Citação: Gerardin J, Penny MA (2025) Como pode a modelização informar de forma responsável a tomada de decisões no domínio da malária? PLoS Biol 23(1): e3002991. https://doi.org/10.1371/journal.pbio.3002991
Publicado: 15 de janeiro de 2025
Direitos autorais: © 2025 Gerardin, Penny. Este é um artigo de acesso aberto distribuído sob os termos da Licença de Atribuição Inventive Commonsque permite uso, distribuição e reprodução irrestritos em qualquer meio, desde que o autor e a fonte originais sejam creditados.
Financiamento: O(s) autor(es) não recebeu(m) financiamento específico para este trabalho.
Interesses conflitantes: Os autores declararam que não existem interesses concorrentes.
Os modelos matemáticos são conjuntos de suposições simplificadoras, baseadas no conhecimento atual, sobre como o mundo funciona, seguidas até à sua conclusão lógica (matemática). Diferentes modelos fazem diferentes conjuntos de suposições e são calibrados para diferentes conjuntos de dados. Os modelos têm sido aplicados aos problemas da malária há muitos anos (1). Há um século, os modelos forneceram a base teórica para o controlo dos vectores, explicando porque é que a redução da esperança de vida do mosquito é um dos métodos mais fortes para reduzir a transmissão (2). À medida que o nosso conhecimento do sistema da malária cresceu, também cresceu a nossa capacidade de desenvolver modelos mecanicistas de transmissão – modelos matemáticos que destilam as principais dinâmicas das doenças e codificam os processos de infecção e transmissão da malária em equações matemáticas. Esses modelos são úteis para estudos de simulação que exploram processos para os quais não há dados observados e testam possíveis cenários.
Há duas décadas, os proponentes argumentaram que o papel dos modelos na tomada de decisões baseadas em evidências para a malária deveria ser identificar lacunas de conhecimento e comparar aproximadamente estratégias de intervenção alternativas (3). Esses continuam sendo os principais pontos fortes dos modelos matemáticos. No entanto, desde então, o poder computacional aumentou enormemente; a malária recebeu uma atenção renovada a nível world e mais financiamento; e a epidemiologia da malária e o cenário de intervenção aumentaram em complexidade. A ambição pela modelação explodiu, tanto em termos do que os modeladores estão a tentar realizar como das expectativas provenientes dos decisores de que os modelos sejam capazes de compreender e prever uma eficácia cada vez mais complexa no mundo actual ao longo do tempo.
Os modelos continuam a ser utilizados para compreender a dinâmica das doenças e os seus factores que influenciam, tais como a evolução da resistência. Contudo, os modelos têm agora, implícita ou explicitamente, a tarefa de apoiar os decisores, fornecendo previsões quantitativamente precisas de vidas salvas ou de casos evitados por determinadas intervenções. Durante a investigação e desenvolvimento (I&D) de novas intervenções contra a malária, por exemplo, são utilizados modelos de transmissão para compreender o impacto potencial de novas ferramentas antes de ensaios em grande escala. Os modelos estão ajudando a estimar os requisitos de eficácia e duração de novas terapêuticas (4), vacinas e mosquitos geneticamente modificados (5). As previsões do modelo também podem apoiar decisões sobre onde direcionar os recursos de P&D ou quais estratégias de entrega priorizar para implantação.
Os resultados dos modelos são também cada vez mais utilizados como provas adicionais quando os decisores definem estratégias de intervenção nacionais ou definem políticas globais. Infelizmente, muitas vezes esquece-se que os modelos devem extrapolar para estas métricas de resultados desejadas com dados limitados, especialmente sobre mortalidade. Além disso, nem sempre é evidente que os utilizadores finais compreendem se um modelo é adequado à finalidade (Figura 1), nem que os modeladores sempre comuniquem adequadamente as limitações do modelo na sua pressa de participar da tomada de decisões. Os decisores raramente solicitam provas de rigor, confiando que os modeladores validaram os seus modelos e testaram as suas conclusões. Alguns modeladores presumem que os tomadores de decisão não estão interessados ou não conseguem compreender o funcionamento interno dos modelos e encobrem limitações críticas na busca pela aplicação máxima dos modelos. A recente demanda crescente por modelagem levou vários grupos de modelagem a aplicar modelos como algoritmos de caixa preta e, portanto, eles próprios não compreendem completamente os modelos que utilizam. Apesar de mais de um século de desenvolvimento e aplicação de modelos de malária, estas desconexões estão a conduzir a uma potencial utilização indevida de modelos na tomada de decisões. Na pior das hipóteses, são implementadas políticas de saúde potencialmente erradas e, eventualmente, os modeladores são responsabilizados pelas consequências da utilização indevida, sendo os modelos usados como bodes expiatórios à medida que os decisores tentam fugir à responsabilização. No entanto, quando bem utilizados, os modelos têm um valor tremendo para informar rigorosamente o nosso pensamento sobre o futuro.
Figura 1. Garantir que um modelo seja adequado ao propósito na tomada de decisões.
Qualquer modelo deve demonstrar que é adequado à finalidade antes de ser utilizado para informar a tomada de decisões. Na malária, persistem lacunas importantes que limitam a capacidade dos modelos de fornecer previsões quantitativamente precisas dos resultados dos cenários. As soluções incluem o uso de vários modelos, melhoria contínua do modelo, coleta ampliada de dados e transparência nas limitações do modelo.
https://doi.org/10.1371/journal.pbio.3002991.g001
A nível nacional, as políticas de intervenção são definidas pelos decisores locais, sob a liderança dos programas nacionais contra a malária. A modelagem pode ser usada para prever o impacto de combinações de possíveis intervenções e para compreender o impacto de intervenções anteriores (6). No entanto, as lacunas de dados relativas ao contexto da malária de cada país e a exclusão de factores sociais pelos modelos (7), significam que os resultados do modelo devem ter uma incerteza substancial, mesmo que o modelo principal capte bem a história pure da malária.
A nível world, os decisores políticos e financiadores, como a Organização Mundial da Saúde (OMS) e o Fundo World de Luta contra a SIDA, a Tuberculose e a Malária, utilizam modelos para prever tendências, estimar necessidades, avaliar lacunas, definir metas realistas e compreender os custos. eficácia das intervenções (8). Os resultados dos modelos globais não se destinam (nem são apropriados) a serem aplicados a países individuais, mesmo que por vezes sejam fornecidos a nível nacional. A modelização a nível world não pode captar toda a informação contextual necessária de países específicos, especialmente se os dados e a experiência do país para informar os principais pressupostos, a viabilidade de combinações de intervenções e os resultados prioritários estivessem ausentes durante a construção do modelo.
As lacunas resumidas em Figura 1que não são exclusivos da malária, exigem que os resultados do modelo não possam ser vistos como previsões quantitativas únicas do futuro – nem para a malária nem para outras doenças. Portanto, aplicações excessivamente quantitativas de resultados de modelos, como a utilização de modelos para conduzir algoritmos de otimização para o planeamento de intervenções para obter um determinado resultado de saúde, são inadequadas. Embora os resultados do modelo possam dar uma ideia útil sobre se uma intervenção teria um impacto grande ou pequeno, não são suficientemente precisos para seleccionar entre combinações de intervenções, a menos que a diferença no impacto seja grande e robusta à incerteza nos factores contextuais.
Apesar dos desafios em termos de dados, os modelos bem informados pelos conhecimentos locais continuam a ser extremamente úteis na comparação do impacto relativo de diferentes intervenções potenciais e na avaliação qualitativa de diferentes estratégias. Esta abordagem, onde os cenários de intervenção candidatos são gerados através da revisão e análise de dados locais, e a modelação é então usada para estimar o seu impacto relativo, tem sido utilizada com sucesso em vários países para priorizar estratégias de intervenção (9).
Mesmo quando os modelos são calibrados para os mesmos dados de referência com qualidade de ajuste comparável, eles podem não se comportar de forma semelhante em contextos fora da amostra devido a diferenças nas suposições estruturais (10). Noutras aplicações, como previsões de alterações climáticas e tendências da COVID-19, os decisores consideram múltiplos modelos como um conjunto ou com todos os resultados apresentados. O uso de vários modelos de muitas equipes fornece previsões e representações mais robustas em vários conjuntos razoáveis de suposições, ao mesmo tempo que preserva as diferentes incertezas dentro e entre modelos (11). Infelizmente, vários modelos não são suficientemente utilizados para informar a tomada de decisões sobre a malária (isto inclui o trabalho realizado pelos autores). Ao defender o investimento na malária, o Fundo World baseou-se frequentemente num modelo matemático. Embora nem sempre alcançado (12), a melhor prática da OMS é solicitar vários modelos para fornecer evidências para estimativas de impacto e custo-efetividade (13,14). A GAVI, a Vaccine Alliance, utiliza três modelos da malária para avaliar o impacto potencial de vários cenários de implementação da vacina contra a malária. A nível nacional, não temos conhecimento se já foram utilizados múltiplos modelos durante o planeamento da intervenção.
Fora alguns exercícios de modelização de consenso, não se sabe se diferentes modelos da malária produzem previsões semelhantes sobre o impacto das intervenções. Alinhar e testar sistematicamente modelos complexos requer compromissos substanciais de tempo por parte dos especialistas em cada modelo. No entanto, continuar a evitar a comparação sistemática de modelos presta um mau serviço aos utilizadores finais dos resultados do modelo, que correm o risco de receber respostas diferentes às suas perguntas, dependendo da escolha do modelo.
Construir confiança e incentivar a adoção de modelos úteis exige que todos sejam honestos sobre as limitações de cada modelo. Caso contrário, a aplicação excessiva (ou pior, o uso indevido intencional ou não intencional) de modelos corre o risco de desacreditar todo o campo. Os modeladores têm a obrigação de não exagerar e de fazer parte da conversa, em vez de anunciar que possuem a solução “quantitativa”. Da mesma forma, aqueles que consideram a evidência de modelização devem garantir que compreendem as limitações, não escolhem resultados para defender uma conclusão específica, estão dispostos a testar os resultados e apoiam a melhoria dos modelos. Devemos todos trabalhar juntos para garantir que a modelagem de conjuntos se torne uma realidade mais frequente e para desenvolver e melhorar continuamente os modelos para ultrapassar os limites do que é possível.
Não há dúvida de que o campo da modelagem pode e deve mudar tremendamente nos próximos 10 anos. À medida que novas tecnologias e dados de alta qualidade se tornam disponíveis, o âmbito de aplicações apropriadas para modelação irá expandir-se. Hoje, devemos ser éticos e rigorosos ao reconhecer o que está pronto para ser implementado na tomada de decisões e o que ainda está em desenvolvimento. Os modelos são e têm sido úteis na nossa luta para derrotar a malária – vamos garantir colectivamente que continuem assim.
