• H. Mannaert en P. Petré

Zelfvervullende modellen als basis voor beleid: de valkuil van de wetenschap

Herwig Mannaert (UA, beleidsinformatica) & Peter Petré (UA, cognitieve wetenschap)


De omvang van de nevenschade die lockdowns hebben aangericht, is wellicht enorm. Zo lag bijvoorbeeld het aantal zelfmoordpogingen tijdens de twee eerste lockdowns driemaal hoger dan voor corona, en bij jongeren zelfs nog hoger[1]. Stanford professor Jay Bhattacharya stelt zelfs onomwonden dat “Lockdowns will be seen as the single biggest public health mistake in history”[2],[3] . Maar minstens even bitter is dat het heel goed mogelijk is dat ze niet tot amper hebben bijgedragen tot hun eigenlijke doel: het beperken van het aantal slachtoffers van de Covid pandemie[4],[5]. Dat men desondanks toch hardnekkig aan lockdowns bleef vasthouden, heeft grotendeels te maken met één van de grootste valkuilen van de wetenschap, die van de zelfvervullende modellen.


In het algemeen volgen wetenschappers een vaste methode. Ze vertrekken van de observatie van een fenomeen, om daar vervolgens patronen in te zoeken. Op basis van deze analyse worden passende beschrijvingen en/of vergelijkingen geformuleerd, die modellen of hypothesen worden genoemd. Vervolgens voert men experimenten uit om te zien of deze modellen de toekomstige observaties voorspellen. Als een model of hypothese succesvol meerdere experimenten voorspelt, wordt ze gevalideerd, en kan mogelijk uitgroeien tot een wet of wetenschappelijke theorie.


Nu, modellen zijn een – vrijwel altijd vereenvoudigde – beschrijving van de realiteit. Natuurwetten zijn trouwens ook modellen, zij het fundamentele, die heel erg grondig getest zijn. Zij gelden in principe binnen bepaalde grenzen, maar kunnen nooit volledig geverifieerd worden: men kan immers niet alles testen. Ze kunnen wel (partieel) gefalsifieerd worden, of (deels) vervangen worden door een beter model. Een beter model is een model dat probablistisch betere voorspellingen maakt, of een ruimer bereik heeft. Een voorbeeld is de algemene relativiteitstheorie, die bij zeer hoge krachten of snelheden de observaties beter voorspelt dan de klassieke gravitatiewet. Belangrijk daarbij is dat over het algemeen fundamentele wetten niet verklaren, maar louter beschrijven. De gravitatiewet zegt bijvoorbeeld niet hoe de aarde jou aantrekt.


Natuurwetten hebben bovendien vaak de neiging om zelfvervullend te worden. Zo werd de ‘wet van behoud van energie’ niet herzien toen men vaststelde dat materie in energie kon worden omgezet, maar werd gesteld dat ‘materie een vorm van energie is’. En zo werd het ‘eenduidig verband tussen kracht en verandering’ niet herzien toen men vaststelde dat kriskras bewegende deeltjes zich op natuurlijke wijze verspreiden, maar werd een nieuwe kracht ingevoerd werkend op basis van de concentratie aan deeltjes. Met andere woorden, de wetenschap beschrijft en verklaart vaak vanuit een onderliggend paradigma, en creëert zo in zekere zin haar eigen gelijk. Dit is op zich niet per se een probleem, omdat het toelaat verschijnselen op een eenvormige manier te beschrijven. Maar, men moet zich wel bewust blijven van de ‘bias’ die het gehanteerde paradigma met zich meebrengt. En soms moet men uiteindelijk dat onderliggende paradigma herbekijken, ook al is dat een zeer moeizaam proces. Al in de jaren 1960 stelde Thomas Kuhn dat het fundamenteel in vraag stellen van een bestaand paradigma doorgaans gepaard gaat met enorme weerstand van de gezaghebbende wetenschappers van die tijd. Het bekendste voorbeeld is wellicht de Copernicaanse revolutie en de weerstand die Galilei ondervond nadat hij had bewezen dat de aarde rond de zon draait. Het gebruik van een eenvormig paradigma dat deels zelfvervullend is, kan dus wel aanvaardbaar en zinvol zijn, maar dan op voorwaarde dat de verklaringen van de observaties niet nodeloos ingewikkeld worden, en dat was precies wat het pre-Copernicaanse model was geworden.


Nog crucialer is dat men steeds trouw blijft aan de wetenschappelijke methode: dat men stelselmatig het voorspellend vermogen van de modellen kritisch aftoetst aan de realiteit, en maximaal streeft naar verificatie en/of falsificatie van hypothesen en causale verbanden. Het is immers precies die mogelijkheid tot falsificatie, de zogenaamde falsifieerbaarheid, die volgens Karl Popper de scheiding vormt tussen wetenschap en pseudowetenschap. En het is precies op dit punt dat vele wetenschappers in gebreke bleven tijdens de Covid-pandemie. Zo ontstond bijvoorbeeld al heel snel in de pandemie het geloof dat lockdowns en mondmaskers zorgen voor de beperking van het aantal Covid besmettingen en sterfgevallen. Maar dit waren – en zijn nog steeds – hypothesen, en vrijwel elke aanzet om deze aannames kritisch te toetsen aan de realiteit werd systematisch geweigerd en/of genegeerd. Sterker nog, heel snel ging men deze aannames, waarop het beleid gebaseerd was, als een impliciet paradigma of dogma beschouwen. In plaats van de observaties te gebruiken om de aannames en modellen te verifiëren, werden vrijwel steeds de modellen gebruikt om ‘de data te duiden’. De aannames en modellen werden met andere woorden als zelfvervullend behandeld, en de essentie van de wetenschappelijke methode ging op de schop.


Er waren nochtans al heel snel duidelijke signalen dat wetenschappelijke verificatie van de gehanteerde aannames en modellen, zeker in een complex systeem zoals een menselijke samenleving, allerminst evident was, zoals bijvoorbeeld wanneer er ondanks strenge lockdowns nog steeds grote golven van besmettingen en sterfgevallen optraden. Meteen werd zonder aarzelen gesteld dat het anders nog veel erger was geweest. Hoewel uiteraard niet onmogelijk, mag dit in een wetenschappelijke context niet de eerste gedachte zijn. Het eerste wat je doet, is de hypothese in vraag stellen, zeker in een land als het onze, dat toen al enige tijd tot de koplopers behoorde op het vlak van sterfgevallen. Zou het dan zonder strenge lockdowns bij ons werkelijk vele malen erger geweest zijn dan in de rest van de wereld? Ook het feit dat staten die vrijwel geen gebruik maakten van lockdowns en mondmaskers, zoals Zweden, Florida, en Texas, geen grotere sterfte leken te hebben, wees overduidelijk op de nood aan verificatie en evaluatie van de onderliggende hypothesen. Maar zelfs nu, nadat recente wetenschappelijke studies uit de Verenigde Staten[4] en Canada[5] amper tot geen effect van lockdowns op Covid sterftecijfers konden vaststellen, blijft deze hypothese nog steeds bepalend voor adviezen en beleid.


Een andere zelfvervullende analyse die de wetenschappelijke verificatie omzeilt, is gebaseerd op het naleven van de maatregelen. Zo verklaart men het verschil tussen de realiteit en het verwachte effect van de maatregelen door het ‘gebrekkig naleven van de maatregelen’. Op basis van het onaantastbare model wordt à posteriori ingeschat in welke mate de maatregelen werden nageleefd. Dit is opnieuw een cyclische of zelfvervullende redenering zonder wetenschappelijke verificatie van model of hypothese. Het is als stellen dat een kind stout was omdat je het gestraft hebt. Men kan zich trouwens de vraag stellen of een realistisch model niet à priori rekening moet houden met de mate van naleving. Hierbij zou ook meteen duidelijk worden dat maatregelen die uiterst gevoelig zijn voor een gebrekkige naleving, of een strikte discipline vereisen van kleine kinderen, helemaal niet realistisch, en dus ook niet wenselijk zijn. Nochtans houden de momenteel gebruikte transmissiemodellen met verschillende scenario’s nog steeds amper tot geen rekening met sociale en structurele factoren[6]. Recent werd nog op het Lentesymposium gesteld[7] dat men deze transmissiemodellen niet mag verwarren met predictiemodellen, en dus niet mag aftoetsen aan de reële observaties. Met andere woorden, men poneert dit soort modellen per definitie buiten het bereik van de verificatie van het voorspellend vermogen, en dus buiten de wetenschappelijke methode. Terwijl beleidsmakers bij een selectie van een bepaald scenario uiteraard verwachten – en mogen verwachten – dat het model een voorspellende waarde heeft.


Wie zijn fouten niet inziet is echter gedoemd om ze te herhalen. En wat in de loop van 2020 met lockdowns en mondmaskers gebeurde, lijkt zich sinds 2021 te herhalen met massavaccinatie. Ook hier vertrok men van de assumptie dat een hoge vaccinatiegraad de pandemie zou inperken. Ook hier werd bij nieuwe golven van besmettingen steeds zonder aarzelen gesteld dat het anders nog veel erger zou zijn. Ook hier werd bij het bereiken van een zeer hoge vaccinatiegraad vervolgens gesteld dat het de schuld was van de weinigen die zich niet lieten vaccineren. En ook hier verzetten velen zich hardnekkig tegen elke poging tot verificatie, i.e., het kritisch toetsen van de onderliggende hypothese aan de realiteit. Terwijl ook hier meer en meer empirische data beschikbaar zijn die net wijzen op de nood aan verificatie en evaluatie van de hypothesen en aannames. Zoals bijvoorbeeld de cijfers van Sciensano[8] of de Britse overheid[9], die lijken aan te geven dat gevaccineerden zelfs vaker besmet raken dan niet-gevaccineerden, of een internationale studie[10] die geen verband kan vinden tussen vaccinatiegraad en afname van Covid-19 besmettingen.


Wetenschappers kunnen zich vergissen. Dat is een integraal deel van de wetenschap. Maar één vergissing mogen we nooit maken: de eigen vergissingen ontkennen via zelfvervullende analyses. Want zo kunnen onze vergissingen steeds groter worden en zelfs epische proporties aannemen.



Enkele niet exhaustieve referenties

[1] https://www.gezondbelgie.be/nl/gezondheidstoestand/geestelijke-gezondheid/zelfmoordgedrag [2] https://www.newsweek.com/stanford-doctor-calls-lockdowns-biggest-public-health-mistake-weve-ever-made-1574540/ [3] https://www.telegraph.co.uk/news/2021/06/10/lockdowns-single-biggest-public-health-mistake-history-says/ [4] https://sites.krieger.jhu.edu/iae/files/2022/01/A-Literature-Review-and-Meta-Analysis-of-the-Effects-of-Lockdowns-on-COVID-19-Mortality.pdf [5] https://www.sciencedirect.com/science/article/pii/S1201971222001084 [6] https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1009795 [7] https://www.lentesymposium.net/events/epidemiology-non-pharmaceutical-interventions [8] https://covid-19.sciensano.be/sites/default/files/Covid19/COVID-19_Weekly_report_NL.pdf [9]https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/1058464/Vaccine-surveillance-report-week-9.pdf [10] https://link.springer.com/article/10.1007/s10654-021-00808-7

580 weergaven0 opmerkingen

Recente blogposts

Alles weergeven