Pandemin och modellfällan

Joakim Wernberg

Corona-pandemin ställer samhället inför en situation som präglas av bristfällig information och stor osäkerhet. Föreställningen om att det är möjligt att hitta rätt modell för att lösa problemet leder allt fler politiska beslutsfattare (och debattörer) in i en modellfälla som det kommer att bli svårt att ta sig ur. Det är till synes lätt att fatta beslut när man hittat en modell som har rätt, men kanske måste vi förlika oss med att alla modeller har fel fastän på olika sätt. Sedan ett par veckor pågår en allt intensivare samhällspolitisk debatt om Corona-pandemin, men med tiden blir det allt tydligare att olika debattörer pratar om helt eller delvis olika saker. I takt med debattens utveckling har det skett åtminstone två breda förgreningar i problemformuleringen: 1) Skillnaden mellan att minska smittspridningen och att minska hälsoeffekterna av smittspridningen samt 2) skillnaden mellan att minska smittspridningen och att motverka en ekonomisk depression. Den första förgreningen kan kanske uppfattas som hårklyveri, men det är det inte. Det handlar om å ena sidan en epidemiologisk ansats med målfunktionen att minimera spridningen av smittan och å andra sidan en folkhälsovetenskaplig ansats med målfunktionen att minimera effekterna av smittspridningen. Vi hittar ett svenskt exempel på detta i debattväxlingen mellan å ena sidan Joacim Rocklöv, professor i epidemiologi, och Holger Rootzén, professor i matematisk statistik, (Ändra Sveriges strategi – epidemin måste stoppas) och å andra sidan Anders Björkman, professor i infektionssjukdomar (Bekämpa inte Corona med matematiska modeller). Den epidemiologiska ansatsen skulle förenklat kunna beskrivas som ett nätverksproblem som handlar om att minska spridningen mellan människor (noder) genom att minimera kontakten (länkar) mellan dem. Målet är att helt stoppa epidemin. I detta problem är alla isolerade smittfria noder säkra och uppfyller målfunktionen, vilket leder till slutsatsen att mycket hårda nedstängningsåtgärder framstår som en attraktiv lösning. Den folkhälsovetenskapliga ansatsen vänder sig emot tanken att en minimering av smittspridningen per automatik innebär en minimering av hälsoeffekterna på samhällsnivå. Istället för att stoppa epidemin ligger fokus på att bromsa smittspridningen på ett sätt som innebär att effekterna inte blir för skadliga. Detta kan formuleras som ett iterativt cost-benefit-problem med målet att sätta in åtgärder vid den tidpunkt då de har störst effekt till minst kostnad. Den andra förgreningen i problemformuleringen handlar om skillnaden mellan att minimera smittspridningen och att minimera de ekonomiska konsekvenserna av smittspridningen. Den kanske tydligaste brytpunkten mellan dessa två perspektiv i den svenska debatten levererades av Kerstin Hessius, VD för tredje AP-fonden och tidigare vice riksbankschef (Arbetslösheten stiger för varje sekund). Hon målade upp bilden av en djup ekonomisk kris eller depression i paritet med 1920-talets Tyskland eller 1930-talets USA till följd av de åtgärder som nu införs för att minska smittspridningen. I en diskussion med förre statsepidemiologen Johan Giesecke menade Hessius att Sveriges regering måste redovisa en plan med någon typ av slutdatum för smittspridningsåtgärder så att företag får en planeringshorisont att förhålla sig till (Vi måste ha en plan). Här uppstår ett missförstånd: Hessius efterlyser ett politiskt konstruerat slut på krisen för företagen i syfte att motverka depressionsproblemet, medan Giesecke som utgår från smittspridningsproblemet påpekar att man inte kan säga åt ett virus på skarpen. Hessius önskan om ett slutdatum handlar inte nödvändigtvis om att regeringen ska förutse när pandemin är över, även om hon efterlyser mer information med större framförhållning (”en plan”). Givet att Hessius försöker lösa depressionsproblemet spelar tidshorisonten en avgörande roll både för vilka politiska stödåtgärder som krävs och hur företagen ska anpassa sig för att överleva. Kravet på ett slutdatum skulle även kunna tolkas som ett hårt bivillkor för smittspridningsproblemet, det vill säga en punkt i tiden fram till vilken det är berättigat att vidta successivt strängare åtgärder för att minimera risken för att ekonomin ska vara nedlåst efter det datumet. Så vilken typ av problem är pandemin egentligen? Även en förenklad genomgång av olika förgreningar i problemformuleringen visar att inget problem är tillräckligt bra på egen hand. Istället krävs vad Scott Page, professor i komplexa system, kallar flermodellstänkande (se boken The Model Thinker eller Pages Coursera-kurs). Page beskriver flermodellstänkande så här: ”The core idea is that many-model thinking produces wisdom through a diverse ensemble of logical frames. The various models accentuate different causal forces. Their insights and implications overlap and interweave. By engaging many models as frames, we develop nuanced, deep understanding” ”As commonsensical as the many-model approach may seem, keep in mind that it runs counter to how we teach models and the practice of modeling. The traditional approach – the one taught in high school – relies one a one-to-one logic: one problem requires one model.” Det kan tyckas vara en självklarhet att varje modell är en förenkling av verkligheten, men tanken på att flera modeller kan komplettera varandra och belysa varandras blinda fläckar verkar ändå främmande i hanteringen av Corona-pandemin. Istället handlar den pågående debatten huvudsakligen om att välja ”rätt” modell. I takt med att ekonomier och samhällen blir allt mer komplexa (sammankopplade och ömsesidigt påverkade av varandra) finns det ytterligare skäl att ifrågasätta ett-till-ett-modelleringens förhärskande roll inom såväl forskning som policyutformning. Med komplexitet följer osäkerhet vilket betyder att det blir svårt att fånga tillräckligt mycket av variationen i ett fenomen i en enda modell. Det finns de som menar att i en mer komplex värld borde nya komplexa modeller ersätta de etablerade neoklassiska ekonomiska modellerna, men då byter man egentligen bara ut en modell mot en annan. Scott Page har föreslagit ett annat försvar för komplexa modeller och det är att de har fel på ett annat sätt än vad neoklassiska modeller har. Pages argument (Not Half Bad: A modest criterion for inclusion) bygger på att två prognostiserande modeller (en neoklassisk och en komplex) som är oberoende av varandra kommer att förklara olika delar av variationen i det fenomen som undersöks och därmed också ha olika fel. Page demonstrerar att så länge den komplexa modellens prognosfel inte är mer än tre gånger så stort som den neoklassiska modellens prognosfel kommer medelvärdet av de två modellerna att vara träffsäkrare än den neoklassiska modellen på egen hand. Pages exempel visar att även halvdana komplexa modeller kan tillföra något nytt, men även att två modeller ofta är bättre än en. Såväl den samhällspolitiska debatten om pandemin som det politiska agerandet för att stävja den präglas av en strävan efter att hela tiden reducera variationen i problemformuleringen och antalet modeller för att hamna i en ett-till-ett-lösning. Det är en olyckligt drag i samhällsdebatten eftersom det medför en polarisering mellan olika experter (och modeller) som egentligen borde kunna komplettera varandra. Det är dock ett desto grövre misslyckande för det politiska ledarskapet. En regering som bygger sin strategi för att bekämpa Corona-viruset på en enda modell sätter sig själva i en modellfälla som det blir svårt att ta sig ur. Det är en politisk inlåsningseffekt som följer av att man förlitar sig på ett enskilt vetenskapligt bidrag i en fråga som förändras snabbt. Det kanske tydligaste exemplet på detta hittills är den brittiska regeringens reaktion på en studie från forskare vid Imperial College. Modellen som användes i studien visade att även en dämpad smittspridning (i linje med den dåvarande brittiska strategin) skulle överbelasta den brittiska vården och leda till ett stort antal dödsfall. Det fick regeringen att snabbt byta till en strategi för att istället helt stoppa smittspridningen och därmed stänga ned ekonomin. Det är ett enormt politiskt avtryck kopplat till en enda modell! Nu har forskare vid Oxford University presenterat en ny studie som utmanar resultaten i studien från Imperial College. Den nya modellen indikerar att mörkertalet bland de smittade kan vara oväntat stort vilket skulle innebära att dödligheten är lägre än förväntat samt att smittspridningsförloppet är längre gånget än vad man tidigare trott. Det var förhållandevis enkelt att byta till en modell som förordar strängare åtgärder, men nu håller Imperial-college-modellen den brittiska regeringen gisslan. Att byta tillbaka om Oxfordmodellen skulle visa sig mer träffsäker är förknippat med omfattande kostnader både ekonomiskt och politiskt. Samtidigt borde Oxfordstudien inte i första hand betraktas som en konkurrent till studien från Imperial College, utan som ett komplement. Två modeller är bättre än en. I Sverige har statsepidemiologen Anders Tegnell varit tydlig med att Folkhälsomyndigheten inte tar hänsyn till samhällsekonomiska konsekvenser i sin analys utan just fokuserar på folkhälsoeffekter (SVT Agenda 22/3). Det är en rimlig avgränsning för en expertmyndighet, men inte för en regering. Samtidigt har regeringsföreträdare under pandemins förlopp återkommande hänvisat nästan uteslutande till Folkhälsomyndighetens expertråd för att motivera sina åtgärder. På så vis har även den svenska regeringen satt sig i en modellfälla genom att surra sig vid masten med Folkhälsomyndighetens modell (som vi inte vet så mycket om). Problemet är att politiskt handlar pandemier inte bara om folkhälsoeffekter utan även om bland annat ekonomi. För att byta modell måste nu antingen expertmyndigheten ändra sig eller så måste regeringen förklara att de experter man har förlitat sig på inte räckte till. Därför har det redan blivit svårt att balansera epidemiologiska och ekonomiska avvägningar. Det vi ser nu är hur regeringen med olika stödpaket försöker lösa depressionsproblemet sekventiellt efter folkhälsoproblemet istället för att väga dem mot varandra. Kanske är viljan att reducera pandemin till en sorts problem som kan behandlas med en sorts modell en konsekvens av bristen på information när vi ställs in för situationer förknippade med stor osäkerhet, men just denna brist talar också för behovet av flermodellstänkande. Hur undviker man bäst att hamna i en modellfälla? Scott Page har med hjälp av sina studenter vid University of Michigan tagit fram en webbplats som samlar flera modeller av Corona-pandemin och policyåtgärder kopplat till att motverka den. Syftet med webbplatsen är att: 1) To demonstrate how models are helping to explain and predict the spread of the COVID-19 pandemic, how they enable clearer communication and how they are helping to design better policies. 2) To show how ensembles of models and diverse models lead to more robust understanding and policies. 3) To explain in clear language the key models. 4) To use our collective energies and intelligence to produce public knowledge. Den målsättningen och ansatsen skulle den svenska regeringen med fördel kunna kopiera för att (till att börja med) kombinera epidemilogiska och ekonomiska modeller. Steal with pride! http://oordning.se/pandemin-och-modellfallan/

I HUSARRESTENS TID – FRÅN EPIDEMIOLOGI TILL EPISTEMOLOGI

Nicklas Lundblad

Medborgarna i Storbritannien och Frankrike sitter nu i husarrest. De sitter inte i karantän — karantän är en begränsad rörelsefrihet för den som misstänks vara sjuk — utan i snabbt beslutad, statligt påbjuden husarrest. Karantän – 40 dagars väntan om man kom från ett smittodrabbat områden – var en logisk åtgärd, men historiskt har den inte varit särskilt framgångsrik när det gäller att begränsa smitta. Det kvittar nu lika, eftersom det vi ser nu inte handlar om det — utan om att stilla den allmänna smittspridningen i samhället genom att lösa upp grundläggande fri- och rättigheter. Det kan fungera. Det kan misslyckas. Det saknas avgörande evidens, och det kan inga datamodeller i världen förändra. Vacker datorgrafik är fortfarande bara grafik, inte evidens. Åtgärden baseras inte på en analys av risk, utan utgör en reaktion på osäkerhet – att låtsas att vi hanterar risk när vi hanterar osäkerhet är inte bara ineffektivt, utan också farligt. Vad vi ser nu är en reaktion som baseras på omöjligheten att veta hur det ska gå, hur viruset beter sig och hur spritt det är och vilka konsekvenser pandemin kommer att få. Det intressanta är att det handlar inte om epidemiologiska strategier, utan om epistemologiska strategier; kunskapssökande strategier. Smittskyddsinstitut och andra experter är ganska öppna med att de reagerar på osäkerhet, och hoppas att hitta en modell som fungerar — det är också rationellt att reagera på osäkerhet med experiment för att se om det finns delar av osäkerheten som kan förvandlas till risk. De har ganska unisont också förklarat att vi inte vet hur det hela spelar ut över längre tid, och att en åtgärd nu mycket väl kan resultera i att vi bara fördelat om osäkerheten i tiden (i sig kan detta förstås vara värdefullt då man får tid att bygga kapacitet i hälsa och sjukvård). Det betyder dock inte att man får experimentera hur man vill inför osäkerhet — ett samhälle borde lägga fast regler för hur experiment av detta slag går till. En modell skulle kunna vara att ha en proportionalitetsprincip: är den åtgärd som vi föreslår ett experiment där värdet av informationen som vi skulle kunna få motsvarar den kostnad som experimentet betingar? Notera att en sådan princip inte låtsas att experimentet – åtgärden – inte kamoufleras som ett bevisat effektivt svar på osäkerheten, utan just som ett experiment för att lära oss mer. Det är viktigt, eftersom det gör det möjligt att undersöka kostnaden för åtgärden med en riktig värdering av dess nytta — den extra kunskap som vi får — och inte i utgångspunkt i en fiktivt säker verkan. Det är en väldig skillnad mellan att svara ”jag vet inte, men ska se vad vi kan ta reda på” och ”den här åtgärden har 55% sannolikhet att reducera antalet sjuka med 33%”. ”Jag vet inte” är nog det rätta svaret oftare än vi skulle vilja medge. Då kan man närma sig olika åtgärder med en empirisk, men ödmjuk hållning: vi står inför osäkerhet, vi måste experimentera och se vad vi kan lära oss och samtidigt göra det med proportionalitet i åtanke. En annan möjlig princip är extremprincipen. Enligt den bör de experiment ett samhälle vidtar vi osäkerhet vara så extrema som möjligt för att försöka undvika eller reducera osäkerheten så snabbt som möjligt, eftersom den skapar en situation där ytterligare osäkerhet förräntas mycket, mycket snabbt. Betänk vad en andra svart svan skulle innebära nu: en jordbävning i ett storstadsområde (som i Kroatien), ett större krigsutbrott eller en andra pandemi (att vi har en pandemi på basis av ett Coronavirus minskar inte automatiskt risken att vi får en pandemi baserad på exempelvis ett influensavirus eller Ebola, och i USA just nu har man en ganska elak influensasäsong). Effekten av en andra svart svan är inte additiv, utan multiplikativ -.- den fördubblas av den första svarta svanen. Extremprincipen utgår därför från att en massiv “överreaktion” omedelbart är det enda sättet att se till att vi inte befinner oss in situation där extra risk är multiplikativ, utan endast additiv och att alla experiment bör utformas för att ha så stor effekt som möjligt, så snabbt som möjligt. Den torde också vara exklusiv — den går inte att kombinera med en proportionalitetsprincip, eftersom den syftar till att blixtsnabbt reducera så mycket osäkerhet som möjligt till risk. Det är också värt att extremprincipen kallas så för att den tillåter två olika strategier: den ena är att inte göra något alls och den andra att leta efter de mest extrema åtgärderna. Båda dessa strategier är försvarbara under extremprincipen. Om vi tror att en osäkerhet är tidsbegränsad kan det snabbaste sättet att eliminera den vara att göra — ingenting. Boris Johnsons tidiga analys – skogsbrandstanken – var ett tydligt exempel på hur extremprincipen kan tas till intäkt för att inte förlänga osäkerheten med interventioner. Hur skulle dessa olika principer se ut i praktiken? Få länder spelar med rena strategier, men intressant nog tycks Sverige spela med en rätt så renodlad proportionalitetsprincip: våra åtgärder passar det mönstret väl och skulle kunna berättigas med en proportionalitetsprincip. Husarresten i Frankrike och Storbritannien ser kanske ut som om de var baserade på extremprincipen, men det är de inte — dessa åtgärder kommer alldeles för sent. Nya Zeeland tillämpar en variant av extremprincipen med husarrest mycket, mycket tidigt i pandemin — Frankrike och Storbritannien försöker dock växla från den ena principen till den andra, och det går – enligt den inneboende logiken i extremprincipen – inte. I stället arbetar de utifrån en sorts eskaleringsprincip där åtgärderna hela tiden skärps om de inte upplever att de har tillräckligt med kunskap. En sådan epistemologisk strategi påminner om den panikslagnes: frågorna blir gällare och gällare, slutsatserna mer och mer långtgående och den egna handlingsplanen mer och mer drastisk inför osäkerheten. Extremprincipen, proportionalitetsprincipen och eskaleringsprincipen är alla exempel på epistemologiska strategier som ger olika politiska utfall och konsekvenser. Det kanske viktigaste politiska påpekandet är att de två första ger en naturlig utväg ur åtgärderna — åtgärder vidtagna under extremprincipen är så kraftfulla att de är naturligt begränsade i tiden. Proportionalitetsprincipen ebbar ut efter det att den nått tillräcklig risk. Eskaleringsprincipen är dock svårare att backa ut ur — och det demokratiska inflytandet över vägen tillbaka är oklart. Hur kan Storbritanniens och Frankrikes medborgare häva sin husarrest? Är det endast i nästa val de kan göra det? En stor del av oenigheten kring frågan om pandemin kan spåras till en oenighet om vårt problem är epistemologiskt eller epidemiologiskt. Det i sin tur beror av om vi anser att krisen handlar om osäkerhet eller risk. Om vi anser att den handlar om osäkerhet blir uppgiften att söka en princip som vi tror ger en bra kunskapsstrategi, och som samtidigt inte underminerar demokratins grundvalar och erbjuder en rättssäker väg ur krisen. Den epistemologiska strategin föregår den epidemiologiska.

Inkompetenta regeringar kan inte hantera pandemier

Att USA var så illa förberett på viruskrisen har att göra med hur Trumps administration arbetade från första dagen.

Janerik Larsson

Publicerad 2020-03-21

President Obamas säkerhetspoliska rådgivare Susan Rice har attackerat Trump i Washington Post och POLITICO har redovisat hur ett möjligt pandemihot lyftes för den nya administrationen redan i januari 2017. Det handlar om riskperspektiv som Donald Trump helt struntade i, berättar en av hans medarbetare anonymt i POLITICO: ”Han var helt fokuserad på börsen, på ekonomin och på att förtala sin företrädare.”

Michael Lewis är en amerikansk journalist som med stor framgång ägnat sig åt att belysa olika aspekter på riskhantering. Hans debutbok ”Liar’s poker” (1989) handlade om hans egna upplevelser som aktiehandlare hos investment-banken Solomon Brothers. Där beskrivs hur man på Wall Street skapade nya finansiella instrument som innebar risker som varken bankerna eller investerarna fullt ut förstod.

Efter den stora finanskrisen 2007–2009 skrev han boken ”The big short” som med tiden blev en Oscarsbelönad film, och som handlade just om de komplexa, finansiella risker som utlöste krisen. Hösten 2016 utkom hans bok ”The undoing project”, om de båda israelisk-amerikanska psykologerna Daniel Kahnemans (Nobelpristagare i ekonomi 2002) och Amos Tverskys studier av hur människor hanterar risk.

Sedan den höst då Trump valdes till president har det faktum att regeringsapparaten – med statschefen tillika överbefälhavaren – är landets yttersta hanterare av mycket stora risker, blivit mer iögonfallande. Med det perspektivet började Lewis undersöka hur den blivande regeringsadministrationen hanterade övergången från Obamaregeringen.

Den amerikanska regeringens departement är enligt lag skyldiga att noga förbereda en ny administrations intåg. Det amerikanska systemet bygger på omfattande personalförändringar i byråkratin. Det handlar om tusentals personer som senaten ska godkänna. I Lewis bok ”The fifth risk” som utkom hösten 2018 beskrivs det närmast ofattbara kaos som präglade maktskiftet efter att Trump avlagt presidenteden i januari 2017. Den nya presidenten visade ingen som helst förståelse för behovet av en kompetent regeringsbyråkrati.

Det som gör Lewis bok så intressant – och aktuell – är att den fokuserar på hur effektiviteten och analysförmågan i regeringsapparaten undergrävs eller utplånas. Han skriver utförligt om hur det amerikanska energidepartementet hanterat hur landets kärnvapen tillverkats och förvaras. Bokens titel, ”den femte risken”, pekar specifikt på stora hot som ingen på förhand tänker på, som exempelvis hur man stoppar en pandemi, sådant som en kompetent regeringsapparat måste förbereda sig för. Att USA var så illa förberett på viruskrisen har således mycket att göra med hur Trumps administration arbetade från första dagen.

https://www.svd.se/inkompetenta-regeringar-kan-inte-hantera-pandemier/i/senaste/om/ledare

Ser mailet konstigt ut? Klicka i så fall här. Ett perspektiv på coronaviruspandemin  A fiasco in the making? As the coronavirus pandemic takes hold, we are making decisions without reliable data By JOHN P.A. IOANNIDIS The current coronavirus disease, Covid-19, has been called a once-in-a-century pandemic. But it may also be a once-in-a-century evidence fiasco. At a time when everyone needs better information, from disease modelers and governments to people quarantined or just social distancing, we lack reliable evidence on how many people have been infected with SARS-CoV-2 or who continue to become infected. Better information is needed to guide decisions and actions of monumental significance and to monitor their impact. Draconian countermeasures have been adopted in many countries. If the pandemic dissipates — either on its own or because of these measures — short-term extreme social distancing and lockdowns may be bearable. How long, though, should measures like these be continued if the pandemic churns across the globe unabated? How can policymakers tell if they are doing more good than harm? Vaccines or affordable treatments take many months (or even years) to develop and test properly. Given such timelines, the consequences of long-term lockdowns are entirely unknown. The data collected so far on how many people are infected and how the epidemic is evolving are utterly unreliable. Given the limited testing to date, some deaths and probably the vast majority of infections due to SARS-CoV-2 are being missed. We don’t know if we are failing to capture infections by a factor of three or 300. Three months after the outbreak emerged, most countries, including the U.S., lack the ability to test a large number of people and no countries have reliable data on the prevalence of the virus in a representative random sample of the general population. This evidence fiasco creates tremendous uncertainty about the risk of dying from Covid-19. Reported case fatality rates, like the official 3.4% rate from the World Health Organization, cause horror — and are meaningless. Patients who have been tested for SARS-CoV-2 are disproportionately those with severe symptoms and bad outcomes. As most health systems have limited testing capacity, selection bias may even worsen in the near future. The one situation where an entire, closed population was tested was the Diamond Princess cruise ship and its quarantine passengers. The case fatality rate there was 1.0%, but this was a largely elderly population, in which the death rate from Covid-19 is much higher. Projecting the Diamond Princess mortality rate onto the age structure of the U.S. population, the death rate among people infected with Covid-19 would be 0.125%. But since this estimate is based on extremely thin data — there were just seven deaths among the 700 infected passengers and crew — the real death rate could stretch from five times lower (0.025%) to five times higher (0.625%). It is also possible that some of the passengers who were infected might die later, and that tourists may have different frequencies of chronic diseases — a risk factor for worse outcomes with SARS-CoV-2 infection — than the general population. Adding these extra sources of uncertainty, reasonable estimates for the case fatality ratio in the general U.S. population vary from 0.05% to 1%. That huge range markedly affects how severe the pandemic is and what should be done. A population-wide case fatality rate of 0.05% is lower than seasonal influenza. If that is the true rate, locking down the world with potentially tremendous social and financial consequences may be totally irrational. It’s like an elephant being attacked by a house cat. Frustrated and trying to avoid the cat, the elephant accidentally jumps off a cliff and dies. Could the Covid-19 case fatality rate be that low? No, some say, pointing to the high rate in elderly people. However, even some so-called mild or common-cold-type coronaviruses that have been known for decades can have case fatality rates as high as 8% when they infect elderly people in nursing homes. In fact, such “mild” coronaviruses infect tens of millions of people every year, and account for 3% to 11% of those hospitalized in the U.S. with lower respiratory infections each winter. These “mild” coronaviruses may be implicated in several thousands of deaths every year worldwide, though the vast majority of them are not documented with precise testing. Instead, they are lost as noise among 60 million deaths from various causes every year. Although successful surveillance systems have long existed for influenza, the disease is confirmed by a laboratory in a tiny minority of cases. In the U.S., for example, so far this season 1,073,976 specimens have been tested and 222,552 (20.7%) have tested positive for influenza. In the same period, the estimated number of influenza-like illnesses is between 36,000,000 and 51,000,000, with an estimated 22,000 to 55,000 flu deaths. Note the uncertainty about influenza-like illness deaths: a 2.5-fold range, corresponding to tens of thousands of deaths. Every year, some of these deaths are due to influenza and some to other viruses, like common-cold coronaviruses. In an autopsy series that tested for respiratory viruses in specimens from 57 elderly persons who died during the 2016 to 2017 influenza season, influenza viruses were detected in 18% of the specimens, while any kind of respiratory virus was found in 47%. In some people who die from viral respiratory pathogens, more than one virus is found upon autopsy and bacteria are often superimposed. A positive test for coronavirus does not mean necessarily that this virus is always primarily responsible for a patient’s demise. If we assume that case fatality rate among individuals infected by SARS-CoV-2 is 0.3% in the general population — a mid-range guess from my Diamond Princess analysis — and that 1% of the U.S. population gets infected (about 3.3 million people), this would translate to about 10,000 deaths. This sounds like a huge number, but it is buried within the noise of the estimate of deaths from “influenza-like illness.” If we had not known about a new virus out there, and had not checked individuals with PCR tests, the number of total deaths due to “influenza-like illness” would not seem unusual this year. At most, we might have casually noted that flu this season seems to be a bit worse than average. The media coverage would have been less than for an NBA game between the two most indifferent teams. Some worry that the 68 deaths from Covid-19 in the U.S. as of March 16 will increase exponentially to 680, 6,800, 68,000, 680,000 … along with similar catastrophic patterns around the globe. Is that a realistic scenario, or bad science fiction? How can we tell at what point such a curve might stop? The most valuable piece of information for answering those questions would be to know the current prevalence of the infection in a random sample of a population and to repeat this exercise at regular time intervals to estimate the incidence of new infections. Sadly, that’s information we don’t have. In the absence of data, prepare-for-the-worst reasoning leads to extreme measures of social distancing and lockdowns.  Unfortunately, we do not know if these measures work. School closures, for example, may reduce transmission rates. But they may also backfire if children socialize anyhow, if school closure leads children to spend more time with susceptible elderly family members, if children at home disrupt their parents ability to work, and more. School closures may also diminish the chances of developing herd immunity in an age group that is spared serious disease. This has been the perspective behind the different stance of the United Kingdom keeping schools open, at least until as I write this. In the absence of data on the real course of the epidemic, we don’t know whether this perspective was brilliant or catastrophic. Flattening the curve to avoid overwhelming the health system is conceptually sound — in theory. A visual that has become viral in media and social media shows how flattening the curve reduces the volume of the epidemic that is above the threshold of what the health system can handle at any moment. Yet if the health system does become overwhelmed, the majority of the extra deaths may not be due to coronavirus but to other common diseases and conditions such as heart attacks, strokes, trauma, bleeding, and the like that are not adequately treated. If the level of the epidemic does overwhelm the health system and extreme measures have only modest effectiveness, then flattening the curve may make things worse:  Instead of being overwhelmed during a short, acute phase, the health system will remain overwhelmed for a more protracted period. That’s another reason we need data about the exact level of the epidemic activity. One of the bottom lines is that we don’t know how long social distancing measures and lockdowns can be maintained without major consequences to the economy, society, and mental health. Unpredictable evolutions may ensue, including financial crisis, unrest, civil strife, war, and a meltdown of the social fabric. At a minimum, we need unbiased prevalence and incidence data for the evolving infectious load to guide decision-making. In the most pessimistic scenario, which I do not espouse, if the new coronavirus infects 60% of the global population and 1% of the infected people die, that will translate into more than 40 million deaths globally, matching the 1918 influenza pandemic. The vast majority of this hecatomb would be people with limited life expectancies. That’s in contrast to 1918, when many young people died. One can only hope that, much like in 1918, life will continue. Conversely, with lockdowns of months, if not years, life largely stops, short-term and long-term consequences are entirely unknown, and billions, not just millions, of lives may be eventually at stake. If we decide to jump off the cliff, we need some data to inform us about the rationale of such an action and the chances of landing somewhere safe. John P.A. Ioannidis is professor of medicine, of epidemiology and population health, of biomedical data science, and of statistics at Stanford University and co-director of Stanford’s Meta-Research Innovation Center.

Ser mailet konstigt ut? Klicka i så fall här.

Vad kan historien lära oss om hur man möter epidemier? Man ska aldrig underskatta historiska perspektiv. Här ett exempel. Plagues follow bad leadership – how the Ancients understood epidemics BY JOEL CHRISTENSEN, The Conversation. In the fifth century B.C., the playwright Sophocles begins “Oedipus Tyrannos” with the title character struggling to identify the cause of a plague striking his city, Thebes. (Spoiler alert: It’s his own bad leadership.) As someone who writes about early Greek poetry, I spend a lot of time thinking about why its performance was so crucial to ancient life. One answer is that epic and tragedy helped ancient storytellers and audiences try to make sense of human suffering. From this perspective, plagues functioned as a setup for an even more crucial theme in ancient myth: a leader’s intelligence. At the beginning of the “Iliad,” for instance, the prophet Calchas – who knows the cause of a nine-day plague – is praised as someone “who knows what is, what will be and what happened before.” This language anticipates a chief criticism of Homer’s legendary King Agamemnon: He does not know “the before and the after.” The epics remind their audiences that leaders need to be able to plan for the future based on what has happened in the past. They need to understand cause and effect. What caused the plague? Could it have been prevented? Myths help their audiences understand the causes of things. As narrative theorists like Mark Turner and specialists in memory like Charles Fernyhoughemphasize, people learn how to behave from stories and concepts of cause and effect in childhood. The linear sequence of before, now and after communicates the relationships between things and how we, as human beings, understand our own responsibility in the world. Plague stories provide settings where fate pushes human organization to the limit. Human leaders are almost always crucial to the causal sequence, as Zeus observes in Homer’s “Odyssey,” saying, as I’ve translated it, “Humans are always blaming the gods for their suffering / but they experience pain beyond their fate because of their own recklessness.” The problems humans create go beyond just plagues: The poet Hesiod writes that the top Greek god, Zeus, showed his disapproval for bad leaders by burdening them with military failures as well as pandemics. The consequences of human failings are a refrain in the ancient critique of leaders, with or without plagues: The “Iliad,” for instance, describes rulers who “ruin their people through recklessness.” The “Odyssey” phrases it as “bad shepherds ruin their flocks.” Plagues were common in the ancient world, but not all of them were blamed on leaders. Like other natural disasters, they were frequently blamed on the gods. But historians, like Polybius in the second century B.C. and Livy in the first century B.C., also frequently recount epidemics striking armies and people in swamps or cities with poor sanitation. Philosophers and physicians also searched for rational approaches – blaming the climate, or pollution. When the historian Thucydides recounts how a plague with alleged origins in Ethiopia hit Athens in 430 B.C., he vividly describes patients suffering a sudden high fever, shortness of breath and an array of sickly discharges. Those who survived the sickness had endured such delirious fevers that they might have no memory of it all. Athens as a state was unprepared to meet the challenge of that plague. Thucydides describes the futility of any human response: Appeals to the gods and the work of doctors – who died in droves – were equally useless. The disease wreaked havoc because the Athenians were massed within the city walls to wait out the Spartan armies during the Peloponnesian War. Yet despite the plague’s terrible nature, Thucydides insists that the worst part was the despair people felt from fear and the “horror of human beings dying like sheep.” Sick people died of neglect, of the lack of proper shelter and of disease spreading from improper burials in an unprepared and overcrowded city, followed by looting and lawlessness. Athens, set up as a fortress against its enemies, brought ruin upon itself. Left out of plague accounts are the names of the multitudes who died in them. Homer, Sophocles and Thucydides tell us that masses died. But plagues in ancient narratives are usually the beginning, not the end of the story. A plague didn’t stop the Trojan War, prevent Oedipus’ sons from waging civil war or give the Athenians enough reasons to make peace. For years after the ravages of the plague, Athens still suffered from in-fighting, toxic politics and selfish leaders. Popular politics led to the disastrous Sicilian Expedition of 415 B.C., killing thousands of Athenians – but still Athens survived. A decade later, the Athenians again broke into civil factions and eventually prosecuted their own generals after a naval victory in 406 B.C. at Arginusae. In 404 B.C., after a siege, Sparta defeated Athens. But, as we learn from Greek myth, it was – again – really Athens’ leaders and people who defeated themselves. Joel Christensen is Associate Professor of Classical Studies, Brandeis University

Mer häxjakt än forskning

Uppsala universitet har inrättat ett forskningsprogram om "Nyliberalism i Norden". Men för att förstå de reformer som gjordes, ofta av socialdemokrater, så måste man också ta i beaktande den kritik som fanns mot DDR-Sverige och bristande dynamik inom välfärdssektorn. Detta tycks forskarna bortse ifrån, menar Janerik Larsson.

Janerik Larsson

Publicerad 15 mars 2020, 21.11

I årets första utgåva av tidskriften Respons presenterar professor Jenny Andersson Uppsala universitets forskningsprogram ”Nyliberalismen i Norden – Ett nytt historiskt fält” finansierat av Riksbankens Jubileumsfond.

När jag läser artikeln slås jag av några tankar.

För det första tror jag att man för att förstå vad nyliberalism stått och står för måste beakta att Norden inte på något sätt är en enhet utan att det handlar om i grunden mycket olika länder, med olika historiska erfarenheter et cetera.

Forskningsprogrammet bortser från de problem som den svenska välfärdsstaten präglades av i synnerhet på 70- och 80-talen

För det andra tycks det som att forskningsprogrammet inte observerat en faktor som var viktig för det som hände i Sverige nämligen den lätthet med vilken svensk socialdemokrati, med undantag för vad jag skulle vilja beteckna som parentesen löntagarfonder, hanterat relationerna med näringslivet i allmänhet, men främst storföretagen.

För det tredje förefaller det som om forskningsprogrammet – så som det beskrivs – bortser från de olika problem som den svenska välfärdsstaten präglades av i synnerhet på 70- och 80-talen: bristande ekonomisk dynamik som skulle leda till svårigheter att finansiera den omfattande välfärdsstat som byggts upp samt det missnöje som fanns med det som åtminstone skämtsamt brukade kallas ”DDR-Sverige”. Den stora Maktutredningen, som 1990 presenterade slutrapporten Demokrati och makt i Sverige (SOU 1990:44) är den viktiga utgångspunkt som inte nämns i Anderssons artikel.

I den fokuseras i stället på en viktig följd av den verklighetsbild som tecknades i Maktutredningen, nämligen Lindbeckkommissionen 1992 – 1993 som drog upp riktlinjerna för hanteringen av 90-talskrisen. Kanske finns här den felaktiga föreställningen att Lindbecks arbete inte skulle vunnit betydande gehör inom socialdemokratin. Se på Göran Perssons regeringsperiod!

En hypotes i Anderssons artikel är att de reformer som brukar sammanföras under etiketten nyliberalism idag ifrågasätts därför att ihåligheten i löftet om social rörlighet och frihet blivit tydligt vilket i sin tur utlöst sociala reaktioner.

Så är det knappast. Åtminstone inte i Sverige.

I den svenska debatten om ”nyliberalismen” har vänsterns fokus efterhand i växande utsträckning men gradvis fokuserat på ett speciellt område nämligen friskolorna. Av intresse för forskningsprojektet borde vara att här följa hur den frågan hanterats inom socialdemokratin. Den ideologiska besatthet som efterhand vuxit fram kan knappast kopplas till några sociala reaktioner utan ter sig i allt väsentligt som en politisk bedömning som har likheter med det politiska stämningsläge som på 70-talet drev fram Metalls, sedermera LO:s och till slut SAP:s löntagarfondsförslag.

I Anderssons artikel pekar hon på vikten att studera ”föreställningen om att marknaden på olika sätt kunde erbjuda en frihet på olika sätt kunde erbjuda en frihet eller en social rörlighet som var väsensskild från den som välfärdsstaten stod för”.

Men detta var ju ingen ogrundad föreställning utan – som Maktutredningen visade – en högst påtaglig realitet med allt från valutarestriktioner till välfärdsstatens monopolerbjudanden.

När jag på SAF på 80-talet kom i kontakt med de krafter som till exempel kom att ligga bakom friskolereformen handlade det ju om personer som såg stora möjligheter att erbjuda medborgarna tjänster som var kvalitativt överlägsna den monopolmodell de var inlåsta i.

Nu ter sig forskningsprogrammet mera som en politisk-ideologisk häxjakt utan fast grund

Det handlar inte, som Andersson tycks tro, om ”en symbolisk bild av marknaden” utan om realiteter både för de som skulle leverera tjänsterna och de som skulle ta emot dessa.

Jag vill betona vikten av att forskningsprojektet verkligen grundligt analyserar förändringsprocessen inom den vid denna tid i svensk politik ännu helt dominerande socialdemokratiska rörelsen. Varken för socialdemokratins tänkare eller för dess kritiker handlade det primärt om en frigörelse från ett ”historiskt socialdemokratiskt ok” som Andersson skriver. Inom socialdemokratin fanns starka krafter som med ”egenmakt” som valspråk stödde förändringstänkandet. Likaså finns inom svensk socialdemokrati en stark tradition av samarbete med ett dynamiskt näringsliv. Här finns en förklaring kring varför tankar på verksamheter i icke-vinstdrivande form aldrig tett sig intressanta. Där finns ingen ekonomisk dynamik, inga förutsättningar för företagsbyggande över landsgränsen.

Andersson skriver om en i praktiken icke-existerande förfluten tid med jämn fördelning mellan vinstdrivande och icke-vinstdrivande aktörer i välfärden. Här döljer sig säkert den inte ovanliga bristen på förståelse för vad vinst är – även så kallat icke-vinstdrivande företag måste för sin överlevnad skapa ett överskott.

Andersson återkommer avslutningsvis till att utvecklingen från 70-talet och framåt sannolikt hade ”ett slags politisk och folklig legitimitet” men att när många av dessa marknadsprocessers effekter i dag framstår som allt tydligare kan de ”väcka bestörtning”.

Var finns egentligen denna bestörtning? Det är frågan som Anderssons artikel inte närmar sig utan detta är en underförstådd självklarhet.

Samtidens oro och olust tål säkert diskuteras och det finns problem som behöver hanteras, men tron att ”nyliberalismen” framkallat någon sådan självklar, lätt studerad problematik förtjänar att underbyggas.

Nu ter sig forskningsprogrammet mera som en politisk-ideologisk häxjakt utan fast grund.

https://timbro.se/smedjan/mer-haxjakt-an-forskning/