«Difiera de los epidemiólogos» — Jason Brennan
Traducción del artículo originalmente titulado “Defer to Epidemiologists”
He criticado a los epidemiólogos — incluyendo a los que publican en el JAMA, The Lancet, NEJM, etc., y a los famosos que hacían predicciones apocalípticas en la TV el mes pasado — por hacer lo que es claramente un mal trabajo. Mi principal queja es, de nuevo, que sus estimaciones sobre el peligro del virus se basan en datos erróneos (infecciones actuales) recogidos de forma equivocada (pruebas no aleatorias de personas que se presentan como enfermos). Todos sabemos que no es así. No se toman muestras en la variable dependiente. No se toma una muestra de manera que sufra de un severo sesgo de selección. Si se hace la prueba a la mayoría de las personas que se presentan diciendo que están enfermas, y el 3,4% de ellas muere, no te dice cuántas personas tienen la infección, ni qué porcentaje de las personas que tienen la infección morirán.
Ahora, mientras que muchos economistas y otros entrenados en estadísticas han estado diciendo lo mismo, es sorprendente cuánta gente no entrenada dice que deberíamos en cambio diferir a los epidemiólogos. Puedes ver algunos de sus argumentos en Facebook y otros en los comentarios de publicaciones anteriores.
1. «La epidemiología es una ciencia y no estás entrenado en ella».
Problema: Hay métodos básicos con estadísticas que son invariables en todas las disciplinas que los usan. Por ejemplo, debes evitar el sesgo de selección. Están violando estos métodos básicos.
2. «No puedes criticar su modelo a menos que tengas uno mejor»
Esta crítica confunde la crítica de su modelo con la crítica de sus datos. Sí, creo que los modelos que estamos viendo son pobres, porque no manejan bien la endogeneidad o la varianza. Pero mi principal crítica es que están usando los datos equivocados recogidos de manera equivocada. Buen modelo + malos datos => mala ciencia.
Como una parodia de 1 y 2 juntos, considere este diálogo:
Físico: 2+2=5, más el experimento no controlado, por lo tanto mi teoría de la física.
No-físico entrenado en más matemáticas que el físico: No, 2+2≠5. Y tu experimento es malo porque no tienes los controles adecuados. Tu trabajo es malo.
Físico: ¡Oye, tú no eres un físico! Y no tienes un modelo mejor de física, ¿verdad?
La respuesta del físico aquí es, francamente, estúpida. Y tú, el lector, lo sabes mejor.
No necesitas tener un modelo mejor para mostrar que el modelo de otro apesta. Piensa en cómo van la mayoría de los trabajos de los seminarios de ciencias sociales. Alguien viene con un modelo sobre cómo, por ejemplo, el despliegue de los trenes afecta a los precios agrícolas. Los economistas en la audiencia pueden distinguirlo incluso si no tienen un modelo mejor. Otros pueden encontrar errores o problemas en la recolección de datos, incluso si no están entrenados en el campo.
Además, les pido que vayan y lean los documentos sobre COVID, especialmente los primeros que se usaron para justificar la política actual. Estos no son documentos muy sofisticados que utilizan los análisis más actuales de diferencias en diferencias para estimar los efectos. Son casi enteramente estadísticas crudas sin nada más. La mayoría de ellos sólo dicen: Hicimos pruebas a 1000 personas que vinieron al hospital diciendo que tenían problemas respiratorios, y 35 de ellas murieron. Aquí está el desglose de la muerte por edad y comorbilidades. Ese tipo de información podría ser útil para ciertos propósitos, pero sería descarada y ridículamente incompetente usarla para estimar qué porcentaje del público morirá si se contagian de la enfermedad.
Si esto es representativo del campo, el campo de la epidemiología (que es tanto una ciencia social como una ciencia natural) está algo así como 45 años detrás de la economía y 30 años detrás de la ciencia política.
Dejen de defender la mala ciencia, gente.
3. «Oye, la OMS nunca dijo que el 3,4% de las personas morirían. Ellos eran muy conscientes de los límites de sus datos.»
Están haciendo mucha luz de gas aquí.
Sí, si uno va a escarbar en el testimonio, ve un pequeño número de personas diciendo: «Oh, claro, el 3,4% de las personas diagnosticadas con COVID murieron, pero tenemos poca o ninguna idea de cuál es la tasa de mortalidad de la infección debido a nuestros pobres procedimientos de prueba. Hemos estado haciendo pruebas con el propósito de ayudar a los enfermos en lugar de obtener datos para estimar los peligros». Pero lo que más se ve con la gente del Colegio Imperial, Fauci, y otros, es hacer proyecciones de masa basadas en las tasas de fatalidad de los casos crudos calculados a partir de malos datos.
Puedo entender que se cierre todo temporalmente con mucha precaución. Pero los estados están obligados inmediatamente a recoger el tipo de datos adecuados de la manera correcta, para que podamos obtener una estimación adecuada de los peligros reales y tomar decisiones de manera competente. No lo han hecho. El último mes ha visto el fracaso del Estado a escala masiva.
4. «¡Sólo insistes en los buenos datos porque eres un libertario al que no le gusta que los Estados muevan a la gente en nombre del bien común!»
¿Se supone que eso es una crítica o un cumplido?
