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 dreht unser Wissen über AIDS in Afrika um

Filmed:
921,618 views

Emily Oster untersucht noch einmal die AIDS Statistiken in Afrika aus einer ökonomischen Perspektive und kommt zu einer überraschenden Folgerung: All unser Wissen über die Ausbreitung von HIV auf dem Kontinent ist falsch.
- 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 todayheute about AIDSAIDS in sub-SaharanAfrika südlich der Sahara AfricaAfrika.
0
1000
3000
Heute möchte ich mit Ihnen über AIDS in Sub-Sahara-Afrika sprechen.
00:29
And this is a prettyziemlich well-educatedgut ausgebildete audiencePublikum,
1
4000
2000
Und das hier ist ein ziemlich gebildetes Publikum,
00:31
so I imaginevorstellen you all know something about AIDSAIDS.
2
6000
3000
also nehme ich an, dass Sie alle etwas über AIDS wissen.
00:34
You probablywahrscheinlich know that roughlygrob 25 millionMillion people in AfricaAfrika
3
9000
2000
Sie wissen wohl, dass ungefähr 25 Millionen Menschen in Afrika
00:36
are infectedinfiziert with the virusVirus, that AIDSAIDS is a diseaseKrankheit of povertyArmut,
4
11000
4000
mit dem Virus infiziert sind, und dass AIDS eine Armutskrankheit ist.
00:40
and that if we can bringbringen AfricaAfrika out of povertyArmut, we would decreaseverringern AIDSAIDS as well.
5
15000
4000
Und dass, wenn es uns gelänge, Afrika aus der Armut zu holen, wir auch AIDS verringern würden.
00:44
If you know something more, you probablywahrscheinlich know that UgandaUganda, to dateDatum,
6
19000
3000
Wenn Sie noch mehr wissen, dann wahrscheinlich, dass Uganda bis heute
00:47
is the only countryLand in sub-SaharanAfrika südlich der Sahara AfricaAfrika
7
22000
2000
das einzige Land in Sub-Sahara-Afrika ist,
00:49
that has had successErfolg in combatingBekämpfung von the epidemicEpidemie.
8
24000
3000
das im Kampf gegen die Epidemie erfolgreich war
00:52
UsingMit Hilfe a campaignKampagne that encouragedgefördert people to abstainenthalten, be faithfultreu, and use condomsKondome --
9
27000
4000
mit einer Kampagne, die Menschen dazu ermutigte, treu und enthaltsam zu sein und Kondome zu nutzen --
00:56
the ABCABC campaignKampagne -- they decreasedverringerte sich theirihr prevalenceHäufigkeit in the 1990s
10
31000
4000
die ABC Kampagne. Sie verringerte die HIV-Verbreitung in den 1990ern
01:00
from about 15 percentProzent to 6 percentProzent over just a fewwenige yearsJahre.
11
35000
4000
von ca. 15 % auf 6 % in nur ein paar Jahren.
01:04
If you followFolgen policyPolitik, you probablywahrscheinlich know that a fewwenige yearsJahre agovor
12
39000
3000
Wenn Sie die Politik verfolgen, wissen Sie wohl, dass unser Präsident vor einigen Jahren
01:07
the presidentPräsident pledgedverpfändet 15 billionMilliarde dollarsDollar to fightKampf the epidemicEpidemie over fivefünf yearsJahre,
13
42000
4000
15 Milliarden Dollar für den Kampf gegen die Epidemie über 5 Jahre versprochen hat,
01:11
and a lot of that moneyGeld is going to go to programsProgramme that try to replicatereplizieren UgandaUganda
14
46000
3000
und dass eine Menge des Geldes an Programme geht, die versuchen, Uganda zu replizieren
01:14
and use behaviorVerhalten changeVeränderung to encourageermutigen people and decreaseverringern the epidemicEpidemie.
15
49000
6000
und durch Verhaltensänderung Menschen zur Eindämmung der Epidemie zu bringen.
01:20
So todayheute I'm going to talk about some things
16
55000
2000
Also heute werde ich über einige Dinge sprechen,
01:22
that you mightMacht not know about the epidemicEpidemie,
17
57000
2000
die Sie vielleicht nicht über die Epidemie wissen.
01:24
and I'm actuallytatsächlich alsoebenfalls going to challengeHerausforderung
18
59000
2000
Und dann werde ich sogar einige der Dinge angreifen,
01:26
some of these things that you think that you do know.
19
61000
2000
über die Sie glauben, schon Bescheid zu wissen.
01:28
To do that I'm going to talk about my researchForschung
20
63000
3000
Und um das zu machen, werde ich über meine Forschung
01:31
as an economistÖkonom on the epidemicEpidemie.
21
66000
2000
als Wirtschaftswissenschaftlerin über die Epidemie sprechen.
01:33
And I'm not really going to talk much about the economyWirtschaft.
22
68000
2000
Ich werde wirklich nicht viel über die Wirtschaft sprechen.
01:35
I'm not going to tell you about exportsExporte and pricesPreise.
23
70000
3000
Ich erzähle Ihnen nichts über Exporte und Preise.
01:38
But I'm going to use toolsWerkzeuge and ideasIdeen that are familiarfamiliär to economistsÖkonomen
24
73000
4000
Aber ich werde die Werkzeuge und Konzepte, mit denen Ökonomen arbeiten, benutzen,
01:42
to think about a problemProblem that's more traditionallytraditionell
25
77000
2000
um über ein Problem nachzudenken, das traditionell
01:44
partTeil of publicÖffentlichkeit healthGesundheit and epidemiologyEpidemiologie.
26
79000
2000
eher zur Epidemiologie und dem Gesundheitswesen gehört.
01:46
And I think in that senseSinn, this fitspasst really nicelyschön with this lateralseitlich thinkingDenken ideaIdee.
27
81000
4000
Und ich finde in diesem Sinne passt das wunderbar zu dieser Querdenken-Mentalität.
01:50
Here I'm really usingmit the toolsWerkzeuge of one academicakademisch disciplineDisziplin
28
85000
3000
Hier benutze ich die Werkzeuge einer bestimmten akademischen Disziplin,
01:53
to think about problemsProbleme of anotherein anderer.
29
88000
2000
um über die Probleme einer anderen nachzudenken.
01:55
So we think, first and foremostin erster Linie, AIDSAIDS is a policyPolitik issueProblem.
30
90000
3000
Also, wir denken überwiegend, dass AIDS ein strategisches Problem ist.
01:58
And probablywahrscheinlich for mostdie meisten people in this roomZimmer, that's how you think about it.
31
93000
3000
Und wahrscheinlich denken die meisten von Ihnen auch so darüber.
02:01
But this talk is going to be about understandingVerstehen factsFakten about the epidemicEpidemie.
32
96000
4000
Aber in diesem Vortrag geht es darum, Fakten über die Epidemie zu verstehen.
02:05
It's going to be about thinkingDenken about how it evolvesentwickelt sich, and how people respondreagieren to it.
33
100000
3000
Es geht darum, wie sie sich entwickelt, und wie Menschen darauf reagieren.
02:08
I think it maykann seemscheinen like I'm ignoringignorierend the policyPolitik stuffSachen,
34
103000
3000
Vielleicht scheint es, als ob ich das strategische Zeug ignoriere,
02:11
whichwelche is really the mostdie meisten importantwichtig,
35
106000
2000
obwohl es wirklich das Wichtigste ist,
02:13
but I'm hopinghoffend that at the endEnde of this talk you will concludedaraus schließen
36
108000
2000
aber ich hoffe, dass Sie am Ende des Vortrags schlussfolgern,
02:15
that we actuallytatsächlich cannotnicht können developentwickeln effectiveWirksam policyPolitik
37
110000
2000
dass wir keine effektive Strategie entwickeln können,
02:17
unlesses sei denn we really understandverstehen how the epidemicEpidemie worksWerke.
38
112000
3000
wenn wir nicht wirklich verstehen, wie die Epidemie funktioniert.
02:20
And the first thing that I want to talk about,
39
115000
2000
Und der erste Punkt, über den ich sprechen möchte,
02:22
the first thing I think we need to understandverstehen is:
40
117000
2000
der erste Punkt, den wir verstehen müssen, ist:
02:24
how do people respondreagieren to the epidemicEpidemie?
41
119000
2000
Wie reagieren die Menschen auf die Epidemie?
02:26
So AIDSAIDS is a sexuallysexuell transmittedübertragen infectionInfektion, and it killstötet you.
42
121000
4000
Also AIDS ist eine sexuell übertragbare Krankheit, und sie tötet.
02:30
So this meansmeint that in a placeOrt with a lot of AIDSAIDS,
43
125000
2000
Das bedeutet, dass der Preis für Sex in einem Gebiet
02:32
there's a really significantsignifikant costKosten of sexSex.
44
127000
2000
mit viel AIDS sehr hoch ist.
02:34
If you're an uninfectednicht infizierte man livingLeben in BotswanaBotswana, where the HIVHIV ratePreis is 30 percentProzent,
45
129000
4000
Wenn Sie ein uninfizierter Mann in Botswana sind, wo die HIV-Rate 30% ist,
02:38
if you have one more partnerPartner this yearJahr -- a long-termlangfristig partnerPartner, girlfriendFreundin, mistressHerrin --
46
133000
4000
und Sie dieses Jahr eine weitere Partnerin haben -- eine Langzeitpartnerin, Freundin, Geliebte --
02:42
your chanceChance of dyingsterben in 10 yearsJahre increaseserhöht sich by threedrei percentageProzentsatz pointsPunkte.
47
137000
4000
wird die Wahrscheinlichkeit, dass Sie in 10 Jahren sterben, um 3% steigen.
02:46
That is a hugeenorm effectbewirken.
48
141000
2000
Das ist ein riesiger Effekt.
02:48
And so I think that we really feel like then people should have lessWeniger sexSex.
49
143000
3000
Und so denken wir uns, dass die Menschen dann weniger Sex haben sollten.
02:51
And in factTatsache amongunter gayFröhlich menMänner in the US
50
146000
2000
Und tatsächlich gab es diese Veränderung bei
02:53
we did see that kindArt of changeVeränderung in the 1980s.
51
148000
2000
homosexuellen Männern in den USA während der 1980er.
02:55
So if we look in this particularlyinsbesondere high-riskhohes Risiko sampleSample, they're beingSein askedaufgefordert,
52
150000
4000
Wenn wir uns diese Hochrisikogruppe anschauen, und sie fragen:
02:59
"Did you have more than one unprotectedungeschützte sexualsexuell partnerPartner in the last two monthsMonate?"
53
154000
3000
"Hatten Sie in den letzten 2 Monaten ungeschützten Geschlechtsverkehr mit mehr als einem Partner?"
03:02
Over a periodPeriode from '84 to '88, that shareAktie dropsTropfen from about 85 percentProzent to 55 percentProzent.
54
157000
6000
ist über die Zeit von '84 bis '88 der Anteil von ca. 85% auf 55% gefallen.
03:08
It's a hugeenorm changeVeränderung in a very shortkurz periodPeriode of time.
55
163000
2000
Eine große Veränderung in sehr kurzer Zeit.
03:10
We didn't see anything like that in AfricaAfrika.
56
165000
2000
Etwas Vergleichbares haben wir in Afrika nicht beobachtet.
03:12
So we don't have quiteganz as good dataDaten, but you can see here
57
167000
3000
Also die Daten sind nicht ganz so gut, aber Sie sehen hier
03:15
the shareAktie of singleSingle menMänner havingmit pre-maritalvor der Ehe sexSex,
58
170000
2000
den Anteil der männlichen Singles, die vorehelichen Sex hatten,
03:17
or marriedverheiratet menMänner havingmit extra-maritalaußereheliche sexSex,
59
172000
2000
oder verheiratete Männer, die außerehelichen Sex hatten,
03:19
and how that changesÄnderungen from the earlyfrüh '90s to latespät '90s,
60
174000
3000
und wie sich dies von den frühen bis zu den späten 90ern verändert
03:22
and latespät '90s to earlyfrüh 2000s. The epidemicEpidemie is gettingbekommen worseschlechter.
61
177000
3000
und von den späten 90ern zu den frühen 2000ern. Die Epidemie nimmt zu.
03:25
People are learningLernen more things about it.
62
180000
2000
Die Menschen lernen mehr darüber...
03:27
We see almostfast no changeVeränderung in sexualsexuell behaviorVerhalten.
63
182000
2000
und wir sehen fast keine Änderung im sexuellen Verhalten.
03:29
These are just tinysehr klein decreasesverringert -- two percentageProzentsatz pointsPunkte -- not significantsignifikant.
64
184000
4000
Das sind nur winzige Abnahmen -- zwei Prozentpunkte -- nicht signifikant.
03:33
This seemsscheint puzzlingrätselhafte. But I'm going to argueargumentieren that you shouldn'tsollte nicht be surprisedüberrascht by this,
65
188000
4000
Das scheint verblüffend, aber ich sage, Sie sollten davon nicht überrascht sein.
03:37
and that to understandverstehen this you need to think about healthGesundheit
66
192000
3000
Und um das zu verstehen, müssen Sie über Gesundheit nachdenken wie ein
03:40
the way than an economistÖkonom does -- as an investmentInvestition.
67
195000
3000
Wirtschaftswissenschaftler -- als eine Investition.
03:43
So if you're a softwareSoftware engineerIngenieur and you're tryingversuchen to think about
68
198000
3000
Also wenn Sie ein Softwareentwickler sind und darüber nachdenken,
03:46
whetherob to addhinzufügen some newneu functionalityFunktionalität to your programProgramm,
69
201000
3000
ob Sie Ihrem Programm eine neue Funktion spendieren sollten,
03:49
it's importantwichtig to think about how much it costsKosten.
70
204000
2000
ist es wichtig, die Kosten zu beachten.
03:51
It's alsoebenfalls importantwichtig to think about what the benefitVorteil is.
71
206000
2000
Es ist auch wichtig, zu wissen, was der Nutzen ist.
03:53
And one partTeil of that benefitVorteil is how much longerlänger
72
208000
2000
Und ein Teil des Nutzens ist wie lange das Programm
03:55
you think this programProgramm is going to be activeaktiv.
73
210000
2000
ihrer Meinung nach noch genutzt werden wird.
03:57
If versionVersion 10 is comingKommen out nextNächster weekWoche,
74
212000
2000
Wenn Version 10 nächste Woche erscheint,
03:59
there's no pointPunkt in addingHinzufügen more functionalityFunktionalität into versionVersion nineneun.
75
214000
3000
gibt es keinen Grund, neue Funktionen in Version 9 einzubauen.
04:02
But your healthGesundheit decisionsEntscheidungen are the samegleich.
76
217000
2000
Aber Ihre Gesundheitsentscheidungen verlaufen genauso.
04:04
EveryJedes time you have a carrotKarotte insteadstattdessen of a cookieCookie,
77
219000
2000
Jedes mal wenn Sie eine Karotte anstatt eines Kekses essen,
04:06
everyjeden time you go to the gymFitness-Studio insteadstattdessen of going to the moviesFilme,
78
221000
3000
jedes Mal wenn Sie ins Fitnessstudio und nicht ins Kino gehen,
04:09
that's a costlyteuer investmentInvestition in your healthGesundheit.
79
224000
2000
ist das eine teure Investition zu Gunsten Ihrer Gesundheit.
04:11
But how much you want to investinvestieren is going to dependabhängen
80
226000
2000
Aber wie viel Sie investieren wollen wird davon abhängig sein,
04:13
on how much longerlänger you expecterwarten von to liveLeben in the futureZukunft,
81
228000
2000
wie lange Sie erwarten, in der Zukunft noch zu leben --
04:15
even if you don't make those investmentsInvestitionen.
82
230000
2000
selbst, wenn Sie diese Investitionen nicht machen.
04:17
AIDSAIDS is the samegleich kindArt of thing. It's costlyteuer to avoidvermeiden AIDSAIDS.
83
232000
3000
AIDS ist die gleiche Sache. Es ist teuer, AIDS zu vermeiden.
04:20
People really like to have sexSex.
84
235000
3000
Die Leute haben echt gerne Sex.
04:23
But, you know, it has a benefitVorteil in termsBegriffe of futureZukunft longevityLanglebigkeit.
85
238000
6000
Aber wissen Sie, der Nutzen drückt sich in längerer Lebensdauer aus.
04:29
But life expectancyErwartung in AfricaAfrika, even withoutohne AIDSAIDS, is really, really lowniedrig:
86
244000
4000
Allerdings sind die Lebenserwartungen in Afrika, selbst ohne AIDS, wirklich kurz:
04:33
40 or 50 yearsJahre in a lot of placessetzt.
87
248000
3000
40 oder 50 Jahre, in vielen Orten.
04:36
I think it's possiblemöglich, if we think about that intuitionIntuition, and think about that factTatsache,
88
251000
4000
Ich denke es ist möglich, wenn wir über diese Einsicht, über diese Tatsache nachdenken,
04:40
that maybe that explainserklärt some of this lowniedrig behaviorVerhalten changeVeränderung.
89
255000
3000
dass dies vielleicht einen Teil dieser niedrigen Verhaltensänderung erklärt.
04:43
But we really need to testTest that.
90
258000
2000
Aber das müssen wir untersuchen.
04:45
And a great way to testTest that is to look acrossüber areasBereiche in AfricaAfrika and see:
91
260000
3000
Und eine tolle Möglichkeit dafür ist, sich verschiedene afrikanische Regionen anzuschauen,
04:48
do people with more life expectancyErwartung changeVeränderung theirihr sexualsexuell behaviorVerhalten more?
92
263000
4000
um zu schauen, ob Menschen mit höheren Lebenserwartungen ihr sexuelles Verhalten mehr verändern.
04:52
And the way that I'm going to do that is,
93
267000
2000
Und das werde ich machen, indem
04:54
I'm going to look acrossüber areasBereiche with differentanders levelsEbenen of malariaMalaria.
94
269000
3000
ich Regionen mit unterschiedlichen Malarialeveln vergleiche.
04:57
So malariaMalaria is a diseaseKrankheit that killstötet you.
95
272000
3000
Also Malaria ist eine Krankheit, die tötet.
05:00
It's a diseaseKrankheit that killstötet a lot of adultsErwachsene in AfricaAfrika, in additionZusatz to a lot of childrenKinder.
96
275000
3000
Es ist eine Krankheit, die eine Menge Erwachsene in Afrika tötet, und auch viele Kinder.
05:03
And so people who liveLeben in areasBereiche with a lot of malariaMalaria
97
278000
3000
Und deshalb werden Menschen, die in malariareichen Gebieten leben
05:06
are going to have lowerniedriger life expectancyErwartung than people who liveLeben in areasBereiche with limitedbegrenzt malariaMalaria.
98
281000
4000
eine niedrigere Lebenserwartung haben als Menschen aus Regionen mit wenig Malaria.
05:10
So one way to testTest to see whetherob we can explainerklären
99
285000
2000
Also eine Möglichkeit, um zu überprüfen, ob wir einige der
05:12
some of this behaviorVerhalten changeVeränderung by differencesUnterschiede in life expectancyErwartung
100
287000
3000
Verhaltensänderung über Unterschiede in der Lebenserwartung erklären können
05:15
is to look and see is there more behaviorVerhalten changeVeränderung
101
290000
3000
ist, nachzuschauen, ob dort wo Malaria weniger verbreitet ist,
05:18
in areasBereiche where there's lessWeniger malariaMalaria.
102
293000
2000
mehr Verhaltensänderung zu beobachten ist.
05:20
So that's what this figureZahl showszeigt an you.
103
295000
2000
Und das zeigt Ihnen dieser Graph.
05:22
This showszeigt an you -- in areasBereiche with lowniedrig malariaMalaria, mediumMittel malariaMalaria, highhoch malariaMalaria --
104
297000
4000
Dies zeigt Ihnen -- in Regionen mit niedriger, mittlerer und hoher Malariaverbreitung --
05:26
what happensdas passiert to the numberNummer of sexualsexuell partnersPartner as you increaseerhöhen, ansteigen HIVHIV prevalenceHäufigkeit.
105
301000
4000
was mit der Anzahl der sexuellen Partner passiert, wenn sich die HIV Verbreitung erhöht.
05:30
If you look at the blueblau lineLinie,
106
305000
2000
Wenn Sie die blaue Linie beobachten,
05:32
the areasBereiche with lowniedrig levelsEbenen of malariaMalaria, you can see in those areasBereiche,
107
307000
3000
sehen Sie, dass in Gebieten mit wenig Malaria
05:35
actuallytatsächlich, the numberNummer of sexualsexuell partnersPartner is decreasingabnehmend a lot
108
310000
3000
die Anzahl der sexuellen Partner tatsächlich stark sinkt
05:38
as HIVHIV prevalenceHäufigkeit goesgeht up.
109
313000
2000
wenn die HIV Verbreitung steigt.
05:40
AreasBereichen with mediumMittel levelsEbenen of malariaMalaria it decreasesverringert some --
110
315000
2000
Regionen mit mittleren Leveln sinken auch etwas --
05:42
it doesn't decreaseverringern as much. And areasBereiche with highhoch levelsEbenen of malariaMalaria --
111
317000
3000
aber nicht so sehr. Und in Regionen mit hohen Malarialeveln
05:45
actuallytatsächlich, it's increasingsteigend a little bitBit, althoughobwohl that's not significantsignifikant.
112
320000
5000
steigt sie sogar etwas, aber das ist nicht signifikant.
05:50
This is not just throughdurch malariaMalaria.
113
325000
2000
Das liegt nicht nur an Malaria.
05:52
YoungYoung womenFrau who liveLeben in areasBereiche with highhoch maternalmütterliche mortalityMortalität
114
327000
3000
Junge Frauen, die in Regionen mit hoher Müttersterblichkeitsrate leben,
05:55
changeVeränderung theirihr behaviorVerhalten lessWeniger in responseAntwort to HIVHIV
115
330000
3000
verändern ihr Verhalten weniger wenn sie auf HIV reagieren
05:58
than youngjung womenFrau who liveLeben in areasBereiche with lowniedrig maternalmütterliche mortalityMortalität.
116
333000
3000
als junge Frauen aus Regionen mit einer niedrigen Müttersterblichkeitsrate.
06:01
There's anotherein anderer riskRisiko, and they respondreagieren lessWeniger to this existingbestehende riskRisiko.
117
336000
4000
Ein weiteres Risiko, und sie reagieren weniger auf dieses bestehende Risiko.
06:06
So by itselfselbst, I think this tellserzählt a lot about how people behavesich verhalten.
118
341000
3000
Für sich genommen sagt das eine Menge über das menschliche Verhalten aus.
06:09
It tellserzählt us something about why we see limitedbegrenzt behaviorVerhalten changeVeränderung in AfricaAfrika.
119
344000
3000
Es sagt uns etwas darüber, warum wir so wenig Verhaltensänderung in Afrika sehen.
06:12
But it alsoebenfalls tellserzählt us something about policyPolitik.
120
347000
2000
Aber es gibt uns auch einen Hinweis für die Strategie.
06:14
Even if you only caredgepflegt about AIDSAIDS in AfricaAfrika,
121
349000
3000
Selbst wenn es einem nur um AIDS in Afrika ginge,
06:17
it mightMacht still be a good ideaIdee to investinvestieren in malariaMalaria,
122
352000
3000
macht es vielleicht trotzdem Sinn, in die Malariabekämpfung zu investieren,
06:20
in combatingBekämpfung von poorArm indoorInnen airLuft qualityQualität,
123
355000
2000
zu versuchen, die Luftqualität in Innenräumen zu verbessern,
06:22
in improvingVerbesserung maternalmütterliche mortalityMortalität ratesPreise.
124
357000
2000
die Müttersterblichkeitsrate zu senken.
06:24
Because if you improveverbessern those things,
125
359000
2000
Denn wenn Sie diese Dinge verbessern,
06:26
then people are going to have an incentiveAnreiz to avoidvermeiden AIDSAIDS on theirihr ownbesitzen.
126
361000
4000
dann haben die Menschen einen größeren Anreiz, AIDS von sich aus zu meiden.
06:30
But it alsoebenfalls tellserzählt us something about one of these factsFakten that we talkedsprach about before.
127
365000
4000
Aber das offenbart uns auch etwas über eine dieser Tatsachen, die wir angesprochen hatten.
06:34
EducationBildung campaignsKampagnen, like the one that the presidentPräsident is focusingfokussierend on in his fundingFinanzierung,
128
369000
4000
Aufklärungskampagnen, wie solche, auf die unser Präsident den Fokus bei den Ausgaben gelegt hat,
06:38
maykann not be enoughgenug, at leastam wenigsten not aloneallein.
129
373000
2000
reichen vielleicht nicht aus. Zumindest nicht alleine.
06:40
If people have no incentiveAnreiz to avoidvermeiden AIDSAIDS on theirihr ownbesitzen,
130
375000
2000
Wenn Menschen keinen Anreiz haben, AIDS von sich aus zu meiden --
06:42
even if they know everything about the diseaseKrankheit,
131
377000
2000
selbst wenn sie alles über die Krankheit wissen --
06:44
they still maykann not changeVeränderung theirihr behaviorVerhalten.
132
379000
2000
werden sie vielleicht immer noch nicht ihr Verhalten ändern.
06:46
So the other thing that I think we learnlernen here is that AIDSAIDS is not going to fixFix itselfselbst.
133
381000
3000
Die andere Sache die wir hier gelernt haben ist, dass AIDS sich nicht von alleine lösen wird.
06:49
People aren'tsind nicht changingÄndern theirihr behaviorVerhalten enoughgenug
134
384000
2000
Die Menschen verändern ihr Verhalten nicht ausreichend,
06:51
to decreaseverringern the growthWachstum in the epidemicEpidemie.
135
386000
3000
um das Wachstum der Epidemie zu verlangsamen.
06:54
So we're going to need to think about policyPolitik
136
389000
2000
Also müssen wir über Strategien nachdenken
06:56
and what kindArt of policiesRichtlinien mightMacht be effectiveWirksam.
137
391000
2000
und welche Arten davon wohl effektiv sind.
06:58
And a great way to learnlernen about policyPolitik is to look at what workedhat funktioniert in the pastVergangenheit.
138
393000
3000
Eine gute Art, über Strategien zu lernen ist, zu schauen was schon funktioniert hat.
07:01
The reasonGrund that we know that the ABCABC campaignKampagne
139
396000
2000
Der Grund, weswegen wir wissen, dass die ABC Kampagne
07:03
was effectiveWirksam in UgandaUganda is we have good dataDaten on prevalenceHäufigkeit over time.
140
398000
3000
in Uganda effektiv war ist, dass wir gute Daten über HIV-Verbreitung über die Zeit haben.
07:06
In UgandaUganda we see the prevalenceHäufigkeit wentging down.
141
401000
2000
In Uganda sehen wir, dass die Verbreitung abnahm.
07:08
We know they had this campaignKampagne. That's how we learnlernen about what worksWerke.
142
403000
3000
Wir wissen, dass sie die Kampagne hatten. So haben wir gelernt, was funktioniert.
07:11
It's not the only placeOrt we had any interventionsEingriffe.
143
406000
2000
Das ist nicht der einzige Ort, an dem wir Interventionen hatten.
07:13
Other placessetzt have triedversucht things, so why don't we look at those placessetzt
144
408000
4000
Andere Orte haben Sachen versucht, also warum schauen wir nicht dort und
07:17
and see what happenedpassiert to theirihr prevalenceHäufigkeit?
145
412000
3000
untersuchen, was mit der Verbreitung passiert ist?
07:20
UnfortunatelyLeider, there's almostfast no good dataDaten
146
415000
2000
Leider gibt es fast keine guten Daten
07:22
on HIVHIV prevalenceHäufigkeit in the generalGeneral populationBevölkerung in AfricaAfrika untilbis about 2003.
147
417000
5000
über HIV-Verbreitung in der allgemeinen afrikanischen Bevölkerung bis ca. 2003.
07:27
So if I askedaufgefordert you, "Why don't you go and find me
148
422000
2000
Wenn ich Sie bitten würde: "Können Sie mir mal
07:29
the prevalenceHäufigkeit in BurkinaBurkina FasoFaso in 1991?"
149
424000
3000
die Verbreitung in Burkino 1991 finden?"
07:32
You get on GoogleGoogle, you GoogleGoogle, and you find,
150
427000
3000
Sie öffnen Google, suchen, und finden:
07:35
actuallytatsächlich the only people testedgeprüft in BurkinaBurkina FasoFaso in 1991
151
430000
3000
dass tatsächlich die einzigen Gruppen, die 1991 in Burkina Faso erhoben wurden
07:38
are STDSTD patientsPatienten and pregnantschwanger womenFrau,
152
433000
2000
Patienten mit Geschlechtskrankheiten und Schwangere waren.
07:40
whichwelche is not a terriblyfürchterlich representativeVertreter groupGruppe of people.
153
435000
2000
Und diese Gruppen sind nicht so besonders repräsentativ.
07:42
Then if you pokedstocherte a little more, you lookedsah a little more at what was going on,
154
437000
3000
Wenn Sie dann noch etwas tiefer gehen, mehr nachforschen, was damals los war,
07:45
you'ddu würdest find that actuallytatsächlich that was a prettyziemlich good yearJahr,
155
440000
3000
finden Sie heraus, dass das sogar ein ziemlich gutes Jahr war.
07:48
because in some yearsJahre the only people testedgeprüft are IVIV drugDroge usersBenutzer.
156
443000
3000
Denn in manchen Jahren waren es nur Drogenabhängige, die getestet wurden.
07:51
But even worseschlechter -- some yearsJahre it's only IVIV drugDroge usersBenutzer,
157
446000
2000
Und noch schlimmer - manche Jahre nur die Drogenabhängigen,
07:53
some yearsJahre it's only pregnantschwanger womenFrau.
158
448000
2000
manche Jahre nur die Schwangeren.
07:55
We have no way to figureZahl out what happenedpassiert over time.
159
450000
2000
Es gibt keine Möglichkeit, herauszufinden, was über die Zeit passiert ist.
07:57
We have no consistentkonsistent testingtesten.
160
452000
2000
Es gibt keine konsistente Datenerhebung.
07:59
Now in the last fewwenige yearsJahre, we actuallytatsächlich have doneerledigt some good testingtesten.
161
454000
5000
Und in den letzten paar Jahren haben wir tatsächlich ein paar gute Daten erhoben.
08:04
In KenyaKenia, in ZambiaSambia, and a bunchBündel of countriesLänder,
162
459000
3000
In Kenia, Sambia und einer Menge Länder
08:07
there's been testingtesten in randomzufällig samplesProben of the populationBevölkerung.
163
462000
3000
gab es Überprüfungen von zufälligen Stichproben der Bevölkerung.
08:10
But this leavesBlätter us with a biggroß gapSpalt in our knowledgeWissen.
164
465000
3000
Aber es bleibt eine große Lücke in unserem Wissen.
08:13
So I can tell you what the prevalenceHäufigkeit was in KenyaKenia in 2003,
165
468000
3000
Also kann ich Ihnen sagen, wie hoch die Verbreitung 2003 in Kenia war,
08:16
but I can't tell you anything about 1993 or 1983.
166
471000
3000
aber ich weiß nichts über 1993 oder 1983.
08:19
So this is a problemProblem for policyPolitik. It was a problemProblem for my researchForschung.
167
474000
4000
Das ist ein Problem für Politikentscheidungen. Es war ein Problem für meine Forschung.
08:23
And I startedhat angefangen thinkingDenken about how elsesonst mightMacht we figureZahl out
168
478000
4000
Und ich fing an, darüber nachzudenken, wie wir sonst herausfinden könnten,
08:27
what the prevalenceHäufigkeit of HIVHIV was in AfricaAfrika in the pastVergangenheit.
169
482000
2000
wie hoch die HIV-Verbreitung in Afrika in der Vergangenheit war.
08:29
And I think that the answerAntworten is, we can look at mortalityMortalität dataDaten,
170
484000
4000
Und ich denke die Antwort ist, dass wir uns Sterbedaten anschauen können,
08:33
and we can use mortalityMortalität dataDaten to figureZahl out what the prevalenceHäufigkeit was in the pastVergangenheit.
171
488000
4000
und wir können diese Daten nutzen, um die Verbreitung in der Vergangenheit herzuleiten.
08:37
To do this, we're going to have to relyverlassen on the factTatsache
172
492000
2000
Um das zu tun, müssen wir uns auf die Tatsache stützen,
08:39
that AIDSAIDS is a very specificspezifisch kindArt of diseaseKrankheit.
173
494000
2000
dass AIDS eine sehr spezifische Krankheit ist.
08:41
It killstötet people in the primeprim of theirihr livesLeben.
174
496000
2000
Sie tötet Menschen in ihren besten Jahren.
08:43
Not a lot of other diseasesKrankheiten have that profileProfil. And you can see here --
175
498000
3000
Sehr wenige andere Krankheiten haben dieses Profil. Und Sie sehen hier:
08:46
this is a graphGraph of deathTod ratesPreise by ageAlter in BotswanaBotswana and EgyptÄgypten.
176
501000
4000
Dieser Graph zeigt Todesraten in Altersgruppen in Botswana und Ägypten.
08:50
BotswanaBotswana is a placeOrt with a lot of AIDSAIDS,
177
505000
2000
Botswana ist ein Ort mit einer hohen AIDS Rate,
08:52
EgyptÄgypten is a placeOrt withoutohne a lot of AIDSAIDS.
178
507000
2000
Ägypten hat wenig AIDS.
08:54
And you see they have prettyziemlich similarähnlich deathTod ratesPreise amongunter youngjung kidsKinder and oldalt people.
179
509000
3000
Und Sie sehen, dass beide ziemlich ähnliche Todesraten bei jungen Kindern und alten Menschen haben.
08:57
That suggestsschlägt vor it's prettyziemlich similarähnlich levelsEbenen of developmentEntwicklung.
180
512000
3000
Das lässt auf ziemlich ähnliche Entwicklungsgrade schließen.
09:00
But in this middleMitte regionRegion, betweenzwischen 20 and 45,
181
515000
3000
Aber in dieser mittleren Region, zwischen 20 und 45,
09:03
the deathTod ratesPreise in BotswanaBotswana are much, much, much higherhöher than in EgyptÄgypten.
182
518000
4000
sind die Todesraten in Botswana viel, viel höher, als in Ägypten.
09:07
But sinceschon seit there are very fewwenige other diseasesKrankheiten that killtöten people,
183
522000
4000
Aber weil es sehr wenige andere tödlichen Krankheiten gibt,
09:11
we can really attributeAttribut that mortalityMortalität to HIVHIV.
184
526000
3000
können wir diese Sterblichkeit wirklich HIV zuschreiben.
09:14
But because people who diedist verstorben this yearJahr of AIDSAIDS got it a fewwenige yearsJahre agovor,
185
529000
4000
Und weil die Menschen, die dieses Jahr gestorben sind, AIDS vor ein paar Jahren bekamen,
09:18
we can use this dataDaten on mortalityMortalität to figureZahl out what HIVHIV prevalenceHäufigkeit was in the pastVergangenheit.
186
533000
5000
können wir die Sterblichkeitsdaten nutzen, um die HIV-Verbreitung in der Vergangenheit zu rekonstruieren.
09:23
So it turnswendet sich out, if you use this techniqueTechnik,
187
538000
2000
Also es stellt sich mit diesem Verfahren heraus,
09:25
actuallytatsächlich your estimatesSchätzungen of prevalenceHäufigkeit are very closeschließen
188
540000
2000
dass die Schätzungen der Verbreitung tatsächlich den
09:27
to what we get from testingtesten randomzufällig samplesProben in the populationBevölkerung,
189
542000
3000
zufälligen Testreihen aus der Bevölkerung sehr nahe kommen --
09:30
but they're very, very differentanders than what UNAIDSUNAIDS tellserzählt us the prevalencesPrävalenzen are.
190
545000
5000
aber sie sind sehr, sehr anders als die UNAIDS Daten.
09:35
So this is a graphGraph of prevalenceHäufigkeit estimatedgeschätzt by UNAIDSUNAIDS,
191
550000
3000
Also dieser Graph ist die Verbreitungsschätzung von UNAIDS,
09:38
and prevalenceHäufigkeit basedbasierend on the mortalityMortalität dataDaten
192
553000
2000
und dieser die Verbreitung laut Sterberate
09:40
for the yearsJahre in the latespät 1990s in nineneun countriesLänder in AfricaAfrika.
193
555000
4000
für die Jahre der späten 1990er in neun afrikanischen Ländern.
09:44
You can see, almostfast withoutohne exceptionAusnahme,
194
559000
2000
Und Sie sehen fast ohne Ausnahme,
09:46
the UNAIDSUNAIDS estimatesSchätzungen are much higherhöher than the mortality-basedMortalität-basierte estimatesSchätzungen.
195
561000
4000
dass die UNAIDS Schätzungen viel höher als die auf Sterbedaten basierenden sind.
09:50
UNAIDSUNAIDS tell us that the HIVHIV ratePreis in ZambiaSambia is 20 percentProzent,
196
565000
4000
UNAIDS sagt, dass die HIV Rate in Sambia 20% beträgt
09:54
and mortalityMortalität estimatesSchätzungen suggestvorschlagen it's only about 5 percentProzent.
197
569000
4000
und Sterblichkeitsschätzungen deuten darauf hin, dass es nur ca. 5% sind.
09:58
And these are not trivialtrivial differencesUnterschiede in mortalityMortalität ratesPreise.
198
573000
3000
Und wissen Sie, das sind keine trivialen Unterschiede in den Sterblichkeitsraten.
10:01
So this is anotherein anderer way to see this.
199
576000
2000
Das ist also eine andere Möglichkeit es zu sehen.
10:03
You can see that for the prevalenceHäufigkeit to be as highhoch as UNAIDSUNAIDS sayssagt,
200
578000
2000
Sie können sehen, dass, wenn die Verbreitung so hoch wäre, wie UNAIDS behauptet,
10:05
we have to really see 60 deathsTodesfälle perpro 10,000
201
580000
2000
wir eigentlich 60 Tote pro 10.000 sehen müssten
10:07
ratherlieber than 20 deathsTodesfälle perpro 10,000 in this ageAlter groupGruppe.
202
582000
4000
statt 20 Tote pro 10.000 in dieser Altersgruppe.
10:11
I'm going to talk a little bitBit in a minuteMinute
203
586000
2000
Ich werde eine Minute lang etwas darüber sprechen,
10:13
about how we can use this kindArt of informationInformation to learnlernen something
204
588000
3000
wie wir diese Art von Informationen nutzen können, um etwas zu lernen,
10:16
that's going to help us think about the worldWelt.
205
591000
2000
das uns helfen wird, über die Welt nachzudenken.
10:18
But this alsoebenfalls tellserzählt us that one of these factsFakten
206
593000
2000
Aber das sagt uns auch, dass eine dieser Tatsachen,
10:20
that I mentionederwähnt in the beginningAnfang maykann not be quiteganz right.
207
595000
3000
die ich am Anfang nannte vielleicht nicht ganz richtig ist.
10:23
If you think that 25 millionMillion people are infectedinfiziert,
208
598000
2000
Wenn Sie denken, dass 25 Mio. Menschen infiziert sind,
10:25
if you think that the UNAIDSUNAIDS numbersNummern are much too highhoch,
209
600000
3000
wenn Sie denken, dass die UNAIDS Zahlen viel zu hoch sind,
10:28
maybe that's more like 10 or 15 millionMillion.
210
603000
2000
sind es vielleicht eher 10 oder 15 Millionen.
10:30
It doesn't mean that AIDSAIDS isn't a problemProblem. It's a giganticgigantische problemProblem.
211
605000
4000
Das bedeutet nicht, dass AIDS kein Problem ist - es ist gigantisch.
10:34
But it does suggestvorschlagen that that numberNummer mightMacht be a little biggroß.
212
609000
4000
Aber es deutet darauf hin, dass die Zahlen wohl etwas zu hoch sind.
10:38
What I really want to do, is I want to use this newneu dataDaten
213
613000
2000
Was ich wirklich möchte ist, diese neuen Daten zu nutzen,
10:40
to try to figureZahl out what makesmacht the HIVHIV epidemicEpidemie growgrößer werden fasterschneller or slowerLangsamer.
214
615000
4000
um herauszufinden, was die HIV-Epidemie schneller oder langsamer wachsen lässt.
10:44
And I said in the beginningAnfang, I wasn'twar nicht going to tell you about exportsExporte.
215
619000
3000
Und ich hatte am Anfang versprochen, nicht über Exporte zu reden.
10:47
When I startedhat angefangen workingArbeiten on these projectsProjekte,
216
622000
2000
Als ich begann, an diesen Projekten zu arbeiten
10:49
I was not thinkingDenken at all about economicsWirtschaft,
217
624000
2000
dachte ich überhaupt nicht an die Wirtschaft
10:51
but eventuallyschließlich it kindArt of suckssaugt you back in.
218
626000
3000
aber irgendwann fängt sie einen doch wieder ein.
10:54
So I am going to talk about exportsExporte and pricesPreise.
219
629000
3000
Also spreche ich jetzt doch über Exporte und Preise.
10:57
And I want to talk about the relationshipBeziehung betweenzwischen economicWirtschaftlich activityAktivität,
220
632000
3000
Und ich möchte über die Beziehung zwischen wirtschaftlicher Aktivität,
11:00
in particularinsbesondere exportExport volumeVolumen, and HIVHIV infectionsInfektionen.
221
635000
4000
insbesondere dem Exportvolumen und HIV-Infektionen sprechen.
11:04
So obviouslyoffensichtlich, as an economistÖkonom, I'm deeplytief familiarfamiliär
222
639000
4000
Nun offensichtlich bin ich als Wirtschaftswissenschaftlerin sehr vertraut mit der
11:08
with the factTatsache that developmentEntwicklung, that opennessOffenheit to tradeHandel,
223
643000
2000
Tatsache, dass Entwicklung und die Offenheit für den Handel
11:10
is really good for developingEntwicklung countriesLänder.
224
645000
2000
wirklich gut für Entwicklungsländer ist.
11:12
It's good for improvingVerbesserung people'sMenschen livesLeben.
225
647000
3000
Es ist gut, um das Leben der Menschen zu verbessern.
11:15
But opennessOffenheit and inter-connectednessVerbundenheit, it comeskommt with a costKosten
226
650000
2000
Aber Offenheit und Verknüpfung hat einen Preis
11:17
when we think about diseaseKrankheit. I don't think this should be a surpriseüberraschen.
227
652000
3000
wenn wir an Krankheiten denken. Das sollte keine Überraschung sein.
11:20
On WednesdayMittwoch, I learnedgelernt from LaurieLaurie GarrettGarrett
228
655000
2000
Am Mittwoch habe ich von Laurie Garret gelernt,
11:22
that I'm definitelybestimmt going to get the birdVogel fluGrippe,
229
657000
2000
dass ich auf jeden Fall die Vogelgrippe bekomme
11:24
and I wouldn'twürde nicht be at all worriedbesorgt about that
230
659000
3000
und das würde mich überhaupt nicht beunruhigen,
11:27
if we never had any contactKontakt with AsiaAsien.
231
662000
3000
wenn wir niemals Kontakt mit Asien hätten.
11:30
And HIVHIV is actuallytatsächlich particularlyinsbesondere closelyeng linkedverknüpft to transitTransit.
232
665000
4000
Und HIV ist tatsächlich besonders stark mit Durchgangsverkehr verknüpft.
11:34
The epidemicEpidemie was introducedeingeführt to the US
233
669000
2000
Die Epidemie war tatsächlich von nur
11:36
by actuallytatsächlich one malemännlich stewardSteward on an airlineFluggesellschaft flightFlug,
234
671000
4000
einem männlichen Steward auf einem Flug in die USA eingeführt worden,
11:40
who got the diseaseKrankheit in AfricaAfrika and broughtgebracht it back.
235
675000
2000
der die Krankheit in Afrika bekam und mitbrachte.
11:42
And that was the genesisGenesis of the entireganz epidemicEpidemie in the US.
236
677000
3000
Und das war die Geburtsstunde der gesamten Epidemie in den USA.
11:45
In AfricaAfrika, epidemiologistsEpidemiologen have notedzur Kenntnis genommen for a long time
237
680000
4000
In Afrika haben Epidemiologen seit einer langen Zeit beobachtet,
11:49
that truckLKW driversTreiber and migrantsMigranten are more likelywahrscheinlich to be infectedinfiziert than other people.
238
684000
4000
dass LKW-Fahrer und Migranten eine höhere Infektionswahrscheinlichkeit als andere Menschen haben.
11:53
AreasBereichen with a lot of economicWirtschaftlich activityAktivität --
239
688000
2000
Dass Regionen mit einer hohen ökonomischen Aktivität --
11:55
with a lot of roadsStraßen, with a lot of urbanizationUrbanisierung --
240
690000
3000
mit vielen Straßen, viel Urbanisierung --
11:58
those areasBereiche have higherhöher prevalenceHäufigkeit than othersAndere.
241
693000
2000
diese Regionen haben eine höhere Verbreitung als andere.
12:00
But that actuallytatsächlich doesn't mean at all
242
695000
2000
Aber tatsächlich bedeutet das überhaupt nicht,
12:02
that if we gavegab people more exportsExporte, more tradeHandel, that that would increaseerhöhen, ansteigen prevalenceHäufigkeit.
243
697000
4000
dass, wenn wir Menschen mehr Exporte und Handel gäben, dies die Verbreitung erhöhen würde.
12:06
By usingmit this newneu dataDaten, usingmit this informationInformation about prevalenceHäufigkeit over time,
244
701000
4000
Wenn wir diese neuen Daten nutzen, die Infektionsrate über die Zeit,
12:10
we can actuallytatsächlich testTest that. And so it seemsscheint to be --
245
705000
4000
können wir das testen. Und so scheint es
12:14
fortunatelyglücklicherweise, I think -- it seemsscheint to be the caseFall
246
709000
2000
-- zum Glück, finde ich -- es scheint der Fall zu sein,
12:16
that these things are positivelypositiv relatedverwandte.
247
711000
2000
dass diese Dinge sich positiv zueinander verhalten.
12:18
More exportsExporte meansmeint more AIDSAIDS. And that effectbewirken is really biggroß.
248
713000
4000
Mehr Exporte bedeuten mehr AIDS. Und dieser Effekt ist wirklich groß.
12:22
So the dataDaten that I have suggestsschlägt vor that if you doubledoppelt exportExport volumeVolumen,
249
717000
4000
Also die Daten, die ich habe, lassen erkennen, dass bei einer Verdopplung des Exportvolumens
12:26
it will leadführen to a quadruplingVervierfachung of newneu HIVHIV infectionsInfektionen.
250
721000
5000
sich die neuen HIV Infektionen vervierfachen.
12:31
So this has importantwichtig implicationsImplikationen bothbeide for forecastingPrognose and for policyPolitik.
251
726000
3000
Das hat wichtige Implikationen für Strategie und Vorhersagen.
12:34
From a forecastingPrognose perspectivePerspektive, if we know where tradeHandel is likelywahrscheinlich to changeVeränderung,
252
729000
4000
Aus einer Vorhersage-Perspektive, wenn wir wissen, dass Handel sich wahrscheinlich ändert,
12:38
for exampleBeispiel, because of the AfricanAfrikanische GrowthWachstum and OpportunitiesMöglichkeiten ActAkt
253
733000
3000
zum Beispiel wegen des "African Growth and Opportunities Act"
12:41
or other policiesRichtlinien that encourageermutigen tradeHandel,
254
736000
2000
oder anderen Gesetzen, die Handel ankurbeln,
12:43
we can actuallytatsächlich think about whichwelche areasBereiche are likelywahrscheinlich to be heavilyschwer infectedinfiziert with HIVHIV.
255
738000
5000
können wir nachvollziehen, welche Regionen wahrscheinlich stark von HIV infiziert sein werden.
12:48
And we can go and we can try to have pre-emptivepräventive preventivepräventiv measuresMaßnahmen there.
256
743000
6000
Und wir können hingehen und versuchen, dort vorbeugende Maßnahmen durchzuführen.
12:54
LikewiseEbenso, as we're developingEntwicklung policiesRichtlinien to try to encourageermutigen exportsExporte,
257
749000
3000
Genauso, wie wir Entwicklungspolitik betreiben um Exporte zu stärken,
12:57
if we know there's this externalityExternalität --
258
752000
2000
wenn wir von diesem externen Effekt wissen --
12:59
this extraextra thing that's going to happengeschehen as we increaseerhöhen, ansteigen exportsExporte --
259
754000
2000
diese zusätzliche Sache, die eintreten wird, wenn wir Exporte steigern --
13:01
we can think about what the right kindsArten of policiesRichtlinien are.
260
756000
3000
dann können wir über die richtige Art von Gesetzen nachdenken.
13:04
But it alsoebenfalls tellserzählt us something about one of these things that we think that we know.
261
759000
3000
Aber es sagt uns auch etwas über eine der Tatsachen, von denen wir glauben, sie zu wissen.
13:07
Even thoughobwohl it is the caseFall that povertyArmut is linkedverknüpft to AIDSAIDS,
262
762000
3000
Auch wenn es stimmt, dass Armut und AIDS verbunden sind,
13:10
in the senseSinn that AfricaAfrika is poorArm and they have a lot of AIDSAIDS,
263
765000
3000
in dem Sinne, dass Afrika arm ist und viel AIDS hat,
13:13
it's not necessarilyNotwendig the caseFall that improvingVerbesserung povertyArmut -- at leastam wenigsten in the shortkurz runLauf,
264
768000
4000
ist es nicht zwingend richtig, dass -- zumindest kurzfristig -- Armutsbekämpfung
13:17
that improvingVerbesserung exportsExporte and improvingVerbesserung developmentEntwicklung --
265
772000
2000
und das Verbessern von Exporten und Entwicklung,
13:19
it's not necessarilyNotwendig the caseFall that that's going to leadführen
266
774000
2000
es ist nicht zwingend der Fall, dass dies zu einer
13:21
to a declineAblehnen in HIVHIV prevalenceHäufigkeit.
267
776000
2000
Abnahme der HIV-Verbreitung führen wird.
13:24
So throughoutwährend this talk I've mentionederwähnt a fewwenige timesmal
268
779000
2000
Also in diesem Vortrag habe ich ein paar Mal den besonderen
13:26
the specialbesondere caseFall of UgandaUganda, and the factTatsache that
269
781000
2000
Fall von Uganda erwähnt und die Tatsache, dass
13:28
it's the only countryLand in sub-SaharanAfrika südlich der Sahara AfricaAfrika with successfulerfolgreich preventionVerhütung.
270
783000
4000
es das einzige Land in Sub-Sahara-Afrika mit einer erfolgreichen Vorbeugung ist.
13:32
It's been widelyweit heraldedangekündigt.
271
787000
2000
Es wird sehr oft hochgehalten.
13:34
It's been replicatedrepliziert in KenyaKenia, and TanzaniaTansania, and SouthSüden AfricaAfrika and manyviele other placessetzt.
272
789000
6000
Es wurde in Kenia, Tansania, Südafrika und vielen anderen Orten repliziert.
13:40
But now I want to actuallytatsächlich alsoebenfalls questionFrage that.
273
795000
4000
Aber das will ich jetzt auch anzweifeln.
13:44
Because it is truewahr that there was a declineAblehnen in prevalenceHäufigkeit
274
799000
3000
Denn es ist wahr, dass die Verbreitung zurückgegangen ist,
13:47
in UgandaUganda in the 1990s. It's truewahr that they had an educationBildung campaignKampagne.
275
802000
4000
im Uganda der 1990er. Es stimmt, dass sie eine Aufklärungskampagne hatten.
13:51
But there was actuallytatsächlich something elsesonst that happenedpassiert in UgandaUganda in this periodPeriode.
276
806000
6000
Aber da war noch etwas anderes, das in Uganda zu dieser Zeit passiert ist.
13:57
There was a biggroß declineAblehnen in coffeeKaffee pricesPreise.
277
812000
2000
Es gab einen großen Fall der Kaffeepreise.
13:59
CoffeeKaffee is Uganda'sUgandas majorHaupt exportExport.
278
814000
2000
Kaffee ist Ugandas Hauptexportprodukt.
14:01
TheirIhre exportsExporte wentging down a lot in the earlyfrüh 1990s -- and actuallytatsächlich that declineAblehnen linesLinien up
279
816000
5000
Die Exporte sind in den frühen 90ern stark gefallen -- und das passt ziemlich genau
14:06
really, really closelyeng with this declineAblehnen in newneu HIVHIV infectionsInfektionen.
280
821000
4000
mit der Abnahme der neuen HIV Infektionen.
14:10
So you can see that bothbeide of these seriesSerie --
281
825000
3000
Sie sehen, dass beide dieser Reihen --
14:13
the blackschwarz lineLinie is exportExport valueWert, the redrot lineLinie is newneu HIVHIV infectionsInfektionen --
282
828000
3000
die schwarze Linie ist das Exportvolumen, die rote sind neue HIV-Infektionen --
14:16
you can see they're bothbeide increasingsteigend.
283
831000
2000
Sie sehen, dass beide zunehmen,
14:18
StartingBeginnend about 1987 they're bothbeide going down a lot.
284
833000
2000
Ab ca. 1987 gehen beide ziemlich stark nach unten.
14:20
And then actuallytatsächlich they trackSpur eachjede einzelne other
285
835000
2000
Und dann folgen sie sich ein bisschen
14:22
a little bitBit on the increaseerhöhen, ansteigen laterspäter in the decadeDekade.
286
837000
2000
beim Anstieg später im Jahrzehnt.
14:24
So if you combinekombinieren the intuitionIntuition in this figureZahl
287
839000
2000
Wenn Sie die Intuition und diese Abbildung
14:26
with some of the dataDaten that I talkedsprach about before,
288
841000
3000
mit den Daten, über die ich vorher gesprochen habe, kombinieren,
14:29
it suggestsschlägt vor that somewhereirgendwo betweenzwischen 25 percentProzent and 50 percentProzent
289
844000
4000
deutet das darauf hin, dass 25 bis 30 Prozent
14:33
of the declineAblehnen in prevalenceHäufigkeit in UgandaUganda
290
848000
2000
des Rückgangs der Verbreitung in Uganda
14:35
actuallytatsächlich would have happenedpassiert even withoutohne any educationBildung campaignKampagne.
291
850000
4000
auch passiert wäre, wenn es überhaupt keine Aufklärungskampagne gegeben hätte.
14:39
But that's enormouslyenorm importantwichtig for policyPolitik.
292
854000
2000
Aber das ist enorm wichtig für Strategieentscheidungen.
14:41
We're spendingAusgaben so much moneyGeld to try to replicatereplizieren this campaignKampagne.
293
856000
2000
Wir geben so viel Geld aus, um diese Kampagne zu replizieren.
14:43
And if it was only 50 percentProzent as effectiveWirksam as we think that it was,
294
858000
3000
Und wenn sie auch nur halb so effektiv ist, wie wir annahmen,
14:46
then there are all sortssortiert of other things
295
861000
2000
dann gibt es eine Menge anderer Dinge,
14:48
maybe we should be spendingAusgaben our moneyGeld on insteadstattdessen.
296
863000
2000
für die wir vielleicht eher Geld ausgeben sollten.
14:50
TryingVersucht to changeVeränderung transmissionÜbertragung ratesPreise by treatingbehandeln other sexuallysexuell transmittedübertragen diseasesKrankheiten.
297
865000
4000
Man kann versuchen, Übertragungsraten zu senken, indem man andere sexuell übertragbare Krankheiten behandelt,
14:54
TryingVersucht to changeVeränderung them by engagingansprechend in malemännlich circumcisionBeschneidung.
298
869000
2000
in dem man Beschneidung von Männern voranbringt.
14:56
There are tonsTonnen of other things that we should think about doing.
299
871000
2000
Es gibt eine Menge anderer Dinge, die wir unternehmen sollten.
14:58
And maybe this tellserzählt us that we should be thinkingDenken more about those things.
300
873000
4000
Und vielleicht zeigt es uns, dass wir mehr über diese Dinge nachdenken sollten.
15:02
I hopeHoffnung that in the last 16 minutesProtokoll I've told you something that you didn't know about AIDSAIDS,
301
877000
5000
Ich hoffe, dass ich Ihnen in den letzten 16 Minuten etwas erzählt habe, das Sie noch nicht über AIDS wussten.
15:07
and I hopeHoffnung that I've gottenbekommen you questioningBefragung a little bitBit
302
882000
2000
Und ich hoffe ich habe Sie dazu bewegt, die Dinge
15:09
some of the things that you did know.
303
884000
2000
von denen Sie schon ausgingen, etwas anzuzweifeln.
15:11
And I hopeHoffnung that I've convincedüberzeugt you maybe
304
886000
2000
Und hoffentlich habe ich Sie überzeugt, dass es
15:13
that it's importantwichtig to understandverstehen things about the epidemicEpidemie
305
888000
2000
vielleicht wichtig ist, Dinge über die Epidemie zu verstehen,
15:15
in orderAuftrag to think about policyPolitik.
306
890000
2000
um über Politik nachzudenken.
15:18
But more than anything, you know, I'm an academicakademisch.
307
893000
2000
Aber mehr als alles andere, wissen Sie, bin ich Akademikerin.
15:20
And when I leaveverlassen here, I'm going to go back
308
895000
2000
Und wenn ich gehe, komme ich zurück in
15:22
and sitsitzen in my tinysehr klein officeBüro, and my computerComputer, and my dataDaten.
309
897000
3000
mein kleines Büro und sitze vor meinem PC und meinen Daten --
15:25
And the thing that's mostdie meisten excitingaufregend about that
310
900000
2000
und was daran am aufregendsten ist
15:27
is everyjeden time I think about researchForschung, there are more questionsFragen.
311
902000
3000
ist, dass immer wenn ich über Forschung nachdenke, mehr Fragen erscheinen.
15:30
There are more things that I think that I want to do.
312
905000
2000
Es gibt mehr Dinge, von denen ich denke, dass ich sie machen will.
15:32
And what's really, really great about beingSein here
313
907000
2000
Und was einfach so großartig daran ist, hier zu sein,
15:34
is I'm sure that the questionsFragen that you guys have
314
909000
2000
ist, dass ich sicher bin, dass Ihre Fragen
15:36
are very, very differentanders than the questionsFragen that I think up myselfmich selber.
315
911000
3000
ganz anders sind, als die Fragen, die ich mir alleine ausdenken kann.
15:39
And I can't wait to hearhören about what they are.
316
914000
2000
Und ich kann kaum darauf warten, sie zu hören.
15:41
So thank you very much.
317
916000
2000
Also, vielen Dank.
Translated by Philipp Böing
Reviewed by Martina Panzer

▲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