19 C
Athens
Παρασκευή, 8 Νοεμβρίου, 2024

ΕΠΙΚΟΙΝΩΝΙΑ

Ασκήσεις πολιτικής αριθμητικής: Οι στατιστικές και οι ιοί, του Δημήτρη Λένη

Πηγή

 

Υπάρχουν ενδείξεις που μπορεί κανείς να ‘ψαρέψει’ στους μηχανισμούς (ανα)παραγωγής ιδεολογίας (κυρίως δηλαδή τα μέσα ενημέρωσης), ότι και στα δεξιά αλλά και στα αριστερά του πολιτικού φάσματος έχει σταδιακά δημιουργηθεί ένα ευρύτερο consensus, ένα αφήγημα που λέει ότι μέσα στην ατυχία μας να χτυπηθούμε από τον SARS-CoV-2, υπάρχει κι ένα μακροπρόθεσμο καλό: ότι επιτέλους “είναι η πρώτη φορά που φαίνεται ότι σε παγκόσμια κλίμακα οι κυβερνήσεις ακούν τους

επιστήμονες και ακολουθούν τα μέτρα που αυτοί υποδεικνύουν, ακόμη και εάν έχουν μεγάλο κοινωνικό και οικονομικό κόστος” [τα μέτρα, όχι οι επιστήμονες, τουλάχιστον όχι όλοι τους]. Ότι με άλλα λόγια, δεδομένης και της διάδοσης στον ευρύτερο πληθυσμό στοιχείων επιστημονικής γνώσης (ας μην ξεχνάμε λ.χ. ότι ποτέ στην ιστορία δεν είχε υπάρξει ένα τόσο μεγάλο ποσοστό της ανθρωπότητας με μόρφωση και μάλιστα πάνω από το στοιχειώδες επίπεδο), υπάρχουν (ασθενέστατες έστω, αλλά υπάρχουν) ενδείξεις ότι ίσως, μπορεί και να περνάμε από μια εποχή πολιτικού ανορθολογισμού σε μια εποχή όπου, τέλος πάντων, στοιχεία επιστημονικού ορθολογισμού θα συνδιαμορφώνουν τις εφαρμοζόμενες από τις κυβερνήσεις πολιτικές.

Θα μπορούσε μάλιστα κανείς να επιχειρηματολογήσει ότι κάτι τέτοιο θα μπορούσε να οδηγήσει και σε μια τάση, μια κάποια πίεση για εμβάθυνση της δημοκρατίας, για κάπως πιο πραγματική δημοκρατία: αν τα επιστημονικά επιχειρήματα γίνονται τμήμα της πολιτικής πρακτικής, αυτό συμβαίνει από την πίεση του λαϊκού παράγοντα που κατανοεί την αξία των επιστημονικών επιχειρημάτων και ζητάει την εφαρμογή τους.

Δείτε, για παράδειγμα, το πώς τα λαϊκά στρώματα συμμετείχαν λίγο πολύ αυθόρμητα στην καραντίνα, χωρίς να χρειαστεί σοβαρός καταναγκασμός από το κράτος, με αποτέλεσμα ακόμα και μια χώρα με ιστορικό απειθαρχίας, όπως η δική μας, να έχει υποδειγματικές επιδόσεις, που αν δεν τις χαιρετά ο διεθνής τύπος, πάντως τις διατυμπανίζει ο εγχώριος. Ή πάλι, το πώς το βρετανικό κράτος, ύστερα από τις προειδοποιήσεις των γιατρών, ή τέλος πάντων των επιδημιολόγων, έκανε μεταβολή και, εγκαταλείποντας την “κατάπτυστη”, “αντεπιστημονική” γραμμή της ανοσίας αγέλης, επέστρεψε σε πιο λογικές στρατηγικές εγκλεισμού. Ή, σε ένα κάπως πιο απρόσμενο παράδειγμα, το πώς η κυβέρνηση της Χαμάς στην Γάζα σιωπηρά δέχτηκε Παλαιστίνιοι γιατροί να εκπαιδευτούν από τους Ισραηλινούς σε ζητήματα επιδημιών (αν και δεν είναι ακόμα καθαρό κατά πόσον η πρωτοβουλία ανήκει στην Χαμάς στη Γάζα ή στην αντίπαλή της παλαιστινιακή κυβέρνηση της Ραμάλα: φαίνεται ότι ο ιός μπορεί να απαλύνει την αντιπαλότητα Χαμάς-Ισραήλ μπροστά στην επιστημονική αναγκαιότητα, αλλά όχι και το μίσος που χωρίζει Χαμάς και Παλαιστινιακή Αρχή. Μην τα θέλουμε κι όλα δικά μας).

Υπάρχουν λόγοι να αμφισβητηθεί αυτό το αφήγημα;

Φυσικά και υπάρχουν! Συχνά η πραγματικότητα, ειδικά η μεταμοντέρνα ‘πραγματικότητα’, είναι η ίδια τόσο θρυμματισμένη, άκεντρη, πολυδιάστατη που είναι αδύνατο να μην ισχύουν ταυτόχρονα αντιθετικές περιγραφές της: περιγραφές που δεν γίνεται μάλιστα να συντεθούν, αντίθετα από το τι θα ήθελε μια μηχανιστική και μη διαλεκτική ανάγνωση της ίδιας της διαλεκτικής, η ανάγνωση δηλαδή που βλέπει παντού και πάντα θέσεις κι αντιθέσεις που αυτόματα, μηχανιστικά συντίθενται σε ένα υποτιθέμενο ανώτερο επίπεδο, κάνοντας ακόμα και τα ιδεαλιστικά κόκαλα του Χέγκελ (…ήταν ιδεαλιστής μέχρι το κόκαλο) να τρίζουν. Αλλά για εσάς τους αντιδιαλεκτικούς ντετερμινιστές εκεί έξω, υπάρχει ένα ακόμα εφιαλτικότερο ενδεχόμενο: λόγω της συγκυρίας της πανδημίας, μπορεί να έχουμε μπει σε αυτή τη ζώνη του λυκόφωτος, σε αυτήν τη θαμπή, αποδομητική, ντερινταϊκή περιοχή που η ίδια η πραγματικότητα λιώνει σε μια άμορφη μορφή κενή περιεχομένου, που οι αναγκαστικά πολλές, αναγκαστικά αντιθετικές περιγραφές της απλώς δεν ισχύουν. Καμία από αυτές. Αναγκαστικά. Δεν ισχύουν. Τελεία και παύλα.

Χαμηλότερα δεν γίνεται να πέσουμε: Ακούς εκεί, ‘ντερινταϊκή’…

 

Κράτος και στατιστική

O σοφιστής Πρωταγόρας που ζούσε σε μια δουλοκτητική κοινωνία, είπε: “Πάντων χρημάτων μέτρον άνθρωπος”. Ο κόσμος προόδευσε, οι δούλοι έσπασαν τις αλυσίδες τους, ζούμε σε καπιταλισμό, οπότε μια χρήσιμη επικαιροποίηση του ρητού θα ήταν “Πάντων ανθρώπων μέτρον χρήμα”. Σε αυτό το πνεύμα, ας υποθέσουμε ότι κάποιος σας προτείνει να σας δώσει 10.000 ευρώ, αν δεχτείτε να κάνετε κάτι που έχει μία πιθανότητα στο δισεκατομμύριο να σας σκοτώσει αμέσως. Μπαμ και κάτω. Σύμφωνα με (μη δημοσιευμένη) έρευνα του συγγραφέα μεταξύ των γνωστών του, οι πιθανότητες είναι ότι αφού ρωτήσετε αυτόν που σας κάνει την πρόταση κάτι σχετικό με την κατά μόνας σεξουαλικότητά του, κατόπιν θα αρνηθείτε ευγενικά (ή όχι) την προσφορά. Από την άλλη μεριά, αν ξέρατε ότι το σούπερμάρκετ στην άλλη μεριά του δρόμου έχει την αγαπημένη σας μάρκα αντισηπτικά μαντηλάκια 50 λεπτά του ευρώ φτηνότερα, το πιθανότερο είναι ότι θα πηγαίνατε να τα πάρετε: 2 πακέτα επί 0.50€ = 1€ κέρδος. Δεδομένου ότι πέρυσι είχαμε 122 πεζούς νεκρούς από αυτοκινητιστικά ατυχήματα σε αστικές περιοχές, αυτό σημαίνει ότι οι ημερήσιες πιθανότητές σας να πεθάνετε διασχίζοντας το δρόμο για να πάρετε τα μαντηλάκια είναι περίπου μία στα 3 εκατομμύρια. Οι εποχές είναι δύσκολες βέβαια, και ένα ευρώ είναι ένα ευρώ, αλλά εδώ αρνείστε 10.000 ευρώ για μία πιθανότητα στο δισεκατομμύριο, ωστόσο δέχεστε ένα ευρώ για κάτι που είναι πολύ πιο πιθανό (330 φορές πιο πιθανό) να σας σκοτώσει. Μμμ, ωραίο τρόπο έχετε να κοστολογείτε τη ζωή σας…

Αντίστοιχα είναι τα νούμερα για όσους αρνούνται να ταξιδέψουν με αεροπλάνο, αλλά δεν έχουν πρόβλημα να μπουν σε αυτοκίνητο (που είναι πολλές, πολλές, πολλές φορές πιο επικίνδυνο), με αυτούς που τρώνε μόνο βιολογικά προϊόντα, αλλά καπνίζουν (το κάπνισμα είναι οπωσδήποτε πολλές τάξεις μεγέθους μεγαλύτερος κίνδυνος για την υγεία από τα μεταλλαγμένα), που δεν θέλουν τη νομιμοποίηση των ναρκωτικών, αλλά δεν έχουν πρόβλημα με το αλκοόλ (που σκοτώνει πολλές φορές περισσότερους, και πιο φτωχούς, ανθρώπους), που φοβούνται τις κεραίες κινητής τηλεφωνίας αλλά μιλάνε με τις ώρες στο τηλέφωνό τους (άσχετα με το αν είναι επικίνδυνη η ακτινοβολία ή όχι, πάντως ένα τηλέφωνο στο αυτί αποδίδει τάξεις μεγέθους περισσότερη ακτινοβολία από μια κεραία στην κορυφή της πολυκατοικίας 30 μέτρα μακριά) κτλ.

Ακριβώς επειδή οι άνθρωποι γενικά αδυνατούν να υπολογίσουν πιθανότητες σχετικές με τη ζωή τους, τον ρόλο αυτό τον έχει με μεγάλη του χαρά αναλάβει το μητρικά προστατευτικό κράτος για εμάς. Ο ίδιος ο όρος στατιστική προέρχεται από το λατινικό statisticus = που έχει να κάνει με το κράτος – και πάλι καλά να λέμε δηλαδή που στα ελληνικά η λέξη δεν αποδόθηκε ως ‘κρατιστική’. (Οι Βρετανοί, πάντα μονόχνωτοι, για καμιά κατοσταριά χρόνια μέχρι το τέλος του 18ου αι., προτιμούσαν τον όρο ‘πολιτική αριθμητική’, απ’ όπου και ο τίτλος αυτού του άρθρου. Από κάτι τέτοια μικρά ξεκίνησαν και να τώρα που έμειναν έξω από το μεγάλο ευρωπαϊκό μας σπίτι. Ας πρόσεχαν).

Αν και διαδικασίες απογραφής, φορολογίας και δημογραφίας υπήρχαν στις μεγάλες προκαπιταλιστικές αυτοκρατορίες, εντούτοις η στατιστική δεν πήρε τη σημερινή της μορφή και ονομασία παρά με την έλευση του καπιταλισμού και δύο από τις εξελίξεις που αυτός προκάλεσε: Η πρώτη είναι το σύγχρονο κράτος και οι γραφειοκρατικές του ανάγκες ακριβούς ταξινόμησης του πληθυσμού και κατάταξής του σε κατηγορίες ανάλογα με την ικανότητα του καθενός να φορολογείται, να στρατολογείται, να ψηφίζει, να γεννάει κλπ. Η δεύτερη είναι η ανάδυση μιας μορφωμένης τάξης αστών εμπόρων και βιομηχάνων (Bildungsbürgertum είναι η μελωδική γερμανική λέξη για αυτούς) που ήξεραν και να διοικούν (ως βιομήχανοι) και να υπολογίζουν (ως έμποροι), οι οποίοι ανάπτυξαν τις αναγκαίες επιστημονικές μεθόδους. Γρήγορα λοιπόν η στατιστική συνδέθηκε με τη μαθηματική θεωρία των πιθανοτήτων, οδηγώντας σε θριάμβους την σύνδεση επιστήμης και πολιτικής, ή πιο σωστά, την επιστημονική διαχείριση του κράτους στη βάση των αριθμητικών δεδομένων.

Παρά τη γενετική σχέση του μαζί της, το κράτος δεν είναι ο αποκλειστικός χρήστης της στατιστικής. Για παράδειγμα, ο μόνος τρόπος να εμπορευματοποιήσεις την ανθρώπινη ζωή είναι να την κοστολογήσεις (είπαμε: το χρήμα είναι μέτρο των ανθρώπων), και αυτό, όπως γρήγορα κατάλαβαν οι ασφαλιστικές εταιρίες και ο ευρύτερος χρηματοπιστωτικός τομέας, γίνεται με την στατιστική: π.χ. κάθε πελάτης ασφαλιστικής εταιρίας έχει διαφορετικό κόστος στο συμβόλαιό του ανάλογα με παράγοντες όπως ηλικία, φύλο, περιοχή κατοικίας, εισόδημα κτλ. Επίσης η διάδοση των υπολογιστών χειρός (των κινητών δηλαδή) δίνει δυνατότητες για συλλογή και επεξεργασία στατιστικών δεδομένων για εμπορευματοποίηση στον κοινωνικά χρήσιμο και παραγωγικό χώρο της (‘στοχευμένης’) διαφήμισης από τις σχετικές εταιρίες, όπως η Google ή η Facebook, οι οποίες με τη σεμνότητα που τις χαρακτηρίζει, χρησιμοποιούν τον σύντομο και εύληπτο όρο ‘big data’, αντί για το άκομψο και δυσνόητο ‘στατιστικές μέθοδοι σε πραγματικό χρόνο πάνω σε προσωπικά δεδομένα χρηστών που τα συλλέγουμε χωρίς να τους πολυρωτήσουμε’.

Βέβαια, θα συνεργαστούν με το κράτος όταν χρειαστεί. Επίκαιρο παράδειγμα: διάφορες εφαρμογές για περιορισμό της επιδημίας οι οποίες χρησιμοποιούν στατιστικά φίλτρα για να εντοπίσουν υψηλού κινδύνου άτομα. Τέτοιες εφαρμογές χρησιμοποιούνται ήδη στην Κίνα και γενικά την Άπω Ανατολή και καταφτάνουν οσονούπω και στη Δύση. Αυτές έχουν αναπτυχθεί από ιδιωτικές εταιρίες αλλά λειτουργούν κάτω από κρατική εποπτεία, και με την έγκριση της επιδημιολογίας.

Ειρήσθω εν παρόδω, η επιδημιολογία είναι ένας συνδυασμός ιατρικής και στατιστικής.

Τη σύγχρονη επιδημιολογία τη θεμελίωσε στο Λονδίνο του 19ου αιώνα ο John Snow ο οποίοςαπέδειξε με στατιστικές μεθόδους ότι η χολέρα δεν ήταν η ανάσα του δράκου, θεία τιμωρία, ή αποτέλεσμα μεσαιωνικής μαγείας αλλά μεταδιδόταν από το μολυσμένο νερό μιας κρήνης. Ο ίδιος, γύρω στον ενάμισι αιώνα αργότερα, θα μετέτρεπε το βαρετό John σε μοδάτο Jon για να γίνει κεντρικός ήρωας του Game of Thrones, όπου έμελε να ασχοληθεί με δράκους, μαύρη μαγεία, τυραννικούς ηγεμόνες, και άλλα τέτοια ορθολογικά. Βλέπουμε έτσι λοιπόν και στην πράξη ότι, καθώς περνούν τα χρόνια, η επιστήμη προοδεύει, καλυτερεύοντας τον κόσμο και διώχνοντας το σκοτάδι των προλήψεων που πιστεύουν οι τλήμονες θνητοί.

Αλλά η επιδημιολογία έμελλε να γίνει το μπάσταρδο της στατιστικής με την ιατρική μόνο αφού τα εφαρμοσμένα μαθηματικά θα έμπαιναν για τα καλά στο γονιδίωμά της. Μερικοί από τους πιο επιδραστικούς επιδημιολόγους ή στατιστικούς βιολόγους της εποχής μας δεν έχουν καθόλου σπουδές σε ιατρική αλλά είναι φυσικοί ή μαθηματικοί. Δεν είναι προφανές τι είναι χειρότερο, φυσικοί σε ρόλο επιδημιολόγων ή γιατροί σε ρόλο στατιστικολόγων. Πιθανώς και τα δύο να είναι τελικά εξίσου χειρότερα.

Μιλώντας τώρα από την πλευρά της στατιστικής (αφού σε αυτήν ο υπογραφόμενος δηλώνει ειδικός, ενώ στην ιατρική έχει τις, διόλου ευκαταφρόνητες βέβαια, γνώσεις του ξερόλα που έχει παρακολουθήσει μερικά επεισόδια του House), οι υπηρέτες αυτής της καθαυτό εμπειρικής επιστήμης δύο πρακτικές αρχές μαθαίνουν όταν αρχίζουν να την μελετούν: η πρώτη είναι ότι συσχέτιση δεν σημαίνει αιτιότητα: εάν βρεθεί ότι δύο γεγονότα συνδέονται στατιστικά, αυτό δεν σημαίνει ότι το ένα (και ποιο από τα δύο;) είναι αιτία του άλλου – χρειάζονται και άλλα τεκμήρια για να αποφασιστεί κάτι τέτοιο. Μάλιστα ακόμα και όταν όντως υπάρχει αιτιακή σχέση, ένα αποτέλεσμα δεν χρειάζεται να έχει μόνο μια αιτία, συχνά έχουμε πολλές αιτίες που δημιουργούν διαφορετικά αιτιατά – ενίοτε όμως ένα από αυτά μπορεί να είναι και οι εσφαλμένες ερμηνείες που παράγει η απρόσεκτη (ή μήπως εξαιρετικά προσεκτική;) στατιστικολόγος που αγνοεί όσες αιτίες ή όσα αποτελέσματα δεν της αρέσουν.

Η δεύτερη σημαντική αρχή είναι το GIGO (Garbage in, garbage out): ‘σκουπίδια στην είσοδο, σκουπίδια στην έξοδο’. Τα αποτελέσματα μιας ανάλυσης είναι τόσο καλά όσο τα δεδομένα που συλλέξαμε και ο τρόπος που τα αναλύσαμε. Πρόκειται για τον χρυσό κανόνα που απαρέγκλιτα ακολουθούν πολλοί από τους δαιμόνιους δημοσκόπους μας, οι οποίοι, με υψηλό αίσθημα ευθύνης, τοποθετούν προσεκτικά τις ενδιαφέρουσες αναλύσεις τους στην είσοδο. Από κει τις παίρνουν οι τόσο έγκυρες εφημερίδες μας, για να γεμίσουν τις σελίδες τους με αυτές, αλλά και οι πολιτικά αμερόληπτες τηλεοράσεις μας, για να έχουν κάτι να πουν στα αντικειμενικά δελτία τους. Στην έξοδο είμαστε εμείς με ανοιχτό στόμα.

Μια άλλη πραγματικότητα της στατιστικής είναι το γεγονός ότι δεν αποτελεί ακριβή επιστήμη. Οι εκτιμήσεις της για τα μεγέθη που μελετά πάντα δίνονται με ένα περιθώριο σφάλματος. Οι εκτιμήσεις των δημοσκοπήσεων λ.χ., τη βραδιά των εκλογών, τη μοναδική μέρα που δεν μπορούν παρά να δείξουν κάποια (μικρή) σοβαρότητα, πάντα δίνονται με όρους “από… έως…”. Τις υπόλοιπες μέρες πάντα δίνονται με (εξ ορισμού καταγέλαστα αναξιόπιστες) κεντρικές τιμές: “ο Μωυσής Αιλουράκης είναι ο καταλληλότερος για πρωθυπουργός με 81,23%”. Επίσης τα στατιστικά μοντέλα είναι κατεξοχήν εξηγητικά, προσπαθούν να εξάγουν από τα δεδομένα τις (πολλαπλές όπως είπαμε) αιτίες που μας έφεραν ως εδώ. Δεν είναι συνήθως προβλεπτικά (αν και φυσικά υπάρχουν και τέτοια). Και μάλιστα ένα καλό εξηγητικό μοντέλο είναι συνήθως κακό στην πρόβλεψη.

Μάλιστα είναι προφανές ότι, όταν μιλάμε για κοινωνικά δεδομένα, όταν δηλαδή μιλάμε για δημοσκοπήσεις που αφορούν ανθρώπους, τα πράγματα είναι ακόμα χειρότερα, αφού η ίδια η ανακοίνωση των αποτελεσμάτων μιας στατιστικής έρευνας μπορεί να αλλάξει με μη γραμμικό τρόπο τις συνθήκες, μειώνοντας ακόμα περισσότερο την προβλεπτική ικανότητα. Αυτός είναι τελικά εκ των πραγμάτων ο ρόλος των δημοσκοπήσεων, ανεξάρτητα από τις προθέσεις των δημοσκόπων: η δημοσιοποίηση των αποτελεσμάτων μπορεί να αλλάξει τις υποκείμενες δυναμικές, μεταβάλλοντας την ίδια την πραγματικότητα που μελετά η δημοσκόπηση, αν και με μη προβλέψιμο τελικά τρόπο.

Σε ακραίες περιπτώσεις φτάνουμε σε αυτή την κατάσταση που έχει περιγραφεί ως “πιο Βαμπιρική παρά Εμπειρική”: όταν κάποιες υποθέσεις και μοντέλα είναι τόσο λογικοφανή ή (πιο σωστά) ιδεολογικά φορτισμένα από τον κυρίαρχο λόγο, που οι εμπειρικές αποδείξεις είναι αδύνατο να τα σκοτώσουν. Τυπικές περιπτώσεις είναι διάφορα ρατσιστικά ιδεολογικά υποσύνολα (οι λευκοί είναι πιο έξυπνοι, οι γυναίκες πιο χαζές), ο ρόλος των υπερτροφών και των συμπληρωμάτων διατροφής, πολιτικές προκαταλήψεις, θαυματουργές δίαιτες, διάφορα ‘γεγονότα’ σχετικά με την επιδημία κοκ κ.ο.κ.

Θα πρέπει, τέλος, να τονίσουμε ότι σε αυτούς τους τομείς επιστημονικής έρευνας συνδεδεμένης με στατιστικές μεθόδους που κρίνονται δυνάμει κερδοφόροι (φάρμακα και ιατρική, βιοτεχνολογίες, πολιτική – αν και είναι σαφές ότι η τελευταία δεν μπορεί να είναι κερδοφόρα, στο κάτω κάτω οι συβαρίτες πολιτικοί μας ίσα που τα βγάζουν πέρα) συχνά δεν είναι η ακρίβεια, η επαναληψιμότητα και η ειλικρίνια των αποτελεσμάτων τα στοιχεία που διαμορφώνουν τον τομέα. Το 2005 ο John Ioannidis δημοσίευσε το πιο ‘κατεβασμένο’ επιστημονικό άρθρο της ιστορίας, του οποίου ο τίτλος ήταν ‘Γιατί τα Περισσότερα Δημοσιευμένα Ερευνητικά Ευρήματα είναι Λάθος‘, ένα σημαντικότατο για την μετα-επιστημονική έρευνα άρθρο. Σε αυτό, χρησιμοποιώντας υποδειγματικά τη θεωρία πιθανοτήτων, απόδειξε ότι σε έναν τέλειο κόσμο, τουλάχιστον το 1/3 περίπου της έρευνας που θα δημοσιευόταν θα ήταν λάθος. Το πρόβλημα είναι βέβαια ότι ο κόσμος μας όχι μόνο δεν είναι τέλειος αλλά σε αυτόν το GIGO είναι ο κανόνας και όχι η εξαίρεση. Τώρα προσθέστε σε αυτό το γεγονός ότι υπάρχουν ισχυρά οικονομικά, πολιτικά ή ακόμα και προσωπικά συμφέροντα πίσω από τη δημοσίευση κάποιων αποτελεσμάτων σε σχέση με άλλα, ότι οι οργανισμοί φαρμάκου που υποτίθεται ελέγχουν τις φαρμακοβιομηχανίες ίσως να το κάνουν με κάτι λιγότερο από την μέγιστη δυνατή ευσυνειδησία και αποδεικνύεται ότι τελικά τα περισσότερα papers είναι για τον κάλαθο της ανακύκλωσης (γεγονός που -φευ!- όποια έχει ασχοληθεί με την έρευνα, δεν χρειαζόταν να εφαρμόσει θεωρία πιθανοτήτων για να το μάθει).

 

Για την επιστημολογία της ‘Κρατιστικής’

Υπάρχουν όμως πάντα και οι δοκησίσοφοι εξυπνάκηδες, που θα μπορούσαν να πούν: “Αν ισχύουν τα παραπάνω, τότε όλη η στατιστική είναι για πέταμα!”. Αφού λοιπόν τον ρωτήσουμε ευγενικά κάτι σχετικό με την κατά μόνας σεξουαλική του συμπεριφορά, θα διευκρινίσουμε ότι αν ίσχυαν μόνο τα παραπάνω, όλη η επιστήμη θα ήταν για πέταμα. Προφανώς δεν είναι έτσι, ακόμα κι αν στη διάρκεια κρίσεων μπορεί να φαίνεται έτσι: ας θυμηθούμε τις καθ’ ημάς σεισμομαχίες μεταξύ σεισμολόγων, οι οποίες θα ήταν αστείες αν δεν ήταν τραγικά γελοίες.

Η στατιστική και τα μοντέλα που αυτή χρησιμοποιεί, τείνουν να υπερβαίνουν τα ξερά, εμπειρικά αριθμητικά δεδομένα, τα οποία, έτσι σκέτα, μόνο την αντικειμενική πραγματικότητα δεν αντικατοπτρίζουν. Τα επιστημονικά καθορισμένα μεγέθη, αυτά που ας πούμε χρειάζονται για να περιγράψουν την φυσική πραγματικότητα στις φυσικές επιστήμες, ή αυτά που χρειάζονται για να ληφθούν αποφάσεις διακυβέρνησης στις κοινωνικές επιστήμες, δεν είναι πάντα εμπειρικά μεγέθη, άμεσα μετρήσιμα. Μερικά, όπως λχ τα ποσοστά κατανομής του πληθυσμού σε φύλα, είναι μετρήσιμα, αν και ακόμα και αυτό το ποσοστό είναι μετρήσιμο μόνο κατά προσέγγιση, με παραδοχές για τον αριθμό των φύλων, το κατά πόσο είναι ειλικρινής η δήλωση φύλου κλπ. Τα μοντέλα των στατιστικολόγων τείνουν να αποκαλύπτουν αυτές τις λίγο πιο βαθιές πλευρές της πραγματικότητας, δημιουργούν θεωρία που συμπυκνώνει και νοηματοδοτεί την πραγματικότητα.

Για παράδειγμα στην πανδημία: Τι ποσοστό του πληθυσμού έχει ήδη προσβληθεί σήμερα; Τι αποτελέσματα θα είχαμε αν δεν είχαν ληφθεί τα μέτρα; Πόσο μακριά είμαστε σήμερα από την ανοσία αγέλης; Πόσο είναι το περιβόητο R0; Αυτές είναι θεωρητικές ποσότητες που την πραγματική τιμή τους δεν θα την μάθουμε ποτέ. Όχι μόνο ο ακριβής αριθμός ατόμων που είχαν προσβληθεί μέχρι χτες είναι άγνωστος, αλλά επίσης είναι καταρχήν άγνωστος, δεν μπορούμε να τον μάθουμε, ανεξάρτητα από το τι μέσα διαθέτουμε (δεν μπορούμε να κάνουμε τεστ σε όλον τον πληθυσμό, πολλώ δε μάλλον σε προηγούμενη ημερομηνία). Το ίδιο ισχύει και για το ποσοστό του πληθυσμού που απαιτείται για να έχουμε ανοσία αγέλης (που, αποδεικνύεται, είναι ισοδύναμος με το R0), είναι μη μετρήσιμος. Με αυτή την έννοια λοιπόν αυτά τα μεγέθη δεν έχουν πραγματική τιμή. Όμως, εφόσον δεν υπάρχει ακόμα εμβόλιο, για όσο διάστημα τα ήδη προσβεβλημένα άτομα είναι λιγότερα από όσα απαιτούνται για να έχουμε ανοσία αγέλης, ο κίνδυνος της ασθένειας θα εξακολουθεί να υφίσταται. Άρα αυτά είναι τα κρίσιμα νούμερα για την λήψη αποφάσεων που αφορούν το μέλλον και επομένως, όσο αντιφατικό κι αν ακούγεται, από την συγκεκριμένη πλευρά αυτές είναι οι θεωρητικές έννοιες είναι οι πραγματικές ποσότητες – αυτά είναι τα νούμερα που αντιπροσωπεύουν, συμπυκνώνουν τα πραγματικά κοινωνικά αίτια της επιδημίας.

Ένα στατιστικό μοντέλο εκκινά από τα άμεσα μετρήσιμα εμπειρικά νούμερα, όπως ο επίσημος αριθμός των νεκρών ή ο επίσημος αριθμός των διασωληνωμένων, ή ο αριθμός κλινών ΜΕΘ στη χώρα κλπ, δηλαδή τα αιτιατά (νεκροί και διασωληνωμένοι) και τις προϋποθέσεις τους (κλίνες ΜΕΘ). Κάνοντας τώρα μια σειρά από μαθηματικά διατυπωμένες παραδοχές βασισμένες στις καλή τη πίστει παρατηρήσεις των γιατρών, το μοντέλο δίνει μια εκτίμηση για την τιμή που έχουν τα αίτια, τα οποία είδαμε ότι είναι καταρχήν μη μετρήσιμα, είναι θεωρητικές έννοιες. Το μοντέλο έχει προχωρήσει σε ένα ανώτερο επίπεδο αφαίρεσης και μας δίνει τιμές για θεωρητικές ποσότητες που εκπροσωπούν τα αίτια της επιδημίας, αίτια που δεν είναι απλώς, ας πούμε, οι βιολογικές ιδιότητες του ιού, αλλά η συνέλιξη των ιδιοτήτων αυτών με την κοινωνική πραγματικότητα.

Πράγματι, αν και ο ιός είναι ένας, δεν υπάρχει μία ασθένεια, αλλά πολλές: η COVID-19 διαφορετικά επηρεάζει νέους και γέρους, πλούσιους και φτωχούς, άνδρες και γυναίκες, κλπ. Έτσι, ένα από τα πιο εντυπωσιακά της χαρακτηριστικά είναι ότι εν πολλοίς είναι μια Ευρω-αμερικανική υπόθεση (τουλάχιστον όταν γράφονταν αυτές οι γραμμές). Οι πρώτες 14 χώρες σε αριθμό θυμάτων κατά κεφαλήν είναι στην Ευρώπη και τη Βόρεια Αμερική, τις χώρες που αλλαζονικά πίστευαν ότι δεν πρόκειται να επηρεαστούν. Τα φτωχότερα νότια Βαλκάνια πάλι καθόλου δεν χτυπήθηκαν με την ίδια βία (η Αλβανία και η Βουλγαρία είναι μάλιστα λίγο καλύτερα από εμάς, αν και Τουρκία, Ρουμανία και Βόρεια Μακεδονία είναι αρκετά χειρότερα). Αυτές οι διαφοροποιήσεις σημαίνουν κάτι; Αν ναι, αυτό είναι οικονομικό, περιβαλλοντικό (λ.χ. περισσότερος ήλιος, περισσότερη βιταμίνη D), καθαρά κοινωνικό (π.χ. λιγότεροι υπερήλικες σε οίκους ευγηρίας), γονιδιακό, κάτι άλλο, όλα τα προηγούμενα;

Οι απαντήσεις σε τέτοια θεωρητικά ερωτήματα που προσπαθούν να βρουν τα πιθανά κοινωνικά αίτια, είναι οι στόχοι των στατιστικών μοντέλων. Ο επιδημιολόγος θα τρέξει το μοντέλο του, θα το συγκρίνει με τα νεότερα δεδομένα που θα λάβει, θα ξαναγυρίσει στο μοντέλο του για να του αλλάξει τις παραμέτρους ώστε να συμφωνεί καλύτερα με τα δεδομένα κοκ, μέχρι να καταλήξει σε ένα σύνολο αιτίων και αιτιατών (άρα και προτάσεων θεραπείας) στο οποίο να συμφωνεί κατά προσέγγιση όλη η κοινότητα των επιδημιολόγων. Η κατάσταση κρίσης στην οποία βρίσκεται ο κλάδος αυτή τη στιγμή (όπου κανείς δεν ξέρει τίποτα) θα έχει ξαναγυρίσει σε κατάσταση “κανονικής επιστήμης” στην οποία θα συμφωνούν όλοι. Μέχρι τότε όλες οι εκτιμήσεις για την εξέλιξη της επιδημίας (πόσοι θα πεθάνουν, πόσοι θα μολυνθούν κτλ.) είναι απλώς μαντεψιές με χρήση στατιστικής.

Είναι όμως προφανές ότι όσο περισσότερα και καλύτερης ποιότητας είναι τα εμπειρικά στοιχεία, τόσο πιο γρήγορα θα φτάσουμε σε σχετικά ασφαλή συμπεράσματα. Αυτός είναι ο λόγος που ένα από τα πολυτιμότερα εμπειρικά στοιχεία προέρχεται από τα τεστ, αφού αυτά μπορούν, αν γίνονται σε ένα επαρκώς εκτεταμένο δείγμα του πληθυσμού, να δώσουν πολύτιμες πληροφορίες για την εξάπλωση της νόσου (και αυτή, από τις πολλές, είναι ίσως η κυριότερη έλλειψη της εγχώριας πολιτικής, αφού είμαστε στον διεθνή πάτο ως προς τη γνώση της εξάπλωσης του ιού). Επίσης αυτός είναι ο λόγος που ο τρόπος καταγραφής των θυμάτων της ασθένειας, το αν διαχωρίζονται οι νεκροί από τον ιό από τους νεκρούς με ιό είναι εξίσου σημαντικό αλλά ελλιπές, με αποτελέσματα συχνά υπερβολικά ως προς την επικινδυνότητα του ιού.

Η επιστήμη έχει διάρκεια μεγαλύτερη της πολιτικής, με την έννοια ότι τα επιστημονικά πορίσματα χρειάζονται περισσότερο χρόνο από τους μήνες (ή τα λίγα χρόνια;) που χρειάζεται η επιδημία για να κάνει τον κύκλο της. Σε αυτή τη διάρκεια όμως της “εκκόλαψης” των τελικών πορισμάτων, η κοινωνία συνεχίζει να υπάρχει και να κυβερνάται. Τα προκαταρκτικά πορίσματα των επιστημόνων, βασισμένα αρχικά σε μοντέλα χτισμένα πάνω σε παλιότερες αντίστοιχες περιπτώσεις, μπορεί να είναι λανθασμένα, μερικά, αντικρουόμενα, ανεπαρκή. Ή μπορεί να είναι και ολόσωστα. Θα το μαθαίνουμε σταδιακά και πάντως με κάποια βεβαιότητα (πάντα σχετική, ποτέ απόλυτη) πολύ αργότερα, όταν ο κύκλος εμπειρία-θεωρία-εμπειρία των στατιστικών φτάσει σε κάποια κατάσταση ισορροπίας. Στο μεταξύ, μέχρι να μάθουμε, το τιμόνι πάντα το βαστάει σταθερά στα χέρια της η πολιτική.

Η επιδημία που σαρώνει τους εεπιδημιολόγους

Δεδομένου ότι, παραφράζοντας τον Milton Freedman, είμαστε όλοι επιδημιολόγοι τώρα, θα ήταν ίσως ενδιαφέρον να δούμε τον τρόπο που θεμελιώνονται από στατιστική σκοπιά (γιατί είπαμε; από ιατρική υπάρχουν άλλοι αρμοδιότεροι) οι πολιτικές που ακολουθούνται και τα μέτρα που έχουν ληφθεί για τον περιορισμό της επιδημίας, κοιτώντας πλευρές του διδακτικού εργαστηρίου που αποτέλεσε η Βρετανία.

Σύμφωνα με μια σχετικά διαδεδομένη αφήγηση, η κυβέρνηση των Τόρηδων αρχικά αποφάσισε να ακολουθήσει μια στρατηγική ανοσίας αγέλης. Η δημοσιοποίηση της μελέτης του Imperial College που πρόβλεπε εκατόμβες νεκρών τους τρομοκράτησε και το γύρισαν απότομα σε lockdown. Άργησαν όμως κι έτσι αρρωστησε και ο Μπόζο Τζόνσον (ας πρόσεχε). Όμως η μελέτη του Imperial ήταν μια ανοησία, όπως αποδεικνύει η μελέτη της Οξφόρδης, άρα δεν χρειαζόταν lockdown. Επίσης η Βρετανία δεν έπρεπε να βγει από την Ε.Ε.

Αφήνοντας τις δημοφιλείς στα μέσα αφηγήσεις, ας προσπαθήσουμε να χτίσουμε ένα μοντέλο που να επιχειρεί αφαίρεση στη βάση εμπειρικών στοιχείων.

Το πρώτο που θα πρέπει να παρατηρήσουμε δεν αφορά ειδικά τη Βρετανία. Όπως πολύ σωστά είχε πει και το Βρετανικό Υπουργείο Υγείας, “η ανοσία αγέλης είναι φυσικό αποτέλεσμα μιας επιδημίας” (ή το αποτέλεσμα μαζικών εμβολιασμών, αλλά δεν υπάρχει ακόμα εμβόλιο για τον SARS-CoV-2). Ως προς τον συγκεκριμένο ιό έχουμε πλήρη άγνοια για τις λεπτομερείς του ιδιότητες, αν προκαλεί ανοσία, σε τι ποσοστό, πόσο αυτή διαρκεί. Μπορούμε να υποπτευόμαστε λόγω του είδους του ιού (RNA) ότι η ανοσία που προκαλεί διαρκεί λίγο. Τώρα, το ερώτημα δεν είναι αν “πρέπει” να επιτευχθεί ανοσία αγέλης: σε μια επιδημία, το τελικό αποτέλεσμα είναι ούτως ή άλλως να αποκτηθεί ανοσία από ένα μεγάλο τμήμα του πληθυσμού, ανεξάρτητα απο το τι θα κάνουμε, και ο ιός να γίνει “ενδημικός”. Το ερώτημα είναι το πώς αυτή θα επιτευχθεί: γρήγορα και με τον φυσικό τρόπο της διάδοσης του ιού (όπως το κάνουν η Σουηδία, η Ιαπωνία, και λιγότερο το Βέλγιο και η Ολλανδία) ή σε δεύτερο χρόνο, τεχνητά αλλά ανώδυνα, με χρήση του μαζικού εμβολιασμού; Το πρώτο έχει το ηθικό μειονέκτημα της εμπρόθετης καταδίκης σε θάνατο των πολύ ευάλωτων κατηγοριών, το δεύτερο έχει, εκτός από τους κινδύνους του lockdown, διάφορα άλλα πιθανά προβλήματα των οποίων όμως αγνοούμε τη μορφή όσο τα δεδομένα της ασθένειας δεν είναι ακόμα πλήρως γνωστά: τι θα συμβεί σε ένα ενδεχόμενο δεύτερο κύμα του ιού, τι θα κάνουμε με τις απώλειες από άλλες ασθένειες που όμως δεν αντιμετωπίζονται λόγω της επικέντρωσης στον ιό κτλ.

Το δεύτερο σημείο είναι η μελέτη του Imperial College της 16ης Μαρτίου που πρόβλεπε μισό εκατομύριο νεκρούς, αν συνεχιζόταν η πολιτική ελάχιστης παρέμβασης (που έμεινε λανθασμένα να λέγεται ανοσία αγέλης, αφού έτσι την ονόμασαν τα μέσα ενημέρωσης). Η ομάδα του Imperial, της οποίας ηγείται ένας φυσικός, ο Neil Ferguson, έχει ειδικό συμβουλευτικό ρόλο για την κυβέρνηση εδώ και χρόνια. Οι προτάσεις που έχει κατά καιρούς κάνει έχουν αντιμετωπίσει κριτική ως λανθασμένες ή υπερβολικές, επειδή προβλέπει συστηματικά μεγάλους αριθμούς θυμάτων (π.χ. 65.000 θύματα της γρίππης των πουλερικών το 2005 όταν τελικά υπήρξαν 457 θύματα και άλλα πολλά παρόμοια ολισθήματα). Βέβαια, αυτή η κριτική είναι λανθασμέη: η πρόβλεψη μεγάλου αριθμού θυμάτων, αν δεν ληφθούν μέτρα, δεν σημαίνει πρόβλεψη εξίσου μεγάλου αριθμού θυμάτων, αν ληφθούν μέτρα: “προφανώς, λάβαμε μέτρα, σώσαμε κόσμο”, θα πουν οι κυβερνήσεις. Η ίδια ομάδα του Imperial πρόβλεψε ότι αν λαμβάνονταν μέτρα, η COVID-19 θα είχε 20.000 θύματα στην Βρετανία. Η σκουπιδοφυλλάδα Daily Mail σοκαρίστηκε με αυτήν την εκτίμηση και τα μπρος-πίσω του Ferguson.

Το πρόβλημα δεν είναι το μπρος-πίσω. Αν αυτό μας δίνει το μοντέλο, αυτό ανακοινώνουμε. Όμως εδώ έχουμε κάποιες τεχνικές “λεπτομέρειες”: μια εκτίμηση 500.000 θυμάτων δεν μπορεί να δίνεται χωρίς κάποια εκτίμηση του σφάλματος (“από… έως”), διότι αυτό δείχνει μια τεράστια σύγχυση μεταξύ του δυνατού (“υπάρχει το ενδεχόμενο, αν και όχι πιθανό, τα θύματα να φτάσουν τα …”), του πιθανού (“το πιο πιθανό είναι να υπάρξουν…”) και του αναγκαίου (“Θα έχουμε 500.000 θύματα”, άρα το τέλος του κόσμου έρχεται!). Είναι επίσης γεγονός ότι λειτούργησαν αντικειμενικά ως υπερασπιστές της καταστροφής του συστήματος υγείας. Πουθενά στις μελέτες τους λ.χ. δεν αναφέρεται η εκπληκτική μείωση νοσοκομειακών κλινών τα τελευταία χρόνια.

Επίσης είναι ενδιαφέρουσα η πληροφορία ότι, παρά τη φιλολογία περί της κυβέρνησης Τζόνσον η οποία ήθελε, υποτίθεται, ανοσία αγέλης αλλά τρομοκρατήθηκε από την μελέτη του Imperial, ήδη από τις 11 Φεβρουαρίου ένα ηγετικό στέλεχος της κυβέρνησης είχε πεί σε τηλεοπτική εκπομπή ότι “θα έχουμε περίπου 500.000 θανάτους”. Η υποψία ότι οι “επιστημονικές” εκτιμήσεις για περίπου ίδιο αριθμό θυμάτων ένα μήνα μετά, τον Μάρτιο, βόλεψαν πολύ τη λήψη μέτρων που ήταν από πριν αποφασισμένα, δεν μπορεί παρά να προκύψει.

Το τρίτο σημείο είναι η μελέτη της ομάδας της Οξφόρδης, μια εβδομάδα περίπου μετά την μελέτη του Imperial, στις 24 Μαρτίου (ας σημειωθεί ότι ως φαίνεται, αυτές τις δύο ομάδες τις χωρίζουν περισσότερα από απλή επιστημονική άμιλλα). Το lockdown στην Βρετανία ξεκίνησε μια μέρα πρωτύτερα, στις 23 και επομένως είναι ενδιαφέρον το να δούμε το πώς χρησιμοποίησαν τη μελέτη αυτή οι Financial Times την επομένη. H μελέτη της Οξφόρδης έβρισκε μια ορισμένη πιθανότητα στο τέλος του Μαρτίου 60% των Βρετανών να έχουν ήδη προσβληθεί. Οι Financial Times χρησιμοποίησαν την μελέτη για δικούς τους σκοπούς, για να υποστηρίξουν δηλαδή ότι το lockdown είναι λάθος και χρειάζεται πλήρες άνοιγμα της οικονομίας, γράφοντας: “Αν αυτά τα αποτελέσματα επαληθευτούν τότε […]”. Αυτό το “αν” είναι εξίσου σημαντικό με το “αν επαληθευτεί η μελέτη που έκανα χτες και προβλέπει ότι θα κερδίσω το λαχείο, τότε θα γίνω πλούσιος”. Η χρήση προκαταρτικών επιστημονικών δεδομένων είναι και εδώ καθαρά πολιτική.

Επιπλέον, από καθαρά επιστημονική πλευρά, ούτε οι δύο μελέτες ήταν αντιθετικές μεταξύ τους, ούτε και τα κύρια σημεία τους ήταν αυτά για τα οποία έγιναν γνωστές. Το κεντρικό ερώτημα του Imperial είχε να κάνει με το ποιες ήταν οι στρατηγικές που θα “επιπεδοποιούσαν” αρκετά την καμπύλη, ώστε να φτάσουν τα (ελάχιστα, αλλά αυτό δεν το λέμε) κρεβάτια ΜΕΘ. Η μελέτη της Οξφόρδης αναρωτιόταν αν ο ιός έχει ήδη εξαπλωθεί σε ένα ποσοστό του πληθυσμού και απαντούσε ότι, με δεδομένο ότι η επιδημία είχε αποδεδειγμένα ξεκινήσει να εξαπλώνεται τουλάχιστον ένα μήνα πριν τον πρώτο θάνατο, είναι σαφές ότι σημαντικά τμήματα του πληθυσμού έχουν αποκτήσει ανοσία (σε ένα από τα μοντέλα μάλιστα το ποσοστό είναι 60%, αλλά αυτό δεν είναι το επικρατέστερο σενάριο).

Τέταρτο σημείο. Ο John Edmunds, ο οποίος είναι και αυτός ειδικός στη μοντελοποίηση επιδημικών φαινομένων, μέλος του συμβουλευτικού οργάνου της κυβέρνησης στο οποίο συμμετέχει και το Imperial, σε συνέντευξή του είπε: “Κανένας [στο συμβούλιο] δεν πίστευε αρχικά ότι θα ήταν αποδεκτό πολιτικά να κλείσουμε τη χώρα, για αυτό είχαμε λιγότερο σκληρές παρεμβάσεις. […] Δεν είχαμε φτιάξει μοντέλα επειδή το lockdown δεν φαινόταν να είναι στην ατζέντα. Ούτε το Imperial το κοιτούσε”.

Τι άλλαξε στις επόμενες εβδομάδες; Σύμφωνα με τον Edmunds, “αυτό που επέτρεψε στην Βρετανία να αλλάξει ρότα ήταν το lockdown στην Ιταλία, το οποίο ‘άνοιξε τον χώρο πολιτικής’ [policy space]”. Ήδη στις 11 Μαρτίου ο ίδιος ο Edmunds είχε ετοιμάσει με την ομάδα του μια αρκετά εκφοβιστική μελέτη, ενώ σύντομα, στις 16 του μηνός θα ακολουθούσε και το Imperial, με το “μισό εκατομμύριο”: τα αυστηρότερα μέτρα θα ακολουθούσαν.

Η “κοινή γνώμη” στη Βρετανία διαμορφώθηκε από το πώς παρουσιάστηκαν τόσο τα “ξερά” δεδομένα (οι θάνατοι, τα κρεβάτια ΜΕΘ κλπ) όσο και τα προκαταρκτικά στοιχεία πραγματικότητας που προέκυπταν από τις μελέτες και τις προβλέψεις τους. Την παρουσίαση βέβαια και το πόσο τρομακτικά θα είναι τα στοιχεία, την έχουν σε κάθε περίπτωση στα χέρια τους οι κρατικοί μηχανισμοί και τα μέσα ενημέρωσης. Η μετατροπή της επιστημονικής γνώμης (αντιφατικής και ατελούς ακόμα σε αυτό το σημείο) σε πολιτική, εκτός του ότι πρώτα γίνεται μέσα στις κλειστές αίθουσες σύσκεψης με τους πολιτικούς, γενικότερα ρυθμίζεται από πολιτικο-οικονομικούς περιορισμούς στους οποίους δεν έχουν λόγο, ας πούμε, τα λαϊκά συμφέροντα και οι ανάγκες υγείας, ούτε όμως και οι ίδιοι οι επιστήμονες ως τέτοιοι, αφού επί της ουσίας δεν έχουν ακόμα να πουν κάτι “επιστημονικό” (το ψάχνουν ακόμα), απλώς θα αναπαράγουν τα ιδεολογικά υποσύνολα στα οποία είναι ο καθένας τους δεσμευμένος. Με δεδομένο ότι μιλάμε για επιστήμονες μερικών από τα καλύτερα πανεπιστήμια, σε κορυφαίες αποφασιστικές θέσεις, καταλαβαίνουμε ότι η θέση τους είναι μάλλον με την πλευρά του κράτους.

Ακόμα περισσότερο: οι πολιτικές (και επομένως και ηθικές) προτεραιότητες των κομμάτων, των πολιτικών ως προσώπων και γενικά όλων των μερίδων εξουσίας, είναι που έχουν τον πρώτο και τον τελευταίο λόγο πάνω στα “επιστημονικά” δεδομένα, τα οποία επομένως λειτουργούν, αντίθετα με τις απλοϊκές προσδοκίες των επιστημόνων, περισσότερο ως ιδεολογικό επιχείρημα που διευκολύνει την αποδοχή από τα λαϊκά στρώματα της περιοριστικής πολιτικής, της βιοεξουσίας, παρά ως πραγματική αντιμετώπιση της επιδημίας. Ένας επιστήμονας που ξέρει τι θα συμβεί, που έχει σχέδιο, είναι ό,τι καλύτερο μπορεί να συμβεί σε μια χώρα. Αν αυτός συνδυάζεται με μια κυβέρνηση με πυγμή σε μια τόσο δύσκολη συγκυρία, τόσο το καλύτερο, έτσι δεν είναι; Τα λαϊκά στρώματα είναι τα πρώτα που θα ανταμείψουν με μεγάλα ποσοστά ακροαματικότητας το καθημερινό δελτίο επιδημίας και με μεγάλα ποσοστά αποδοχής την κυβέρνηση Αιλουράκη.

Αλλά πολιτικά θα αποτελούσε πρόβλημα αν ο επιστήμονας, που η τύχη τα έφερε να έχει τον ρόλο του κυβερνητικού φερέφωνου, ο Σωτήρης Τσιόδρας, θυμάται προς στιγμήν την αρχική του ιδιότητα και παραδέχεται την άγνοιά του: “Ακόμα δεν έχουμε όλα τα επιστημονικά δεδομένα […] Αυτό [το να ανοίξουν τα σχολεία] ενδεχομένως να γίνει, ενδεχομένως να μη γίνει, αν η κυκλοφορία του ιού επηρεάζεται και από άλλους λόγους, παραδείγματος χάριν τις κλιματικές παραμέτρους, στα σχολεία”. Βέβαια, η πολιτική ξαναπαίρνει το τιμόνι: “Παρ’ όλα αυτά, όλα είναι υπό συζήτηση. Βλέπετε ότι αυτή η στρατηγική υιοθετείται από κάποιες χώρες…”. Δηλαδή, επειδή ως επιστήμονες δεν ξέρουμε με βεβαιότητα ακόμα, θα αποφασίσουμε ό,τι μας κατέβει, ως πολιτικοί.

Έτσι στην πραγματικότητα, σε όλον τον κόσμο η επιδημιολογία σαρώθηκε από την επιδημία της πολιτικής, ξεκινώντας από την ίδια την Κίνα, που για πρώτη φορά καταφέρνει να γίνει ιδεολογικό παράδειγμα για τις χώρες της Δύσης. Γιατί η εφαρμογή του lockdown ως απάντηση στην επιδημία από εκεί ξεκίνησε και εφαρμόστηκε παντού αλλού, χωρίς ακόμα να υπάρχει καμία επιστημονική ex post αξιολόγηση του αν τελικά βοήθησε ή όχι στην αντιμετώπιση της αρρώστιας.

Για την ακρίβεια μάλιστα, το lockdown, είναι ένα πρωτόκολλο της φυλακής, συγγενικό με τον στρατιωτικό νόμο. Όταν γίνεται κάτι έκτακτο στην φυλακή και χτυπάει η σειρήνα, όλοι οι τρόφιμοι οφείλουν να τρέξουν στα κελιά τους και να κλειδωθούν σε αυτά μέχρι νεωτέρας. Πολύ ταιριαστό για μια λέξη που συνδέεται με την βιοεξουσία του Φουκώ, του ανθρώπου που ξανάφερε στη μόδα το πανοπτικόν ως μοντέλο φυλακής ή και κοινωνίας.

Έξω από τη φυλακή, lockdown έχει εφαρμοστεί μόνο στον 21ο αιώνα, και μόνο σε ειδικές περιπτώσεις σε όλο και πιο μεγάλες περιοχές. Αμερικανικά σχολεία στα οποία εκπυρσοκροτούν όπλα (οι μαθητές κλειδώνονται στην τάξη και μένουν σιωπηλοί), νοσοκομεία σε περίπτωση σεισμού ή διακοπής ρεύματος κτλ., μετά σε πόλεις όπως η Βοστώνη μετά τις βοβιστικές επιθέσεις του μαραθώνιου το 2013, ή τέλος στο Τζαμού και Κασμίρ μετά την προσάρτησή του από την Ινδία. Παρά τα όσα ακούγονται, ουδέποτε εφαρμόστηκε lockdown για την αντιμετώπιση επιδημίας, αυτό που έχει κατά καιρούς εφαρμοστεί είναι η (πολύ διαφορετικών σκοπών και χαρακτηριστικών) καραντίνα.

Αντί λοιπόν η επιδημιολογία να βοηθήσει την κατάσταση επιβάλλοντας τον διάλογο, κάνοντας καθαρό το γεγονός ότι δεν ξέρει ακόμα πολλές πλευρές του προβλήματος, αντίθετα βοήθησε το κράτος να εφαρμόσει για πρώτη φορά στην ιστορία lockdown τέτοιας έκτασης (4 δισεκατομμύρια άνθρωποι βρίσκονταν κλεισμένοι στα σπίτια τους στα μέσα Απριλίου), με άγνωστης ακόμα έκτασης αποτελέσματα. Το lockdown, αν τελικά αποδειχτεί ή “αποδειχτεί” (θυμηθείτε τα βαμπιρικά δεδομένα) αποτελεσματικό, θα χρησιμοποιείται, στατιστικά μιλώντας, όλο και πιο συχνά για όλο και πιο γελοίες αιτίες, που θα αφορούν την ασφάλεια.

Η διαχείριση ενός υπαρκτού αλλά όχι αξιολογημένου κινδύνου και του κατανοητού αλλά όχι πλήρως δικαιολογημένου φόβου που αυτός προκαλεί είναι μια από τις λειτουργίες του σύγχρονου κράτους και του τρόπου που διαχειρίζεται γενικά την ασθένεια. Η στατιστική είναι, σχεδόν εξ ορισμού ή εξ ονόματος, το κατ εξοχήν εργαλείο του κράτους και ως τώρα χρησιμοποιήθηκε σε ένα γιγαντιαίο, άνευ προηγουμένου πείραμα κοινωνικής μηχανικής, όπου το lockdown, το οποίο ξέρουμε ήδη ότι δεν είναι λύση, αλλά στην καλύτερη περίπτωση μόνο παροδική καθυστέρηση (και για πόσο;) της επέκτασης του ιού, εφαρμόστηκε στον μισό πλανήτη. Τα αποτελέσματα και τη συνέχεια αυτής της ιστορίας μένει πλέον να τα δούμε και να τα κρίνουμε. Ενδεχομένως, ανάλογα με την εξέλιξη, η λαϊκή αντίδραση να μην είναι τελικά τόσο θετική για το κράτος όσο έχει υπάρξει ως τώρα…

 

0ΥποστηρικτέςΚάντε Like

ΤΕΛΕΥΤΑΙΑ ΑΡΘΡΑ ΑΠΟ ΣΥΝΤΑΚΤΗ

ΠΡΟΣΦΑΤΑ ΑΡΘΡΑ

ΔΗΜΟΦΙΛΗ