p A pandemia COVID-19 ressaltou a necessidade crítica de evidências científicas robustas para apoiar as decisões políticas, como em torno da eficácia de várias medidas de distanciamento social e da segurança de terapias medicamentosas. No entanto, essa necessidade surge em um momento de crescente desinformação e fatos mal avaliados e repetidos por fontes influentes. Para resolver essa lacuna, um grupo de cientistas liderado por Kai Ruggeri, professor da Escola Mailman de Saúde Pública da Universidade de Columbia, e James Green, cientista-chefe da NASA, introduziu uma nova estrutura para ajudar a definir padrões para a qualidade das evidências usadas na formulação de políticas. p Delineado em Nature Behavioral &Social Sciences , o teórico, Empírico, Aplicável, e o sistema Replicable Impact (THEARI) classifica as evidências em cinco níveis:(1) teórico (argumento ou possível explicação declarada), (2) empírico (conceito descrito, mas não utilizado), (3) aplicável (o conceito foi usado para provocar o efeito), (4) replicável (o efeito foi repetido independentemente), (5) impacto (efeito foi replicado apropriadamente na prática com valor mensurável no mundo real). Ao contrário de outros sistemas de classificação de evidências usados ​​na medicina ou tecnologia, THEARI se aplica amplamente a todas as disciplinas.

p Os autores afirmam que o THEARI ajudará a gerenciar os riscos e, ao mesmo tempo, fornecerá um caminho razoável para a aplicação de inovações em tratamentos e soluções políticas na tentativa de conter os danos que já afetam o bem-estar das populações em todo o mundo. Eles esperam que o sistema seja aplicado em dois níveis:(1) uma pós-publicação como um emblema semelhante ao Acesso Aberto, e (2) nos materiais de orientação de políticas. Como um exemplo, uma nota introdutória para os formuladores de políticas pode dizer:"recomendamos o uso da abordagem x, que atualmente tem uma classificação de três estrelas no THEARI. Isso significa que pode ser útil, mas são necessários mais testes. "

p Quando a evidência desalinha com a política

p Os autores citam dois exemplos da pandemia COVID-19 para ilustrar a necessidade de um sistema de classificação de evidências como o THEARI. Primeiro, eles apontam para um artigo de 2007 de Cheng et al que alertou sobre o ressurgimento de coronavírus semelhantes à SARS; no entanto, apesar de fornecer evidências de alta qualidade, o aviso foi ignorado. Segundo, observe a decisão do Reino Unido de adiar medidas de distanciamento social devido ao medo de "fadiga comportamental" se espalhar pela população - apesar do fato de haver pouca evidência de qualidade para apoiar o conceito.

p No caso da hidroxicloroquina, a terapia potencial controversa para COVID-19, os autores dizem que há muitas evidências sobre a droga como terapia para outras doenças, pouco específico para COVID. Qualquer sistema de classificação só pode funcionar se aplicado ao contexto específico, eles notam. Embora os dois artigos de periódicos problemáticos sobre hidroxicloroquina tenham sido retratados, a política não deve se basear em um ou dois estudos, a menos que seja genuinamente de vida ou morte no momento. E qualquer sistema de classificação funcionará se os periódicos tiverem protocolos em vigor para evitar a publicação de pesquisas defeituosas.

p Além do COVID-19, os autores observam que as mudanças climáticas, que se estabeleceu firmemente como fato na comunidade científica, foi até recentemente apresentado pela grande mídia como um debate - contribuindo para atrasos nas políticas para resolver o problema. As opiniões apresentadas como teoria recebem apenas a classificação THEARI mais baixa; opiniões sem teoria não recebem qualquer classificação. Isso simplifica o processo de compreensão do que foi estudado (às vezes em extrema profundidade) versus o que é simplesmente uma perspectiva, informado ou não.

p Os autores descrevem várias razões além desses tipos de incompatibilidades entre evidências e políticas, incluindo o crescente volume de evidências científicas e a complexidade dos processos políticos, a rápida difusão de informações e desinformação, e o alto grau de incertezas em torno da confiabilidade e comparabilidade dos dados.

p "A ciência comportamental sugere que a interpretação de políticas de informações existentes pode ser particularmente propensa a vieses neste contexto de escassez de tempo e recursos, "escrevem os autores." Formular políticas baseadas em evidências parece ser o mais desafiador exatamente quando mais precisamos. "

p Os autores concluem:"Ao apresentar THEARI, o benefício final que imaginamos é o estabelecimento de uma estrutura comum como ponto de partida para a utilização de evidências em discussões políticas, superar preconceitos e os efeitos de definições inconsistentes ou insights não confiáveis. Isso incentiva os formuladores de políticas a dar mais valor às evidências, fornecendo suporte para argumentos significativos que, de outra forma, podem ser desconsiderados como incongruentes com o pensamento atual, mesmo entre os cientistas. "