Experternas fall

I juli 2020 blev jag uppmuntrad av en intervju av Freddie Sayers på Unherd med Anders Tegnell, arkitekten bakom Sveriges COVID-reaktion. Intervjun var full av nyanserade och sunt förnuftiga uttalanden av Tegnell. Till exempel påpekade han bristen på bevis och företräde för drakoniska låsningar och deras potential för enorma säkerhetsskador:

”Vi försöker naturligtvis hålla dödligheten så låg som möjligt, men samtidigt måste vi titta på de drakoniska åtgärder du talar om. Kommer de att orsaka ännu fler dödsfall på andra sätt än själva sjukdomen? På något sätt måste vi ha diskussionen om vad vi faktiskt försöker uppnå. Är det bättre för folkhälsan som helhet? Eller försöker den undertrycka Covid-19 så mycket som möjligt? För att bli av med det tror jag inte kommer att hända: det hände under en kort tid i Nya Zeeland och kanske Island och den typen av länder skulle kunna hålla det borta, men med den globala värld vi har idag, en sjukdom som denna borta har aldrig varit möjlig tidigare och det skulle vara ännu mer förvånande om det var möjligt i framtiden.”

Ännu mer imponerande var Tegnells ödmjukhet. Flera gånger under intervjun sa han "vi vet inte", och han kvalificerade många av sina svar med osäkra termer som "verkar" och "kan." Jag trodde att det var precis vad experter borde ha gjort hela tiden, förmedla nyanser och till och med osäkerhet till en skräckslagen allmänhet. Antingen hände det inte alls, eller så filtrerade media bort all nyans och osäkerhet som någon expert kunde erbjuda och gick bara med en viss undergång.

Jag sms:ade en länk till intervjun till min syster, som jag beskriver i min bok Rädsla för en mikrobiell planet som en germophob. Hon var uppenbarligen orolig för att insjukna i viruset tidigt, men hade nyligen visat en sund skepsis mot den undergång och dysterhet hon såg på nyheterna. Intressant nog svarade hon med "Det enda jag inte gillar, men det är sanningen, är att han hela tiden säger "vi vet inte." Det är det som skrämmer mig, är "vet ej"-delen av något av det." Den ödmjukhet och osäkerhet som visades i intervjun hade gett mig tröst, men för min syster hade det motsatt effekt.

Ju mer jag tänkte på det, desto mer insåg jag att jag var extremist. De flesta vill inte ha nyanser och osäkerhet när de är rädda. De vill veta att det finns experter som vet allt som kommer att hända och hur man kan stoppa det. De vill veta att all risk för sjukdom och död kan elimineras med enkla och hållbara motåtgärder, och de är ganska villiga att byta bort många av sina friheter, även mot en illusion av kontroll. Många experter och media som marknadsför dem är mycket glada över att sälja den illusionen när allmänheten frenetiskt köper.

Eftersom experter misslyckats med att leva upp till allmänhetens och medias magiska tänkande de senaste tre åren, har ordet "expert" förlorat mycket av sin betydelse, och det är inte nödvändigtvis en dålig sak. Experter är fruktansvärda på förutsägelser och har inte mycket kunskap utanför sina ofta smala intresseområden. I en mycket komplex situation som en pandemi kommer det inte att finnas någon person som har en djup förståelse för vad som händer vid varje givet ögonblick, än mindre förmågan att förutsäga vad som kommer att hända härnäst. Det är som att be VD:n för en biltillverkare att bygga en bil själv från grunden – det är nästan omöjligt eftersom det kräver samordnade ansträngningar från hundratals personer som är specialiserade på konstruktionen av varje del och montering av den färdiga produkten. Inte ens en vd kunde utföra varje steg.

I kapitel 11 i min bok förklarar jag varför experter inte är särskilt bra på förutsägelser och inte har så mycket kunskap utanför sina områden som vi förväntar oss av dem:

Under pandemins tidiga dagar var mängden "experter" på coronaviruset begränsad, och det var stor konkurrens om de få som kunde ha kvalificerat sig i mediekretsar. En av de obestridda experterna var min tidigare doktorandrådgivare, Dr. Stanley Perlman, en coronavirolog/immunolog vid University of Iowa. Stan hade kastats in i världen av forskning om mänskligt coronavirus efter att SARS1-utbrottet oväntat satte strålkastarljuset på mänskliga coronavirus. Han hade hjälpt till att starta ett BSL3-labb i Iowa och började arbeta med SARS1-infektion hos möss, samtidigt som han uppmärksammade andra coronavirus med potential att orsaka allvarliga sjukdomar, som Middle East Respiratory Virus eller MERS. 

När endast två fall av SARS-CoV-2-infektion hade bekräftats i USA, sökte en TV-station i Iowa Stan för en förutsägelse om hur USA skulle påverkas av det nya viruset. Folk såg redan skräckhistorier från Kina, som precis hade låst sig dagen innan. De ville ha lite trygghet. När han tänkte på hur SARS1 hade stoppats under loppet av flera månader 2003, Stan berättade för reportern han trodde att Iowa aldrig skulle se ett fall. Uppenbarligen åldrades den förutsägelsen inte bra. 

Två år senare, när jag frågade honom om hans tidiga minnen, tog han upp den intervjun: "Det största misstaget jag gjorde i mitt första intryck är att antalet fall ökade men jag trodde att det fortfarande var förenligt med en SARS och MERS- som spridning, medan det mestadels nedre luftvägarna. Så i början trodde jag att det här skulle bli som SARS1 och MERS och att karantän kommer att fungera. Och inom fem veckor visste vi att det inte skulle fungera. När du får den frågan som expert måste du verkligen gå på gränsen och inte vara riktigt säker på var du är med två fall, säger du, "Ja, jag tror att vi alla måste vara riktigt oroliga eftersom det verkar vara sprider sig snabbt”, när det egentligen inte fanns så mycket bevis för det eller säger du, ”Ja, det är bara två fall.” Och jag valde att säga "Det är bara två fall, och jag tycker att vi bara ska se hur det blir." Hans expertis var faktiskt problematisk vid en så tidig tidpunkt. 

Experter är generellt sett dåliga på att förutsäga, vilket visades av psykologen och författaren Philip Tetlock i sin bok från 2005 Expert politisk bedömning. I Tetlocks studie, när 284 experter ombads göra 27,451 XNUMX förutsägelser inom områden som är relevanta för deras expertis, var resultaten en total byst. När de ställdes mot "dilettanter, pilkastande schimpanser och diverse extrapolationsalgoritmer" presterade experter inte konsekvent bättre än någon av dem. De var inte mer exakta i prognoser än den genomsnittliga personen. Det fanns dock vissa människor som visade sig vara bättre på att prognostisera, men dessa var inte vad man traditionellt skulle kalla "experter". Istället tenderade mer exakta prognosmakare att vara mer väl avrundade, mindre ideologiska och mer villiga att utmana sina egna antaganden. Däremot antog experter bara att de visste allt och hade lika fel som rätt. 

Smakämnen mycket felaktiga förutsägelser från många experter och pandemimodeller bekräftade bara Tetlocks slutsatser. Experter hade upprepade gånger fel i alla riktningar. Infektionsepidemiologen John Ioannidis, en av de mest citerade forskarna genom tiderna, sa till CNN-personligheten Fareed Zakaria i april 2020: ''Om jag skulle göra en välgrundad uppskattning baserat på de begränsade testdata vi har, skulle jag säga att COVID. -19 kommer att resultera i färre än 40,000 18 dödsfall den här säsongen i USA.'' Den 2020 juni 19 var det uppskattade antalet amerikanska dödsfall från covid-450,000 XNUMX XNUMX. Nobelpristagaren och Stanford-professorn Michael Levitt utvecklade modeller som han brukade patentkrav att viruset redan nådde sin topp i slutet av mars 2020. I slutet av juli förutspådde Levitt att pandemin skulle vara över i USA i slutet av augusti, med mindre än 170,000 XNUMX dödsfall. Istället, siffran var runt 180,000 XNUMX i slutet av augusti, och stadigt stigande. 

Och det var bara covid-"minimerarna". Många covid-”maximerare” hade lika fel, ändå var det de som ledarna lyssnade på. Den 27 mars 2020, Dr. Ezekiel Emanuel, ordförande för avdelningen för medicinsk etik vid University of Pennsylvania, förutspådde 100 miljoner fall av covid-19 i USA på bara fyra veckor. Fyra veckor senare, den 27 april 2020 fanns det en miljon bekräftade fall. Den ökända Imperial College Model, utvecklad av professor Neil Ferguson och kollegor, förutspådde över 2 miljoner amerikanska dödsfall inom tre månader av pandemins början. Detta var en enormt inflytelserik modell, eftersom Vita husets Coronavirus Response Coordinator Deborah Birx medgav att den användes för att främja rikstäckande avstängningar i sin bok från 2022 Tyst invasion. 

Istället för en fullständig kollaps av det amerikanska sjukvårdssystemet, tre månader senare i juni var det ~109,000 24 dödsfall. De lika inflytelserika IHME-modellerna förutspådde en massiv, överväldigande ökning av patienter som behövde sjukhussängar och ventilatorer. New Yorks guvernör Andrew Cuomo sa den XNUMX mars att staten skulle kunna behöva upp till 140,000 XNUMX sjukhusplatser (av tillgängliga 53,000 40,000), med XNUMX XNUMX ICU-sängar som behövs. Bara två veckor senare, med fall som snabbt minskade, bara 18,569 XNUMX sjukhusinläggningar hade rapporterats. Även om flera sjukhus hade nått eller överskridit kapaciteten under överspänningarna i New York och New Jersey, förblev många nästan tomma, med några som till och med sade upp personal. Två månader senare, efter att det stod klart att den förutspådda ökningen inte skulle förverkligas, Cuomo medgav att informationen han fick från experterna var fruktansvärd, ”Alla tidiga nationella experter. Här är min projektionsmodell. Här är min projektionsmodell. De hade alla fel. De hade alla fel."

När amerikanska stater började öppna igen förutspådde modeller återigen felaktigt en massiv återuppsving av COVID. Georgiens återöppning kritiserades i pressen som en "Experiment i människooffer.” En modell utvecklad av forskare vid Massachusetts General Hospital i Boston förutspådde att även ett gradvis hävande av restriktionerna på det planerade datumet den 27 april skulle resultera i över 23,000 XNUMX dödsfall, samtidigt som nuvarande restriktioner hålls fram till juli skulle det resultera i ~2,000 4 dödsfall. Att behålla restriktioner var inte vad modellbyggarna rekommenderade, eftersom ytterligare resultat visade att en striktare XNUMX-veckors låsning skulle ha det bästa resultatet. 

Inget av det hände ens på avstånd. En månad efter att Georgien öppnade igen, istället för 23,000 XNUMX dödsfall, 896 registrerades. Georgien var inte ett isolerat exempel. Överallt i USA förutspåddes stater som öppnade igen ha ökningar i fall som sällan förverkligades inom den förutsedda tidsramen. "Vänta bara två veckor, så får du se," skulle maximisörer säga, ad nauseum. När två veckor och mer gick, skulle maximisörer förklara avvikelsen genom att påpeka att de apokalyptiska prognoserna gjordes för att visa vad som skulle hända om det inte fanns några låsningar, restriktioner eller mandat. Resultatet kunde därför lätt förklaras med "Det kunde ha varit så mycket värre utan statliga åtgärder." 

Det fanns ett enormt, påfallande problem som maximisörerna var tvungna att ignorera för att föra det argumentet, rotat i det faktum att inte alla länder eller stater svarade på pandemihotet med låsningar och mandat. Sverige stängde inte in eller stängde grundskolor – påtvingade mildrande åtgärder begränsades till sammankomster med över 50 personer och andra var mestadels frivilliga, med regeringen som betonade personligt ansvar framför tvång. När ett team av svenska forskare tillämpade Imperial College-modellen på Sverige, utgången förutspådde ~96,000 XNUMX dödsfall för oförminskad spridning. Imperials egna siffror för Sverige kom väldigt nära och toppade på över 90,000 40 dödsfall. Även med nedstängningar och andra påtvingade begränsningsåtgärder förutspådde modellen fortfarande mer än hälften av det antalet, med 42,000-XNUMX XNUMX dödsfall. Men som svar på de blygsamma restriktioner som infördes vägrade viruset att följa maximeringsmodeller, och Sverige drabbades istället av 13,000 XNUMX COVID-dödsfall under det första året av pandemin. Detta var mindre än hälften av vad som projicerades, även med full-on-Imperial-College-stil, mycket mindre än vad som förväntades om de inte gjorde något alls. 

I efterhand är det mycket tydligt att siffror inte ersätter argument, men det är precis så förutsägelser sågs tidigt under pandemin. För maximerare tjänade katastrofala förutsägelser genererade av modeller och experter till att främja låsningar, mandat och beteendeförändringar – de skrämde skiten ur människor och fick dem att stanna hemma och borta från andra. Det spelade helt enkelt ingen roll om förutsägelserna stämde, målen var rättfärdigade av medlen. För minimerare ökade ett stort antal bara risken för sidoskador, eftersom de visste att ju större siffror, desto mer drakoniska begränsningar skulle accepteras. Således skulle mindre katastrofala leda till mindre förhastade och skadliga beslut av ledare. I slutändan hade båda grupperna både rätt och fel. COVID-dödligheten var hög i USA, med över en miljon registrerade dödsfall, men det hände under loppet av två år och genom flera vågor som få förutspådde. 

Istället för att argumentera om siffror borde huvudargumenten ha fokuserat på vad som kunde göras för att minimera skadorna av en global pandemi utan att orsaka mer sidoskador. Argumenten var ensidiga – maximisörer vann på många håll, inte genom debatter om bevis, utan genom att attackera och censurera deras opposition och genom att sälja illusioner om kontroll och konsensus till en rädd allmänhet.

Pandemin öppnade ridån för att avslöja dårskapet med expertdyrkan. Experter är lika felbara och benägna till partiskhet, giftigt grupptänkande och politiskt inflytande som alla andra. Detta erkännande kan göra människor oroliga. Men det borde också tvinga fram en ansvarskänsla att söka efter sanningen trots vad experterna kan säga, och det är bra.

Återpublicerad från författarens understapel