A capacidade de coletar e aprender com grandes quantidades de dados tem sido um grande impulsionador da inovação nas últimas décadas. Tudo, desde cuidados de saúde - pense em análises de pacientes, dispositivos vestíveis e a resposta COVID-19 - para transporte - Uber e Lyft - para entretenimento - Netflix - agora é orientada por dados e estatísticas.

Ainda assim, a capacidade de coletar bons dados, a capacidade de derivar insights dele e as habilidades para transformá-los em mudanças não estão espalhados uniformemente pelo globo.

Tirando uma página da forma como os Médicos sem Fronteiras enviam pessoal médico e experiência para países em desenvolvimento, algumas organizações começaram a fazer o mesmo com as estatísticas. Mas acima de tudo, a necessidade de melhorar a capacidade estatística local nas nações em desenvolvimento permanece amplamente insatisfeita.

Somos dois matemáticos da University of Colorado Boulder e fazemos parte de um projeto chamado Laboratory for Interdisciplinary Statistical Analysis, que está trabalhando para desenvolver infraestrutura estatística em todo o mundo. O objetivo do programa é ajudar a construir uma infraestrutura de ciência de dados nas nações em desenvolvimento. Em 10 países e contando, iniciamos os "laboratórios de estatística" - centros acadêmicos que treinam jovens estatísticos para colaborar em importantes projetos locais de estatística.

Onde as estatísticas importam

O benefício de um programa como o Médicos Sem Fronteiras é óbvio - o grupo oferece atendimento médico. O benefício da capacidade estatística aprimorada é mais difícil de ver, mas pode ser tão importante.

Por exemplo, durante o grande surto de cólera em Londres em 1854, John Snow usou coleta e análise de dados estatísticos para identificar e fechar a bomba de água contaminada. Mais tarde naquele ano, Florence Nightingale, o fundador da enfermagem moderna, estatísticas usadas para mostrar que medidas de higiene simples podem reduzir drasticamente a infecção e morte em hospitais.

Todo ano, o Banco Mundial pontua os países em uma escala de 1-100. Um representa uma completa falta de dados estatísticos básicos e capacidade de análise, e 100 representa a capacidade estatística de uma nação desenvolvida como os EUA. De acordo com o relatório de 2020, a capacidade estatística média dos países da África Subsaariana, Sul da Ásia e América Latina são 57,1, 69,8 e 70,1, respectivamente.

Essa capacidade estatística díspar desempenhou um papel importante na pandemia. A forte coleta e análise de dados de casos COVID-19 permitiu que alguns países - como Nigéria e os EUA - respondessem melhor aos surtos iniciais e adotassem uma abordagem informada ao reabrir setores da economia.

Infelizmente, durante a pandemia, 80% dos escritórios nacionais de estatística em países de renda média e baixa indicaram que precisavam de apoio adicional para realizar importantes coletas e análises de dados.

Assim como bons dados podem levar a boas decisões, a falta de dados muitas vezes pode levar a decisões menos eficazes. Por exemplo, durante a epidemia de Ebola de 2014 a 2016 na Libéria, o governo inicialmente não teve acesso a dados precisos, dados de mortalidade em tempo real ou ferramentas de análise eficazes. Essa falta impediu as autoridades de saúde pública de responder rápida e eficazmente aos surtos. Assim que o governo introduziu um sistema de coleta de dados por telefone, os funcionários foram mais capazes de alocar médicos e enfermeiras onde eram necessários.

Estatísticas em ecologia, saúde e política

A ideia do Laboratório de Análise Estatística Interdisciplinar começou no noroeste da África, na fronteira do Saara Ocidental e da Mauritânia. Um de nós, Eric Vance, estava no meio de uma temporada de cinco anos viajando ao redor do mundo antes de seu doutorado. Em um posto de controle de fronteira no meio de um antigo campo minado, ele coincidentemente conheceu um biólogo que estava estudando a raposa do deserto do Saara.

Quando o biólogo descobriu que Vance estava estudando estatísticas, seus olhos brilharam, e ele disse, "Oh, um estatístico! Eu tenho perguntas para você. "Mas antes que Vance pudesse oferecer qualquer ajuda, ele teve que entrar em um ônibus e cruzar a fronteira cheia de minas. Quando Vance voltou para os EUA, ele percebeu a necessidade generalizada de capacidade estatística e educação nos países em desenvolvimento. Para resolver essa lacuna, ele lançou a rede global LISA 2020 em 2012.

O objetivo do programa é dar aos estudantes universitários locais as habilidades e ferramentas para fazer as estatísticas de que precisam para impulsionar o desenvolvimento. Ajudamos os professores locais a estabelecerem um laboratório de estatística nas universidades onde trabalham. Esses laboratórios de estatísticas são centros colaborativos onde professores locais ensinam os alunos a fornecer consultoria estatística a outros acadêmicos, empresas e formuladores de políticas. Enquanto os alunos aprendem estatísticas, eles também usam suas habilidades técnicas para conduzir à realidade, mudança local.

Um de nossos laboratórios parceiros está trabalhando com a Comissão Eleitoral Nacional Independente da Nigéria. Juntos, eles estão avaliando a precisão, completude, consistência e confiabilidade dos dados dentro da política de registro eleitoral contínuo da Nigéria para explorar maneiras de melhorar o processo eleitoral para os eleitores.

Na Etiópia, outro laboratório local está ajudando o governo da Etiópia a melhorar o registro de nascimentos e mortes. Usando pesquisas, gerenciamento eficaz de banco de dados e programas de treinamento estatístico, o objetivo é melhorar os resultados de saúde.

Desde o lançamento em 2012, nossa rede de laboratórios de estatística cresceu substancialmente, com raízes particularmente fortes na África, Sul da Ásia e Brasil. Em julho de 2021, ele consiste em 31 laboratórios de estatística localizados em 10 países de baixa e média renda.

Como as estatísticas continuam a desempenhar um papel cada vez mais importante na sociedade, o acesso igualitário aos recursos de dados nos países em desenvolvimento está se tornando mais essencial.

Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.