Pandemias, investigación de accidentes e (in)certidumbre: un modelo para el COVID-19
29/07/2020. Por Jesús Ariza, Técnico de PRL en Mobility ADO. English Version/Versión en inglés.
En 1931, unos años después de la pandemia de gripe de 1918, Heinrich publicó su libro sobre prevención de accidentes industriales con la famosa pirámide y su modelo del efecto dominó para explicar las causas de los accidentes estudiados y la influencia del error humano.
La mayoría hemos utilizado alguna vez esta pirámide tratando de explicar una relación entre el número de accidentes mortales, graves, leves, incidentes, etc. Pero Heinrich habla en su libro de “injuries” (daños a la salud) no de accidentes, es decir pone el foco en las consecuencias y no en el evento.
Por tanto, podríamos utilizar por un momento su modelo para analizar el desarrollo de pandemias y establecer algún tipo de relación lineal que nos invite a pensar que si desciende el número de personas con síntomas leves (o incluso asintomáticas si ampliáramos un peldaño más la pirámide) descenderían también los casos graves y por último el número de fallecidos.
Esta idea de linealidad (y proporcionalidad) que subyace en el modelo de Heinrich encaja perfectamente en sistemas simples (o al menos simplificados en nuestras observaciones) y la conclusión inmediata sería que al reducir el número de personas contagiadas, se reduciría también el número de casos graves y en última instancia de fallecidos, como si de un dominó se tratara. La idea es tentadora.
Pero durante el siglo pasado se vio que el modelo resultaba excesivamente simple en sistemas que se iban volviendo cada vez más complejos, y donde incluso en entornos relativamente seguros se seguían produciendo accidentes, algunos de ellos de notoria gravedad (sector nuclear, químico, etc.).
Y así, el pensamiento lineal evolucionó hasta llegar al modelo de J. Reason popularizado como el modelo del “queso suizo” en el que se apunta que los accidentes son provocados por diferentes causas, muchas veces latentes, y ubicadas en diferentes niveles de la organización que se “alinean” en unas circunstancias determinadas para superar las barreras existentes y generar el accidente.
Fuente: Eurocontrol
Un ejemplo histórico
De entre todas las historias documentadas sobre la pandemia de 1918, encontramos una especialmente interesante por su aparente “simplicidad” para ser analizada con este tipo de modelos. Se trata de la vivida en el archipiélago de Samoa, situado en el Pacífico Sur, y que en aquella época estaba dividido en Samoa Occidental (bajo tutela de Nueva Zelanda) y en la Samoa Americana (bajo la tutela de los Estados Unidos).
El virus llegó a Samoa Occidental el 7 de noviembre de 1918 con un barco procedente de Nueva Zelanda y con parte de la tripulación ya contagiada. En dos meses falleció una quinta parte de la población. En cambio, el gobernador de la Samoa Americana, situada a unas millas de distancia de Samoa Occidental, decretó una estricta cuarentena que propició que no se produjera ninguna víctima.
Apoyándonos en el modelo de Heinrich sería fácil establecer una similitud entre las fichas del dominó y las circunstancias que llevan al contagio de una población de forma que si evitas el primer contagio consigues evitar los restantes (¿el famoso paciente O?).
Sin embargo, la realidad no suele ser tan simple, ni siquiera en un pequeño archipiélago de la Polinesia, y al analizar de forma superficial los acontecimientos ocurridos en ambas islas, sería más apropiado utilizar el modelo del queso suizo de Reason en el cual se apunta a la necesidad de que se produzcan varias causas.
Podríamos pensar en la facilidad de establecer una cuarentena en una isla, simplemente bloqueando el puerto a la entrada de cualquier barco exterior (sin contar con la necesidad de que lleguen suministros), pero estas islas eran conocidas por los exploradores europeos del siglo XIX como «Islas Navegador» debido a la destreza para navegar de los samoanos, con lo que el gobernador de la Samoa Americana tuvo que establecer un sistema de alianzas y convencer a los líderes tribales para que no se produjera un “goteo” de contactos entre las diferentes islas.
A modo de resumen, estos serían los hechos más relevantes en ambas islas que podrían ser organizados en alguna de las diferentes representaciones del modelo del “queso suizo” estableciendo los fallos/aciertos en los diferentes niveles (organización, ambiente e individuo) que llevaron a resultados tan opuestos.
SAMOA OCCIDENTAL
SAMOA AMERICANA
El 07/11/1918 llega a puerto desde Fiji el barco Talune con parte de la tripulación enferma.
El 03/11/1918 llega a puerto desde Honolulu el SS Sonoma con 1 fallecido y 14 con síntomas.
El oficial de los procedimientos de cuarentena realizó un breve cuestionario formal.
Se estableció una fuerte cuarentena para todos los tripulantes y para el resto de barcos.
El capitán rebajó la seriedad de los síntomas de la tripulación en sus explicaciones.
Se establecieron medidas de control y distanciamiento entre la población local.
La tripulación había arriado la bandera amarilla que llevaban desde la última escala en Fiji, donde ya había estado en cuarentena.
La relación entre el gobernador y líderes tripales permitió un férreo control del tráfico de embarcaciones hacia el puerto principal.
Se permitió el desembarco de pasajeros enfermos. Días después, incluso se envió un barco a la S. Americana con el correo.
No se permitió ningún contacto con el barco enviado por la S.amoa Occidental para entregar el correo.
RESULTADO
Falleció el 22% de la población.
No hubo ningún fallecido.
Los modelos de Heinrich y de Reason comparten en diferente grado la idea de linealidad, relaciones causa-efecto y probabilidad de que se produzca un error y son las ideas que tenemos en mente tanto cuando realizamos la investigación de un accidente como cuando realizamos una evaluación de riesgos.
Sin embargo, a mediados del siglo XX algunos investigadores ya dejaron constancia de la limitación de este enfoque lineal y la dificultad de establecer claramente relaciones causa-efecto, al menos en sistemas complejos, y pasando a entender algunos sistemas como estructuras “tangentes” que se retroalimentan como se muestra en la siguiente figura que describe el desarrollo de procesos relacionados en el ámbito económico.
Figura 2.2 Procesos acoplados mutuamente, ‘The Functional Resonance Analysus Method
Una forma alternativa de entender el desarrollo de las pandemias con este enfoque sería la siguiente, entendiendo que ya no estamos hablando de componentes de un sistema lineal con una determinada probabilidad de que “fallen” sino de funciones de un sistema dinámico que tienen una potencial “variabilidad” que a su vez influye de forma individual o agregada en el desarrollo de todo el sistema.
Fuente: Elaboración Propia
Este tipo de pensamiento es la base conceptual de modelos sistémicos como el Método de Análisis de Resonancia Funcional del profesor danés Erik Hollnagel (FRAM por su acrónimo en inglés, Functional Resonance Analysis Method), en el que las funciones de un sistema se interrelacionan en base a seis aspectos que las caracterizan y que gráficamente se representan mediante hexágonos relacionados según la dependencia entre funciones.
Siguiendo con el ejemplo de las pandemias, una posible representación gráfica utilizando el FRAM sería la siguiente (clica en la imagen para agrandarla.):
Virus
Administración
Individuo
Población
Influencias
Aunque gráficamente es a la vez interesante pero complejo, lo que realmente aporta valor del método son los principios en los que se fundamenta:
– Equivalencia entre fallos y éxitos. Se asume que el origen de ambos está en la variabilidad del sistema, y no en un sistema binario donde el éxito tiene un origen (normalmente seguir las reglas, el funcionamiento correcto de una pieza, etc,.) mientras que el fracaso tiene el origen opuesto (saltarse las reglas, rotura de una pieza, etc.).
– Ajustes aproximados. En sistemas socio-técnicos, nuestro conocimiento sobre el funcionamiento del sistema siempre es limitado; lo que hace, unido a la disponibilidad limitada de recursos, que constantemente tengamos que adaptar nuestras decisiones y actuaciones al grado de conocimiento existente.
– Resultados emergentes. En sistemas relativamente simples y donde sus partes pueden ser descompuestas fácilmente, las causas pueden ser tan reales como los efectos que producen; pero en sistemas socio-técnicos, los efectos pueden ser producidos por fenómenos transitorios que deben ser “reconstruidos” en lugar de “encontrados”.
– Resonancia. Las dependencias entre funciones van más allá de relaciones causa-efecto y se asemejan más a estructuras tangentes, de forma que una pequeña variación en la mutación de un virus podría “emerger” como una de las causas que, combinadas con el resto de funciones de un sistema (políticas de salud, capacidad del sistema sanitario, densidad de población, pirámide poblacional, etc.), terminen en un desenlace no deseable como una alta mortalidad.
Recordando el famoso efecto mariposa podríamos hablar de que el aleteo de un murciélago en una parte del mundo puede provocar el colapso en el otro extremo del mundo.
Y ahora… ¿qué?
No me atrevería a decir que un modelo de análisis sea mejor que otro, aunque claramente para entender el mundo en que vivimos tengo predilección por las ideas de Hollnagel. Una consideración a tener en cuenta a la hora de elegir un modelo u otro es el nivel de detalle en el que nos estamos moviendo para entender el sistema analizado.
Por ejemplo, no utilizaría el FRAM para analizar una caída a distinto nivel desde una escalera, pero sí lo utilizaría para analizar el “sistema” que lleva a que se den las condiciones para que en un momento dado se produzca esa caída y, sin embargo, en otro momento dado muy similar no se produzca. Porque esa es una de las ideas más potentes que subyacen en este modelo: la idea de que la certidumbre nos la da sólo la retrospectiva de la situación estudiada, pero que en realidad vivimos en la incertidumbre generada por la propia variabilidad del sistema.
De igual forma, no se trata de desdeñar “viejos” modelos en favor de “nuevos” modelos sin un análisis crítico sino de no olvidar los fundamentos del método científico en nuestra profesión o, como mejor explica mi antiguo libro de zoología en su introducción:
“El conocimiento científico conlleva una constante revisión, y ocasionalmente alteraciones radicales, según los científicos prueban constantemente la naturaleza del mundo. Defectos y errores son encontrados y corregidos, resultados previamente contradictorios son armonizados bajo una nueva teoría, hechos sin importancia de repente resultan fundamentales.
La ciencia es un proceso dinámico que tiene lugar simultáneamente en muchos frentes. Las hipótesis son establecidas, los experimentos y comprobaciones son realizadas, las teorías son validadas o refutadas, y ninguna conclusión está por encima de ser revisada si nuevas observaciones y resultados garantizan un cambio. De este constante fermento intelectual florece la verdadera fuerza de la ciencia”.
Y sólo añadiría, para terminar, que:
– mientras la legislación nos obligue a utilizar las mismas ideas y modelos para evaluar riesgos o investigar accidentes… tendremos que hacerlo;
– mientras que la urgencia de las circunstancias nos obligue a protegernos con los mismos métodos que hace un siglo… tendremos que hacerlo.
Pero, en paralelo:
➡️ nadie, ni siquiera nosotros mismos, debería limitarnos nuestra capacidad
para ampliar la forma de entender y analizar la realidad. ⬅️
Sobre el autor
Jesús Ariza es Licenciado en Ciencias Ambientales y Técnico Superior en PRL. Ha desarrollado su carrera profesional en diferentes sectores en las áreas de seguridad y salud en el trabajo y medioambiente. En paralelo complementa su actividad laboral con la participación en iniciativas para divulgar y desarrollar nuevas visiones y herramientas como Safety II, FRAM, etc
* Las opiniones vertidas por el autor son estrictamente personales y no deben interpretarse como puntos de vista oficiales de Mobilty Ado ni de PRLInnovación.
Referencias:
- El libro que me ha permitido tener una idea general de las pandemias es Flu: The Story of the Great Influenza Pandemic of 1918 and the Search for the Virus That Caused escrito por Gina Kolata, reportera de la revista The Times especializada en ciencia y medicina. La autora no se limita a una descripción de la pandemia de 1918 sino a narrar la posterior historia de descubrimientos en la lucha contra este tipo de pandemias.
- La historia sobre los efectos de la gripe de 1918 en las islas de Samoa se cuenta brevemente en el libro anterior, y la he podido ampliar gracias al artículo How American Samoa kept a pandemic at bay (James Stout) publicado en Lapharm’s Quaterly.
- Un breve resumen del origen y evolución del modelo del “queso suizo” se puede obtener del informe de Eurocontrol Revisiting the «SWISS CHEESE» model of accidents.
- Una revisión detallada sobre la vigencia de la pirámide de Heinrich se encuentra en Safety I-Safety II (Erik Hollnagel).
- La revisión de los modelos de sistemas de investigación lineales y la base conceptual del FRAM así como la explicación completa del método se puede encontrar en FRAM. The Funcional Resonance Analysis Method(Erik Hollnagel).
- La cita sobre los fundamentos del método científico proviene de la introducción de Zoology (Dorit, Walker and Barnes).
Blog PRLInnovación
