COVIZ 2020: el color del riesgo

Jun 16, 2020 por Ferran Caymel

No será el típico texto que recopila las mejores visualizaciones acerca de la pandemia de la COVID-19.

A estas alturas del año, quien más quien menos ya entiende las curvas de contagios, la necesidad de “aplanarlas” mediante la desaceleración de su tasa de crecimiento y calibra a ojo la distancia respecto a la línea que marca la capacidad límite del sistema sanitario.

Sabemos también que no caben más líneas en el gráfico del Financial Times — sí, el de fondo salmón — y que la pieza gráfica de Harry Stevens en el Washington Post quedará para siempre como la forma más visual de representar la distancia social y su conveniencia en el contexto de una crisis sanitaria global.

Dataviz

No insistiremos pues en las diferencias entre la representación lineal y la escala logarítmica -que multiplica por 10 las cantidades de un eje diferente al convencional-, ni en la posibilidad de que las fever charts de los diferentes países arranquen en diferentes momentos (sí, la nota con el “days since”…).

Tampoco dedicaremos ni tres líneas a la obviedad de que para explicar las causas y efectos del virus el número de variables usadas tiende casi a infinito; y aún menos a remarcar que las fuentes de los datos han sido además de dispares, a menudo directamente dudosas: en particular cuando se trataba de precisar de qué “casos” hablabámos, incluso al determinar las clases de muertos…

No habrá espacio apenas para denunciar burdas trampas infográficas como, por ejemplo, comparar cantidades diarias con totales acumulados; ni apenas referencias concretas a malas prácticas de este tipo por parte de instituciones públicas; o a representantes políticos que one more time al mostrar una visualización de datos parecen buscar confundir a la opinión pública, en lugar de informarla.

No. En lugar de extendernos a hablar de todas esas cosas, este texto pretende centrarse en los llamados diagramas de riesgo: unos gráficos que visualizan este aspecto clave de nuestras sociedades contemporáneas
— quién dijo miedo? — junto con la posible extensión del daño y su probabilidad de ocurrir.

Diagramas de riesgo

Podríamos representarlos como un tablero de escenarios que de un vistazo nos permiten determinar las claves para pasar de unos a otros, y permiten a su vez ponderar la eficacia de las medidas tomadas al respecto.
Y la magia se produce a través de un código visual sencillo, semafórico: verde, amarillo y rojo.

Mapa del riesgo que combina la velocidad de contagio y el volumen de la población contagiosa por COVID-19 Fuente: BIOCOMSC1
Mapa del riesgo que combina la velocidad de contagio y el volumen de la población contagiosa por COVID-19 Fuente: BIOCOMSC1

Y así podríamos resumir estos últimos meses, en el mejor de los casos: como la historia del esfuerzo colectivo por transitar de la zona roja (aquella en que el riesgo es socialmente inaceptable) a la verde, pasando por la amarilla (aquella en la que se ha reducido el riesgo por la vía de la adopción de medidas o políticas públicas transitorias).

A nivel procedimental añadir que para construir las matrices de evaluación de riesgos — a las que sospecho nos iremos acostumbrando cada vez más — deben explicitarse claramente los criterios para determinar las categorías de probabilidad y de gravedad, la escala adoptada (convencionalmente será proporcional y la división de cada eje en 5 partes) y los ajustes, si los hay, para el cálculo del “valor esperado” estadístico; esto es, de la probabilidad multiplicada por la gravedad/consecuencia.

Por ejemplo, podemos colocar 5 rangos de probabilidad: imposible (0–20%), improbable (21–40%), posible (41–60%), probable (61–80%) y muy probable (81–100%); luego distribuir una cantidad igual de riesgos (bajo, medio, alto, muy alto y crítico) para obtener una retícula (5×5) que procederemos a colorear, cajón a cajón.

Sobre esa retícula situaremos los diferentes eventos que componen nuestro diagrama de riesgo, de acuerdo a un nuestro particular modelo imaginario de probabilidades asociadas (que detallamos en la columna inferior derecha).

Fuente: elaboración propia @infografia_cat
Fuente: elaboración propia @infografia_cat

A. morir algún día (100%)
B. tener un accidente de coche o similar (9%)
C. contraer una enfermedad infecciosa (28%): gripe p.ej.
D. sufrir una enfermedad no transmisible (63%): infarto p.ej.
E. pasear por el campo (59%)

Vemos que usamos una serie de valores cuantitativos para un eje mientras que la colocación de los eventos respecto al otro eje es manifiestamente subjetiva, toda vez que no aportamos referencias numéricas para decidir si algo es grave o crítico, sino que lo hacemos (por esta vez) de forma arbitraria: para destacar la relevancia que tiene el backend en la construcción de piezas visuales.

Y es que, si alguna conclusión podemos sacar de la aparición de la COVID19, es la de que —independientemente de toda la información disponible — hay un fuerte elemento personal detrás de cada dato, producto de una percepción asociada que es construída/social pero no solo.

Dicho de otra manera: una persona de más de 80 años ingresada en alguna residencia española para ancianos no estará muy de acuerdo en colocar esa © ahí (si una tercera parte de los casos críticos o muertes pertenecen a este segmento de población). Mientras que para niñas y niños podríamos ubicar esa letra en la zona segura del gráfico, de acuerdo a los estudios más recientes.

Y es que, para riesgos, colores.

Y por ahora, anhelo de verdes.

Ferran Caymel

Sociólogo, infografista y profesor del Máster Online en Diseño de la Información y Visualización de Datos.

Artículos relacionados