Økologer, som den Eric Vance mødte i det vestlige Afrika, bruge statistik til at lære om de dyr og økosystemer, de studerer. Kredit:Eric Vance, CC BY-ND
Evnen til at indsamle og lære af store mængder data har været en vigtig drivkraft for innovation gennem de seneste årtier. Alt fra sundhedsvæsenet – tænk patientanalyse, bærbare enheder og COVID-19-responsen – på transport – Uber og Lyft – på underholdning – Netflix – er nu drevet af data og statistik.
Men evnen til at indsamle gode data, evnen til at udlede indsigt fra det og færdighederne til at omsætte denne indsigt til forandring er ikke jævnt fordelt over hele kloden.
Tager en side fra den måde, Læger Uden Grænser sender medicinsk personale og ekspertise til udviklingslande, nogle organisationer er begyndt at gøre det samme med statistik. Men samlet set, behovet for at forbedre den lokale statistiske kapacitet i udviklingslande er stort set ikke opfyldt.
Vi er to matematikere ved University of Colorado Boulder og er en del af et projekt kaldet Laboratory for Interdisciplinary Statistical Analysis, der arbejder på at udvikle statistisk infrastruktur over hele verden. Målet med programmet er at hjælpe med at opbygge datavidenskabsinfrastruktur i udviklingslande. I 10 lande og tæller, vi har startet "stat labs" - akademiske centre, der træner unge statistikere til at samarbejde om vigtige lokale statistikprojekter.
Hvor statistik betyder noget
Fordelen ved et program som Læger Uden Grænser er indlysende - gruppen yder lægehjælp. Fordelen ved forbedret statistisk kapacitet er sværere at se, men kan være lige så vigtig.
For eksempel, under det store koleraudbrud i London i 1854, John Snow brugte statistisk dataindsamling og analyse til at identificere og lukke den forurenede vandpumpe. Senere samme år, Florence nightingale, grundlæggeren af moderne sygepleje, brugt statistik til at vise, at simple hygiejneforanstaltninger drastisk kan reducere infektion og død på hospitaler.
Hvert år, Verdensbanken scorer lande på en skala fra 1-100. Den ene repræsenterer en fuldstændig mangel på grundlæggende statistiske data og analysekapacitet, og 100 repræsenterer den statistiske kapacitet i en udviklet nation som USA. Ifølge 2020-rapporten, den gennemsnitlige statistiske kapacitet i lande i Afrika syd for Sahara, Sydasien og Latinamerika er 57,1, 69,8 og 70,1, henholdsvis.
Denne uensartede statistiske kapacitet har spillet en vigtig rolle i pandemien. Stærk dataindsamling og analyse af COVID-19-tilfælde gjorde det muligt for nogle lande – som Nigeria og USA – bedre at reagere på de første udbrud og tage en informeret tilgang, når de genåbner dele af økonomien.
LISA 2020-netværket er vokset til at omfatte mere end 30 statistiske laboratorier. Kredit:Eric Vance/LISA, CC BY-ND
Desværre, under pandemien, Hele 80 % af de nationale statistikkontorer i lav- til mellemindkomstlande angav, at de havde brug for yderligere støtte til at udføre vigtig dataindsamling og -analyse.
Ligesom gode data kan føre til gode beslutninger, mangel på data kan ofte føre til mindre effektive beslutninger. For eksempel, under ebolaepidemien 2014 til 2016 i Liberia, regeringen havde i første omgang ikke adgang til nøjagtige, dødelighedsdata i realtid eller effektive analyseværktøjer. Denne mangel forhindrede offentlige sundhedsmyndigheder i hurtigt og effektivt at reagere på udbrud. Da regeringen indførte et telefonbaseret dataindsamlingssystem, embedsmænd var bedre i stand til at allokere læger og sygeplejersker, hvor der var brug for dem.
Statistik i økologi, sundhed og politik
Idéen til Laboratoriet for Interdisciplinær Statistisk Analyse startede i det nordvestlige Afrika, på grænsen mellem Vestsahara og Mauretanien. En af os, Erik Vance, var midt i et femårigt ophold på rejse rundt i verden, inden han ph.d. Ved en grænsekontrol midt i et gammelt minefelt, han mødte tilfældigt en biolog, som studerede Saharas ørkenræv.
Da biologen fandt ud af, at Vance studerede statistik, hans øjne lyste op, og han sagde, "Åh, en statistiker! Jeg har spørgsmål til dig." Men før Vance kunne tilbyde nogen hjælp, han skulle op i en bus og krydse den minefyldte grænse. Da Vance kom tilbage til USA, han indså det udbredte behov for statistikkapacitet og uddannelse i udviklingslandene. For at løse dette hul, han lancerede det globale LISA 2020-netværk i 2012.
Målet med programmet er at give lokale universitetsstuderende færdigheder og værktøjer til at lave den statistik, de skal bruge for at drive udviklingen. Vi hjælper lokale professorer med at etablere et statistiklaboratorium på universiteter, hvor de arbejder. Disse statistiklaboratorier er samarbejdscentre, hvor lokale professorer lærer studerende at levere statistikrådgivning til andre akademikere, virksomheder og politiske beslutningstagere. Mens eleverne lærer statistik, bruger de også deres tekniske færdigheder til at køre ægte, lokal forandring.
Et af vores partnerlaboratorier arbejder med Nigerias uafhængige nationale valgkommission. Sammen, de vurderer nøjagtigheden, fuldstændighed, konsistens og pålidelighed af data inden for Nigerias kontinuerlige vælgerregistreringspolitik for at udforske måder til at forbedre valgprocessen for vælgere.
I Etiopien, et andet lokalt laboratorium hjælper den etiopiske regering med at forbedre registret over fødsler og dødsfald. Ved hjælp af undersøgelser, effektiv databasestyring og statistiske træningsprogrammer målet er at forbedre sundhedsresultater.
Siden lanceringen i 2012, vores netværk af statistiske laboratorier er vokset betydeligt, med særlig stærke rødder i Afrika, Sydasien og Brasilien. Fra juli 2021, den består af 31 statistiske laboratorier i 10 lav- og mellemindkomstlande.
I takt med at statistik fortsætter med at spille en stadig vigtigere rolle i samfundet, lige adgang til dateressourcer i udviklingslandene bliver mere og mere afgørende.
Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.