19:18:18

Pandemi Bilimi Hızlandırmanın Yollarını Ortaya Çıkardı…
İyi araştırma ile hızlı araştırma arasında bir seçim yaparak değiş tokuş oluşturmak gerekmez…

Pandemi, araştırmalardaki geniş çaplı sorunların altını çizdi: birçok çalışmanın abartılı, hatalı ve hatta hileli olduğu ve yanlış bilginin hızla yayılabileceği gibi. Ama aynı zamanda nelerin mümkün olduğunu da gösterdi. Yeni bir hastalığa karşı ilaçları test etmek genellikle yıllar alırken, bu kez birkaç aşı ve tedavi bulmak bir yıldan kısa sürdü. Bir zamanlar bilim insanları yeni virüs türlerini ancak bir salgın meydana geldikten sonra keşfederken, artık salgınları önceden tahmin etmek için kanalizasyon örneklerini kullanabiliyorlardı.

Bu ilerlemelerin hızına herkes olumlu bakmıyordu: Örneğin aşıların “aceleye getirildiği" inancı, insanların aşı yaptırmayı ertelemelerinin en yaygın nedenlerinden biriydi. Birçok insan bilimi hızlı bir şekilde yapmanın standartları ortadan kaldırmak ve özensiz, hatta tehlikeli araştırmalar yapmak anlamına geleceğine inanıyor.

Ancak bu her zaman doğru değildir ve Covid-19’un aciliyeti, birçok insanın araştırmayı çok az kişinin beklediği bir kalite ve hızda uyarlamasına, üretmesine ve geliştirmesine yol açmıştır. Sadece bu ödünleşmelerden kaçınmakla kalmayıp, bilimi daha hızlı hale getirecek şekilde geliştirebiliriz ve pandemi bize bunu nasıl yapacağımızı gösterdi.

Rutin verileri toplayın

Salgından sonraki altı ay içinde koronavirüsün 30.000’den fazla genom dizisi elde edildi. 2003 yılında aynı süre içinde bilim insanları SARS virüsünün sadece tek bir dizisini elde edebilmişlerdi.

Koronavirüs genomlarının dizilenme hızı bir başarı öyküsüdür, ancak bize resmin tamamını göstermemiştir. Birleşik Krallık neredeyse 3 milyon koronavirüs genomunu dizilemek için büyük bir genomik program kullanırken, birçok ülke toplamda birkaç bin, bazıları ise yüzden az diziledi.

Bunun gibi eşitsizlikler yaygındır. Pek çok yerde, çeşitli konularda, pek çok veri ölçülmüyor ya da gözden kaçıyor: akıl hastalığının yaygınlığı, ulusal GSYİH ve hatta ölüm kayıtları ve nedenleri. Bunun yerine, geniş aralıklarla tahmin edilmesi gerekiyor.

Küçük araştırma gruplarının kendi başlarına veri toplaması zor ve pahalıdır, bu nedenle kapsamlı olmaktan ziyade uygun olanları toplama eğilimindedirler. Örneğin, psikolojide araştırma genellikle “WEIRD “dir – Beyaz, Eğitimli, Sanayileşmiş, Zengin ve Demokrat katılımcılardan gelir. Tarihte veriler, kayıtların yaygın olduğu her yerden gelir; ekonomide ise işletmelerin gelir ve harcamalarının ayrıntılı hesaplarını kaydettikleri yerlerden.

Farklı araştırmacılar aynı verileri farklı şekillerde ölçmektedir. Bazı insanlarla aynı sorulara yanıt arayan birden fazla araştırma grubu iletişime geçerken, diğerleri görünmez.

Standart bir şekilde ölçülen veriler olmadan, durumların farklı olup olmadığı ve bu farklılıkların neden olabileceği hakkındaki soruları yanıtlamak zordur. Örneğin, anksiyete daha zengin ülkelerde mi daha yaygındır yoksa sadece tespit edilme olasılığı daha mı yüksektir? Bu durum birçok ülkede teşhis edilmediği ve anketler nadir olduğu için net bir cevabımız yok.

Bu da bize bilimi hızlandırmanın bir yolu hakkında ipucu veriyor: Hükûmetler ve uluslararası kuruluşlar gibi büyük kurumlar, bu yükü küçük araştırma gruplarına bırakmak yerine rutin olarak veri toplamalı ve paylaşmalıdır. Bu klasik bir “ölçek ekonomisi" örneğidir; büyük kuruluşlar kaynaklarını kullanarak verileri daha kolay ve ucuz bir şekilde ve küçük grupların yapamayacağı ölçekte ölçmek, paylaşmak ve muhafaza etmek için araçlar oluşturabilir.

Bunu yapmak araştırmacıların birbirlerinin sınırlı çabalarını tekrarlamaktan kaçınmalarına yardımcı olacaktır. Ayrıca, rutin veriler birçok araştırmacı tarafından eğilimleri görmek, benzer karşılaştırmalar yapmak ve yeni sorunlara karşı uyarılmak için kullanılabileceğinden, büyük yayılma faydaları da olacaktır.

Kurumlar bunu yapabilme kabiliyetine sahip olsa da, birçoğu bunu yapmıyor çünkü faydalarının farkında değiller veya bunu sunmak için süslü gösterge tabloları oluşturmak istemiyorlar. Ancak verilerin çekici hale getirilmesine gerek yoktur; sadece doğru, temsili, standartlaştırılmış ve yaygın olarak kullanılabilir olması gerekir.

Deneyleri Kolaylaştırmak

Rastgele kontrollü denemeler – hangi katılımcılara tedavi veya plasebo verileceğinin rastgele seçildiği basit bir prosedür – çok güçlüdür çünkü çeşitli önyargıların verilere sızmasını önler. Ancak bir denemeyi yürütmek zordur ve farklı araştırma ekipleri bunları kurmak için çabalarını tekrarlama eğilimindedir. Tek bir ilacı ya da aşıyı test etmek için yeterli sayıda hasta toplamak genellikle birkaç yıl, binlerce hasta ve on milyonlarca dolar gerektirir.

Ancak bu bir engel olmak zorunda değildir, çünkü birçok tedavi aynı RCT’de test edilebilir. Covid için 20 ilacı 2 yıl içinde aynı denemede test eden RECOVERY denemesinin arkasındaki mantık buydu. Haziran 2020’ye kadar hastalığa karşı ilk etkili tedavi olan deksametazon bulundu ve bu da dokuz ay içinde bir milyondan fazla hayat kurtarmaya yardım etti.

Deneme, Birleşik Krallık Ulusal Sağlık Hizmeti‘ndeki hasta kayıtlarına bağlı olduğu için, ülkenin dört bir yanından aynı hastalığa sahip on binlerce katılımcıyı hızlı bir şekilde kaydedebildi, onları birçok ilaçtan birine randomize edebildi ve zaten rutin olarak ölçülen sonuçlara bakabildi.

Denemelerin bu şekilde yürütülmesi oldukça yenidir ve bazı ülkelerde geleneksel finansman yapılarına uymamaktadır. Ancak yeni fikirler geliştirilmektedir: Örneğin, araştırmacılar bir denemede sadece kendi grupları için ödeme yapabilirler. Araştırmacıların karşılaştığı zorlukları en aza indirmek için bu operasyonları kurmak çaba ve maliyet gerektiriyor, ancak bunun nedeni her grubun genel masraflarını karşılayarak daha fazla araştırma yapılmasını hızlandırmaları.

Benzer veriler farklı gruplar tarafından analiz edildiğinde, aynı tür “düzene sokma" başka yerlerde de işe yarayabilir. Bunun bir örneği, araştırmacıların tüm bu verileri kendi bilgisayar sunucularında depolamalarına gerek kalmadan yüz binlerce genom dizisinden elde edilen verileri hızlı bir şekilde analiz etmek için kullanabilecekleri çevrimiçi bir platforma sahip büyük bir veri kümesi olan Birleşik Krallık Biyobankası‘dır.

Araştırmada İşbölümü

Pek çok araştırma yukarıdaki modellere uymamaktadır: Pek çok araştırmacı, bir arada toplanamayan belirli veri türleriyle çalışıyor ya da düzene sokulamayan farklı türde deneyler yapıyor.

Bilim çok geniştir ve genişlemektedir. Bu gerçekleşirken, daha fazla alan ve daha derin araştırmalarla giderek uzmanlaştı. Bu da bilim insanlarının yeni keşifler yapabilmek için daha geniş bir bilgi tabanını yakalamaları gerektiği anlamına geliyor ki araştırmacıların bilimin yavaşladığına inanmalarının bir nedeni de bu.

Buna ek olarak, bilimsel çaba birçok farklı beceriyi içerir. Bilim insanlarından teoriyi anlamaları, deneyler tasarlamaları, bunları gerçekleştirmeleri, verileri muhafaza etmeleri, laboratuvarları yönetmeleri, makaleler yazmaları ve birbirlerinin çalışmalarını sunmaları, iletmeleri ve gözden geçirmeleri beklenir. Bu rollerin her biri, bilim insanlarının çok az eğitim ve zaman aldığı dik bir öğrenme eğrisi içerir ve birlikte araştırma kalitesini ve keşif hızını sınırlayan bir darboğaz oluşturabilirler.

Ama bu şart değil. Bu durumu tersine çevirmenin bir yolu da “iş bölümü“dür – farklı beceri ve geçmişlere sahip kişilerin bir projenin farklı bölümlerinde birlikte çalışması. Uzmanlaşmış kişiler, uzmanlıklarını kullanarak kalıpları tespit edebilir ve işlerini iyileştiren ve hızlandıran yeni teknikler geliştirebilirler.

Özel zaman ayıran bir laboratuvar çalışanının testleri yürütmek ve numuneleri dikkatli bir şekilde ele almak için nasıl yeni yollar bulduğunu hayal edin. Ya da bir programcının, yazılımlarının eskisinden daha hızlı ve verimli çalışmasını sağlayan kodu nasıl yazacağını öğrendiğini. Bu becerilerin nasıl geliştirileceğini öğrenmek, onlara odaklanmak için zaman ayırmayı gerektirir, böylece farklı uzmanlar farklı parçalar üzerinde birlikte çalıştıklarında tüm süreci daha üretken hale getirebilirler.

Birçok grup Covid-19 için küresel veri setlerini bu şekilde geliştirdi – sadece akademik araştırmacıları değil, aynı zamanda her biri farklı becerilere sahip yazılım mühendislerini, veri yöneticilerini ve gazetecileri içeren ekiplerle. The Economist dünya çapında aşırı ölümlerin sayısını tahmin etti; The New York Times geliştirilen tüm aşıları takip etti; Financial Times ve Our World in Data‘daki meslektaşlarım interaktif gösterge tablolarında çeşitli Covid ölçümlerini gösterdi.

Akademi geçmişi olmayan yetenekli insanlar genellikle akademik araştırmalara ya da ağlara erişemedikleri için bilimden uzak kalıyorlar. Ancak onları sadece acil durumlarda değil, normal zamanlarda da bilim camiasına çekmek bir öncelik olmalıdır.

Bilimi “Açık Kaynak" Yapın

Geleneksel olarak, araştırmacılar çalışmalarını akademik dergilerde ve dünyanın dört bir yanındaki çoğu insanın erişemeyeceği ödemelerin istendiği ortamlarda yayımladılar.

Çoğu araştırmacı verilerini paylaşmaz. Eğer akademik bir makalede “veriler talep üzerine temin edilebilir" ifadesini okuduysanız ve talep etmek için yazarlara e-posta gönderdiyseniz, verileri gerçekten alma şansınız sadece yüzde 7’dir. Geri kalan zamanlarda yazarlar verilere erişimlerini kaybetmiş, e-postalarını değiştirmiş ya da çok meşgul veya isteksizdir.

Verilere erişim olmadan, makalelerdeki sonuçları değiştirebilecek hataları tespit etmek zordur. Ayrıca statik belgeler oldukları için, hatalar fark edilse bile düzeltilmesi uzun zaman alır. Dergilerin intihal yapılan makaleleri geri çekmesi ortalama olarak bir yıldan fazla, veriler uydurulmuşsa beş yıl sürüyor.

Kötü bilim hem zararlı hem de zaman kaybettiricidir, çünkü araştırmacılar başlangıçta hatalı olan fikirlerin peşinden yıllarını harcarlar. Sorun şu ki, bilimsel bilgiyi kimin değerli bulacağını ya da onu kimin geliştirebileceğini çoğu zaman bilemiyoruz.

Bilim insanları, araştırmalarını şeffaflaştırarak – verileri ve arkasındaki kodu paylaşarak – bu durumu tersine çevirebilirler. Dünyanın dört bir yanındaki diğer araştırmacıların ve insanların koda katkıda bulunmasına ve verilerdeki hataları tespit etmesine izin verebilirler. Covid ile ilgili küresel verilerde de tam olarak bu oldu, çünkü birçok ekip verilerini ve kodlarını GitHub gibi platformlarda yayınlayarak çalışmalarını açık kaynak haline getirdi.

Bunun başka faydaları da var: Araştırmacıların hiç tanımadığı insanlar da bu verileri kendi çalışmaları ve kendi gösterge panoları için kullanabilir ve bu da tahmin edilemeyecek faydaları beraberinde getirir.

Akran Değerlendirmesinde Reform

Bilimi hızlı yapmak riskli olabilir ve pandemi sırasında diğer uzmanlar görüş bildiremeden haberlere ulaşan özensiz çalışmaların sayısız örneği yaşandı. Birçok kişi hileli çalışmaları ortaya çıkardı ve büyük çıkar çatışmalarını araştırdı.

Bunun nedeni, akran değerlendirme sistemlerimizin geride kalmasıdır. Akran değerlendirmesi genellikle dergiler tarafından organize edilir: Dergi editörleri bir makaleyi aldıklarında, geri bildirim için bir avuç akran araştırmacıya gönderirler.

Araştırmacılar farklı dergiler için hakemlik yapıyor ve bu dergiler ayrı ayrı çalışıyor, bu da editörlerin iletişim kurdukları araştırmacıların zamanını ve ilgi alanlarını takip etmekte zorlandıkları anlamına geliyor. Birçoğu yanıt vermiyor ya da bir çalışma hakkında yorum yapacak zamanları veya uzmanlıkları olmadığı için taleplerini geri çeviriyor. Bu durum, araştırmaların yayınlanmasında büyük bir birikime yol açıyor ve çoğu araştırma makalesinin yalnızca iki ya da üç bilim insanından yorum almasına neden oluyor. Doğa bilimlerindeki makalelerin yayınlanması ortalama dokuz ay sürmektedir. Ekonomide ise bu süre ortalama üç yıldır.

Bu sürenin bir kısmı, kaliteden ödün vermeksizin hakemlere tazminat ödenerek hızlandırılabilir; ancak hakemlerin zamanını ve ilgi alanlarını takip etmek için merkezi platformlar gibi başka yöntemler de işe yarayabilir. Yine de bu yeterli olmayacaktır: Birçok bilim insanı zaten çalışmalarını ön baskı olarak yayımlamayı tercih ediyor ve bu da yıllardır popülerliğini artırıyor. Ve sadece gönüllü çalışmalara güvenemeyiz.

Kurumlar, hakem değerlendirmesini bir uzmanlık alanı gibi ele alarak, bu işi daha iyi yapabilecek becerileri geliştirmeleri için insanlara yatırım yapabilir: hataları, intihalleri ve uydurmaları kontrol etmek için yeni araçlar ve diğer uzmanlardan gelen eleştirilerin daha kolay bulunmasını sağlayan yeni platformlar oluşturabilir.

Sadece geçtiğimiz iki yıl içinde bilimsel araştırmalar milyonlarca hayat kurtardı. Bu olağanüstü çabaların birçoğu, insanların normal zamanlarda yapmayacakları şekilde uyum sağladıkları olağandışı çabalardı. Ancak pandeminin bize gösterdiği şey, büyük bilimin hızlı bir şekilde yapılabileceğidir.

Saloni DATTANI

Bu içeriği beğendiyseniz lütfen çevrenizle paylaşınız…