Trovare un rubino nella spazzatura
Nei primi giorni del 2020, ero un semplice postdoc alla Montana State University. Agli occhi gerarchici dell'accademia, non ero niente, nessuno, non valevo il tempo di una giornata.
Non credo a questa narrazione su me stesso, ma si diventa consapevoli del proprio posto in un totem pole quando si telefona a freddo ai professori con il mio indirizzo email del Montana State. La mia narrazione personale è fatta di curiosità, successo accademico, un dottorato di ricerca a Princeton, un postdoc alla Duke University dove ho fatto scienza incredibile nonostante il mio supervisore post-dottorato è scomparso. Per aiutare a pagare le spese mediche di mia moglie, ho avviato un'attività di consulenza parallela, occupandomi di biostatistica di giorno e di sviluppo di strategie di trading di hedge fund di notte. Abbiamo scelto il Montana perché non sono qui per fama o fortuna... e a mia moglie piace sciare, quindi ho accettato un lavoro di ricerca sulla diffusione di patogeni e sulle previsioni di epidemie nel Montana qualche anno prima che i virus dei pipistrelli diventassero di moda.
Quando le capacità di previsione del mio secondo lavoro finanziario hanno portato alla luce nuove scoperte sulle epidemie di Covid-19 e sull'epidemiologia di questo nuovo coronavirus correlato alla SARS, ho sentito l'obbligo di condividere le mie scoperte. Non volevo che le mie intuizioni di intelligence medica rendessero solo i ricchi più ricchi; volevo aiutare tutti a gestire la pandemia che ci attendeva con le migliori informazioni disponibili che le mie scienze dell'informazione potessero fornire.
Le mie scoperte erano semplici, nascoste in bella vista: la prima epidemia di SARS-CoV-2 stava crescendo più rapidamente di quanto stimato da molti epidemiologi. Una cosa con cui non perdiamo tempo in finanza è la stima dei tassi di crescita esponenziali: è così che si stimano i rendimenti, e i rendimenti sono il pane quotidiano della finanza. Secondo le mie stime, i tassi di crescita dei casi erano molto più rapidi di tutti i modelli convenzionali stimati all'epoca, e tassi di crescita più rapidi con la stessa data di inizio implicavano più casi, un iceberg subclinico di infezioni più grande, minori probabilità di contenimento riuscito e minore gravità.
Con tassi di crescita più rapidi, le stime della gravità della pandemia diventano estremamente sensibili alla data di inizio; un tempo di raddoppio di 2 giorni a partire da 20 giorni fa genererà 1,000 infezioni, ma un tempo di raddoppio di 2 giorni a partire da 60 giorni fa genererà 1 miliardo di infezioni. Ogni 2 giorni commettiamo errori nella nostra stima altamente incerta delle date di inizio, nella nostra stima delle dimensioni della pandemia e nelle variazioni di carico di 2x.
Ho condiviso privatamente un articolo su queste scoperte e la maggior parte delle persone ha visto spazzatura. Un professore di Oxford mi ha persino detto direttamente che se Harvard dice una cosa e Alex di Bozeman ne dice un'altra, lui crederà a ciò che dice Harvard. Mentre cercavo di mettere in guardia le persone da un treno ad alta velocità in arrivo di una pandemia nel febbraio 2020, ho ricevuto e-mail severe da illustri professori in cima alla gerarchia che sostenevano che se avessi condiviso apertamente le mie scoperte, avrei potuto seminare compiacimento e "interrompere il messaggio di salute pubblica".
In situazioni di emergenza, sono abituato ad appiattire le gerarchie, a fidarmi delle informazioni come sincere e a garantire flussi di comunicazione. Nei primi giorni del Covid, tuttavia, le nostre informazioni non venivano condivise ampiamente, l'alto totem pole della gerarchia accademica non si appiattiva e le mie statistiche venivano considerate spazzatura.
Nel frattempo Jay Bhattacharya trovò il rubino.
Facciamo un salto in avanti oltre la trama del Covid-19, la zona di guerra tra scienza e politica, oltre gli sforzi dell'ex direttore dell'NIH di censurare Jay, oltre una pandemia che ha traumatizzato il mondo e lasciato il nostro dibattito civile nel caos, e arriviamo al mondo di oggi in cui Jay è stato nominato direttore dell'NIH.
Sentirai dire molte cose su Jay, molte prevedibili opinioni a caldo da parte di persone di cui conosci già le opinioni in base ai loro atteggiamenti e convinzioni durante la pandemia. Troverai le stesse persone che mi hanno detto di non condividere le mie scoperte, le stesse persone che hanno favorito la censura degli scienziati, dicendo che nominare Jay è una cosa terribile, e troverai il gruppo estremamente ampio e diversificato di scienziati, dottori e manager che hanno trovato Jay eminentemente ragionevole venire in sua difesa.
Ciò che manca nel discorso partigiano è la sfumatura e la compassione, la curiosità e la comprensione. In un certo senso, il nostro discorso politico è un macrocosmo e il discorso scientifico un microcosmo della nostra polarizzazione tribale, e le stesse reazioni impulsive che hanno portato le persone a supporre che le mie scoperte fossero sbagliate e che condividere le mie informazioni fosse irresponsabile, ora stanno portando le persone a supporre la visione più vicina, più veloce e più allineata alla tribù sui candidati del presidente in arrivo.
Ciò che spero di aggiungere al nostro mosh pit civico è una visione serena di un viaggio scientifico attraverso il Covid che ha portato persone ragionevoli di molti schieramenti politici ad abbandonare le tribù per la verità. Questo viaggio è un arazzo di prove scientifiche, incertezza, sincere domande sulle responsabilità etiche di scienziati e medici, e questo arazzo è tenuto insieme da due virtù che il dott. Jay Bhattacharya ha dimostrato in questi tempi tempestosi: curiosità e grazia.
Invece di narrazioni o opinioni a caldo, voglio mostrare al mondo qualcosa che ho avuto la fortuna di ammirare nel mio viaggio unico, qualcosa di cui abbiamo bisogno: la grazia del dottor Jay.
Epidemiologia e previsioni precoci delle epidemie
Ora, torniamo indietro a febbraio 2020. Avevo informazioni su casi in rapida crescita, ma i miei superiori accademici erano riluttanti a esaminarle e mi hanno scoraggiato dal condividerle.
I risultati del tasso di crescita veloce che ho osservato sono stati osservati anche (in modo molto diverso) dal collega di Jay a Stanford e premio Nobel Michael Levitt. Un altro collega di Stanford, John Ioannidis, è stato anche lui inserito in questo flusso di informazioni e ha avvertito che importanti decisioni in materia di politica sanitaria pubblica venivano prese nonostante l’enorme incertezza.
Da questa iniziale osservazione di rapida crescita, un gruppo di scienziati consapevoli della nostra enorme incertezza ha continuato a cercare di raccogliere ulteriori prove.
Sunetra Gupta, PI su un documento guidato da Jose Lourenco, ha rivelato l'enorme portata della nostra incertezza utilizzando l'epidemia del Regno Unito come caso di studioLourenco et al. hanno sottolineato che le previsioni erano altamente sensibili a una data di inizio sconosciuta e hanno chiesto indagini sierologiche per calibrare i nostri modelli e le nostre previsioni.
Ho riunito un team di colleghi per verificare se le previsioni di una crescita più rapida fossero vere e avessero portato a focolai negli Stati Uniti prima del previsto. Entro la terza settimana di marzo 2020, abbiamo visto un enorme eccesso di pazienti che si recavano presso gli ambulatori con una malattia simil-influenzale (ILI). Noi ha utilizzato l'eccesso di ILI per stimare il numero di persone che potrebbero avere il Covid entro marzo 2020Il nostro articolo ha portato alla pubblicazione di un articolo in , il Economista: “Perché uno studio che dimostra che il Covid-19 è ovunque è una buona notizia”e siamo rimasti aperti al feedback del pubblico, ricevendone infine uno critico che ha modificato la nostra stima (la scienza!!!).
La nostra stima aggiornata era che fino a 9 milioni di persone avevano il Covid entro il 28 marzo 2020 e 9 milioni di infezioni implicavano un tasso di mortalità per infezione di circa lo 0.3%. Insieme, queste stime suggerivano che un'epidemia non mitigata negli Stati Uniti avrebbe potuto vedere i casi raggiungere un picco di circa 1-2 decessi ogni 1,000 abitanti.
Al momento della nostra odissea ILI, Justin, Nathaniel e io eravamo in contatto con la task force Covid dello Stato di New York, aiutandoli a stabilire dashboard per monitorare la situazione mentre allentavano gli interventi e discutevano la base di prove per varie politiche di sanità pubblica. Sebbene non fossi in grado di condividere le prove in rapida crescita in tempo per avvisare il pubblico di una pandemia, mi sono impegnato a condividere prove successive e così facendo ho fornito risorse preziose ai manager che lottavano per gestire l'incertezza. "Il messaggio di sanità pubblica" di cui ero stato messo in guardia era monolitico, ma la realtà dell'incertezza è che ci sono molte possibilità e in tempi di incertezza i manager sono meglio serviti ascoltando l'intera gamma di possibilità.
La controargomentazione era che gli scienziati avevano bisogno di spaventare il pubblico, di sbagliare dalla parte della sopravvalutazione della gravità della pandemia a causa dei costi asimmetrici e delle conseguenze comportamentali della sottostima (seminare compiacenza e causare morti). Questo enigma etico è qualcosa che tutti dovrebbero considerare: se sei un manager o un membro del pubblico e gli scienziati trovano qualcosa di importante ma incerto, preferiresti che sopravvalutassero i rischi o che divulgassero l'intera gamma di possibilità in modo che tu possa prendere la tua decisione?
Nel frattempo, Jay, John Ioannidis e colleghi hanno anche cercato di risolvere la nostra incertezza con prove più empiriche. Jay et al. hanno coraggiosamente condotto un'indagine sierologica nella contea di Santa Clara, in California. La loro indagine sierologica ha stimato una prevalenza dell'1.2% di esposizioni al Covid-19 nella contea di Santa Clara, coerente con la tesi generale secondo cui le epidemie di Covid sono caratterizzate da introduzioni prima del previsto, crescita rapida e un grande iceberg subclinico di casi che implica una minore gravità della pandemia.
Critiche alle stime di gravità inferiore
Quando è stato pubblicato il nostro articolo ILI, molte persone hanno abbandonato l'idea che fossi un postdoc di merda e hanno iniziato a criticarmi come se fossi un professore ordinario di merda. Ci sono state parole taglienti sul fatto che io stessi minando "il messaggio di salute pubblica" senza indicare cosa fosse esattamente "il messaggio" e chi fosse in grado di deciderlo. Nessuno dei nostri critici era nella stanza con la task force Covid dello Stato di New York durante la peggiore ondata di focolai sul suolo statunitense dal 1918.
In questo senso, lavorando direttamente con i manager mentre cercavano di gestire una situazione terrificante, eravamo un po' più vicini al processo/caos della politica sanitaria pubblica rispetto alla maggior parte delle persone e avremmo condiviso le nostre intuizioni e i nostri pensieri sfumati se ci fosse stato lo spazio per farlo. Stimando troppi casi, noi (non i dati né i metodi statistici che abbiamo utilizzato) siamo stati criticati per aver "minimizzato" la gravità della pandemia, seminando compiacenza e, in ultima analisi, tale minimizzazione potrebbe causare decessi.
Tuttavia, le nostre stime non erano minimi; erano punti medi, medie e mediane. Le stime dei punti medi dei dati non sono minimizzazioni; sono tentativi di essere statisticamente onesti sulla tendenza centrale dei dati, sono le stime che migliorano la nostra accuratezza e hanno barre di errore. Abbiamo evidenziato stime dei punti medi e barre di errore complete di metodi riproducibili e persino repository Github in modo che altri possano ripercorrere le nostre analisi statistiche.
La nostra seria ricerca scientifica per rafforzare la base di prove nei primi focolai di Covid-19 ha reso molti di noi dei contrari, sollevando importanti interrogativi su chi, esattamente, abbia dovuto decidere quando qualcuno nel mondo della scienza è contrario e quando invece è stato semplicemente il primo scienziato a svelare una scoperta che avrebbe cambiato paradigma.
Dichiarazione del Grande Barrington
Nell'estate del 2020, tutti gli occhi erano puntati sulla Svezia, il gruppo di controllo mondiale.
La Svezia ha intrapreso una strada "contraria" nella politica sanitaria pubblica, riconoscendo che con casi subclinici e diffusione asintomatica non c'è molto che possiamo fare; la gravità del virus probabilmente causerà focolai reali, ma gestibili con la capacità medica esistente, e istruire le persone sulla trasmissione potrebbe essere l'approccio migliore per mitigare i rischi del virus. Concentrare la protezione per aiutare coloro che sono ad alto rischio di esiti gravi potrebbe ridurre la mortalità e la morbilità per tutte le cause, o almeno così ha scommesso la Svezia.
Coloro che ci hanno attaccato, noi epidemiologi delle prime epidemie, stimando una minore gravità, erano anche molto critici nei confronti della politica svedese. C'era una convinzione diffusa in questa comunità accademica online molto rumorosa che i lockdown fossero la politica migliore. Tra l'altro, molti di questi scienziati hanno consultato i produttori di vaccini, e i produttori di vaccini avrebbero tratto enormi benefici da questa politica. Tuttavia, c'erano modelli di lockdown che mostravano che i lockdown avevano fermato le epidemie e guadagnato tempo per l'arrivo dei vaccini.
In teoria, tutto ciò è bello e buono, ma i modelli non sono la realtà, il lockdown della società ha dei costi, e quei costi dovevano essere considerati, secondo i "contrari". Inoltre, altri modelli suggerivano che i lockdown non hanno fatto altro che ritardare gli inevitabili picchi di casi a 1-2 decessi ogni 1,000 abitanti, e i lockdown, le chiusure delle scuole e altri gravi interventi hanno causato danni economici. Sforzi non mirati per applicare politiche costose a tutti, nonostante i rischi altamente sbilanciati di gravi esiti del Covid dovuti all'età e alle condizioni mediche preesistenti, potrebbero effettivamente danneggiare attraverso la politica di sanità pubblica persone che altrimenti non sarebbero a rischio di danni a causa del Covid.
Non c'erano risposte facili. La scienza non poteva fare la chiamata di valore su quale fosse la "buona" politica, eppure i confini tra scienza e dichiarazioni di valore della politica si confondevano, e la Svezia divenne una zona contestata della politica scientifica (trattino rimosso intenzionalmente).
Nell'estate del 2020, l'epidemia in Svezia ha raggiunto il picco con 1 decesso ogni 2,000 abitanti, circa 1/3 del picco dell'ondata di New York. Di seguito è riportata una dashboard che avevo creato per hedge fund, responsabili sanitari e governatori, per aiutarli a monitorare le epidemie per un confronto in tempo reale di epidemie asincrone nel tempo ma con tassi di crescita che superavano lo zero a stime simili di carico cumulativo. La migliore stima comparabile in tempo reale per il carico cumulativo durante la pandemia di Covid-19 era quella dei decessi ritardati pro capite (deaths_pc), poiché i tassi di accertamento dei casi e i tassi di richiesta di assistenza variavano in modo significativo tra le regioni, i ricoveri erano guidati da dinamiche complesse di ricoveri, lunghi soggiorni e capacità medica, mentre i dati demografici erano sufficientemente simili da consentire il confronto, almeno notando le limitazioni.
I clienti paganti hanno ricevuto GIF, che li hanno aiutati a vedere come queste traiettorie di epidemia si sono sviluppate nel tempo e sono "rimbalzate" dalle linee di confine superiore o "raggruppate" verso scenari di epidemia meno mitigati come la Svezia.

In base alla teoria secondo cui Jay, John, Sunetra, io stesso e altri ci sbagliavamo, il picco anomalo della Svezia non aveva senso. Molti credevano che la Svezia avrebbe raggiunto il picco a 4-6 decessi ogni 1,000 abitanti in assenza di un lockdown, quindi il picco dell'epidemia svedese a 1/8-1/12, secondo le loro stime, era un'anomalia importante di notevole importanza per la politica di sanità pubblica. In base alla nostra teoria secondo cui le stime convenzionali erano 2-6 volte troppo alte, tuttavia, il picco dell'epidemia svedese nell'estate del 2020 era una prova importante da cui imparare.
Il dashboard sopra confronta i focolai negli stati degli Stati Uniti con quello svedese, colorando le curve dei focolai negli stati degli Stati Uniti in base agli interventi del momento, aiutandoci a vedere come i lockdown hanno rallentato la crescita dei casi, gli interventi allentati hanno portato a una recrudescenza dei casi e poi - in modo anomalo - i casi hanno raggiunto il picco in tutti gli stati degli Stati Uniti con un carico di mortalità simile a quello dell'epidemia svedese dell'estate 2020.
Poiché molte persone rumorose sono molto cattive su Twitter, trattano le persone come spazzatura e attaccano un post-doc come se fosse un professore ordinario, ho smesso di condividere pubblicamente le mie scoperte, quindi la dashboard qui sopra non è stata pubblicata. Tuttavia, è finita nelle caselle di posta degli amici.
Ho sentito l'obbligo di condividere ciò che avevo scoperto, ma di fronte alla retorica sgradevole e agli attacchi feroci contro chiunque esprimesse la propria opinione, la comunità accademica, con il sostegno dei finanziatori delle scienze della salute che hanno guidato un'operazione per accelerare l'approvazione dei vaccini durante i lockdown, ha inviato un segnale chiaro e agghiacciante: era pericoloso dissentire ed era catastrofico essere contrari.
Jay era una delle poche persone con cui mi sentivo a mio agio a condividere i miei risultati, indipendentemente da cosa trovassi. I colleghi vogliono aiutarsi a vicenda a scoprire la verità e i buoni colleghi si danno sempre il beneficio del dubbio. Nel mare delle ostilità online, Jay era un'isola inaffondabile di curiosità e grazia.

Con la base di prove accumulata nell'autunno del 2020, tra cui il picco svedese e le proposte politiche di chiusura delle scuole e di lockdown nell'autunno/inverno del 2020 fino all'arrivo dei vaccini, Dichiarazione del Grande Barrington è stato pubblicato all'inizio di ottobre 2020. Il GBD ha messo in guardia sul fatto che il blocco o la chiusura delle scuole fino all'arrivo dei vaccini può causare danni. Causare danni è contro i giuramenti di Ippocrate e rischia di minare la fiducia nella salute pubblica, hanno sostenuto, mentre concentrare la protezione su coloro che sono ad alto rischio di esiti gravi può ridurre al minimo la mortalità e la morbilità per tutte le cause condizionate dal verificarsi di una pandemia.
A mio avviso, una corrente epistemologica sotterranea che ha sostenuto la Dichiarazione di Great Barrington è stata l'accettazione anticipata del fatto che, nell'ottobre 2020, quando il Covid era diventato globale, il virus era destinato a diventare endemico, le epidemie si sono verificate abbastanza rapidamente con un impatto fortunatamente sufficientemente basso da non sopraffare il nostro sistema medico ed è essenziale che i responsabili della salute umana prendano in considerazione l'intero portafoglio di risultati sanitari, non solo il Covid.
Se guardi di nuovo non solo il cruscotto sopra, ma anche il documento che i colleghi e io abbiamo scritto qui, si può apprendere la rigorosa base di prove alla base del mio sostegno alla Dichiarazione di Great Barrington. I casi nell'autunno del 2020 hanno raggiunto il picco di 1-1.5 decessi ogni 1,000 abitanti, in linea con i nostri risultati ILI di aprile 2020, in linea con la traiettoria estiva dell'epidemia svedese e persino in linea con i risultati successivi di immunità in calo rilevanti per i vaccini (avevamo stime di immunità in calo dall'onda Alpha, molto prima che il CDC scoprisse che l'immunità era in calo nel loro studio di un'epidemia di variante Delta a Provincetown).
Quando un numero sufficiente di dati racconta la stessa storia, iniziamo a chiamare quella storia una teoria e, in quanto persona che ha quantificato il peso delle prove, sono arrivato a credere nella teoria degli scenari di epidemie a minore incidenza, in cui l'ondata pandemica non sarebbe così grave, ma i successivi cicli di epidemie potrebbero continuare ad accumulare ricoveri ospedalieri e decessi, tutti fattori che devono essere gestiti con prudenza, riducendo le M&M per tutte le cause senza causare danni come eccellenti principi guida.
Mi dispiace che la base di prove per questa teoria sia così privata, ma ricorda che la privacy è stata la conseguenza dell'intolleranza che ha aumentato i costi dell'essere contrari. L'intolleranza dannosa non è avvenuta solo attraverso norme sociali informali tra scienziati, ma è arrivata dall'alto del totem pole con azioni istituzionali da parte dei finanziatori delle scienze della salute.
Abbattimento devastante
Francis Collins, allora direttore del NIH, disprezzava la Great Barrington Declaration. In particolare, scrisse ad Anthony Fauci che avevano bisogno di una "devastante rimozione" della dichiarazione scritta da epidemiologi "marginali".

Poco dopo che Collins scrisse quell'e-mail, molti epidemiologi vicini a Collins e Fauci scrissero articoli di opinione criticando la Dichiarazione di Great Barrington definendola una "strategia di immunità di gregge", travisando le sincere intenzioni degli autori della GBD e gli obblighi medici nei confronti dei giuramenti di Ippocrate, affermando che la GBD è una proposta per "lasciarsi andare" e che le persone che sostenevano questa politica stavano cercando di "uccidere la nonna per salvare l'economia". I sostenitori della GBD furono definiti "eugeneticisti" e peggio.
La retorica estrema di molti scienziati durante la pandemia di Covid-19 è profondamente deplorevole. La scienza è, o almeno deve essere, un'impresa di curiosità, e la curiosità è una pianta delicata che appassisce e muore nella retorica bruciante. Mentre tutti gli scienziati hanno convinzioni politiche e sono rispettati allo stesso modo indipendentemente dalle loro convinzioni, quando indossiamo i nostri cappelli da scienziati è importante concentrarci sui dati, le prove, i metodi e la logica, ed essere curiosi del perché qualcuno sta trovando qualcosa di diverso da te. L'unico modo per creare spazio per opinioni diverse, per essere davvero all'altezza degli ideali di inclusività a cui molti accademici aspirano, è essere aggraziati e curiosi di fronte alla diversità, in particolare alla diversità radicata in profonde differenze sociali, culturali, religiose o persino epistemologiche che richiedono tempo e attenzione dedicata per essere districate.
I direttori del NIH desideravano una devastante rimozione del dott. Bhattacharya e dei suoi colleghi, e gli scienziati vicini ai direttori del NIH hanno rapidamente scritto editoriali con una retorica da terra bruciata che apparivano come devastanti rimozioni. I dipendenti del NIH e del NIAID hanno richiesto lo shadowban di Twitter per Jay. Quando Elon Musk ha assunto il controllo di X, ha pubblicato i "Twitter Files", rivelando come i funzionari della scienza sanitaria abbiano fatto pressione sulle piattaforme dei social media per censurare gli scienziati con opinioni diverse.
La grazia del dottor Jay
Se leggessi solo le caratterizzazioni negative di me, Jay e di altri che hanno mantenuto l'indipendenza durante la pandemia, potresti pensare che siamo una setta maniacale, fanatici decisi a uccidere persone per trarne profitto. Sono stato persino definito "estrema destra", il che dimostra quanto siano lontane dal punto medio le nostre critiche, proprio come le loro stime del carico di Covid in Svezia.
Per coloro che si considerano persone compassionevoli, chiedo agli altri di immaginare come ci si sente ad essere ostracizzati da scienziati non inclusivi per le loro opinioni sincere e basate su prove... e anche a scoprire che il nostro stesso governo, il capo del nostro Istituto Nazionale della Salute, ha richiesto che una piattaforma di social media bannasse il mio amico e collega per le sue opinioni sincere e scientifiche che erano in linea con le mie.
Riesci a percepire l'effetto agghiacciante che la loro ostilità ha sul mio desiderio di pubblicare scoperte rivoluzionarie, o l'effetto dannoso dell'intolleranza scientifica sulla fiducia del pubblico nell'imparzialità delle istituzioni scientifiche? Il tradimento, la scia di un allontanamento malintenzionato delle azioni dagli ideali, ha inondato la mia anima mentre le azioni degli scienziati si discostavano così dannosamente dagli ideali della nostra impresa. Che la censura fosse costituzionale o meno, è stato un tradimento per un direttore del NIH mettere in moto la censura degli scienziati sanitari con opinioni diverse, specialmente durante una pandemia quando l'incertezza era alta, e danneggia la fiducia nella scienza quando gli scienziati sono ferocemente poco professionali e scortesi.
Mentre sperimentavo le acque oscure del tradimento e del risentimento per i maltrattamenti subiti da un brav'uomo, un caro amico e uno scienziato coraggioso, sono stato condotto a riva da un penetrante raggio di luce che splende attraverso.
Durante tutta la guerra epistemologica del Covid, attraverso l'assalto della demonizzazione e da una fossa di tradimento, ho visto Jay solo sorridere e preoccuparsi.

Quando Jay sorride, è il sorriso di qualcuno che è gioiosamente curioso di cose nuove, è il sorriso di un uomo che ha visto l'incertezza e ha intrapreso un'indagine sierologica nella contea di Santa Clara per aiutare la scienza con dati reali, è il sorriso di qualcuno che vede l'incertezza e trova gioia negli altri usando fantastiche competenze da nuovi campi, analizzando big data per rispondere a grandi problemi. Quando Jay sorride, è il sorriso di un uomo che ama le persone che lo circondano e le competenze uniche che portano sul tavolo, che trova i rubini nella spazzatura, li lucida e li trasforma in amici.
Nelle rare occasioni in cui Jay non sorride, ci tiene. Jay non ci tiene in modo superficiale; non si limita a darti una pacca sulla spalla e a dire "Cavolo, che schifo". Jay ci tiene come un Atlante intellettuale che porta il peso del mondo, comprese le tue lotte, sulle sue spalle. Ho visto Jay rattristato dallo stato della scienza, dalla diminuita fiducia del pubblico nella scienza e nella salute pubblica, dal più alto numero di morti in eccesso negli Stati Uniti rispetto alla Svezia, dove prevalevano discussioni e politiche più sane, dalle persone spinte in una fame acuta dalle nostre politiche forti di fronte all'incertezza, dalle vite che non siamo riusciti a salvare e dalle istituzioni che dobbiamo ancora riparare.
… e poi ho visto Jay sorridere di nuovo, curioso di come avremmo potuto sistemare tutto, eccitato per le possibilità che si presentavano e per il bene che si stava raccogliendo attorno a lui, desideroso di aiutare.
Ci vogliono una fibra morale unica e l'impegno ad amare per essere censurati dal direttore del NIH e tornare a essere premurosi e gioiosamente curiosi di come migliorare il mondo. La dice lunga sull'uomo il fatto che quando orde di scienziati divorano il frutto proibito del tribalismo e dei pregiudizi, Jay continui a cercare idee da persone diverse mentre si prende cura letteralmente di tutti, dei poveri e dei bambini che non hanno avuto un posto al tavolo delle politiche durante il Covid, degli anziani che non hanno una protezione mirata per aiutare i loro sforzi per dire sano, dei giovani scienziati gettati in un tritacarne, a cui è stato detto che il loro lavoro fondamentale era "biologia molecolare da asilo" da professori che si comportano come bambini dell'asilo, e altro ancora. Il dottor Jay Bhattacharya si preoccupa più della maggior parte delle persone. Il mondo sarebbe un posto migliore se avessimo più persone a cui importa come lui.
Sul campo di battaglia del Covid, ho assistito alla Grazia del Dottor Jay.
Jay sapeva che avevo lasciato il mio postdoc a causa della dashboard di cui sopra che sentivo di non poter condividere. Quando il resto della scienza sembrava abbandonarmi, Jay mi ha invitato alle conferenze più prestigiose a cui abbia mai partecipato nella mia vita, al MIT e a Stanford, dove avrei potuto discutere dell'interfaccia scienza-politica, delle origini del Covid o della politica sanitaria pubblica oltre che di grandi pensatori. Jay ha persino invitato persone con cui non eravamo d'accordo, perché è Jay il cambiamento che desidera vedere nel mondo.
Quando il resto del mondo voleva farmi sentire una nullità, e quando ci sono quasi riusciti, Jay mi ha aiutato a ricordare che ero un rubino.
So che molte persone sono a disagio per la nuova amministrazione. Capisco che le scienze della salute sono in subbuglio a seguito della pandemia di Covid-19 e capisco che potrebbe esserci un'immensa paura all'interno dell'NIH e tra gli scienziati che dipendono dall'NIH per i finanziamenti man mano che arrivano nuovi leader. Vedo già le stesse persone che hanno scritto gli editoriali dopo le devastanti denunce di Collins, le stesse persone che hanno scritto articoli fantasma per Fauci sostenendo che un'origine di laboratorio del SARS-CoV-2 è improbabile pur sapendo che è probabile, le stesse persone che mi hanno demonizzato durante la pandemia, sono ora le stesse persone che agitano il loro pubblico nel tentativo di denunziare Jay dopo la sua nomina a direttore dell'NIH.
Le persone che demonizzano Jay non lo conoscono. Non si sono mai sedute a chiacchierare di scienza con lui, perché una volta incontrato l'uomo, ti rendi conto che Jay è uno degli scienziati più gentili in vita oggi. Le persone che si preoccupano di un direttore dell'NIH con una vendetta non solo ignorano che Francis Collins ha già agito per vendetta contro Jay, ma non sanno nemmeno che Jay è motivato più di chiunque altro al mondo a non ripetere le azioni dannose di Francis Collins.
Le persone che avevano paura di Jay non hanno mai scoperto chi fosse veramente il dottor Bhattacharya.
Durante la pandemia, ho visto come Jay sembra sapere nel profondo che, nei momenti disperati e crudeli, la nostra stessa misericordia e grazia ci danno speranza.
Abbiamo bisogno che il dott. Jay diriga l'NIH ora più che mai. Nella prossima pandemia, che potrebbe arrivare prima di quanto vorremmo, avremo di nuovo scienziati in disaccordo. Avremo di nuovo opinioni divergenti sulla politica di sanità pubblica appropriata e avremo di nuovo bisogno che gli scienziati mantengano una curiosità e una professionalità, un grado di umiltà e grazia, che il dott. Bhattacharya ha mentito e respirato durante la pandemia di Covid-19.
Nel futuro dei finanziamenti per la scienza della salute, dovremo abbandonare alcune delle gerarchie dannose che limitano il flusso di informazioni scientifiche. Dovremo diventare più bravi a trovare rubini nella spazzatura, come ha fatto il dott. Bhattacharya durante la pandemia di Covid-19. Avremo bisogno di finanziatori della scienza della salute che non selezionino e scelgano i paradigmi, ma piuttosto finanzino la scienza riproducibile. Nessuno capisce di cosa hanno bisogno le scienze della salute per ripristinare la fiducia meglio dell'uomo che una volta era definito "marginale" per il difetto di essere autentico, corretto e ostracizzato per questo.
Anche se vincesse, anche se fosse confermato direttore del NIH, non vedreste Jay schiacciare la palla. Lo immagino già sorridere con grazia, curioso di una nuova idea e interessato alla più grande istituzione scientifica che trae vantaggio dalla coraggiosa raccolta di prove, da analisi audaci e da opinioni diverse condivise ed esaminate professionalmente.
In questo periodo di divisione, sfiducia e animosità tra scienziati e opinione pubblica…
La grazia del dottor Jay è esattamente ciò di cui abbiamo bisogno.
Ripubblicato dall'autore substack
Pubblicato sotto a Licenza internazionale Creative Commons Attribution 4.0
Per le ristampe, reimpostare il collegamento canonico all'originale Istituto di arenaria Articolo e Autore.