima de él, aconsejarles que se queden en casa.

Estas cuestiones son las que más afectan a los modelos de población y las que más riesgo tienen de equivocarse. Para elegir la política correcta, es fundamental saber si estamos por encima o por debajo de ese punto de transición. La experiencia adecuada podría marcar una gran diferencia en la estimación de ese punto.

Las personas mejor situadas para responder al ejemplo anterior —sobre la propagación de infecciones en los hospitales— son los epidemiólogos y aquellas que dirigen los hospitales. Entienden cómo la gente interactúa dentro de esos espacios, tienen datos históricos sobre la propagación de infecciones y virus en los hospitales, y esa información es muy útil para calibrar los modelos.

Pero los epidemiólogos no tienen datos históricos tan detallados sobre las interacciones fuera de los hospitales. En esas áreas, podrían necesitarse otros conocimientos.

"Otro riesgo es imponer restricciones demasiado pronto en el brote, lo que hace que la gente se fatigue e ignore las instrucciones cuando es importante". David Halpern, desde aquí.

Esto nos lleva a la política más controvertida del Reino Unido en la actualidad: la idea de que debemos esperar más tiempo antes de introducir el distanciamiento social, porque la gente se hartará de él y dejará de obedecer las directrices. La afirmación es que se trata de otra función no monótona, en la que un mayor distanciamiento y medidas más draconianas no conducen necesariamente a mejores resultados.

Los modeladores de población probablemente han construido un modelo que contiene una variable de "cumplimiento". Si pueden predecir cuánta conformidad tendrá la gente y cómo cambiará con el tiempo, pueden hacer pronósticos de la propagación de la enfermedad y elegir la mejor política. Si esa variable de cumplimiento es genuinamente no monótona —por ejemplo, si un mayor cumplimiento ahora implica un menor cumplimiento más tarde— entonces es realmente importante entender eso.

Así pues, este es otro caso en el que, en ausencia de datos de epidemias anteriores, necesitamos otra forma de estimar la variable de cumplimiento. La afirmación de la fatiga ha sido descrita como una recomendación de la ciencia del comportamiento. ¿Lo es? ¿Y tiene evidencia que la respalden?

No está claro que nadie tenga buenos datos. Ya es bastante difícil recopilar ese tipo de datos en un entorno estable y replicable: este artículo de 2009 de Murphy et al. analiza los predictores de cumplimiento (las mujeres y las personas enfermas tienen más probabilidades de cumplir que los varones y la gente sana), pero no menciona el tema de si el cumplimiento cambia con el tiempo. (Los autores de ese documento son una mezcla de especialistas en salud pública e investigadores en estrategias de comunicación, una disciplina conductual).

En un estudio realizado en 2009 en Australia por Hunter et al., se analizó la evolución del cumplimiento a lo largo del tiempo y se constató que el cumplimiento aumentaría a medida que una emergencia se tornara más grave, debido a una mayor percepción del riesgo. En ese estudio se preguntaba específicamente si las personas estaban dispuestas a cumplir las medidas de distanciamiento social durante un período de un mes. Obsérvese que el estudio era una encuesta telefónica basada en lo que la gente decía que haría en una pandemia, no en la observación de comportamientos reales.

Hay cierta información de una fuente histórica clave: la epidemia de gripe de 1918 que mató a 40 millones de personas. Markel et al (2007) analizaron los detalles (a través de Marginal Revolution). En algunas ciudades como Denver, hubo un doble pico de medidas de distanciamiento social — se relajó una primera ronda de cierres de escuelas y otras medidas, y luego se aplicaron nuevamente más tarde, lo que dio lugar a un doble pico de la enfermedad también. Sin embargo, este documento todavía no nos dice si la gente se vuelve menos dispuesta a cumplir las instrucciones con el tiempo.

Rothstein y Talbott (2007) analizan la cuestión desde un punto de vista económico: ¿hay que indemnizar a las personas por la pérdida de ingresos para que permanezcan en cuarentena? La respuesta es simple: sí. Este estudio (¡2020!) de la CDC realizado por Fong et al examina (entre otras cosas) la eficacia de las medidas de distanciamiento social en mayor escala, como la prohibición de grandes reuniones, pero principalmente una revisión de la literatura que a su vez se basa en el mismo documento de Markel et al mencionado anteriormente.

Otro estudio académico, Collinson et al (2015) es probablemente el que más se acerca a responder la pregunta. En él se encuentra que "la fatiga de los medios de comunicación también puede producir dos oleadas de infección con una dinámica cualitativa similar a la observada durante la pandemia de influenza H1N1 de 2009". Sin embargo, se trata de la fatiga causada por la cobertura de los medios de comunicación, no por instrucciones del gobierno. El efecto sobre el distanciamiento social es todavía incierto: "es muy necesario un estudio de los efectos del tipo de mensaje de los medios de comunicación sobre el comportamiento de distanciamiento social, y es un curso para el trabajo futuro".

Por último, Karla Vermeulen, psicóloga de Nueva York, escribió un artículo en 2014 sobre la forma en que los funcionarios de emergencias públicas pueden mejorar el cumplimiento de las normas mediante la corrección de sus mensajes. Se trata de un artículo basado en la aplicación de la teoría psicológica, descubierta en otros contextos, a un nuevo campo. El autor admite que "...la especificidad da lugar inevitablemente a una complejidad que hace que cada teoría sea virtualmente imposible de aplicar realmente en la elaboración de una advertencia específica" — un pronóstico poco esperanzador. Pero sugiere cuatro principios que podrían ayudar.

Entonces, para hacer cualquier predicción, es probable que los modeladores  —una vez más— tendrán que hacer algunas suposiciones sobre los cambios en el cumplimiento a lo largo del tiempo. Esos supuestos podrían basarse en conjeturas, o podrían fundarse en el juicio considerado de personas que entienden la psicología de la conformidad. Los científicos conductuales podrían, una vez más, desempeñar un papel en esto.

Es absolutamente plausible que el cumplimiento pueda subir y bajar, pero no es posible decir definitivamente que lo hará. También es plausible que ocurra lo contrario: una vez que las personas encuentren soluciones alternativas satisfactorias (herramientas de trabajo a distancia, entrega de compras a domicilio), podrían mejorar su distanciamiento social con el tiempo. El argumento no debería basarse en la plausibilidad sino en un análisis adecuado.

Si el gobierno y el Behavioural Insights Team tienen pruebas para la afirmación de la fatiga, o han identificado documentos publicados que la respalden, deberían compartirlos. La transparencia, el debate y la impugnación son las mejores formas de hacer que estos hallazgos sean lo más sólidos posible.

Volvemos a la controversia sobre la ciencia del comportamiento. La transparencia, el debate y el desafío es exactamente lo que no ocurrió lo suficiente en la "crisis de la replicación", el descubrimiento en los últimos años de que algunos hallazgos de la psicología social no se sostuvieron cuando se volvieron a probar. Algunos de los problemas se originaron en la falsificación deliberada de datos, más bien en un análisis de datos descuidado o sesgado, pero la lección más importante de esa época fue que los efectos de la conducta a menudo funcionan en un contexto pero no en otro. Esto dificulta una vez más la extrapolación de los datos históricos a la situación actual, pero los datos de otro tiempo y lugar siguen siendo mejores que la ausencia de datos.

Para mí, la crisis de la replicación no disminuye el valor de la ciencia del comportamiento. Una de las razones es que no se aplicó realmente a los nudge de política pública como los que se realizan en la unidad de nudge, sino que se trató principalmente de experimentos de psicología social como el "cebado", realizado en laboratorios universitarios. Otra es que el campo ha tomado los temas muy seriamente y ahora requiere un nuevo nivel de rigor estadístico, incluyendo el pre-registro de los experimentos, el compartir públicamente los programas de análisis, nuevas normas éticas y otras medidas.

Y es la ética la que puede responder a la pregunta más profunda aquí: ¿es correcto utilizar la ciencia del comportamiento de esta manera? No es una disciplina puramente tecnocrática, porque se ocupa de los deseos y resultados humanos. La ciencia no es sólo una cuestión de encontrar lo que funciona mejor: porque no puede haber una definición objetiva de "mejor". El hecho no reconocido en la conferencia de prensa de ayer es que se están haciendo algunas compensaciones muy reales.

La verdad es que no se trata de una cuestión puramente técnica. No se trata sólo de determinar si las medidas de distanciamiento social son monótonas. El gobierno no está retrasando estas medidas sólo por el riesgo de fatiga. Las está retrasando porque serían enormemente perjudiciales para la economía y para la vida diaria de todos.

Es absolutamente legítimo tener en cuenta los factores económicos; aunque su única prioridad fuera la salud pública, las recesiones en sí mismas causan más muertes y peores resultados sanitarios y deberían evitarse. Pero hay que reconocer las compensaciones.

Las compensaciones son, de hecho, otra fuente de comportamiento no monótono: las compensaciones y las limitaciones de recursos en un modelo son una de las cosas que conducen a resultados impredecibles. Si no hubiera tradeoffs, el gobierno podría cerrarlo todo ahora y mantenerlo cerrado durante dos meses hasta que la transmisión de la enfermedad termine definitivamente. Parece inverosímil que la fatiga impida que esto funcione.

Esto probablemente salvaría vidas a costa de una gran depresión económica —pero se ha tomado la decisión de que no valdría la pena. Está bien, los gobiernos tienen que hacer concesiones de vida o muerte todo el tiempo. Esa es la naturaleza de la política. Pero esconderse detrás de la ciencia y pretender que no están conscientemente haciendo ningún tipo de compensación está mal, y terminará mal.

Es necesario que podamos cuestionar al gobierno sobre sus motivos; sobre su consejo económico así como su consejo médico. Por ejemplo, el gobierno podría tener un incentivo político para jugar con la economía con la esperanza de que las cifras de su PIB en 2020 superen a las de los miembros de la UE que toman medidas más drásticas. Tal vez no tengan la intención de hacer nada de eso, pero un científico del comportamiento que haya vivido la crisis de la replicación sería consciente de los peligros del sesgo de confirmación y de la experimentación selectiva.

La ciencia del comportamiento es una herramienta poderosa, pero se utiliza para servir a los objetivos y valores humanos. Eso significa que está, y debería estar, al servicio de la política, conducida democráticamente. Es necesaria una mayor divulgación de los valores y objetivos del gobierno para mantener la legitimidad de este proceso. De lo contrario —si puedo presentar una hipótesis basada en el comportamiento pero no probada— la fatiga del público puede aparecer a medida que perdemos la confianza en los motivos y consejos del gobierno.

. . .

Texto publicado originalmente en el blog de The Irrational Agency, bajo el título «What is the role of behavioural science in a pandemic?».

. . .

* Por Leigh Caldwell (@leighblue) es cofundador y socio de The Irrational Agency, y Licenciado en Matemáticas y Física por la Universidad de Glasgow.

** Gabino Martínez (@GabinoMartnez11) es economista por la Facultad de Economía de la UNAM. Actualmente es Coordinador General de Investigación en BPP A.C.