Covid-19 이후의 역학이 남긴 것

[dhleepaul]

토. 2021년 9월 4일 미드 데이 에디션연구

출처: What will remain of epidemiology at the end of the Covid-19 crisis? | The Mediapart Club (archive.org)

• 저널
• 더 스튜디오 (THE STUDIO)
• 더 클럽(THE CLUB)
• 48시간 전
• 블로그
• 버전
• 의제
• 헌장
• 참여

Covid-19 위기가 끝날 때 역학은 무엇을 남길까요?

* 보건역학이란 무엇인가 Epidemiology - Wikipedia

Epidemiology - Wikipedia

• 2021년 3월 22일
• 글쓴이: 로랑 무키엘리(LAURENT MUCCHIELLI)
• 블로그: LAURENT MUCCHIELLI의 블로그

이 글은 가장 눈에 띄는 전염병학자들이 저지른 몇 가지 체계적인 오류, 이를테면 그들의 모델이 현실보다 더 진실하다는 믿음이나 사회적 수용성을 통해 정부 형태를 지지하기 위해 비관적인 견해를 표명할 필요가 있다는 것을 상기시킨다. 이 분야가 공적 의사결정을 위한 전문성을 독점하도록 허용되어서는 안 된다.

에피소드 45

줄리엣 루치에(Juliette ROUCHIER), CNRS의 경제 및 환경 연구 책임자, 사회 과학에 적용되는 에이전트 모델 사용 전문가, 동독 "정책 분석"(공공 정책에 대한 혁신적인 의사 결정 지원)의 전 책임자.

2021년 3월 6일, 르 몽드(Le Monde)는 거의 1년 동안 모든 동료 시민들의 눈에 노출된 논리적 부조리의 한 형태에서 중요한 발걸음을 내딛는 Simon Cauchemez와의 인터뷰를 게재했습니다. 1년 전 300,000명에서 350,000명의 사망자를 발표한 것이 틀렸느냐는 질문에 과학위원회의 모델러는 현재까지 Covid-19로 인한 추정 사망자 수가 90,000명 미만임에도 불구하고 "아니오"라고 대답합니다(Covid-19로 인한 모든 사망자가 Covid-19로 사망한 것은 아니기 때문입니다. INED는 아직 결론을 기다릴 것을 권장합니다). 그 핵심 주장은 두 종류가 있다: 취해진 조치들이 이 엄청난 불일치의 근원에 있다는 것, 그리고 전염병은 끝나지 않았다는 것이다.

이러한 부정은 가장 공식적인 역학 공동체 내에서 일반화된 특정 수의 편견을 나타내며, 여기에는 어떤 질문에도 의문을 제기하기를 거부하는 편견이 포함된다. 후자는 특히 예측이 공공 정책을 정당화하는 데 사용될 때 문제를 제기하지만, 공공 개입에 대해 비관적이어야한다는 생각과 같이 세미나와 출판물에서 정기적으로 표현되는 다른 것들도 있습니다.

이 글의 서문으로서, 전염병학자로서의 자격으로 모델링에 대해 비판하거나 심지어 이야기할 수 있는 "자격"이 있는 사람들을 포함하거나 배제하기 위해 권위의 논증을 사용하는 나쁜 습관이 있었다는 점에 유의해야 합니다. 이 징계 방어는 매우 고전적입니다 (수십 년 동안 경제 또는 금융에서 발견되었습니다). 반대로, 형식적 모델이 그것을 읽고 그것에 대해 적절한 질문을 할 수 있는 사람이라면 누구나 의심할 수 있는 링구아 프랑카를 확립하는 이점이 있다는 생각을 옹호하는 모든 학제 간 실무자들에게 충격으로 남아 있습니다.

대통령 40만 명 사망

우리가 경험하고 있는 위기의 시기를 특징짓는 것은 숫자와 숫자에 대한 절제되지 않은 사랑이며, 종종 다소 억지스러운 방식으로 생산되고 사용됩니다. 10월 28일 연설에서 "공화국 대통령의 40만 명"은 현실을 모델로 감출 수 있는 능력의 전환점을 표시했다.

전염병의 첫 번째 시즌이 지난 후, 퍼거슨의 영국 팀이 이미 최소 350,000명의 사망자를 발표했을 때, 이미 데이터와 상당한 불일치를 일으켰을 때, 우리는 모델을 수정해야 한다고 말할 수 있습니다(우리는 S. Cauchemez가 퍼거슨의 실험실에서 8년 동안 일했다는 것을 지나가는 말로 언급합니다. 어쩌면 그가 해협 건너편의 옛 동료처럼 국가 전문가로 선정된 이유를 설명할 수 있을 것이다. 그러나 선험적으로 그들은 동일한 원칙에 기반합니다 : 현재 데이터에서 사망률 또는 소생의 외삽법, 그리고 9 월에 이미 습득 한 지식을 통합하지 않았습니다.

따라서 6월 초에 중요한 가설이 등장했다: 바이러스가 숙주 사이를 계속 이동하는 데 사용할 수 없는 인간이 있다는 것이다. 인구의 상당 부분은 이 바이러스에 감염되기 전에도 "교차 면역"을 가지고 있거나, 점막이 바이러스가 침투하는 것을 허용하지 않거나, 감염 후에도 전염되지 않을 것입니다. 이것은 어린이의 감염률이 낮다는 것(현재까지 Karl Friston은 어린이의 40%와 성인의 25%가 자연적으로 전염 사슬에 속하지 않는다는 수치를 제시함)뿐만 아니라 많은 가정에서 가족 중 한 명이 아플 경우 가족 중 일부만 감염된다는 사실을 설명할 수 있습니다. 그리고 다이아몬드 프린세스에 대한 바이러스의 제한된 확산. 실제로, 바이러스에 처음 노출된 약 3,700명의 승객 중 700명만이 바이러스에 감염되었습니다 – SARS-COV2가 객실에 갇혀 있음에도 불구하고 환기 시스템을 통해 순환했다는 것을 알고 있음에도 불구하고(감금이 없는 것보다는 훨씬 적지만 여전히 순환). 마이클 레빗(Michael Levitt, 노벨 화학상)이 옹호한 아이디어는 2020년 3월 초에 전염병이 기하급수적인 곡선을 따르는 것이 아니라 성장률이 급격히 감소하고 있다는 것을 보여줄 수 있었습니다. 수치 예측을 하는 데 필수적이며 적어도 테스트할 가치가 있는 이러한 가정은 6개월 전에 발표된 수치와 거의 동일한 수치를 산출하는 데 확실히 사용되지 않았습니다. 마치 아무것도 배우지 못한 것 같습니다.

예를 들어, 바이러스("변종")의 진화에 대한 의문이 9월에 프랑스에서 공개적으로 제기되었으며, 따라서 여러 전염병이 이미 성공하고 있었고 각 전염병은 종자 모양의 곡선을 이루고 있었습니다. 그러나이 데이터는 프랑스 또는 해외의 세미나 토론에서 무시되었습니다 : 마치 모델의 곡선이 데이터의 곡선과 전혀 닮지 않았더라도 감금의 끝에서 자동 "반동"인 "두 번째 물결"을 인식해야하는 것처럼 무시되었습니다. 따라서 모델링의 산물인 "제2의 물결"은 현실에서 측정할 수 없는 상태에서 일반 대중에게 진리로 강요되었습니다. 다시 말하지만, 이 모델은 현실보다 "더 사실적"입니다.

그러나 Simon Cauchemez 자신이 "발표 된 재앙"의 규모를 약간 줄였기 때문에 진실로서의 가치는 상대적이었습니다 : 대통령이 400,000이라고 말했을 때 그 자신은 300,000에 베팅했습니다. 사망자의 1/3이 저울에 추가되는 무심함에 주목할 가치가 있습니다. 우리는 너무 비관적인 가설은 항상 공식 전염병학자들로부터 받아들이는 것이 좋다는 것을 알 수 있습니다. 특히 이 수치는 공적 공간에서 시정 없이 버려질 때 문제가 되기 때문이다. 당시 치사율이 0.5%로 추정되던 상황에서 3의 법칙을 아는 시민이라면 누구나 40만 명의 사망자가 현재보다 더 많은 프랑스 인구(인구 8000만 명)에서만 발생한다는 것을 알고 있었다. 게다가, 사망률의 연령 집단 분포는 모두에게 널리 알려져 있었고, 그러한 단순한 비례 수치로 돌아가는 것은 모델에 대해 "학습"된 것이 거의 없다는 것을 보여주었습니다. 이러한 다소 억지스러운 추정에 직면하여 과학자들의 주장에 대한 대중의 신뢰가 얼마나 많이 사라졌는지 궁금합니다.

더욱 심각한 것은, 이 사건은 전염병학자들이 끊임없이 수치와 숫자를 흔들면서 발표된 수치를 진지하게 받아들이지 않았다는 것을 드러냈다: 체크 뉴스에서 부정은 여전히 약하며, 과학위원회의 어떤 위원도 대통령의 과장을 주장함으로써 공개적으로 수치를 수정하지 않았다. 정량적 모델링으로 작업하고 결과의 수치적 가치를 옹호하지 않는 것: 이것은 인구가 경험하고 있는 불안의 맥락에서 실제로 질문을 제기하는 진지함의 부족입니다.

마지막으로, 아마도 최악의 부분은, 전염병학자들이 이 모든 사람들이 죽는 데 얼마나 오래 걸릴지 구체적으로 밝히지 않았다는 것이다. 그러나 우리는 질병으로 인해 5년 동안 300,000명의 사망자가 발생하거나(코로나19가 풍토병이 되고 우리나라에서 조기 치료가 여전히 보이지 않는다면 상상할 수 있는 것처럼 보입니다) 한 계절에 300,000명의 사망자가 발생하는 것과 같은 방식으로 걱정하지 않습니다. 따라서 이 모호성을 이용함으로써, 과학위원회의 구성원들은 과학보다는 정치를 해왔다(그들의 임무는 모호성을 줄이는 것이다).

이 에피소드는 방법의 오류에 대한 고질적인 지적, 새로운 데이터 통합에 대한 거부, 그리고 테이프에 의해 이 정보의 타당성에 대한 특별한 걱정 없이 이 정보를 전달한 주요 신문의 비판적 역량 부족을 강조합니다.

세계의 동질성과 데이터 집계

다른 숫자들도 여기저기서 튀어나왔는데, 예를 들어 공인된 사적 모임이나 식당 테이블에 대한 유명한 숫자 6이 있습니다. 이 기준의 제정 이면에 있는 모델이나 그 논리를 알기는 어려울 것이다: 만약 6명이 정기적으로 모임을 갖는다면, 그리고 관련된 사람들이 정기적으로 그룹을 바꾼다면, 그 확산은 8명이나 4명으로 구성된 그룹에서도 마찬가지일 것이다. 오늘날 학생들은 대학을 20%까지 채울 수 있으며, 그러한 수치가 어디서 나올지 전혀 알지 못합니다. 마법의 숫자는 우리의 삶을 규제합니다.

내가 아는 한, 사용된 모델이 네트워크 수정에 대한 이러한 문제를 다룰 수 없다는 것(따라서 봉쇄 또는 기타 "거리두기" 규칙의 효과를 "예측"하는 것)을 나타내기 위해 개입한 연구원은 거의 없습니다. 지안루카 만조(Gianluca Manzo)는 전염병에서 슈퍼 전파자의 역할을 지적했는데, 이는 상호 작용의 현실에 대한 진지한 관심을 필요로 했다. 이러한 성찰 없이, 링크 수의 이질성이 보급의 역동성에 필수적이기 때문에 어떻게 효과적인 정책을 생각할 수 있겠습니까? 나 자신도 네트워크상의 확산 모델로는 확고한 예측을 할 수 없다는 사실을 주장했었는데, 이는 특정 만남의 우연한 사건의 역사에 매우 많이 영향을 받는다(이 효과를 "경로 의존성"이라고 부른다).

이러한 네트워크 문제에 대한 자세한 분석이 없는 상황에서 일부 전염병학자들은 각 병원체에서 상호 작용의 70%를 균질하게 제거하여 이를 대표하는 몇 가지 모델의 감금을 처리했습니다. 우리가 봉쇄를 경험한 대로 신뢰할 수 있는 표현을 포착하고 있다고 믿는 것, 그리고 무엇보다도 이러한 표현 방식이 결과에 영향을 미치지 않는다고 믿는 것은 명백히 낮은 수준의 실수입니다. 이것은 결과를 관찰하고 분석하기 위해 이러한 동종 모델을 생성하는 동료를 비난하는 것이 아닙니다. 문제는 매우 이질적인 세계에서 행동의 지침으로 사용되자마자 발생합니다.

공식 모델링의 또 다른 불합리한 측면은 지역 상황 분석을 거치지 않고 국가 데이터 외삽 곡선을 생성하는 것입니다. 그러나 첫 번째 봉쇄 기간 동안 관찰된 서로 다른 지역이 분리되어 바이러스가 인간보다 더 많이 지역 간에 순환하지 않았습니다: 바이러스 확산의 관점에서 볼 때 각 지역은 특정 역학 관계에 있었고 사례의 추정은 지역 수준에서 흥미롭고 적절한 방식으로만 수행될 수 있었습니다. 그러나 우리는 "내 모델은 지역 데이터보다 국가 데이터에 더 적합하므로 전국 규모로 사용합니다"와 같은 주장을 계속 들었습니다 - 진지한 모델러라면 모델이 쓰레기통에 버려지고 심각하게 수정되어야 한다고 결론을 내렸을 것입니다. 이상하게도 동료들은 세미나에서 지역 역학에 대한 질문을 받았을 때 이해하지 못하는 것 같았고 대답하지 않았습니다. 마지막으로, 11월에 알렉산드라 앙리옹-코드(Alexandra Henrion-Caude)는 (유튜브에 의해 삭제된 것으로 보이는 동영상에서) 지역 역학에 대한 분석이 얼마나 유익한지를 보여주었다 – 특히 인구의 순진함의 정도와 예상되는 전염병 형태를 더 잘 알면 두 번째 전염병의 출현에 직면할 수 있었다.

현실이 아닌 모델

"제2의 물결"이라는 개념은 오랫동안 논의되어 왔다. 분명히, 많은 호흡기 질환 전문가들은 이 생각이 무의미하다는 것을 알고 있었기 때문에 이 생각이 퍼질까 봐 걱정했다. 그들은 종형 곡선을 볼 것으로 예상했고, 전염병이 다시 돌아올지 아닌지, 다음에 무슨 일이 일어날지 기다려야 했습니다. 반면에 모델에서는 봉쇄가 오래 지속되지 않으면 중단되자마자 확진자 수가 거의 즉시 증가합니다. 이 책에서 우리는 모델에 관계없이 이것이 사실임을 보여줍니다. 가설에 관계없이 이 효과가 나타나는 것은 SIR(Healthy, Infected, Recovered) 모델링에 기계적으로 연결되어 있기 때문이지 "참"이 아니기 때문입니다. 감염 수치에서 7월 확진자 증가를 볼 수 있었던 것은 약간의 시차가 있었을 뿐, 모델이 "예측"한 방식은 전혀 아니었습니다. 그런 다음 이 결과가 바이러스 자체의 역학이 모델에서 고려되지 않았다는 사실("계절성")과 관련이 있다는 가설을 세울 수 있습니다. 모델들의 그것과 동일한 "제2의 물결"을 믿는 유일한 방법은 시간적, 동적 속성을 다시 한 번 부정하는 것이다. 또한 마르세유의 IHU 회원들이 첫 번째 변종을 탐지하고 2020 년 9 월 초에 현상에 대한 좋은 지식으로 프랑스에 경고 할 수 있었던 것은 변칙으로 간주 된 7 월의 이러한 증가에 관심을 가짐으로써 주목할 수 있습니다.

데이터 품질 문제는 인구 통계학자들에 의해 정기적으로 제기되어 왔습니다. 에르베 르 브라스(Hervé Le Bras)의 경우, 수치 해석의 한계를 파악하는 것은 매우 일찍부터 가능했습니다. 다른 사람들은 전염병을 추적하기 위한 일반적인 데이터 수집 방법을 회상하거나, 특히 Covid-19 또는 Covid-19 감염자의 사망 보고와 관련하여 잘 정의되거나 불확실성이 명시되지 않은 상태에서 공식 담론이 전염병을 설명하기 위해 어떻게 새로운 척도를 끝없이 사용하는지 보여줄 수 있습니다.

그러나 시간 외삽에 기초한 모든 모델의 데이터에 근본적으로 의존하고 있음에도 불구하고, 가장 눈에 띄는 전염병학자들은 이 논의에 주의를 기울이지 않았다. 증거는 때때로 한 평가 모델에서 다른 평가 모델로 원을 그리며 이동했으며, 측정된 데이터의 품질은 궁극적으로 부수적인 것처럼 보였습니다. 예를 들어, R0는 감염 데이터를 기반으로 한 근사치이지만(검사 수가 충분할 때까지 측정되지 않음) 가정의 호환성 또는 모델을 포함할 때 불확실성 누적에 대해 항상 예방 조치를 취하지 않고 많은 예측 모델의 입력 변수로 사용됩니다.

따라서 Libération이 안일하게 취한 역학적 만족은 그럼에도 불구하고 단기적인 오류(몇 주 전의 중환자 병상 점유율)나 장기적인 오류(1년 전체)를 고려하지 않는다는 생각에 근거합니다. 매우 불완전한 몇 가지 데이터 세트에서 빠르게 검증된 모델을 기반으로 Simon Cauchemez는 우리가 포함하지 않았다면 그의 예측이 성취되었을 것이라고 확신한다고 주장합니다. 우리는 1에서 3까지의 크기 차이에 대해 이야기하고 있는데, 이는 엄청납니다. 이 논리에는 문제가 있다: 모델이 검증될 수 없기 때문에 그가 옳다는 것을 증명할 수 있는 반사실이 없다. 예를 들어, 봉쇄 효과의 크기는 사용된 모델 유형으로 계산할 수 없으므로 반박할 수 있는 예측이 이루어지지 않았습니다.

그러나 예견된 재해가 예상 수준으로 수행된 국가에 대한 관측은 없으며, 우리는 그것과는 거리가 멀다. 몇 가지 매우 국지적인 우려 상황을 언급할 수 있지만 규칙이 아닌 예외이며 원인을 자세히 분석해야 한다는 것을 알 수 있습니다.

스웨덴과 같이 정치적 반사실(counterfactual)을 확립한 국가들은 실제로 다른 종류의 증거를 제공할 수 있다. 우리의 전염병학자들에게는 불행하게도, 그것은 어떤 권위주의적 지배도 강요되지 않고, 경제의 체계적인 파괴도 없이, 우리와 거의 비슷한 곡선을 그리는 거꾸로 된 증거의 역할을 한다. 만약 우리가 "그 모델들이 틀리지 않았다"고 말해야 한다면, 우리는 왜 우리의 사망률이 스웨덴의 사망률과 비슷한지를 설명해야 하는데, 스웨덴의 사망률은 논리적으로 우리보다 약 3배 더 높아야 한다. 여러 연구에 따르면 엄격한 감금은 가벼운 거리두기 조치에 직면하여 눈에 띄는 이득을 제공하지 않으며 집에 머물러야 할 의무가 바이러스 순환의 감소를 보장하지 않으며 대규모 모임을 제거하는 것이 가장 좋은 설명이라고 지적합니다 스웨덴의 전염병 역사를 설명하기 위해(대학과 고등학교도 폐쇄됨). 그러나 우리는 종종 스웨덴이 "다른" 프랑스와 비교할 수 없다는 것을 읽습니다. 인구의 특성이나 조직의 특성이 현재로서는 사망률 곡선을 설명할 수 없고, 스웨덴이 우리보다 중환자 병상이 더 적고, 대도시와 동등한 대도시의 인구 밀도가 분명히 높기 때문에 이러한 주장이 어떤 기준에 근거하고 있는지 궁금할 수 있습니다.

왜 동료들과 저널리스트들은 엄밀한 입증 없이는 말이 안 되는데도 그들의 모델이 옳다는 것을 종종 무심코 반복하는 것일까? 교육 수준이 어떻든 많은 인터넷 사용자는 예측 오류를 지적하는 것을 눈에 띄게 재미있게 볼 수 있으며, 이는 전문가의 말에 대한 신뢰를 더욱 떨어뜨립니다. 루이스 캐럴(Lewis Carroll)의 땅에서만 반복이 명제를 참으로 만든다(1).

약간의 과장을 인정하고 시간이 지남에 따라 모델에 대한 변화를 설명하는 것은 비관적인 경향에 의문을 제기했을 것입니다. 사고 실험을 해보자: 오늘날 사망자 수의 1 대 3의 비율로 과대평가되는 것이 용인될 수 있을 것 같지만, 그 차이의 크기는 논의되지 않았다. 반면에, 누군가가 90,000명이 아닌 70,000명의 사망자를 예측했다고 가정해보자: 오차는 훨씬 작고, 크기는 보존된다. 그러나 이 예측은 우리가 귀를 기울였다면 분명 발행자의 비판을 받았을 것이다.

마지막으로, 돌이켜 보면, 양적 모델이라고 생각되는 것들은 우리에게 모호한 내러티브를 제공했을 것이고, 관찰에 의해 설득력 있게 검증되지 않았을 것이다. 어떤 것들은 그것들을 해석하기 위해 취해야 할 "예방 조치"에 대한 명확한 자격 없이 무지한 대중에게 목초지로 던져진 날것의 "예측"을 생성하는 도구의 형태로 제공된다. 대중이 이러한 모델이 매우 드문 경우에만 "잘" 예측한다는 것을 깨닫게 될 위험이 여전히 존재하며, 이는 그 자체로 예측할 수 없습니다. 만약 이것이 대중을 조금 더 실망시킨다면, 1년 동안 그토록 취약한 것으로 드러난 논쟁들에 의해 지배된다면, 과학자들 사이에서 더 이상 논의되지 않고 무엇보다도 대중 매체의 홍보 역할을 하는 "과학"의 권위는 어떻게 될 것인가?

지적 난파선의 해석

전염병이 프랑스에 상륙하고 과학이 갑자기 언론과 정치적 관심의 중심에 서게 되었을 때 무슨 일이 일어났습니까? 우리 직업이 수년 동안 경험해 온 것과 마찬가지로 ANR은 프로젝트 요청을 시작했습니다. 어떤 프로젝트는 선정되었고, 어떤 프로젝트는 선정되지 않았다: 이것은 분노와 우려를 불러일으켰고, 모든 사람들이 눈에 띄거나 인정받기 위해 더 많은 것을 선동하도록 강요했다 – 따라서 이슈에 대한 집단적 이해를 향상시키기 위해 협력하기보다는 빠르게 "논문을 쓰게" 되었다. 현상에 대한 설명이 집단적으로 분석되고 작성된 CoVprehension collective와 같이 3월에 시작된 주목할만한 예외를 보았음에도 불구하고 ModCov19(모델링을 중심으로 CNRS가 시작한 공식 네트워크)의 세미나는 다른 한편으로 모든 사람이 소규모 그룹으로 생산된 논문을 발표하는 매우 "일반적인" 학술 교류의 세계를 보여주었습니다. 그리고 토론이 비판의 가능성 없이 10분 동안 몇 가지 최소한의 질문으로 제한되는 경우. 짧은 논의를 생략하는 이 개인주의적 조직은 연구자들 자신의 선택이 아니라, 단지 지난 20년 동안 새롭게 부상한 규범인 의례적인 형태일 뿐이다. 이는 프로젝트 문화와 개인 평가와 관련된 오랜 변화의 결과입니다: 이제 동료의 관점에 직면하고 경력 구축이나 자금 조달에 귀중한 시간을 낭비하는 것보다 동료와 그들의 결과 또는 질문을 보이지 않게 만드는 것이 더 낫습니다.

따라서 의학 아카데미는 7월에 폐수 분석을 통해 인구 내 바이러스의 존재를 효과적으로 예측하고 2주 전에 입원을 예측할 수 있다고 밝혔지만, 일부 전염병학자들은 이 정보를 무시하고 모델을 개선하기 위해 자신의 예측과 상호 참조하지 않는 것을 선호했습니다. 변이의 출현과 보건 전략에 미치는 영향은 공식 역학에 의해 뒤늦게 강조된 반면, 이 모든 것은 IHU에 의해 9월에 명확하게 보고되었습니다. 수개월째 제기돼 온 백신의 효능에 대한 의문도 제기되지 않고 있다.

자원에 대한 접근을 위한 이러한 치열한 경쟁은 또한 필요한 암묵적 위계질서에 기초하고 있으며, 특정 단체의 권위는 많은 학문적 논의에서 획득된다. 예를 들어, 파스퇴르 연구소의 결과는 여전히 사실이지만, 비록 우리가 그들의 분석을 믿는다면, 일부 사람들은 그들의 모델이 봉쇄의 효과를 통합하도록 설계되지 않았으며 즉흥적으로 행동해야 했다고 인정한다. 그러나 연구자들의 불안정성이 완벽하게 확립되어 있기 때문에 몇 달 동안 우리 정부에 지시를 내려온 팀이 거의 전적으로 지위가 없는 젊은이들로 구성되어 있다는 것을 알고 있습니다. 소위 연구의 "불안정한" 사람들은 종종 나이로 인해 경험과 과학 문화가 조금 적고, 따라서 잠재적으로 반사성이 조금 더 낮으며, 동료와 토론하고 자신의 가설과 아이디어를 광범위하게 테스트할 수 있는 네트워크가 더 제한적입니다(동료와의 관계는 "동료 평가"로 축소되지 않고 일상적인 교환의 연습이기 때문입니다). 마지막으로, 우리는 그들이 심오하고 위험한 연구를 발전시키거나 심지어 그들의 경력이 의존하는 연구 공간 내에서 모순을 가져오는 것이 매우 섬세하다는 것을 알고 있습니다.

경쟁에 대한 이러한 수동적인 수용은 전염병학자들이 친숙해야 할 학문에 대한 지식의 부족과 밀접한 관련이 있습니다. 예를 들어, 일부 하드 사이언스 연구자들이 민주주의와 그들의 권고에 대한 존중을 혼동하고 있다는 것을 어떻게 이해할 수 있을까? 그들은 과학을 통합하는 의사결정 지원 문화를 가지고 있지 않기 때문에, 예를 들어 경제학자들이 발전시킨 가능한 선택지들 사이의 중재라는 개념을 알지 못하며, 복잡한 우주에서의 결정이 결코 단일한 분석 기준에 기초할 수 없다는 것을 알지 못한다. 1년 동안, 그것은 인구의 수용 가능성과 사망자 수 사이의 절충안이었고, "수용 가능성"은 민주적 토론의 개념이라기보다는 사회적 조작의 개념에 훨씬 더 가깝다. 자신의 개인적 관념을 공동선과 혼동함으로써, 그 나라의 정부를 도울 수 있다고 주장하는 과학자들은 철학, 인식론, 의사결정 지원, 심지어 과학사회학에 있어서도 그들의 문화가 부족하다는 것을 보여주었다. 불행히도 이러한 편견은 매우 널리 퍼져 있으며, 교육 경로를 근본적으로 바꾸지 않고는 이를 해결하는 것을 상상할 수 없습니다.

과학계와 전문지식의 구조적 결점들에 대한 이처럼 신속한 폭로가 이루어지고 있으며, 그 중 몇 가지 요소만을 여기에 제시하고 있으며, 이를 통해 향후 몇 년 동안 과학정책의 궤적을 지적으로 재검토할 수 있기를 바란다. 특히 신종 전염병이 대량으로 발생할 것으로 예상된다면, 과학자들 사이에 이처럼 논의가 부족할 수는 없다. 어떤 대가를 치르더라도 경쟁은 지식이 모든 사람에게 유용할 수 있도록 선험적으로 가야 할 길이 결코 아니었다.

(1) "스나크의 오른쪽 코너! 나는 너희에게 두 번이나 말했었다:
그것은 너희를 격려하기에 충분할 것이다.
스나크에 딱 맞는 장소! 내가 너희에게 세 번
말한 것은 절대적으로 사실이다.
루이스 캐롤, The Hunt for the Snark

클럽은 미디어파트 구독자를 위한 표현의 자유를 위한 공간입니다. 그 내용은 편집자의 책임이 아닙니다.

저자는 이 문서를 댓글로 닫기로 결정했습니다.