"Apriorní pravděpodobnost", "apriorní rozdělení" je asi nejstručnější standardní pojmenování. Ale převzít "prior" jako podstatné jméno asi není úplně zlý nápad. Aspoň mne latinismy iritují o poznání méně než anglicismy.
K věcné stránce, myslím, že tohle téma by zasloužilo více článků, protože "inferenční vzdálenost" k překonání je docela velká. Např:
1) Většina lidí myslím nemá moc představu, jak prakticky bayesovký přístup použít. Jedna věc je znát Bayesův vzorec, ale druhá je jeho konkrétní užití v reálném problému, například v otázce účinnosti protiepidemických opatření.
2) Dost zásadním problémem se mi jeví to, že veřejná debata je převážně vedena v binární rovině "opatření fungují vs. nefungují". Přitom rozumný přístup vyžaduje uvažovat o parametrické množině hypotéz formulovaných jako "opatření snižují R o x", z nichž každá má svou pravděpodobnost. (Jak moc je pro komunikaci přitěžující, že se jedná o spojitou hustotu pravděpodobnosti, netuším, ale nějak si nedovedu představit, že by někdo v televizní debatě použil integrál.) Tenhle problém je fakticky nezávislý na tom, jestli přijmeme bayesovský přístup, nebo ne, a často degraduje debaty do absurdní roviny.
3) Samotné pojetí pravděpodobnosti jako míry nejistoty je sice intuitivně pochopitelné, ale jakmile dojde na diskusi o arbitrárnosti priorů, vzbuzuje to námitky ("když si vycucáte z prstu vhodný prior, dostanete jakýkoli výsledek"). Paradigma testování hypotéz má tu výhodu, že arbitrární složku výsledných soudů umně skrývá.
Je také otázka, nakolik problém popsaný v článku spočívá v tom, že paradigma testování hypotéz vede ze své podstaty v určité třídě problémů k nesprávným závěrům, a nakolik je důsledkem motivovaného myšlení. Mám obavu, že Fisher by dokázal kouření obhájit i z bayesovské perspektivy.
Rozepsal jsem výše, ale opravdu nechápu to skrývání. Můžete vysvětlit skrytou arbitrární složku testování hypotéz, která není v bayesiánském modelu? Též mě zajímá, jak testování hypotéz ze své podstaty vede k nesprávným závěrům.
Vnímám dvě oblasti, kde do posuzování důkazů* nutně vstupuje subjektivní složka. (1) Prvotní důvěra v hypotézy před "provedením důkazu", tj. před zahrnutím nových informací. (2) Zjednodušení daná použitým modelem a výběrem hypotéz, mezi kterými rozhodujeme.
Bayesovský přístup promítá subjektivní složku (1) celkem průhledně do apriorní pravděpodobnosti. V přístupu konvenčního testování hypotéz se naopak tváříme, jako by problém nebyl, a to tak, že namísto otázky "jak je po pozorování P pravděpodobné, že platí hypotéza H" odpovídáme na otázku "jak je pravděpodobné, že za předpokladu, že neplatí H, dostaneme pozorování P čistě náhodou". Samozřejmě, že smysl mají obě otázky, a ke druhé apriorní pravděpodobnost není potřeba. Jenže reálně je zajímavá otázka první, protože člověk nemůže ignorovat všechny dřívější informace o problému a vnímat jenom nejnovější pozorování.**
Co je větší problém prakticky, lidé mají tendenci interpretovat odpověď na druhou otázku jako odpověď na první, a z výsledku "experiment vyvrátil nulovou hypotézu na hladině 0,01" si vyvodí "je 99% jisté, že nulová hypotéza neplatí". Takového lapsu se pochopitelně profesionální statistik nedopustí , ale typický lékař nebo politik zcela běžně ano.
Problém (2) je subtilnější a spočívá v tom, že vedle testované hypotézy H obvykle existuje celá řada dalších možných vysvětlení pozorované skutečnosti, a rozumná kvantifikace pravděpodobností by je měla vzít v úvahu. K tomu je jednak nutné vybrat, které alternativy zahrneme, a dále tyto alternativy nějak zjednodušeně modelovat. Obojí je arbitrární volba a v bayesovském přístupu je tak nějak lépe vidět, protože výstup je pravděpodobnostní rozdělení na množině těchto hypotéz. U klasického testování hypotéz je spíš tendence shrnout všechny alternativy do nulové hypotézy.***
Toho se týká i jistá libovolnost v definici p-hodnoty spočívající ve volnosti toho, jaké množiny pozorování chápeme jako stejně extrémní vůči nulové hypotéze. Celkem pěkně je to diskutováno zde:
*) "Důkaz" zde používám jako ekvivalent anglického "evidence", nikoli "proof". Nerad slovo "evidence" v tomto významu používám v češtině, když obvyklý význam je jiný.
**) Pokud mi někdo předloží pokus, ve kterém na hladině významnosti 0,001 dokáže účinnost určitého léčiva, o kterém nic jiného nevím, vezmu si z toho, že ten lék téměř jistě funguje. Pokud ale ten lék bude homeopatikum, tak si z toho vezmu, že ten experimentální výsledek je buď velká náhoda, chyba měření, nebo podvod. Rozdíl je v tom, že neúčinnost homeopatik byla již dříve prokázána a i věrohodně teoreticky zdůvodněna a jedna studie, byť s ambiciózní hladinou významnosti, to nepřeváží.
***) Při posuzování otázky typu "fungují roušky" je přirozené vzít za nulovou hypotézu H0 = "roušky neovlivňují riziko nákazy". Problém ovšem je, že H0 je prakticky jistě nepravdivá. Lze si představit. že roušky mají malý efekt, téměř neznatelný, ale aby byl přesně nulový, to je prakticky nepředstavitelné. Takže pokud chceme H0 vyvrátit na zvolené hladině, je téměř jisté, že potřebujeme jenom dostatečně velký statistický vzorek. Volba velikosti vzorku je pak arbitrárním faktorem, který (vedle reálné účinnosti roušek) určí, jestli H0 bude vyvrácena nebo ne. Fakticky netestujeme platnost hypotézy, ale nepřímo měříme velikost vzorku v poměru k síle efektu.
Samozřejmě v tomto případě tkví hlavní problém v rozdělení alternativ na množinu nulové míry H0 = "efekt roušek = 0" a zbytek H = "efekt roušek > 0". Z praktického hlediska je jedno, jestli je efekt roušek 0 nebo 0,00001, ale je sakra rozdíl, jestli je 0,00001 nebo 0,4. Paradigma testování hypotéz v této podobě navádí ke kladení zavádějící otázky.
Pro člověka mojí generace je prior obchodní dům plný nepříliš rozmanitého a nepříliš kvalitního sortimentu. Což takhle aprior :) ?
Jinak mi článek přišel pozoruhodný. Při povrchním čtení vypadá jako filipika proti testování hypotéz, ve skutečnosti se ale zabývá jednak interpretací statisticky zpracovaného výpočtu, jednak ne úplně související tématikou přístupu k epidemii.
Ohledně té první části, jestliže někdo chce dokazovat H0, pak patří do prvního semestru nebo psychiatrického ústavu a debata s ním je ztráta času. Abych byl konkrétnější, výsledek dobře zpracované studie (https://www.acpjournals.org/doi/10.7326/M20-6817) o nošení respirátorů je možno interpretovat v řeči obecné jako:
1. Studie dokázala, že respirátory na COVID nefungují. To je ovšem čirá „statistická“ lež a tak je na ní třeba reagovat.
2. Studie prokázala, že respirátory snižují riziko o 15%. To je ovšem též “statistická“ lež, velmi rozšířená, jen je to lež jiného druhu. Je to ze stejné rodiny jako „studie prokázala, že vakcína je 100% účinná proti těžké formě, nebo studie prokázala, že vakcína má účinnost 75%“. Ve skutečnosti lze na základě studie odhadnout účinnost respirátorů na 15% a účinnost vakcín proti těžké formě blízko 100% (tady lze samozřejmě udat přesnější údaj). Z korelační analýzy, v níž byl autor – pan Kulveit spoluautorem (mám na mysli tu druhou a omlouvám se, že necituji přesně, nechce se mi dohledávat ani citaci, ani zcela přesná čísla) též vyplývá, že přísnější pravidla pro nošení roušek snižují riziko o cca 15%. Tady je ovšem rozdíl, který má vztah právě k H0. Tady se dá totiž navíc říct, že studie prokázala kladnou korelaci mezi požadavkem na přísnější nošení roušek a snížením nákazy. V řeči zcela obecné, podle té poslední jmenované studie existuje důvodné podezření, že požadavek na nošení roušek omezuje epidemii.
3. Další možnou interpretací výsledku o nošení respirátorů je, že nebyl prokázán vliv nošení respirátorů na velikost nákazy. Toto je zcela korektní konstatování a o tom, proč jej autor nelibě nese dále.
Jako člověka ze staré školy mě ovšem překvapují některé další výroky proti testování hypotéz. Mohl by mi autor vysvětlit, jak se formulováním H0 skrývá prior? Vezmu-li učebnicový příklad t-test, pak jediné co předpokládám je tvar rozdělení o dvou neznámých parametrech, vše ostatní je v datech. Možná můžu říkat nechte si svoje názory, ale místo nich nenabízím ty svoje, ale nechám hovořit právě data. Obecně nechci oživovat nějaké debaty o bayesiánském vs klasickém parametrickém přístupu. Nicméně jsem přesvědčen, že „názory“ by neměly ovlivňovat výsledek při analýze dat. Pokud jsou data ovšem zpracována racionálně, měly by různé rigorózní přístupy vést ke stejným závěrům.
Teď k té druhé části, která byla motivací pro autorovy úvahy, a to nejen v tomto článku. Jde o to, zda se v epidemii má postupovat způsobem, který se popisuje jako medicína na základě důkazů. Autor je evidentně přesvědčen, že nikoli, proto odmítá naprosto pravdivou interpretaci pod bodem 3. Dokazování zdržuje, je kontraproduktivní a některé názory se moc dokázat nedají. Když se nedejbože k tomu připletou právníci, nastává otravná bariéra pro bohulibou činnost.
Odpověď na takovou otázku je ovšem zcela netriviální. Není to úplně otázka vědecká, je navýsost politická. Pokud bychom byli důslední a oprostili se od nějakého dokazování, tak by každý pacient dostal ivermektin, isoprinosin, remdesivir, dávku česneku, medu a acylpyrin – a moc by se nestalo. Dále kdyby se nikdo nezdržoval klinickými studiemi a přistoupil k tomu jako Rusové, tak už mohla být populace z 2/3 proočkovaná a za vodou. Tolik z dnešního pohledu. Výsledek ale mohl být i totální nedůvěra k očkování, pokud by se něco nezdařilo.
Z mého pohledu je oprávněné na začátku epidemie hrozící velkou škodou dělat opatření na základě elementárních úvah i s rizikem přestřelení. Ani tak není správně nařizovat absurdity typu roušky v lese či pro samotného řidiče v autě. V sázce je důvěra, která je pro výsledek důležitá. V průběhu epidemie by ale měla být shromažďována data, která umožní detekovat opatření, která mohou fungovat a umožní je průběžně testovat. Zároveň je třeba jednotlivá opatření nasazovat podle efektivity a nákladu. Jsem docela vděčný právníkům, že se dívají i na legitimitu. Jinými slovy, v průběhu epidemie bychom se měli blížit k opatřením na základě důkazů. Asi bychom nenosili roušky na prázdné ulici, asi by se neřídilo zavírání obchodů podle toho, co má Babiš v portfoliu. Možná bychom neměli zavřené výstavy a galerie, jejichž přínos k nákaze je i podle dříve zmíněné studie, kde je pan Kulveit spoluautorem, neodlišitelné od nuly. Možná bychom nezažili otevřené kavárny souběžně se zákazem pít kávu z kelímku na ulici a životní nezbytnost, otevřené psí salóny. Věděli bychom, proč máme uzavřená knihkupectví, obuv a papírnictví, nebo bychom je zavřená neměli. Důvod, proč bychom měli směřovat k opatřením, o kterých bychom věděli, že jsou účinná a uměli je vážit podle nákladu, je jednak důvěra a jednak efektivnost. K té legitimitě, dosavadní i budoucí opatření jsou na bázi - když se kácí les, létají třísky. Pro akademické a státní zaměstnance není lehké si to představit, ale minorita statisíců lidí dopadla jako v padesátých letech po znárodnění a rozkradení majetku, zatímco většina zaměstnanců je v pohodě na úkor budoucnosti všech. A bonus – nepostihnutý agrokomplex dostal z covidové podpory svůj díl, proč asi? Pro mnohé je legitimita a efektivita těch opatření po právu alfa a omega, i když to ředitele epidemie zdržuje a otravuje.
posledni odstavec je omyl, "naopak je duvodem nezavadet silna opatreni"
Nebot: země, které cestou tvrdých plošných restrikcí nešly, nemají více obětí covidu, než země, které přestaly normálně žít. (např tvrdé ČR vs měkké presto vice revoltujici Polsko, Kalifornie vs Florida a mnoho dalsich statu USA pro srovnani). Jaka katastrofa tady tedy ma nastat v pripade ukonceni opatrenimi, kdyz s dlouhodobe nadprumernymi opatrenimi (zejmena zamerenymi na likvidaci skolstvi a maloobchodu) mame horsi stav, nez zeme, kde se opatruje mene?
Silná opatření mají význam v zemích kde podchytili nákazu hned na začátku ve velmi nízkých číslech a v podstatě ji díky tomu eradikovali ( to se dařilo zejména v zemích s účinnou přírodní izolací jako ostrovy a tam leze zadem k přísné hranici řadit i koreu). Tam, kde se vyskyt viru jednou dostal do vysokých počtu, je snaha o eliminaci jeho výskytu ve stylu Taiwan spíše škodlivá.
"Nebo možná někdy můžete jít o jakousi “obranu” vlastního prioru před evidencí..." Myslím, že tohle bude ten případ. Je to vědomá, či podvědomá obrana ideové pozice pana Fursta a podobně smýšlejících, kteří, když to zjednoduším, stojí na představě, že když se věcem nechá spontánní průchod, najde se snáze optimální řešení, než když do toho lidi se svými rozoumky zkoušejí zasahovat. Problém je v tom, že nic kolem nás už nemá charakter spontánního dění, protože se záměrné lidské jednání projevuje tak jako tak. A druhý problém spočívá v tom, že lidé dávno vstupují do spontánních dějů svými záměry, protože leckterý spontánní děj by se mohl dít na jejich úkor. Spontánnost děje ještě nezaručuje, že pro lidi bude jeho výsledek pozitivní.
"Apriorní pravděpodobnost", "apriorní rozdělení" je asi nejstručnější standardní pojmenování. Ale převzít "prior" jako podstatné jméno asi není úplně zlý nápad. Aspoň mne latinismy iritují o poznání méně než anglicismy.
K věcné stránce, myslím, že tohle téma by zasloužilo více článků, protože "inferenční vzdálenost" k překonání je docela velká. Např:
1) Většina lidí myslím nemá moc představu, jak prakticky bayesovký přístup použít. Jedna věc je znát Bayesův vzorec, ale druhá je jeho konkrétní užití v reálném problému, například v otázce účinnosti protiepidemických opatření.
2) Dost zásadním problémem se mi jeví to, že veřejná debata je převážně vedena v binární rovině "opatření fungují vs. nefungují". Přitom rozumný přístup vyžaduje uvažovat o parametrické množině hypotéz formulovaných jako "opatření snižují R o x", z nichž každá má svou pravděpodobnost. (Jak moc je pro komunikaci přitěžující, že se jedná o spojitou hustotu pravděpodobnosti, netuším, ale nějak si nedovedu představit, že by někdo v televizní debatě použil integrál.) Tenhle problém je fakticky nezávislý na tom, jestli přijmeme bayesovský přístup, nebo ne, a často degraduje debaty do absurdní roviny.
3) Samotné pojetí pravděpodobnosti jako míry nejistoty je sice intuitivně pochopitelné, ale jakmile dojde na diskusi o arbitrárnosti priorů, vzbuzuje to námitky ("když si vycucáte z prstu vhodný prior, dostanete jakýkoli výsledek"). Paradigma testování hypotéz má tu výhodu, že arbitrární složku výsledných soudů umně skrývá.
Je také otázka, nakolik problém popsaný v článku spočívá v tom, že paradigma testování hypotéz vede ze své podstaty v určité třídě problémů k nesprávným závěrům, a nakolik je důsledkem motivovaného myšlení. Mám obavu, že Fisher by dokázal kouření obhájit i z bayesovské perspektivy.
Díky za komentář
Rozepsal jsem výše, ale opravdu nechápu to skrývání. Můžete vysvětlit skrytou arbitrární složku testování hypotéz, která není v bayesiánském modelu? Též mě zajímá, jak testování hypotéz ze své podstaty vede k nesprávným závěrům.
Vnímám dvě oblasti, kde do posuzování důkazů* nutně vstupuje subjektivní složka. (1) Prvotní důvěra v hypotézy před "provedením důkazu", tj. před zahrnutím nových informací. (2) Zjednodušení daná použitým modelem a výběrem hypotéz, mezi kterými rozhodujeme.
Bayesovský přístup promítá subjektivní složku (1) celkem průhledně do apriorní pravděpodobnosti. V přístupu konvenčního testování hypotéz se naopak tváříme, jako by problém nebyl, a to tak, že namísto otázky "jak je po pozorování P pravděpodobné, že platí hypotéza H" odpovídáme na otázku "jak je pravděpodobné, že za předpokladu, že neplatí H, dostaneme pozorování P čistě náhodou". Samozřejmě, že smysl mají obě otázky, a ke druhé apriorní pravděpodobnost není potřeba. Jenže reálně je zajímavá otázka první, protože člověk nemůže ignorovat všechny dřívější informace o problému a vnímat jenom nejnovější pozorování.**
Co je větší problém prakticky, lidé mají tendenci interpretovat odpověď na druhou otázku jako odpověď na první, a z výsledku "experiment vyvrátil nulovou hypotézu na hladině 0,01" si vyvodí "je 99% jisté, že nulová hypotéza neplatí". Takového lapsu se pochopitelně profesionální statistik nedopustí , ale typický lékař nebo politik zcela běžně ano.
Problém (2) je subtilnější a spočívá v tom, že vedle testované hypotézy H obvykle existuje celá řada dalších možných vysvětlení pozorované skutečnosti, a rozumná kvantifikace pravděpodobností by je měla vzít v úvahu. K tomu je jednak nutné vybrat, které alternativy zahrneme, a dále tyto alternativy nějak zjednodušeně modelovat. Obojí je arbitrární volba a v bayesovském přístupu je tak nějak lépe vidět, protože výstup je pravděpodobnostní rozdělení na množině těchto hypotéz. U klasického testování hypotéz je spíš tendence shrnout všechny alternativy do nulové hypotézy.***
Toho se týká i jistá libovolnost v definici p-hodnoty spočívající ve volnosti toho, jaké množiny pozorování chápeme jako stejně extrémní vůči nulové hypotéze. Celkem pěkně je to diskutováno zde:
https://www.lesswrong.com/posts/9qCN6tRBtksSyXfHu/frequentist-statistics-are-frequently-subjective
*) "Důkaz" zde používám jako ekvivalent anglického "evidence", nikoli "proof". Nerad slovo "evidence" v tomto významu používám v češtině, když obvyklý význam je jiný.
**) Pokud mi někdo předloží pokus, ve kterém na hladině významnosti 0,001 dokáže účinnost určitého léčiva, o kterém nic jiného nevím, vezmu si z toho, že ten lék téměř jistě funguje. Pokud ale ten lék bude homeopatikum, tak si z toho vezmu, že ten experimentální výsledek je buď velká náhoda, chyba měření, nebo podvod. Rozdíl je v tom, že neúčinnost homeopatik byla již dříve prokázána a i věrohodně teoreticky zdůvodněna a jedna studie, byť s ambiciózní hladinou významnosti, to nepřeváží.
***) Při posuzování otázky typu "fungují roušky" je přirozené vzít za nulovou hypotézu H0 = "roušky neovlivňují riziko nákazy". Problém ovšem je, že H0 je prakticky jistě nepravdivá. Lze si představit. že roušky mají malý efekt, téměř neznatelný, ale aby byl přesně nulový, to je prakticky nepředstavitelné. Takže pokud chceme H0 vyvrátit na zvolené hladině, je téměř jisté, že potřebujeme jenom dostatečně velký statistický vzorek. Volba velikosti vzorku je pak arbitrárním faktorem, který (vedle reálné účinnosti roušek) určí, jestli H0 bude vyvrácena nebo ne. Fakticky netestujeme platnost hypotézy, ale nepřímo měříme velikost vzorku v poměru k síle efektu.
Samozřejmě v tomto případě tkví hlavní problém v rozdělení alternativ na množinu nulové míry H0 = "efekt roušek = 0" a zbytek H = "efekt roušek > 0". Z praktického hlediska je jedno, jestli je efekt roušek 0 nebo 0,00001, ale je sakra rozdíl, jestli je 0,00001 nebo 0,4. Paradigma testování hypotéz v této podobě navádí ke kladení zavádějící otázky.
Pro člověka mojí generace je prior obchodní dům plný nepříliš rozmanitého a nepříliš kvalitního sortimentu. Což takhle aprior :) ?
Jinak mi článek přišel pozoruhodný. Při povrchním čtení vypadá jako filipika proti testování hypotéz, ve skutečnosti se ale zabývá jednak interpretací statisticky zpracovaného výpočtu, jednak ne úplně související tématikou přístupu k epidemii.
Ohledně té první části, jestliže někdo chce dokazovat H0, pak patří do prvního semestru nebo psychiatrického ústavu a debata s ním je ztráta času. Abych byl konkrétnější, výsledek dobře zpracované studie (https://www.acpjournals.org/doi/10.7326/M20-6817) o nošení respirátorů je možno interpretovat v řeči obecné jako:
1. Studie dokázala, že respirátory na COVID nefungují. To je ovšem čirá „statistická“ lež a tak je na ní třeba reagovat.
2. Studie prokázala, že respirátory snižují riziko o 15%. To je ovšem též “statistická“ lež, velmi rozšířená, jen je to lež jiného druhu. Je to ze stejné rodiny jako „studie prokázala, že vakcína je 100% účinná proti těžké formě, nebo studie prokázala, že vakcína má účinnost 75%“. Ve skutečnosti lze na základě studie odhadnout účinnost respirátorů na 15% a účinnost vakcín proti těžké formě blízko 100% (tady lze samozřejmě udat přesnější údaj). Z korelační analýzy, v níž byl autor – pan Kulveit spoluautorem (mám na mysli tu druhou a omlouvám se, že necituji přesně, nechce se mi dohledávat ani citaci, ani zcela přesná čísla) též vyplývá, že přísnější pravidla pro nošení roušek snižují riziko o cca 15%. Tady je ovšem rozdíl, který má vztah právě k H0. Tady se dá totiž navíc říct, že studie prokázala kladnou korelaci mezi požadavkem na přísnější nošení roušek a snížením nákazy. V řeči zcela obecné, podle té poslední jmenované studie existuje důvodné podezření, že požadavek na nošení roušek omezuje epidemii.
3. Další možnou interpretací výsledku o nošení respirátorů je, že nebyl prokázán vliv nošení respirátorů na velikost nákazy. Toto je zcela korektní konstatování a o tom, proč jej autor nelibě nese dále.
Jako člověka ze staré školy mě ovšem překvapují některé další výroky proti testování hypotéz. Mohl by mi autor vysvětlit, jak se formulováním H0 skrývá prior? Vezmu-li učebnicový příklad t-test, pak jediné co předpokládám je tvar rozdělení o dvou neznámých parametrech, vše ostatní je v datech. Možná můžu říkat nechte si svoje názory, ale místo nich nenabízím ty svoje, ale nechám hovořit právě data. Obecně nechci oživovat nějaké debaty o bayesiánském vs klasickém parametrickém přístupu. Nicméně jsem přesvědčen, že „názory“ by neměly ovlivňovat výsledek při analýze dat. Pokud jsou data ovšem zpracována racionálně, měly by různé rigorózní přístupy vést ke stejným závěrům.
Teď k té druhé části, která byla motivací pro autorovy úvahy, a to nejen v tomto článku. Jde o to, zda se v epidemii má postupovat způsobem, který se popisuje jako medicína na základě důkazů. Autor je evidentně přesvědčen, že nikoli, proto odmítá naprosto pravdivou interpretaci pod bodem 3. Dokazování zdržuje, je kontraproduktivní a některé názory se moc dokázat nedají. Když se nedejbože k tomu připletou právníci, nastává otravná bariéra pro bohulibou činnost.
Odpověď na takovou otázku je ovšem zcela netriviální. Není to úplně otázka vědecká, je navýsost politická. Pokud bychom byli důslední a oprostili se od nějakého dokazování, tak by každý pacient dostal ivermektin, isoprinosin, remdesivir, dávku česneku, medu a acylpyrin – a moc by se nestalo. Dále kdyby se nikdo nezdržoval klinickými studiemi a přistoupil k tomu jako Rusové, tak už mohla být populace z 2/3 proočkovaná a za vodou. Tolik z dnešního pohledu. Výsledek ale mohl být i totální nedůvěra k očkování, pokud by se něco nezdařilo.
Z mého pohledu je oprávněné na začátku epidemie hrozící velkou škodou dělat opatření na základě elementárních úvah i s rizikem přestřelení. Ani tak není správně nařizovat absurdity typu roušky v lese či pro samotného řidiče v autě. V sázce je důvěra, která je pro výsledek důležitá. V průběhu epidemie by ale měla být shromažďována data, která umožní detekovat opatření, která mohou fungovat a umožní je průběžně testovat. Zároveň je třeba jednotlivá opatření nasazovat podle efektivity a nákladu. Jsem docela vděčný právníkům, že se dívají i na legitimitu. Jinými slovy, v průběhu epidemie bychom se měli blížit k opatřením na základě důkazů. Asi bychom nenosili roušky na prázdné ulici, asi by se neřídilo zavírání obchodů podle toho, co má Babiš v portfoliu. Možná bychom neměli zavřené výstavy a galerie, jejichž přínos k nákaze je i podle dříve zmíněné studie, kde je pan Kulveit spoluautorem, neodlišitelné od nuly. Možná bychom nezažili otevřené kavárny souběžně se zákazem pít kávu z kelímku na ulici a životní nezbytnost, otevřené psí salóny. Věděli bychom, proč máme uzavřená knihkupectví, obuv a papírnictví, nebo bychom je zavřená neměli. Důvod, proč bychom měli směřovat k opatřením, o kterých bychom věděli, že jsou účinná a uměli je vážit podle nákladu, je jednak důvěra a jednak efektivnost. K té legitimitě, dosavadní i budoucí opatření jsou na bázi - když se kácí les, létají třísky. Pro akademické a státní zaměstnance není lehké si to představit, ale minorita statisíců lidí dopadla jako v padesátých letech po znárodnění a rozkradení majetku, zatímco většina zaměstnanců je v pohodě na úkor budoucnosti všech. A bonus – nepostihnutý agrokomplex dostal z covidové podpory svůj díl, proč asi? Pro mnohé je legitimita a efektivita těch opatření po právu alfa a omega, i když to ředitele epidemie zdržuje a otravuje.
posledni odstavec je omyl, "naopak je duvodem nezavadet silna opatreni"
Nebot: země, které cestou tvrdých plošných restrikcí nešly, nemají více obětí covidu, než země, které přestaly normálně žít. (např tvrdé ČR vs měkké presto vice revoltujici Polsko, Kalifornie vs Florida a mnoho dalsich statu USA pro srovnani). Jaka katastrofa tady tedy ma nastat v pripade ukonceni opatrenimi, kdyz s dlouhodobe nadprumernymi opatrenimi (zejmena zamerenymi na likvidaci skolstvi a maloobchodu) mame horsi stav, nez zeme, kde se opatruje mene?
Silná opatření mají význam v zemích kde podchytili nákazu hned na začátku ve velmi nízkých číslech a v podstatě ji díky tomu eradikovali ( to se dařilo zejména v zemích s účinnou přírodní izolací jako ostrovy a tam leze zadem k přísné hranici řadit i koreu). Tam, kde se vyskyt viru jednou dostal do vysokých počtu, je snaha o eliminaci jeho výskytu ve stylu Taiwan spíše škodlivá.
"Nebo možná někdy můžete jít o jakousi “obranu” vlastního prioru před evidencí..." Myslím, že tohle bude ten případ. Je to vědomá, či podvědomá obrana ideové pozice pana Fursta a podobně smýšlejících, kteří, když to zjednoduším, stojí na představě, že když se věcem nechá spontánní průchod, najde se snáze optimální řešení, než když do toho lidi se svými rozoumky zkoušejí zasahovat. Problém je v tom, že nic kolem nás už nemá charakter spontánního dění, protože se záměrné lidské jednání projevuje tak jako tak. A druhý problém spočívá v tom, že lidé dávno vstupují do spontánních dějů svými záměry, protože leckterý spontánní děj by se mohl dít na jejich úkor. Spontánnost děje ještě nezaručuje, že pro lidi bude jeho výsledek pozitivní.