De COVID-19-pandemie heeft de kritieke behoefte aan robuust wetenschappelijk bewijs onderstreept om beleidsbeslissingen te ondersteunen, zoals rond de effectiviteit van verschillende social distancing-maatregelen en de veiligheid van medicamenteuze therapieën. Toch ontstaat deze behoefte in een tijd van groeiende desinformatie en slecht doorgelichte feiten die door invloedrijke bronnen worden herhaald. Om deze kloof te dichten, een groep wetenschappers onder leiding van Kai Ruggeri, een professor aan de Columbia University Mailman School of Public Health, en James Groen, hoofdwetenschapper bij NASA, heeft een nieuw kader geïntroduceerd om te helpen bij het vaststellen van normen voor de kwaliteit van bewijsmateriaal dat wordt gebruikt bij beleidsvorming.

geschetst in Natuur Gedrags- en sociale wetenschappen , de theoretische, Empirisch, Van toepassing, en Replicable Impact (THEARI) systeem rangschikt bewijs in vijf niveaus:(1) theoretisch (argument of mogelijke verklaring vermeld), (2) empirisch (concept beschreven maar niet gebruikt), (3) van toepassing (concept is gebruikt om effect te verkrijgen), (4) repliceerbaar (effect is onafhankelijk herhaald), (5) impact (effect is in de praktijk naar behoren gerepliceerd met meetbare waarde in de echte wereld). In tegenstelling tot andere systemen voor het rangschikken van bewijsmateriaal die in de geneeskunde of technologie worden gebruikt, THEARI is breed toepasbaar over disciplines heen.

De auteurs zeggen dat THEARI zal helpen om risico's te beheersen en tegelijkertijd een redelijk pad te bieden voor het toepassen van doorbraken in behandelingen en beleidsoplossingen in een poging de schade die het welzijn van bevolkingsgroepen over de hele wereld al beïnvloedt, in te dammen. Ze hopen dat het systeem op twee niveaus zal worden toegepast:(1) een post-publicatie als een badge vergelijkbaar met Open Access, en (2) binnen beleidsrichtlijnen. Als voorbeeld, een begeleidende nota aan beleidsmakers zou kunnen zeggen:"we raden aan de x-benadering te gebruiken, die momenteel een beoordeling van drie sterren heeft in THEARI. Dat betekent dat het nuttig kan zijn, maar meer testen is nodig."

Wanneer bewijs niet in overeenstemming is met het beleid

De auteurs noemen twee voorbeelden van de COVID-19-pandemie om de noodzaak van een bewijsbeoordelingssysteem zoals THEARI te illustreren. Eerst, ze verwijzen naar een artikel uit 2007 van Cheng et al dat waarschuwde voor een hernieuwde opkomst van SARS-achtige coronavirussen; maar ondanks het verstrekken van voldoende bewijs van hoge kwaliteit, de waarschuwing werd genegeerd. Tweede, let op het besluit van het Verenigd Koninkrijk om sociale afstandsmaatregelen uit te stellen vanwege de angst dat "gedragsmoeheid" zich over de bevolking zou verspreiden - ondanks het feit dat er weinig kwaliteitsbewijs was om het concept te ondersteunen.

In het geval van hydroxychloroquine, de controversiële potentiële therapie voor COVID-19, de auteurs zeggen dat er veel bewijs is over het medicijn als therapie voor andere ziekten, weinig specifiek voor COVID. Elk beoordelingssysteem kan alleen werken als het wordt toegepast op de specifieke context, merken ze op. Terwijl de twee problematische tijdschriftartikelen over hydroxychloroquine werden ingetrokken, beleid zou niet moeten steunen op een of twee studies, tenzij echt leven-of-dood in het moment. En elk beoordelingssysteem zal werken als tijdschriften protocollen hebben om de publicatie van gebrekkig onderzoek te voorkomen.

Naast COVID-19, de auteurs stellen vast dat klimaatverandering, die stevig verankerd is in de wetenschappelijke gemeenschap, is tot voor kort door de reguliere media gepresenteerd als een debat - wat bijdraagt ​​aan vertragingen in het beleid om het probleem aan te pakken. Meningen die als theorie worden gepresenteerd, krijgen alleen de laagste THEARI-beoordeling; meningen zonder theorie krijgen geen enkele waardering. Dit vereenvoudigt het proces om te begrijpen wat is bestudeerd (soms in extreme diepte) versus wat gewoon een perspectief is, geïnformeerd of niet.

De auteurs schetsen verschillende redenen die verder gaan dan dit soort mismatches tussen bewijs en beleid, met inbegrip van de groeiende hoeveelheid wetenschappelijk bewijs en de complexiteit van politieke processen, de snelle verspreiding van informatie en verkeerde informatie, en de hoge mate van onzekerheden rond de betrouwbaarheid en vergelijkbaarheid van gegevens.

"Gedragswetenschap suggereert dat de beleidsinterpretatie van bestaande informatie bijzonder vatbaar kan zijn voor vooroordelen in deze context van schaarste aan tijd en middelen, " schrijven de auteurs. "Het formuleren van empirisch onderbouwd beleid lijkt de grootste uitdaging op het moment dat we het het hardst nodig hebben."

De auteurs concluderen:"Bij de presentatie van THEARI, het uiteindelijke voordeel dat we voor ogen hebben, is het opzetten van een gemeenschappelijk kader als uitgangspunt voor het gebruik van bewijs in beleidsdiscussies, het overwinnen van vooroordelen en de effecten van inconsistente definities of onbetrouwbare inzichten. Dit moedigt beleidsmakers aan om meer waarde te hechten aan bewijs door ondersteuning te bieden voor zinvolle argumenten die anders zouden worden genegeerd als incongruent met het huidige denken, zelfs onder wetenschappers."