ABOUT THE SPEAKER
Emily Oster - Assumption-busting economist
Emily Oster, a University of Chicago economist, uses the dismal science to rethink conventional wisdom, from her Harvard doctoral thesis that took on famed economist Amartya Sen to her recent work debunking assumptions on HIV prevalence in Africa.

Why you should listen

Emily Oster, an Assistant Professor of Economics at the University of Chicago, has a history of rethinking conventional wisdom.

Her Harvard doctoral thesis took on famed economist Amartya Sen and his claim that 100 million women were statistically missing from the developing world. He blamed misogynist medical care and outright sex-selective abortion for the gap, but Oster pointed to data indicating that in countries where Hepetitis B infections were higher, more boys were born. Through her unorthodox analysis of medical data, she accounted for 50% of the missing girls. Three years later, she would publish another paper amending her findings, stating that, after further study, the relationship between Hepetitis B and missing women was not apparent. This concession, along with her audacity to challenge economic assumptions and her dozens of other influential papers, has earned her the respect of the global academic community. 

She's also investigated the role of bad weather in the rise in witchcraft trials in Medieval Europe and what drives people to play the Powerball lottery. Her latest target: busting assumptions on HIV in Africa.

And she's an advice columnist too >>

 

More profile about the speaker
Emily Oster | Speaker | TED.com
TED2007

Emily Oster: Flip your thinking on AIDS in Africa

Emily Oster ribalta i nostri pensieri sull'AIDS in Africa

Filmed:
921,618 views

Emily Oster riesamina le statistiche sull'AIDS in Africa da un punto di vista economico e giunge a una sorprendente conclusione: tutto quello che sappiamo sulla diffusione dell'HIV nel continente è errato.
- Assumption-busting economist
Emily Oster, a University of Chicago economist, uses the dismal science to rethink conventional wisdom, from her Harvard doctoral thesis that took on famed economist Amartya Sen to her recent work debunking assumptions on HIV prevalence in Africa. Full bio

Double-click the English transcript below to play the video.

00:26
So I want to talk to you todayoggi about AIDSAIDS in sub-SaharanSub-sahariana AfricaAfrica.
0
1000
3000
Quindi oggi vorrei parlarvi di AIDS nell'Africa sub-sahariana
00:29
And this is a prettybella well-educatedben educato audiencepubblico,
1
4000
2000
e poiché siete spettatori molto colti
00:31
so I imagineimmaginare you all know something about AIDSAIDS.
2
6000
3000
immagino che ognuno di voi sappia qualcosa sull'AIDS.
00:34
You probablyprobabilmente know that roughlyapprossimativamente 25 millionmilione people in AfricaAfrica
3
9000
2000
Probabilmente saprete che all'incirca 25 milioni di persone in Africa
00:36
are infectedinfetto with the virusvirus, that AIDSAIDS is a diseasemalattia of povertypovertà,
4
11000
4000
sono affette dal virus, e che l'AIDS è una malattia dei poveri
00:40
and that if we can bringportare AfricaAfrica out of povertypovertà, we would decreasediminuire AIDSAIDS as well.
5
15000
4000
e che se potessimo portare l'Africa fuori dalla povertà, ridurremmo anche l'AIDS.
00:44
If you know something more, you probablyprobabilmente know that UgandaUganda, to dateData,
6
19000
3000
Se sapete qualcosa in più, probabilmente saprete che l'Uganda, ad oggi
00:47
is the only countrynazione in sub-SaharanSub-sahariana AfricaAfrica
7
22000
2000
è l'unico Paese dell'Africa sub-sahariana
00:49
that has had successsuccesso in combatingla lotta contro la the epidemicepidemico.
8
24000
3000
che ha avuto successo nella lotta contro l'epidemia
00:52
UsingUtilizzando a campaigncampagna that encouragedha incoraggiato people to abstainastenersi, be faithfulfedele, and use condomsPreservativi --
9
27000
4000
usando una campagna pubblicitaria che incoraggiava le persone all'astinenza, alla fedeltà, e all'uso di profilattici --
00:56
the ABCABC campaigncampagna -- they decreasedè diminuito theirloro prevalenceprevalenza in the 1990s
10
31000
4000
la campagna ABC. Hanno ridotto il tasso degli anni '90
01:00
from about 15 percentper cento to 6 percentper cento over just a fewpochi yearsanni.
11
35000
4000
da circa il 15 per cento al 6 per cento in pochi anni.
01:04
If you followSeguire policypolitica, you probablyprobabilmente know that a fewpochi yearsanni agofa
12
39000
3000
Se seguite la politica, probabilmente sapete che pochi anni fa
01:07
the presidentPresidente pledgedsi sono impegnati 15 billionmiliardo dollarsdollari to fightcombattimento the epidemicepidemico over fivecinque yearsanni,
13
42000
4000
il presidente ha destinato 15 miliardi di dollari alla lotta contro l'epidemia su un arco di 5 anni,
01:11
and a lot of that moneyi soldi is going to go to programsprogrammi that try to replicatereplicare UgandaUganda
14
46000
3000
e molto di quel denaro sta andando a programmi che cercano di replicare l'Uganda
01:14
and use behaviorcomportamento changemodificare to encourageincoraggiare people and decreasediminuire the epidemicepidemico.
15
49000
6000
e che usano cambiamenti comportamentali per incentivare le persone e limitare l'epidemia
01:20
So todayoggi I'm going to talk about some things
16
55000
2000
Quindi oggi parlerò di alcune cose
01:22
that you mightpotrebbe not know about the epidemicepidemico,
17
57000
2000
che probabilmente non sapete sull'epidemia.
01:24
and I'm actuallyin realtà alsoanche going to challengesfida
18
59000
2000
E poi, in realtà, metterò in dubbio anche
01:26
some of these things that you think that you do know.
19
61000
2000
alcune di queste cose che voi credete di sapere.
01:28
To do that I'm going to talk about my researchricerca
20
63000
3000
E per fare questo vi parlerò della mia ricerca
01:31
as an economisteconomista on the epidemicepidemico.
21
66000
2000
come economista, su questa epidemia.
01:33
And I'm not really going to talk much about the economyeconomia.
22
68000
2000
E in realtà non parlerò molto dell'economia.
01:35
I'm not going to tell you about exportsesportazioni and pricesprezzi.
23
70000
3000
Non vi parlerò di esportazioni e di prezzi.
01:38
But I'm going to use toolsutensili and ideasidee that are familiarfamiliare to economistseconomisti
24
73000
4000
Ma utilizzerò strumenti e idee che sono familiari agli economisti
01:42
to think about a problemproblema that's more traditionallytradizionalmente
25
77000
2000
per riflettere su un problema che è più tradizionalmente considerato
01:44
partparte of publicpubblico healthSalute and epidemiologyepidemiologia.
26
79000
2000
parte della salute pubblica e dell'epidemiologia.
01:46
And I think in that sensesenso, this fitssi adatta really nicelypiacevolmente with this laterallaterale thinkingpensiero ideaidea.
27
81000
4000
E penso che in questo senso, questo c'entra bene con questa idea di pensiero laterale.
01:50
Here I'm really usingutilizzando the toolsutensili of one academicaccademico disciplinedisciplina
28
85000
3000
Qui sto veramente usando gli strumenti di una disciplina accademica
01:53
to think about problemsi problemi of anotherun altro.
29
88000
2000
per pensare ai problemi di un'altra.
01:55
So we think, first and foremostprimo, AIDSAIDS is a policypolitica issueproblema.
30
90000
3000
Quindi, prima di tutto, noi pensiamo che l'AIDS sia una questione politica.
01:58
And probablyprobabilmente for mostmaggior parte people in this roomcamera, that's how you think about it.
31
93000
3000
E probabilmente per la maggior parte delle persone in questa stanza, questo è quello che pensate anche voi.
02:01
But this talk is going to be about understandingcomprensione factsfatti about the epidemicepidemico.
32
96000
4000
Invece questa relazione sarà sulla comprensione dei dati dell'epidemia.
02:05
It's going to be about thinkingpensiero about how it evolvessi evolve, and how people respondrispondere to it.
33
100000
3000
E sarà sul pensare a come si evolve, e a come le persone vi reagiscono.
02:08
I think it maypuò seemsembrare like I'm ignoringignorando the policypolitica stuffcose,
34
103000
3000
Penso che vi potrà apparire che stia ignorando la parte politica,
02:11
whichquale is really the mostmaggior parte importantimportante,
35
106000
2000
che è davvero quella più importante,
02:13
but I'm hopingsperando that at the endfine of this talk you will concludeconcludere
36
108000
2000
ma spero che al termine di questa relazione vi sarete convinti
02:15
that we actuallyin realtà cannotnon può developsviluppare effectiveefficace policypolitica
37
110000
2000
che non è realmente possibile creare misure politiche efficaci
02:17
unlesssalvo che we really understandcapire how the epidemicepidemico workslavori.
38
112000
3000
senza prima comprendere come funzioni l'epidemia.
02:20
And the first thing that I want to talk about,
39
115000
2000
E la prima cosa di cui voglio discutere,
02:22
the first thing I think we need to understandcapire is:
40
117000
2000
la prima cosa che noi abbiamo bisogno di capire è:
02:24
how do people respondrispondere to the epidemicepidemico?
41
119000
2000
Come reagiscono le persone all'epidemia?
02:26
So AIDSAIDS is a sexuallysessualmente transmittedtrasmessa infectioninfezione, and it killsuccide you.
42
121000
4000
L'AIDS è una infezione trasmessa per via sessuale, e ti uccide.
02:30
So this meanssi intende that in a placeposto with a lot of AIDSAIDS,
43
125000
2000
Quindi questo significa che in un posto con tanto AIDS,
02:32
there's a really significantsignificativo costcosto of sexsesso.
44
127000
2000
il sesso ha un costo davvero elevato.
02:34
If you're an uninfectednon infetti man livingvita in BotswanaBotswana, where the HIVHIV rateVota is 30 percentper cento,
45
129000
4000
Se fossi un uomo sano che vive in Botswana, dove il tasso di HIV è del 30 per cento
02:38
if you have one more partnercompagno this yearanno -- a long-termlungo termine partnercompagno, girlfriendfidanzata, mistresspadrona --
46
133000
4000
se avessi un altro partner quest'anno - un partner di lunga data, una ragazza, un'amante -
02:42
your chanceopportunità of dyingsta morendo in 10 yearsanni increasesaumenta by threetre percentagepercentuale pointspunti.
47
137000
4000
la tua probabilità di morire tra 10 anni aumenterebbe di tre punti percentuali.
02:46
That is a hugeenorme effecteffetto.
48
141000
2000
Questo è un effetto enorme.
02:48
And so I think that we really feel like then people should have lessDi meno sexsesso.
49
143000
3000
E quindi penso che se davvero lo volessimo, allora le persone dovrebbero fare meno sesso.
02:51
And in factfatto amongtra gaygay menuomini in the US
50
146000
2000
E in effetti tra uomini gay americani
02:53
we did see that kindgenere of changemodificare in the 1980s.
51
148000
2000
abbiamo osservato quel tipo di cambiamento negli anni '80.
02:55
So if we look in this particularlysoprattutto high-riskalto rischio samplecampione, they're beingessere askedchiesto,
52
150000
4000
Quindi, se andiamo ad analizzare questo specifico gruppo ad alto rischio, e chiediamo
02:59
"Did you have more than one unprotectednon protetti sexualsessuale partnercompagno in the last two monthsmesi?"
53
154000
3000
"Sei stato con più di un partner sessuale senza usare protezione negli ultimi due mesi?"
03:02
Over a periodperiodo from '84 to '88, that shareCondividere dropsgocce from about 85 percentper cento to 55 percentper cento.
54
157000
6000
in un periodo dall'84 all'88, quella percentuale scende da circa l'85 per cento al 55 per cento.
03:08
It's a hugeenorme changemodificare in a very shortcorto periodperiodo of time.
55
163000
2000
è un cambiamento enorme, e in un periodo di tempo molto breve.
03:10
We didn't see anything like that in AfricaAfrica.
56
165000
2000
Non abbiamo visto nulla del genere in Africa.
03:12
So we don't have quiteabbastanza as good datadati, but you can see here
57
167000
3000
Non abbiamo dati altrettanto buoni, ma potete vedere qui
03:15
the shareCondividere of singlesingolo menuomini havingavendo pre-maritalpre-matrimoniali sexsesso,
58
170000
2000
la percentuale di uomini single che fanno sesso prematrimoniale,
03:17
or marriedsposato menuomini havingavendo extra-maritalextra-coniugale sexsesso,
59
172000
2000
o di uomini sposati che fanno sesso extra matrimoniale,
03:19
and how that changesi cambiamenti from the earlypresto '90s to latein ritardo '90s,
60
174000
3000
e dei cambiamenti che sono avvenuti dai primi anni '90 agli ultimi anni '90.
03:22
and latein ritardo '90s to earlypresto 2000s. The epidemicepidemico is gettingottenere worsepeggio.
61
177000
3000
e dalla fine dei '90 ai primi del 2000. Questa epidemia sta peggiorando.
03:25
People are learningapprendimento more things about it.
62
180000
2000
Le persone imparano più cose su di essa....
03:27
We see almostquasi no changemodificare in sexualsessuale behaviorcomportamento.
63
182000
2000
non vediamo alcun cambiamento nel comportamento sessuale.
03:29
These are just tinyminuscolo decreasesdiminuisce -- two percentagepercentuale pointspunti -- not significantsignificativo.
64
184000
4000
Queste sono solo piccole riduzioni -- due punti percentuali -- non significative.
03:33
This seemssembra puzzlingsconcertante. But I'm going to arguediscutere that you shouldn'tnon dovrebbe be surprisedsorpreso by this,
65
188000
4000
Questo sembra strano, ma vi dimostrerò che non dovreste esserne sorpresi.
03:37
and that to understandcapire this you need to think about healthSalute
66
192000
3000
E per capire questo, dovete pensare al tema salute
03:40
the way than an economisteconomista does -- as an investmentinvestimento.
67
195000
3000
nel modo in cui lo farebbe un'economista -- come un'investimento.
03:43
So if you're a softwareSoftware engineeringegnere and you're tryingprovare to think about
68
198000
3000
Quindi se foste un ingegnere informatico e steste cercando di pensare
03:46
whetherse to addInserisci some newnuovo functionalityfunzionalità to your programprogramma,
69
201000
3000
a come aggiungere alcune funzioni al vostro programma
03:49
it's importantimportante to think about how much it costscosti.
70
204000
2000
sarebbe importante pensare a quanto costa.
03:51
It's alsoanche importantimportante to think about what the benefitvantaggio is.
71
206000
2000
Sarebbe anche importante pensare a quale sarebbe il beneficio.
03:53
And one partparte of that benefitvantaggio is how much longerpiù a lungo
72
208000
2000
E una parte di quel beneficio è relativa a quanto a lungo crediate
03:55
you think this programprogramma is going to be activeattivo.
73
210000
2000
che questo programma continuerà ad essere attivo.
03:57
If versionversione 10 is comingvenuta out nextIl prossimo weeksettimana,
74
212000
2000
Se la versione 10 uscisse la prossima settimana,
03:59
there's no pointpunto in addingaggiungendo more functionalityfunzionalità into versionversione ninenove.
75
214000
3000
non ci sarebbe ragione per aggiungere funzionalità alla versione nove.
04:02
But your healthSalute decisionsdecisioni are the samestesso.
76
217000
2000
Ma lo stesso vale per le vostre decisioni sul tema salute.
04:04
EveryOgni time you have a carrotcarota insteadanziché of a cookiebiscotto,
77
219000
2000
Ogni volta che mangiate una carota invece di un biscotto,
04:06
everyogni time you go to the gympalestra insteadanziché of going to the moviesfilm,
78
221000
3000
ogni volta che andate in palestra invece di andare al cinema,
04:09
that's a costlycostoso investmentinvestimento in your healthSalute.
79
224000
2000
fate un costoso investimento nella vostra salute.
04:11
But how much you want to investinvestire is going to dependdipendere
80
226000
2000
Ma quanto siete disposti ad investire dipenderà
04:13
on how much longerpiù a lungo you expectaspettarsi to livevivere in the futurefuturo,
81
228000
2000
da quanto vi aspettiate di vivere ancora --
04:15
even if you don't make those investmentsinvestimenti.
82
230000
2000
anche se non aveste da fare quegli investimenti.
04:17
AIDSAIDS is the samestesso kindgenere of thing. It's costlycostoso to avoidevitare AIDSAIDS.
83
232000
3000
L'AIDS è lo stesso tipo di cosa. Evitare l'AIDS ha un costo.
04:20
People really like to have sexsesso.
84
235000
3000
Alle persone piace molto fare sesso.
04:23
But, you know, it has a benefitvantaggio in termscondizioni of futurefuturo longevitylongevità.
85
238000
6000
Ma, si sa, ha un beneficio in termini di longevità futura.
04:29
But life expectancyaspettativa in AfricaAfrica, even withoutsenza AIDSAIDS, is really, really lowBasso:
86
244000
4000
Ma l'aspettativa di vita in Africa, anche senza AIDS, è molto, molto bassa:
04:33
40 or 50 yearsanni in a lot of placesposti.
87
248000
3000
intorno a 40 o 50 anni in molti posti.
04:36
I think it's possiblepossibile, if we think about that intuitionintuizione, and think about that factfatto,
88
251000
4000
Io credo sia possibile, pensando a questa intuizione, e pensando a questo fatto,
04:40
that maybe that explainsspiega some of this lowBasso behaviorcomportamento changemodificare.
89
255000
3000
che forse questo spiega una parte di questo basso tasso di cambiamento del comportamento.
04:43
But we really need to testTest that.
90
258000
2000
Ma dobbiamo davvero verificarlo.
04:45
And a great way to testTest that is to look acrossattraverso areasle zone in AfricaAfrica and see:
91
260000
3000
E un'ottimo modo di verificarlo è di analizzare diverse aree dell'Africa e vedere se:
04:48
do people with more life expectancyaspettativa changemodificare theirloro sexualsessuale behaviorcomportamento more?
92
263000
4000
le persone con maggiore aspettativa di vita sono più propense a cambiare il loro comportamento sessuale?
04:52
And the way that I'm going to do that is,
93
267000
2000
E il modo in cui farò questa verifica è di
04:54
I'm going to look acrossattraverso areasle zone with differentdiverso levelslivelli of malariamalaria.
94
269000
3000
analizzare diverse aree con diversi livelli di malaria.
04:57
So malariamalaria is a diseasemalattia that killsuccide you.
95
272000
3000
La malaria è una malattia che uccide.
05:00
It's a diseasemalattia that killsuccide a lot of adultsadulti in AfricaAfrica, in additionaggiunta to a lot of childrenbambini.
96
275000
3000
E' una malattia che uccide molti adulti in Africa, in aggiunta a molti bambini.
05:03
And so people who livevivere in areasle zone with a lot of malariamalaria
97
278000
3000
E quindi le persone che vivono in aree con alto tasso di malaria
05:06
are going to have lowerinferiore life expectancyaspettativa than people who livevivere in areasle zone with limitedlimitato malariamalaria.
98
281000
4000
avranno un'aspettativa di vita più bassa rispetto a persone che vivono in aree con poca malaria.
05:10
So one way to testTest to see whetherse we can explainspiegare
99
285000
2000
Quindi un modo per verificare se possiamo spiegare se
05:12
some of this behaviorcomportamento changemodificare by differencesdifferenze in life expectancyaspettativa
100
287000
3000
una parte di questo cambiamento comportamentale è relativo a differenze nell'aspettativa di vita
05:15
is to look and see is there more behaviorcomportamento changemodificare
101
290000
3000
è di vedere se ci sia maggiore propensione al cambiamento comportamentale
05:18
in areasle zone where there's lessDi meno malariamalaria.
102
293000
2000
nelle aree in cui c'è meno malaria.
05:20
So that's what this figurefigura showsSpettacoli you.
103
295000
2000
E questo è quanto questo grafico vi mostra.
05:22
This showsSpettacoli you -- in areasle zone with lowBasso malariamalaria, mediummedio malariamalaria, highalto malariamalaria --
104
297000
4000
Questo mostra -- in aree con basso, medio e alto tasso di malaria --
05:26
what happensaccade to the numbernumero of sexualsessuale partnerspartner as you increaseaumentare HIVHIV prevalenceprevalenza.
105
301000
4000
cosa succede al numero dei partner sessuali con l'aumento del tasso dell'HIV.
05:30
If you look at the blueblu linelinea,
106
305000
2000
Se guardate la linea blu.
05:32
the areasle zone with lowBasso levelslivelli of malariamalaria, you can see in those areasle zone,
107
307000
3000
le aree con bassi livelli di malaria, potete vedere che in quelle aree,
05:35
actuallyin realtà, the numbernumero of sexualsessuale partnerspartner is decreasingdecrescente a lot
108
310000
3000
effettivamente, il numero di partner sessuali diminuisce di molto
05:38
as HIVHIV prevalenceprevalenza goesva up.
109
313000
2000
con l'aumento del tasso dell'HIV.
05:40
AreasAree with mediummedio levelslivelli of malariamalaria it decreasesdiminuisce some --
110
315000
2000
Nelle aree con livelli di malaria medi il tasso scende poco
05:42
it doesn't decreasediminuire as much. And areasle zone with highalto levelslivelli of malariamalaria --
111
317000
3000
non scende cosi' tanto. E nelle aree con alti livelli di malaria --
05:45
actuallyin realtà, it's increasingcrescente a little bitpo, althoughsebbene that's not significantsignificativo.
112
320000
5000
in realtà, sta aumentando di un po', anche se non in modo significativo.
05:50
This is not just throughattraverso malariamalaria.
113
325000
2000
E questo non è solo attraverso la malaria.
05:52
YoungGiovani womendonne who livevivere in areasle zone with highalto maternalmaterna mortalitymortalità
114
327000
3000
Giovani donne che vivono in aree con alto tasso di mortalità materna
05:55
changemodificare theirloro behaviorcomportamento lessDi meno in responserisposta to HIVHIV
115
330000
3000
sono meno propense a cambiare il loro comportamento in risposta all'HIV
05:58
than younggiovane womendonne who livevivere in areasle zone with lowBasso maternalmaterna mortalitymortalità.
116
333000
3000
rispetto a giovani donne che vivono in aree con bassa mortalità materna.
06:01
There's anotherun altro riskrischio, and they respondrispondere lessDi meno to this existingesistente riskrischio.
117
336000
4000
C'è un'altro rischio, ed esse rispondono meno a questo rischio esistente.
06:06
So by itselfsi, I think this tellsdice a lot about how people behavecomportarsi.
118
341000
3000
Quindi credo che questo ci dica molto su come le persone si comportino.
06:09
It tellsdice us something about why we see limitedlimitato behaviorcomportamento changemodificare in AfricaAfrica.
119
344000
3000
Ci dice qualcosa sul perché vediamo solo limitati cambiamenti comportamentali in Africa.
06:12
But it alsoanche tellsdice us something about policypolitica.
120
347000
2000
Ma ci dice anche qualcosa in merito alle politiche.
06:14
Even if you only caredcurato about AIDSAIDS in AfricaAfrica,
121
349000
3000
Anche se vi importasse solo dell'AIDS in Africa,
06:17
it mightpotrebbe still be a good ideaidea to investinvestire in malariamalaria,
122
352000
3000
potrebbe comunque essere una buona idea investire nella malaria,
06:20
in combatingla lotta contro la poorpovero indoorinterno airaria qualityqualità,
123
355000
2000
nel migliorare la qualità dell'aria negli spazi chiusi,
06:22
in improvingmiglioramento maternalmaterna mortalitymortalità ratesaliquote.
124
357000
2000
nel migliorare i tassi di mortalità materna.
06:24
Because if you improveMigliorare those things,
125
359000
2000
Perché se migliori queste cose,
06:26
then people are going to have an incentiveincentivo to avoidevitare AIDSAIDS on theirloro ownproprio.
126
361000
4000
allora le persone avranno un incentivo ad evitare l'AIDS per conto loro.
06:30
But it alsoanche tellsdice us something about one of these factsfatti that we talkedparlato about before.
127
365000
4000
Ma questo ci dice anche qualcosa su uno di questi fattori di cui abbiamo parlato prima.
06:34
EducationFormazione campaignscampagne, like the one that the presidentPresidente is focusingmessa a fuoco on in his fundingfinanziamento,
128
369000
4000
Le campagne educative, come quella che il Presidente si sta concentrando a sponsorizzare,
06:38
maypuò not be enoughabbastanza, at leastmeno not aloneda solo.
129
373000
2000
potrebbero non essere abbastanza. Almeno non da sole.
06:40
If people have no incentiveincentivo to avoidevitare AIDSAIDS on theirloro ownproprio,
130
375000
2000
Se le persone non sono incentivate ad evitare l'AIDS da sole --
06:42
even if they know everything about the diseasemalattia,
131
377000
2000
anche se sanno tutto il resto riguardo alla malattia --
06:44
they still maypuò not changemodificare theirloro behaviorcomportamento.
132
379000
2000
potrebbero ancora non modificare il loro comportamento.
06:46
So the other thing that I think we learnimparare here is that AIDSAIDS is not going to fixfissare itselfsi.
133
381000
3000
Quindi l'altra cosa che io credo che possiamo imparare qui è che l'AIDS non si aggiusta da solo.
06:49
People aren'tnon sono changingmutevole theirloro behaviorcomportamento enoughabbastanza
134
384000
2000
Le persone non modificano il loro comportamento abbastanza
06:51
to decreasediminuire the growthcrescita in the epidemicepidemico.
135
386000
3000
per poter ridurre la crescita di questa epidemia.
06:54
So we're going to need to think about policypolitica
136
389000
2000
Quindi dovremo iniziare a pensare alle politiche
06:56
and what kindgenere of policiespolitiche mightpotrebbe be effectiveefficace.
137
391000
2000
e a quali tipi di politiche possano essere efficaci.
06:58
And a great way to learnimparare about policypolitica is to look at what workedlavorato in the pastpassato.
138
393000
3000
E un gran bel modo di approfondire il tema politiche è di andare a vedere cosa ha funzionato in passato.
07:01
The reasonragionare that we know that the ABCABC campaigncampagna
139
396000
2000
Il motivo per cui sappiamo che la campagna ABC
07:03
was effectiveefficace in UgandaUganda is we have good datadati on prevalenceprevalenza over time.
140
398000
3000
ha avuto successo in Uganda è che abbiamo buoni dati sul tasso di prevalenza nell'arco di tempo.
07:06
In UgandaUganda we see the prevalenceprevalenza wentandato down.
141
401000
2000
In Uganda vediamo che la prevalenza è scesa.
07:08
We know they had this campaigncampagna. That's how we learnimparare about what workslavori.
142
403000
3000
Sappiamo che avevano fatto questa campagna. E' così che capiamo cosa funziona.
07:11
It's not the only placeposto we had any interventionsinterventi.
143
406000
2000
Non è l'unico posto in cui siamo intervenuti.
07:13
Other placesposti have triedprovato things, so why don't we look at those placesposti
144
408000
4000
Altri posti hanno provato altre cose, quindi perché non andiamo a vedere quei posti
07:17
and see what happenedè accaduto to theirloro prevalenceprevalenza?
145
412000
3000
e guardiamo cosa è successo al loro tasso di prevalenza?
07:20
UnfortunatelyPurtroppo, there's almostquasi no good datadati
146
415000
2000
Sfortunatamente, c'è una quasi totale assenza di dati
07:22
on HIVHIV prevalenceprevalenza in the generalgenerale populationpopolazione in AfricaAfrica untilfino a about 2003.
147
417000
5000
sul tasso di HIV nella popolazione in Africa fino al 2003 circa.
07:27
So if I askedchiesto you, "Why don't you go and find me
148
422000
2000
Quindi se vi chiedessi "Perché non andate a cercarmi
07:29
the prevalenceprevalenza in BurkinaBurkina FasoFaso in 1991?"
149
424000
3000
il tasso di prevalenza nel Burkina Faso nel 1991?"
07:32
You get on GoogleGoogle, you GoogleGoogle, and you find,
150
427000
3000
Voi andreste su Google -- e trovereste,
07:35
actuallyin realtà the only people testedtestato in BurkinaBurkina FasoFaso in 1991
151
430000
3000
che in realtà le sole persone che furono testate nel Burkina Faso nel 1991
07:38
are STDSTD patientspazienti and pregnantincinta womendonne,
152
433000
2000
erano pazienti affetti da malattie a trasmissione sessuale e donne incinte.
07:40
whichquale is not a terriblyterribilmente representativerappresentante groupgruppo of people.
153
435000
2000
Che non è proprio un campione fortemente rappresentativo.
07:42
Then if you pokedattizzava a little more, you lookedguardato a little more at what was going on,
154
437000
3000
Poi, se vi addentraste un po' di più, se andaste a guardare un po' più a fondo,
07:45
you'dfaresti find that actuallyin realtà that was a prettybella good yearanno,
155
440000
3000
trovereste che in realtà quello è stato un gran buon anno.
07:48
because in some yearsanni the only people testedtestato are IVIV drugdroga usersutenti.
156
443000
3000
Perché in alcuni anni le sole persone testate erano tossicodipendenti.
07:51
But even worsepeggio -- some yearsanni it's only IVIV drugdroga usersutenti,
157
446000
2000
Ma ancora peggio -- in alcuni anni ci sono solo tossicodipendenti,
07:53
some yearsanni it's only pregnantincinta womendonne.
158
448000
2000
e in altri anni solo donne incinte.
07:55
We have no way to figurefigura out what happenedè accaduto over time.
159
450000
2000
Non abbiamo alcun modo di stimare cosa sia successo nel tempo.
07:57
We have no consistentcoerente testinganalisi.
160
452000
2000
Non abbiamo nessuna procedura consistente.
07:59
Now in the last fewpochi yearsanni, we actuallyin realtà have donefatto some good testinganalisi.
161
454000
5000
E negli ultimi anni, siamo riusciti a fare uno screening decisamente buono.
08:04
In KenyaKenia, in ZambiaZambia, and a bunchmazzo of countriespaesi,
162
459000
3000
In Kenya, in Zambia, e in un numero di Paesi,
08:07
there's been testinganalisi in randomcasuale samplescampioni of the populationpopolazione.
163
462000
3000
hanno analizzato campioni a caso della popolazione.
08:10
But this leavesle foglie us with a biggrande gapdivario in our knowledgeconoscenza.
164
465000
3000
Ma questo ci lascia con un grande vuoto informativo.
08:13
So I can tell you what the prevalenceprevalenza was in KenyaKenia in 2003,
165
468000
3000
Così vi posso dire qual era il tasso nel Kenya nel 2003,
08:16
but I can't tell you anything about 1993 or 1983.
166
471000
3000
ma non posso dirvi nulla sul 1993 o sul 1983.
08:19
So this is a problemproblema for policypolitica. It was a problemproblema for my researchricerca.
167
474000
4000
E questo è un problema per la politica, come è stato un problema per la mia ricerca.
08:23
And I startediniziato thinkingpensiero about how elsealtro mightpotrebbe we figurefigura out
168
478000
4000
E ho iniziato a pensare a quale altro modo potesse esserci per trovare
08:27
what the prevalenceprevalenza of HIVHIV was in AfricaAfrica in the pastpassato.
169
482000
2000
quale fosse il tasso di prevalenza dell'HIV in Africa nel passato.
08:29
And I think that the answerrisposta is, we can look at mortalitymortalità datadati,
170
484000
4000
E credo che la risposta sia che possiamo guardare ai dati sulla mortalità
08:33
and we can use mortalitymortalità datadati to figurefigura out what the prevalenceprevalenza was in the pastpassato.
171
488000
4000
e che possiamo usare i dati sulla mortalità per capire quale fosse il tasso di prevalenza nel passato.
08:37
To do this, we're going to have to relyfare affidamento on the factfatto
172
492000
2000
Per fare questo, dovremmo affidarci al fatto
08:39
that AIDSAIDS is a very specificspecifica kindgenere of diseasemalattia.
173
494000
2000
che l'AIDS è un tipo di malattia molto specifica.
08:41
It killsuccide people in the primeprimo of theirloro livesvite.
174
496000
2000
Uccide le persone nel periodo migliore della loro vita.
08:43
Not a lot of other diseasesmalattie have that profileprofilo. And you can see here --
175
498000
3000
Sono poche le malattie con questa caratteristica. E qui potete vedere:
08:46
this is a graphgrafico of deathmorte ratesaliquote by ageetà in BotswanaBotswana and EgyptEgitto.
176
501000
4000
questo è un grafico del tasso di mortalità per anno di età in Botswana e in Egitto.
08:50
BotswanaBotswana is a placeposto with a lot of AIDSAIDS,
177
505000
2000
Il Botswana è un posto con tanto AIDS,
08:52
EgyptEgitto is a placeposto withoutsenza a lot of AIDSAIDS.
178
507000
2000
l'Egitto è un posto con poco AIDS.
08:54
And you see they have prettybella similarsimile deathmorte ratesaliquote amongtra younggiovane kidsbambini and oldvecchio people.
179
509000
3000
E come potete vedere hanno tassi di mortalità molto simili tra i bambini e gli anziani.
08:57
That suggestssuggerisce it's prettybella similarsimile levelslivelli of developmentsviluppo.
180
512000
3000
Questo ci fa pensare che c'è un tasso di sviluppo molto simile.
09:00
But in this middlein mezzo regionregione, betweenfra 20 and 45,
181
515000
3000
Ma in questa regione intermedia, tra i 20 e i 45,
09:03
the deathmorte ratesaliquote in BotswanaBotswana are much, much, much higherpiù alto than in EgyptEgitto.
182
518000
4000
i tassi di mortalità nel Botswana sono di molto, molto, molto superiori all'Egitto.
09:07
But sinceda there are very fewpochi other diseasesmalattie that killuccidere people,
183
522000
4000
Ma siccome ci sono pochissime altre malattie che uccidono persone,
09:11
we can really attributeattributo that mortalitymortalità to HIVHIV.
184
526000
3000
possiamo realisticamente attribuire quella mortalità all'HIV.
09:14
But because people who diedmorto this yearanno of AIDSAIDS got it a fewpochi yearsanni agofa,
185
529000
4000
Ma siccome le persone che sono morte quest'anno di AIDS l'avevano contratto anni fa,
09:18
we can use this datadati on mortalitymortalità to figurefigura out what HIVHIV prevalenceprevalenza was in the pastpassato.
186
533000
5000
possiamo usare questi dati per stimare quale fosse la prevalenza di HIV nel passato.
09:23
So it turnsgiri out, if you use this techniquetecnica,
187
538000
2000
E risulta, utilizzando questa tecnica
09:25
actuallyin realtà your estimatesstime of prevalenceprevalenza are very closevicino
188
540000
2000
che in realtà le stime di prevalenza sono molto simili
09:27
to what we get from testinganalisi randomcasuale samplescampioni in the populationpopolazione,
189
542000
3000
a quello che otteniamo dai test a caso tra la popolazione --
09:30
but they're very, very differentdiverso than what UNAIDSUNAIDS tellsdice us the prevalencesprevalenze are.
190
545000
5000
ma che sono molto, molto differenti dai tassi di prevalenza che ci vengono detti da UNAIDS.
09:35
So this is a graphgrafico of prevalenceprevalenza estimatedstimato by UNAIDSUNAIDS,
191
550000
3000
Quindi questo grafico mostra tassi stimati da UNAIDS,
09:38
and prevalenceprevalenza basedbasato on the mortalitymortalità datadati
192
553000
2000
e i tassi stimati in base al tasso di mortalità.
09:40
for the yearsanni in the latein ritardo 1990s in ninenove countriespaesi in AfricaAfrica.
193
555000
4000
negli ultimi anni '90 in nove Paesi in Africa.
09:44
You can see, almostquasi withoutsenza exceptioneccezione,
194
559000
2000
Potete vedere quasi senza eccezione
09:46
the UNAIDSUNAIDS estimatesstime are much higherpiù alto than the mortality-basedBasato su mortalità estimatesstime.
195
561000
4000
che le stime di UNAIDS sono molto più alte delle stime basate sul tasso di mortalità.
09:50
UNAIDSUNAIDS tell us that the HIVHIV rateVota in ZambiaZambia is 20 percentper cento,
196
565000
4000
UNAIDS ci dice che il tasso di HIV in Zambia è del 20%,
09:54
and mortalitymortalità estimatesstime suggestsuggerire it's only about 5 percentper cento.
197
569000
4000
e le stime sulla mortalità ci dicono che è solo del 5 %
09:58
And these are not trivialbanale differencesdifferenze in mortalitymortalità ratesaliquote.
198
573000
3000
E queste non sono, sappiate, differenze di poco conto sui tassi di mortalità.
10:01
So this is anotherun altro way to see this.
199
576000
2000
Quindi c'è un altro modo di vedere questo.
10:03
You can see that for the prevalenceprevalenza to be as highalto as UNAIDSUNAIDS saysdice,
200
578000
2000
Potete vedere che perché il tasso rimanga tanto alto quanto sostenuto da UNAIDS,
10:05
we have to really see 60 deathsmorti perper 10,000
201
580000
2000
dovremmo davvero vedere 60 casi di mortalità ogni 10.000
10:07
ratherpiuttosto than 20 deathsmorti perper 10,000 in this ageetà groupgruppo.
202
582000
4000
invece di 20 eventi per 10.000 pazienti in questa fascia di età.
10:11
I'm going to talk a little bitpo in a minuteminuto
203
586000
2000
Tra un minuto parlerò un po'
10:13
about how we can use this kindgenere of informationinformazione to learnimparare something
204
588000
3000
di come possiamo usare questo tipo di informazione in realtà per imparare qualcosa
10:16
that's going to help us think about the worldmondo.
205
591000
2000
che può aiutarci a pensare al mondo.
10:18
But this alsoanche tellsdice us that one of these factsfatti
206
593000
2000
Ma questo ci dice anche che uno di questi dati
10:20
that I mentionedmenzionato in the beginninginizio maypuò not be quiteabbastanza right.
207
595000
3000
che ho citato all'inizio potrebbe non essere proprio vero.
10:23
If you think that 25 millionmilione people are infectedinfetto,
208
598000
2000
Se pensate che 25 milioni di persone sono affette dal virus
10:25
if you think that the UNAIDSUNAIDS numbersnumeri are much too highalto,
209
600000
3000
se pensate che i dati forniti da UNAIDS sono troppo alti,
10:28
maybe that's more like 10 or 15 millionmilione.
210
603000
2000
forse il numero giusto è più vicino a 10 o 15 milioni.
10:30
It doesn't mean that AIDSAIDS isn't a problemproblema. It's a giganticgigantesco problemproblema.
211
605000
4000
Non significa che l'AIDS non sia un problema. E' un problema gigantesco.
10:34
But it does suggestsuggerire that that numbernumero mightpotrebbe be a little biggrande.
212
609000
4000
Ma ci suggerisce che quel numero potrebbe essere un po' troppo grande.
10:38
What I really want to do, is I want to use this newnuovo datadati
213
613000
2000
Quello che davvero voglio fare, è di usare questi nuovi dati
10:40
to try to figurefigura out what makesfa the HIVHIV epidemicepidemico growcrescere fasterPiù veloce or slowerPiù lentamente.
214
615000
4000
per cercare di capire cosa faccia aumentare o diminuire il tasso di crescita dell'epidemia dell'AIDS.
10:44
And I said in the beginninginizio, I wasn'tnon era going to tell you about exportsesportazioni.
215
619000
3000
Come ho detto all'inizio, non vi parlerò di esportazioni.
10:47
When I startediniziato workinglavoro on these projectsprogetti,
216
622000
2000
Quando iniziai a lavorare a questi progetti,
10:49
I was not thinkingpensiero at all about economicseconomia,
217
624000
2000
non pensavo affatto all'economia,
10:51
but eventuallyinfine it kindgenere of sucksfa schifo you back in.
218
626000
3000
ma a un certo punto è come se ti riassorbisse di nuovo dentro.
10:54
So I am going to talk about exportsesportazioni and pricesprezzi.
219
629000
3000
Quindi parlerò di esportazioni e di prezzi.
10:57
And I want to talk about the relationshiprelazione betweenfra economiceconomico activityattività,
220
632000
3000
E vorrei anche discutere della relazione tra attività economica,
11:00
in particularparticolare exportesportare volumevolume, and HIVHIV infectionsinfezioni.
221
635000
4000
in particolare il volume delle esportazioni, e le infezioni dell' HIV.
11:04
So obviouslyovviamente, as an economisteconomista, I'm deeplyprofondamente familiarfamiliare
222
639000
4000
Naturalmente, come economista, sono molto familiare
11:08
with the factfatto that developmentsviluppo, that opennessapertura to tradecommercio,
223
643000
2000
con il fatto che lo sviluppo e la libertà di mercato
11:10
is really good for developingin via di sviluppo countriespaesi.
224
645000
2000
sono davvero buoni per i Paesi in via di sviluppo.
11:12
It's good for improvingmiglioramento people'spersone di livesvite.
225
647000
3000
Sono buoni per migliorare la vita delle persone.
11:15
But opennessapertura and inter-connectednessinterconnessione, it comesviene with a costcosto
226
650000
2000
Ma l'essere aperti e interconnessi ha un costo
11:17
when we think about diseasemalattia. I don't think this should be a surprisesorpresa.
227
652000
3000
quando pensiamo alle malattie. E non credo che questa sia una sorpresa.
11:20
On WednesdayMercoledì, I learnedimparato from LaurieLaurie GarrettGarrett
228
655000
2000
Mercoledì ho sentito da Laurie Garrett
11:22
that I'm definitelydecisamente going to get the birduccello fluinfluenza,
229
657000
2000
che è certo che io mi beccherò l'influenza aviaria,
11:24
and I wouldn'tno be at all worriedpreoccupato about that
230
659000
3000
e io non me ne preoccuperei affatto
11:27
if we never had any contactcontatto with AsiaAsia.
231
662000
3000
se non avessimo avuto alcuno contatto con l'Asia.
11:30
And HIVHIV is actuallyin realtà particularlysoprattutto closelystrettamente linkedconnesso to transittransito.
232
665000
4000
E l'HIV è davvero ben correlato con il traffico.
11:34
The epidemicepidemico was introducedintrodotto to the US
233
669000
2000
L'epidemia ha fatto il suo ingresso negli USA
11:36
by actuallyin realtà one malemaschio stewardSteward on an airlinelinea aerea flightvolo,
234
671000
4000
tramite uno steward maschio su un volo aereo,
11:40
who got the diseasemalattia in AfricaAfrica and broughtportato it back.
235
675000
2000
che si prese la malattia in Africa e la portò indietro con sé.
11:42
And that was the genesisgenesi of the entireintero epidemicepidemico in the US.
236
677000
3000
E quella fu la genesi dell'intera epidemia americana.
11:45
In AfricaAfrica, epidemiologistsepidemiologi have notedosservato for a long time
237
680000
4000
In Africa, gli epidemiologi avevano notato da tempo
11:49
that truckcamion driversdriver and migrantsmigranti are more likelyprobabile to be infectedinfetto than other people.
238
684000
4000
che i camionisti e gli immigranti hanno maggiori probabilità di essere infetti rispetto ad altre persone.
11:53
AreasAree with a lot of economiceconomico activityattività --
239
688000
2000
Quelle aree con tanta attività economica --
11:55
with a lot of roadsstrade, with a lot of urbanizationurbanizzazione --
240
690000
3000
con tante strade, con tanta urbanizzazione --
11:58
those areasle zone have higherpiù alto prevalenceprevalenza than othersaltri.
241
693000
2000
quelle aree hanno un tasso di prevalenza più alto rispetto ad altre.
12:00
But that actuallyin realtà doesn't mean at all
242
695000
2000
Ma questo in realtà non significa affatto
12:02
that if we gaveha dato people more exportsesportazioni, more tradecommercio, that that would increaseaumentare prevalenceprevalenza.
243
697000
4000
che se dessimo alle persone più esportazioni, più commercio, questo aumenterebbe la prevalenza.
12:06
By usingutilizzando this newnuovo datadati, usingutilizzando this informationinformazione about prevalenceprevalenza over time,
244
701000
4000
Utilizzando questi nuovi dati, utilizzando queste informazioni sulla prevalenza lungo il tempo
12:10
we can actuallyin realtà testTest that. And so it seemssembra to be --
245
705000
4000
possiamo già testarlo. E quindi sembrerebbe che,
12:14
fortunatelyfortunatamente, I think -- it seemssembra to be the casecaso
246
709000
2000
fortunatamente, io credo -- pare proprio che sia il caso
12:16
that these things are positivelypositivamente relatedrelazionato.
247
711000
2000
che queste cose siano positivamente correlate.
12:18
More exportsesportazioni meanssi intende more AIDSAIDS. And that effecteffetto is really biggrande.
248
713000
4000
Più esportazioni significa più AIDS. E quell'effetto è davvero grande.
12:22
So the datadati that I have suggestssuggerisce that if you doubleraddoppiare exportesportare volumevolume,
249
717000
4000
Quindi i dati che ho ci dicono che se raddoppiassimo il volume delle esportazioni
12:26
it will leadcondurre to a quadruplingquadruplicando of newnuovo HIVHIV infectionsinfezioni.
250
721000
5000
ciò porterà a una crescita quadrupla delle nuove infezioni da HIV.
12:31
So this has importantimportante implicationsimplicazioni bothentrambi for forecastingprevisione and for policypolitica.
251
726000
3000
Quindi questo ha implicazioni importanti sia per le previsioni sia per le politiche.
12:34
From a forecastingprevisione perspectiveprospettiva, if we know where tradecommercio is likelyprobabile to changemodificare,
252
729000
4000
Dal punto di vista delle previsioni, se sapessimo in quale direzione il commercio tenderà a cambiare,
12:38
for exampleesempio, because of the AfricanAfricano GrowthCrescita and OpportunitiesOpportunità ActAtto
253
733000
3000
per esempio, grazie all "Trattato di crescita e opportunità per l'Africa",
12:41
or other policiespolitiche that encourageincoraggiare tradecommercio,
254
736000
2000
o grazie ad altre politiche che incoraggiano il commercio,
12:43
we can actuallyin realtà think about whichquale areasle zone are likelyprobabile to be heavilypesantemente infectedinfetto with HIVHIV.
255
738000
5000
potremmo pensare a quali aree sono più propense ad essere profondamente infette da HIV.
12:48
And we can go and we can try to have pre-emptivepre-emptive preventivepreventivo measuresprovvedimenti there.
256
743000
6000
E potremmo andare a vedere se riuscissimo ad avere una misura preventiva in quell'area.
12:54
LikewiseAllo stesso modo, as we're developingin via di sviluppo policiespolitiche to try to encourageincoraggiare exportsesportazioni,
257
749000
3000
Nello stesso modo, mentre sviluppiamo politiche per incoraggiare le esportazioni,
12:57
if we know there's this externalityesternalità --
258
752000
2000
se sapessimo che c'è questa esternalità,
12:59
this extraextra thing that's going to happenaccadere as we increaseaumentare exportsesportazioni --
259
754000
2000
questa cosa aggiuntiva che succederà con l'aumento delle esportazioni,
13:01
we can think about what the right kindstipi of policiespolitiche are.
260
756000
3000
potremmo pensare a quali siano i giusti tipi di intervento politico.
13:04
But it alsoanche tellsdice us something about one of these things that we think that we know.
261
759000
3000
Ma questo ci dice anche qualcosa su una di quelle cose che crediamo di sapere.
13:07
Even thoughanche se it is the casecaso that povertypovertà is linkedconnesso to AIDSAIDS,
262
762000
3000
Anche se è vero che la povertà è correlata all'AIDS,
13:10
in the sensesenso that AfricaAfrica is poorpovero and they have a lot of AIDSAIDS,
263
765000
3000
nel senso che l'Africa è povera e ha molto AIDS,
13:13
it's not necessarilynecessariamente the casecaso that improvingmiglioramento povertypovertà -- at leastmeno in the shortcorto runcorrere,
264
768000
4000
non è necessariamente il caso che migliorando la povertà -- almeno nel breve periodo --
13:17
that improvingmiglioramento exportsesportazioni and improvingmiglioramento developmentsviluppo --
265
772000
2000
che aumentando le esportazioni e aumentando lo sviluppo,
13:19
it's not necessarilynecessariamente the casecaso that that's going to leadcondurre
266
774000
2000
non è necessariamente il caso che questo porterà
13:21
to a declinedeclino in HIVHIV prevalenceprevalenza.
267
776000
2000
a ridurre il tasso di AIDS.
13:24
So throughoutper tutto this talk I've mentionedmenzionato a fewpochi timesvolte
268
779000
2000
Quindi durante questa relazione ho citato un paio di volte
13:26
the specialspeciale casecaso of UgandaUganda, and the factfatto that
269
781000
2000
il caso speciale dell'Uganda, e il fatto che
13:28
it's the only countrynazione in sub-SaharanSub-sahariana AfricaAfrica with successfulriuscito preventionprevenzione.
270
783000
4000
è l'unico Paese dell'Africa sub-sahariana che ha creato una prevenzione efficace.
13:32
It's been widelyampiamente heraldedha annunziato.
271
787000
2000
E' stato pubblicizzato ampiamente.
13:34
It's been replicatedreplicate in KenyaKenia, and TanzaniaTanzania, and SouthSud AfricaAfrica and manymolti other placesposti.
272
789000
6000
E' stato replicato in Kenya, e in Tanzania, e in Sud Africa e in molti altri posti.
13:40
But now I want to actuallyin realtà alsoanche questiondomanda that.
273
795000
4000
Ma ora voglio mettere in discussione anche quello.
13:44
Because it is truevero that there was a declinedeclino in prevalenceprevalenza
274
799000
3000
Perché è vero che c'è stato un declino del tasso di prevalenza
13:47
in UgandaUganda in the 1990s. It's truevero that they had an educationeducazione campaigncampagna.
275
802000
4000
in Uganda negli anni '90. E' vero che hanno fatto una campagna educativa.
13:51
But there was actuallyin realtà something elsealtro that happenedè accaduto in UgandaUganda in this periodperiodo.
276
806000
6000
Ma c'è stato qualcos'altro che è successo in Uganda in quel periodo.
13:57
There was a biggrande declinedeclino in coffeecaffè pricesprezzi.
277
812000
2000
C'è stato un gran abbassamento del prezzo del caffè.
13:59
CoffeeCaffè is Uganda'sDell'Uganda majormaggiore exportesportare.
278
814000
2000
Il caffè è la maggiore esportazione dell'Uganda.
14:01
TheirLoro exportsesportazioni wentandato down a lot in the earlypresto 1990s -- and actuallyin realtà that declinedeclino linesLinee up
279
816000
5000
Le loro esportazioni sono scese molto nei primi anni '90 -- e in realtà quel declino si allinea
14:06
really, really closelystrettamente with this declinedeclino in newnuovo HIVHIV infectionsinfezioni.
280
821000
4000
molto molto precisamente con questo declino delle nuove infezioni da HIV.
14:10
So you can see that bothentrambi of these seriesserie --
281
825000
3000
Quindi potete vedere che entrambe queste serie --
14:13
the blacknero linelinea is exportesportare valuevalore, the redrosso linelinea is newnuovo HIVHIV infectionsinfezioni --
282
828000
3000
la linea nera è il valore delle esportazioni, la linea rossa sono le nuove infezioni da HIV --
14:16
you can see they're bothentrambi increasingcrescente.
283
831000
2000
potete vedere che sono entrambe in ascesa.
14:18
StartingA partire about 1987 they're bothentrambi going down a lot.
284
833000
2000
A partire all'incirca dal 1987, entrambe scendono molto.
14:20
And then actuallyin realtà they tracktraccia eachogni other
285
835000
2000
E poi continuano a seguirsi
14:22
a little bitpo on the increaseaumentare laterdopo in the decadedecennio.
286
837000
2000
un po' lungo l'aumento che avviene più avanti nella decade.
14:24
So if you combinecombinare the intuitionintuizione in this figurefigura
287
839000
2000
Quindi se associ l'intuizione e questo grafico
14:26
with some of the datadati that I talkedparlato about before,
288
841000
3000
con una parte dei dati di cui ho parlato prima,
14:29
it suggestssuggerisce that somewhereda qualche parte betweenfra 25 percentper cento and 50 percentper cento
289
844000
4000
risulta che tra il 25 e il 50 percento
14:33
of the declinedeclino in prevalenceprevalenza in UgandaUganda
290
848000
2000
del declino della prevalenza in Uganda
14:35
actuallyin realtà would have happenedè accaduto even withoutsenza any educationeducazione campaigncampagna.
291
850000
4000
sarebbe successo ugualmente anche senza alcuna campagna educativa.
14:39
But that's enormouslyenormemente importantimportante for policypolitica.
292
854000
2000
E questo è incredibilmente rilevante per le scelte politiche.
14:41
We're spendingla spesa so much moneyi soldi to try to replicatereplicare this campaigncampagna.
293
856000
2000
Stiamo spendendo così tanti soldi per replicare questa campagna,
14:43
And if it was only 50 percentper cento as effectiveefficace as we think that it was,
294
858000
3000
e se la sua efficacia è stata solo del 50 percento rispetto a quella che credevamo che fosse,
14:46
then there are all sortstipi of other things
295
861000
2000
allora ci sono tutta un'altra serie di cose
14:48
maybe we should be spendingla spesa our moneyi soldi on insteadanziché.
296
863000
2000
su cui dovremmo invece andare a spendere i nostri soldi.
14:50
TryingCercando to changemodificare transmissiontrasmissione ratesaliquote by treatingtrattamento other sexuallysessualmente transmittedtrasmessa diseasesmalattie.
297
865000
4000
Cercare di cambiare i tassi di trasmissione andando a trattare altre malattie a trasmissione sessuale.
14:54
TryingCercando to changemodificare them by engagingavvincente in malemaschio circumcisioncirconcisione.
298
869000
2000
Cercare di cambiarli aumentando la circoncisione maschile.
14:56
There are tonstonnellate of other things that we should think about doing.
299
871000
2000
Ci sono mille altre cose su cui potremmo riflettere.
14:58
And maybe this tellsdice us that we should be thinkingpensiero more about those things.
300
873000
4000
E forse questo ci dice che dovremmo pensare di più a quelle cose.
15:02
I hopesperanza that in the last 16 minutesminuti I've told you something that you didn't know about AIDSAIDS,
301
877000
5000
Spero che negli ultimi 16 minuti io vi abbia detto qualcosa che non sapevate sull'AIDS,
15:07
and I hopesperanza that I've gottenottenuto you questioninginterrogativo a little bitpo
302
882000
2000
e spero di avervi stimolato qualche interrogazione
15:09
some of the things that you did know.
303
884000
2000
su alcune delle cose che sapevate.
15:11
And I hopesperanza that I've convincedconvinto you maybe
304
886000
2000
E spero di avervi convinto forse
15:13
that it's importantimportante to understandcapire things about the epidemicepidemico
305
888000
2000
che è importante capire cose sull'epidemia,
15:15
in orderordine to think about policypolitica.
306
890000
2000
per poter pensare alle scelte politiche.
15:18
But more than anything, you know, I'm an academicaccademico.
307
893000
2000
Ma più di tutto, sapete, sono un'accademica.
15:20
And when I leavepartire here, I'm going to go back
308
895000
2000
E quando me ne andrò da qui, ritornerò
15:22
and sitsedersi in my tinyminuscolo officeufficio, and my computercomputer, and my datadati.
309
897000
3000
a sedere nel mio piccolo ufficio, con il mio computer, e con i miei dati --
15:25
And the thing that's mostmaggior parte excitingemozionante about that
310
900000
2000
e la cosa più eccitante al riguardo
15:27
is everyogni time I think about researchricerca, there are more questionsle domande.
311
902000
3000
è che ogni volta che penso alla ricerca trovo nuove domande.
15:30
There are more things that I think that I want to do.
312
905000
2000
Ci sono altre cose che credo di voler fare.
15:32
And what's really, really great about beingessere here
313
907000
2000
E ciò che è davvero, davvero splendido dell'essere qui
15:34
is I'm sure that the questionsle domande that you guys have
314
909000
2000
è che sono sicura che le domande che avete voi
15:36
are very, very differentdiverso than the questionsle domande that I think up myselfme stessa.
315
911000
3000
sono molto, molto diverse dalle domande che vengono in mente a me.
15:39
And I can't wait to hearsentire about what they are.
316
914000
2000
E non vedo l'ora di sapere quali sono.
15:41
So thank you very much.
317
916000
2000
Quindi grazie mille.
Translated by Veronica Denti
Reviewed by Matteo Da Ros

▲Back to top

ABOUT THE SPEAKER
Emily Oster - Assumption-busting economist
Emily Oster, a University of Chicago economist, uses the dismal science to rethink conventional wisdom, from her Harvard doctoral thesis that took on famed economist Amartya Sen to her recent work debunking assumptions on HIV prevalence in Africa.

Why you should listen

Emily Oster, an Assistant Professor of Economics at the University of Chicago, has a history of rethinking conventional wisdom.

Her Harvard doctoral thesis took on famed economist Amartya Sen and his claim that 100 million women were statistically missing from the developing world. He blamed misogynist medical care and outright sex-selective abortion for the gap, but Oster pointed to data indicating that in countries where Hepetitis B infections were higher, more boys were born. Through her unorthodox analysis of medical data, she accounted for 50% of the missing girls. Three years later, she would publish another paper amending her findings, stating that, after further study, the relationship between Hepetitis B and missing women was not apparent. This concession, along with her audacity to challenge economic assumptions and her dozens of other influential papers, has earned her the respect of the global academic community. 

She's also investigated the role of bad weather in the rise in witchcraft trials in Medieval Europe and what drives people to play the Powerball lottery. Her latest target: busting assumptions on HIV in Africa.

And she's an advice columnist too >>

 

More profile about the speaker
Emily Oster | Speaker | TED.com