A eficácia das políticas de distanciamento social

Um dos projetos mais interessantes do grupo MIT Connection Science é o The Atlas of Inequality. O projeto – liderado pelos professores Esteban Moro e Alex ‘Sandy’ Pentland – usa dados de geolocalização anônimos de dispositivos digitais para estimar onde diferentes grupos de pessoas passam o tempo, nas cidades dos EUA e com o tempo, o projeto poderá ser expandido para cidades ao redor do mundo. Os dados mostram a significativa desigualdade de renda entre as pessoas nessas cidades, não apenas por bairros, mas também nos restaurantes, lojas e outros lugares.

O grupo de pesquisa aplica seus dados e métodos de geolocalização para analisar a eficácia das políticas de distanciamento social adotadas na área metropolitana de Nova York em resposta à pandemia de Covid-19. Essas políticas incluem o fechamento de escolas, proibição de reuniões não essenciais, limitação de pedidos de comida para viagem e medidas rígidas de permanência no local. Não há como medir empiricamente o impacto dessas medidas de distanciamento social em tempo real na disseminação da Covid-19, mas pode-se medir seu impacto de forma retrospectiva ou simular o que pode acontecer no futuro com base em dados.

Esses dados ajudam a abordar de forma empírica, um conjunto de questões importantes:

1. Como as políticas de distanciamento mudaram a mobilidade e o comportamento social?;

2. Como o comportamento de distanciamento social varia na área metropolitana de Nova York?;

3. Como o comportamento varia entre a diversidade de grupos demográficos?; e, em geral,

4. Quão bem as pessoas estão seguindo essas medidas de distânciamento social?

As descobertas iniciais revelam que as políticas de distanciamento social levaram a grandes mudanças onde as pessoas passam seu tempo e como elas interagem umas com as outras:

“A distância percorrida todos os dias caiu 70 por cento, de uma média de 40 Km em fevereiro para 11 Km” no final de março;

“O número de contatos sociais diminuiu 93% de 75 para 5”, onde o contato social é definido como estando a pelo menos a 2,5 metros um do outro por pelo menos 5 minutos;

“O número de pessoas que ficam em casa o dia todo aumentou de 20% para 60%”; e

“as políticas de distanciamento social reduziram muito as diferenças relativas entre os diferentes grupos demográficos, visto que a mobilidade e os contatos sociais de quase todos foram drasticamente reduzidos.”

As mudanças na distância percorrida e nos contatos sociais tornaram-se significantes somente depois que medidas de fechamento de negócios foram implementadas.

O varejo de alimentos e lojas de suprimentos essenciais tornaram-se os locais mais comuns para contatos sociais. Depois que essas medidas foram introduzidas, cerca de 5,5% dos nova-iorquinos começaram a passar o tempo em lugares fora da área metropolitana, incluindo Nova Jersey (37%), interior do estado de NY (23%), Pensilvânia (9,8%) e Flórida (6,7%).

Resultados mais detalhados podem ser encontrados no relatório preliminar. E aqui estão as fontes dos dados usados na análise, bem como os métodos usados para preservar a privacidade dos dados.

O tipo de diretivas do governo que foram implantadas na China para combater o surto de Covid-19 não são aplicáveis nos EUA e em outras democracias de livre mercado. Nesses países, é importante recorrer a métodos sofisticados de análise de dados que estejam em conformidade com as políticas de privacidade.

A principal fonte de dados para o projeto Atlas são dados de localização anônimos de uma variedade de aplicativos em smartphones. Os dados vêm da Cuebiq, uma empresa de inteligência e medição baseada em geolocalização e, em particular, da iniciativa Data for Good da Cuebiq, que disponibiliza seus dados para pesquisas acadêmicas e programas humanitários. Para a análise de distanciamento social de NY,

“Cuebiq coleta registros anônimos de pontos GPS com registro de data / hora de usuários que optaram por compartilhar seus dados anonimamente nos EUA de 1º de janeiro de 2020 a 25 de março de 2020.” Os dados de mobilidade são extraídos apenas dos usuários que optaram por compartilhar seus dados por meio de uma estrutura compatível com GDPR e CCPA. Os dados residenciais e de áreas de trabalho são então agregados ao nível do Grupo de blocos do censo, permitindo a análise demográfica enquanto ofusca o local exato onde os usuários anônimos vivem e trabalham.

“Os dados que recebemos são construídos a partir da sequência de pings informados pelos dispositivos”, explica o relatório. “Isso resulta em um conjunto de dados dos locais públicos onde muitas pessoas ficaram (com alta precisão espacial) correspondendo aos pontos de interesse que as pessoas normalmente visitam e os setores censitários mais prováveis de onde esses proprietários de dispositivos vivem e trabalham”. uma estadia é definida como um local onde um usuário anônimo parou por pelo menos 5 minutos. A análise é limitada a dados de pessoas que foram ativas durante o período de 17 de fevereiro a 9 de março e para as quais há relatórios de dados de localização que permaneceram em suas residências por mais de 10 dias. O conjunto de dados inclui informações sobre 567.000 pessoas.

Há muito, muito mais a ser feito. “A próxima questão empírica é: quão eficazes são essas políticas de distanciamento social para reduzir a propagação do coronavírus?”, Conclui o relatório. “Com dados de mobilidade anônima de alta resolução, podemos estudar o efeito das políticas relacionadas à mobilidade nas respostas comportamentais da população e como o coronavírus se espalha de maneira diferente em locais com políticas diferentes. Os dados de mobilidade de alta resolução, anônimos e agregados, podem monitorar a adesão às políticas de distanciamento social, mas também podem informar modelos epidemiológicos baseados em matrizes de contato em tempo real”.

Conte aos amigos

One thought on “A eficácia das políticas de distanciamento social”

Deixe uma resposta