So I want to talk to you today about AIDS in sub-Saharan Africa. And this is a pretty well-educated audience, so I imagine you all know something about AIDS. You probably know that roughly 25 million people in Africa are infected with the virus, that AIDS is a disease of poverty, and that if we can bring Africa out of poverty, we would decrease AIDS as well. If you know something more, you probably know that Uganda, to date, is the only country in sub-Saharan Africa that has had success in combating the epidemic. Using a campaign that encouraged people to abstain, be faithful, and use condoms -- the ABC campaign -- they decreased their prevalence in the 1990s from about 15 percent to 6 percent over just a few years. If you follow policy, you probably know that a few years ago the president pledged 15 billion dollars to fight the epidemic over five years, and a lot of that money is going to go to programs that try to replicate Uganda and use behavior change to encourage people and decrease the epidemic.
Ik wil het vandaag hebben over aids in Afrika beneden de Sahara. Aangezien dit een goed geschoold publiek is, denk ik dat jullie allemaal wel iets over aids weten. Waarschijnlijk weet je dat ongeveer 25 miljoen mensen in Afrika besmet zijn met het virus en dat aids een armoedeziekte is. En dat als we armoede in Afrika zouden kunnen verminderen, aids ook zou verminderen. Weet je wat meer, dan weet je waarschijnlijk dat Oeganda totnogtoe het enige land in Afrika beneden de Sahara is dat de epidemie succesvol bestreden heeft, door middel van een campagne die onthouding, trouw en condoomgebruik aanbeveelt -- de ABC-campagne. In de jaren negentig daalde het besmettingspercentage van 15 naar zes procent. Volg je het beleid, dan weet je waarschijnlijk dat een paar jaar geleden de president 15 miljard dollar toezegde om de epidemie vijf jaar lang te bestrijden en dat een groot deel van dat geld naar programma's gaat die Oeganda willen nadoen en gedragsverandering gebruiken om de epidemie te bestrijden.
So today I'm going to talk about some things that you might not know about the epidemic, and I'm actually also going to challenge some of these things that you think that you do know. To do that I'm going to talk about my research as an economist on the epidemic. And I'm not really going to talk much about the economy. I'm not going to tell you about exports and prices. But I'm going to use tools and ideas that are familiar to economists to think about a problem that's more traditionally part of public health and epidemiology. And I think in that sense, this fits really nicely with this lateral thinking idea. Here I'm really using the tools of one academic discipline to think about problems of another.
Vandaag ga ik het hebben over aspecten van de epidemie die je wellicht niet kent. Vervolgens ga ik zelfs sommige aspecten die je denkt te weten bestrijden. Dit ga ik doen door te vertellen over mijn onderzoek als econoom over de epidemie. Ik ga het niet veel hebben over de economie. Ik ga niet vertellen over exportcijfers en prijzen. Maar ik ga middelen en ideeën gebruiken die economen goed kennen om over een probleem na te denken dat traditioneel een onderdeel is van volksgezondheid en epidemiologie. Zo beschouwd past dit goed binnen het multilaterale denken. Hier gebruik ik de middelen van de ene academische discipline om na te denken over de problemen van een andere.
So we think, first and foremost, AIDS is a policy issue. And probably for most people in this room, that's how you think about it. But this talk is going to be about understanding facts about the epidemic. It's going to be about thinking about how it evolves, and how people respond to it. I think it may seem like I'm ignoring the policy stuff, which is really the most important, but I'm hoping that at the end of this talk you will conclude that we actually cannot develop effective policy unless we really understand how the epidemic works.
We denken dat aids vooral een beleidsissue is. De meeste hier aanwezigen zullen er zo over denken. Maar dit praatje gaat over het begrijpen van feiten over deze epidemie. Het gaat over nadenken over haar ontwikkeling en de menselijke reactie daarop. Het kan lijken alsof ik de beleidskant links laat liggen, die echt de meest belangrijke is. Maar ik hoop dat je aan het eind van dit praatje zult concluderen dat we eigenlijk geen effectief beleid kunnen ontwikkelen tenzij we de epidemie écht begrijpen.
And the first thing that I want to talk about, the first thing I think we need to understand is: how do people respond to the epidemic? So AIDS is a sexually transmitted infection, and it kills you. So this means that in a place with a lot of AIDS, there's a really significant cost of sex. If you're an uninfected man living in Botswana, where the HIV rate is 30 percent, if you have one more partner this year -- a long-term partner, girlfriend, mistress -- your chance of dying in 10 years increases by three percentage points.
Het eerste waarover ik het wil hebben en dat we moeten begrijpen, is: hoe reageren mensen op de epidemie? Aids is een soa die dodelijk is. Dit betekent dat op een plek met veel aids er flinke kosten aan seks zijn verbonden. Als je een ongeïnfecteerde man bent in Botswana, waar een hiv-besmetting is van 30 procent, als je één partner meer hebt dit jaar -- een vaste partner, vriendin of maitresse -- neemt je kans op sterfte in de komende tien jaar met drie procentpunt toe.
That is a huge effect. And so I think that we really feel like then people should have less sex. And in fact among gay men in the US we did see that kind of change in the 1980s. So if we look in this particularly high-risk sample, they're being asked, "Did you have more than one unprotected sexual partner in the last two months?" Over a period from '84 to '88, that share drops from about 85 percent to 55 percent. It's a huge change in a very short period of time.
Dat is een enorm gevolg. Daarom denk ik dat we vinden dat mensen minder seks zouden moeten hebben. In feite zagen we deze verandering in de jaren tachtig bij homo's in de VS. Als wij aan personen binnen deze specifieke hogerisicogroep vroegen: 'Heb je meer dan één onbeschermde sekspartner gehad tijdens de laatste twee maanden?' Tussen 1984 en '88 daalt dat deel van 85 naar 55 procent. Een enorme verandering in heel korte tijd.
We didn't see anything like that in Africa. So we don't have quite as good data, but you can see here the share of single men having pre-marital sex, or married men having extra-marital sex, and how that changes from the early '90s to late '90s, and late '90s to early 2000s. The epidemic is getting worse. People are learning more things about it. We see almost no change in sexual behavior. These are just tiny decreases -- two percentage points -- not significant.
Zoiets hebben we niet in Afrika gezien. De gegevens zijn niet zo goed, maar hier kun je het deel vrijgezelle mannen zien met seks voor het huwelijk of getrouwde mannen met buitenechtelijke seks, en hoe dat verandert tijdens de jaren negentig en een paar jaar daarna. De epidemie wordt erger. Mensen leren er steeds meer over ... we zien nauwelijks verandering in seksueel gedrag. Dit zijn minieme dalingen -- twee procentpunt -- niet significant.
This seems puzzling. But I'm going to argue that you shouldn't be surprised by this, and that to understand this you need to think about health the way than an economist does -- as an investment. So if you're a software engineer and you're trying to think about whether to add some new functionality to your program, it's important to think about how much it costs. It's also important to think about what the benefit is. And one part of that benefit is how much longer you think this program is going to be active. If version 10 is coming out next week, there's no point in adding more functionality into version nine.
Dit lijkt vreemd, maar ik ga betogen dat je niet verrast zou moeten zijn. Om dat te begrijpen moet je over gezondheid nadenken als een econoom -- als een investering. Als je een softwareprogrammeur bent en je overweegt nieuwe functionaliteit aan je programma toe te voegen, is de kostenraming hierbij belangrijk. Ook is het belangrijk te bedenken wat het opbrengt. Een deel van die overweging is hoe lang je denkt dat dit programma nog actief zal zijn. Als versie 10 volgende week uitkomt, is iets toevoegen aan versie negen nutteloos.
But your health decisions are the same. Every time you have a carrot instead of a cookie, every time you go to the gym instead of going to the movies, that's a costly investment in your health. But how much you want to invest is going to depend on how much longer you expect to live in the future, even if you don't make those investments. AIDS is the same kind of thing. It's costly to avoid AIDS. People really like to have sex. But, you know, it has a benefit in terms of future longevity. But life expectancy in Africa, even without AIDS, is really, really low: 40 or 50 years in a lot of places. I think it's possible, if we think about that intuition, and think about that fact, that maybe that explains some of this low behavior change.
Gezondheidskeuzes werken ook zo. Elke keer als je een wortel in plaats van een koekje eet, elke keer als je naar de sportschool in plaats van de film gaat, is dat een kostbare gezondheidsinvestering. Maar hoeveel je wil investeren, zal afhangen van hoeveel langer je denkt te leven -- zelfs als je niet van dat soort investeringen maakt. Aids is ook zoiets. Het is kostbaar aids te vermijden. Mensen houden heel erg van seks. Maar het biedt voordelen voor een toekomstig lang leven. Maar levensverwachting in Afrika is zelfs zonder aids zeer laag: op veel plekken 40 of 50 jaar. Als we aan die intuïtie en dat feit denken, hebben we wellicht een verklaring voor de beperkte gedragsverandering.
But we really need to test that. And a great way to test that is to look across areas in Africa and see: do people with more life expectancy change their sexual behavior more? And the way that I'm going to do that is, I'm going to look across areas with different levels of malaria. So malaria is a disease that kills you. It's a disease that kills a lot of adults in Africa, in addition to a lot of children. And so people who live in areas with a lot of malaria are going to have lower life expectancy than people who live in areas with limited malaria. So one way to test to see whether we can explain some of this behavior change by differences in life expectancy is to look and see is there more behavior change in areas where there's less malaria.
Maar dat moeten we echt testen. En een uitstekende manier om dat te doen is om verschillende plekken in Afrika te bekijken en te vragen: veranderen mensen met een hogere levensverwachting hun seksueel gedrag meer? Dit ga ik doen door te kijken naar gebieden met verschillen malarianiveaus. Malaria is een dodelijke ziekte. Naast veel kinderen doodt malaria ook veel volwassen Afrikanen. Mensen die in gebieden met veel malaria leven hebben dus een lagere levensverwachting dan in gebieden met weinig malaria. Dus een manier om te testen of we de gedragsverandering door verschillen in levensverwachting kunnen verklaren, is door te kijken of er meer gedragsverandering is in gebieden met minder malaria.
So that's what this figure shows you. This shows you -- in areas with low malaria, medium malaria, high malaria -- what happens to the number of sexual partners as you increase HIV prevalence. If you look at the blue line, the areas with low levels of malaria, you can see in those areas, actually, the number of sexual partners is decreasing a lot as HIV prevalence goes up. Areas with medium levels of malaria it decreases some -- it doesn't decrease as much. And areas with high levels of malaria -- actually, it's increasing a little bit, although that's not significant.
Dat is wat deze grafiek laat zien. Deze laat zien -- in gebieden met weinig, gemiddeld en veel malaria -- wat er gebeurt met het aantal sekspartners als je het hiv-percentage verhoogt. Als je naar de blauwe lijn kijkt, de gebieden met weinig malaria, zie je dat in die gebieden het aantal sekspartners sterk afneemt, terwijl de hiv-besmettingsgraad stijgt. Gebieden met gemiddeld malarianiveau neemt wat af-- maar niet zo veel. En gebieden met veel malaria-- eigenlijk neemt het wat toe, alhoewel het niet significant is.
This is not just through malaria. Young women who live in areas with high maternal mortality change their behavior less in response to HIV than young women who live in areas with low maternal mortality. There's another risk, and they respond less to this existing risk.
Dit komt niet alleen door malaria. Jonge vrouwen die leven in gebieden met een hoge moedersterfte veranderen hun gedrag minder in reactie op hiv dan jonge vrouwen in gebieden met een lage moedersterfte. Daar is nog een risico en ze reageren minder op dit bestaande risico.
So by itself, I think this tells a lot about how people behave. It tells us something about why we see limited behavior change in Africa.
Op zichzelf vertelt dit veel over hoe mensen zich gedragen. Het vertelt ons iets over de beperkte gedragsverandering in Afrika.
But it also tells us something about policy. Even if you only cared about AIDS in Africa, it might still be a good idea to invest in malaria, in combating poor indoor air quality, in improving maternal mortality rates. Because if you improve those things, then people are going to have an incentive to avoid AIDS on their own. But it also tells us something about one of these facts that we talked about before. Education campaigns, like the one that the president is focusing on in his funding, may not be enough, at least not alone. If people have no incentive to avoid AIDS on their own, even if they know everything about the disease, they still may not change their behavior.
Maar het vertelt ons ook iets over beleid. Zelfs als je enige zorg in Afrika aids zou zijn, kan het nog steeds lonen in malaria te investeren, tegen slechte binnenluchtkwaliteit te strijden, moedersterftecijfers te verbeteren. Omdat als je deze dingen verbetert, mensen een stimulans zullen hebben zelfstandig aids te vermijden. Maar het zegt ook iets over één van de feiten die we besproken hebben. Onderwijzende campagnes, zoals die waar de president op focust met zijn financiële gift, is wellicht niet genoeg. Ten minste niet alleen. Als mensen geen stimulans hebben zelfstandig aids te vermijden -- zelfs als ze alles over de ziekte weten -- veranderen ze hun gedrag misschien nog steeds niet.
So the other thing that I think we learn here is that AIDS is not going to fix itself. People aren't changing their behavior enough to decrease the growth in the epidemic. So we're going to need to think about policy and what kind of policies might be effective.
Het tweede wat we hiervan leren is dat aids zichzelf niet gaat oplossen. Mensen veranderen hun gedrag niet genoeg om de groei van de epidemie te verkleinen. We moeten dus nadenken over beleid en wat voor soort beleid effectief kan zijn.
And a great way to learn about policy is to look at what worked in the past. The reason that we know that the ABC campaign was effective in Uganda is we have good data on prevalence over time. In Uganda we see the prevalence went down. We know they had this campaign. That's how we learn about what works. It's not the only place we had any interventions. Other places have tried things, so why don't we look at those places and see what happened to their prevalence?
Een heel goede manier om dat te doen is door te kijken naar wat in het verleden werkte. We weten dat de ABC-campagne in Oeganda effectief was, omdat we goede hiv-gegevens door de jaren heen hebben. We zien dat daar de besmettingsgraad daalt. Zij hadden deze campagne. Zo leren we wat werkt. Niet alleen in Oeganda hebben we wat geprobeerd. Andere gebieden hebben dat ook gedaan, dus waarom kijken we niet wat daar met besmettingsgraden is gebeurd?
Unfortunately, there's almost no good data on HIV prevalence in the general population in Africa until about 2003. So if I asked you, "Why don't you go and find me the prevalence in Burkina Faso in 1991?" You get on Google, you Google, and you find, actually the only people tested in Burkina Faso in 1991 are STD patients and pregnant women, which is not a terribly representative group of people. Then if you poked a little more, you looked a little more at what was going on, you'd find that actually that was a pretty good year, because in some years the only people tested are IV drug users. But even worse -- some years it's only IV drug users, some years it's only pregnant women. We have no way to figure out what happened over time. We have no consistent testing.
Jammer genoeg zijn er haast geen goede gegevens van besmettingsgraden over de gehele Afrikaanse bevolking tot ongeveer 2003. Dus als ik je zou vragen: 'Kun je voor mij de graad in Burkina Faso in 1991 vinden?' ga je naar Google -- en vind je daar dat in feite de enige geteste personen daar in 1991 soa-patiënten en zwangere vrouwen zijn. Dat is geen bijzonder representatieve groep. Als je er wat dieper op zou ingaan, zou je bemerken dat dit eigenlijk een heel goed jaar was. Omdat in sommige jaren de enige geteste mensen injecterende drugsgebruikers zijn. Maar erger nog -- in sommige jaren alleen injecterende drugsgebruikers, andere jaren alleen zwangere vrouwen. We kunnen niet achterhalen wat door de tijd heen is gebeurd. Er zijn geen consistente testresultaten.
Now in the last few years, we actually have done some good testing. In Kenya, in Zambia, and a bunch of countries, there's been testing in random samples of the population. But this leaves us with a big gap in our knowledge. So I can tell you what the prevalence was in Kenya in 2003, but I can't tell you anything about 1993 or 1983.
Tijdens de laatste jaren hebben we wel goede testen gedaan. In Kenia, Zambia en andere landen zijn dwarsdoorsnedes van de bevolking getest. Maar dit laat ons achter met een groot gat in onze kennis. Ik kan je dus de besmettingsgraad van Kenia in 2003 geven, maar niet die van 1993 of 1983.
So this is a problem for policy. It was a problem for my research. And I started thinking about how else might we figure out what the prevalence of HIV was in Africa in the past. And I think that the answer is, we can look at mortality data, and we can use mortality data to figure out what the prevalence was in the past.
Dat is een probleem voor beleid en was een probleem voor mijn onderzoek. Dus ik begon na te denken hoe we er anders achter konden komen wat besmettingsgraden in Afrika in het verleden waren. Ik denk dat het antwoord te vinden is in sterftecijfers en dat we die kunnen gebruiken om besmettingsgraden in het verleden te bepalen.
To do this, we're going to have to rely on the fact that AIDS is a very specific kind of disease. It kills people in the prime of their lives. Not a lot of other diseases have that profile. And you can see here -- this is a graph of death rates by age in Botswana and Egypt. Botswana is a place with a lot of AIDS, Egypt is a place without a lot of AIDS. And you see they have pretty similar death rates among young kids and old people. That suggests it's pretty similar levels of development.
Hiervoor moeten we ons afhankelijk stellen van het feit dat aids een heel specifieke ziekte is. Aids doodt mensen in de bloei van hun leven. Niet veel ziektes hebben dat profiel. Hier kun je een grafiek zien met sterftecijfers per leeftijd in Botswana en Egypte. In Botswana is veel aids, in Egypte is weinig aids. Voor kleine kinderen en oude mensen zijn sterftecijfers ongeveer gelijk. Dat suggereert ongeveer gelijke ontwikkelingsniveaus.
But in this middle region, between 20 and 45, the death rates in Botswana are much, much, much higher than in Egypt. But since there are very few other diseases that kill people, we can really attribute that mortality to HIV. But because people who died this year of AIDS got it a few years ago, we can use this data on mortality to figure out what HIV prevalence was in the past. So it turns out, if you use this technique, actually your estimates of prevalence are very close to what we get from testing random samples in the population, but they're very, very different than what UNAIDS tells us the prevalences are.
Maar in deze middenzone, tussen 20 en 45, zijn sterftecijfers veel en veel hoger in Botswana dan in Egypte. Met weinig andere dodelijke ziektes, kunnen we deze sterfte aan hiv toeschrijven. Omdat mensen die dit jaar aan aids stierven het een paar jaar geleden opliepen, kunnen we de stertecijfers gebruiken om de hiv-graad in het verleden vast te stellen. Het blijkt dat als je deze techniek gebruikt, de schattingen over besmettingsgraden heel dicht liggen bij wat je haalt uit een test met een dwarsdoorsnede van de bevolking -- maar ze zijn heel, heel anders dan wat UNAIDS als besmettingsgraden aangeeft.
So this is a graph of prevalence estimated by UNAIDS, and prevalence based on the mortality data for the years in the late 1990s in nine countries in Africa. You can see, almost without exception, the UNAIDS estimates are much higher than the mortality-based estimates. UNAIDS tell us that the HIV rate in Zambia is 20 percent, and mortality estimates suggest it's only about 5 percent. And these are not trivial differences in mortality rates. So this is another way to see this. You can see that for the prevalence to be as high as UNAIDS says, we have to really see 60 deaths per 10,000 rather than 20 deaths per 10,000 in this age group.
Deze grafiek laat besmettingsschattingen van UNAIDS zien, en schattingen op basis van sterftecijfers voor de late jaren negentig in negen Afrikaanse landen. Je ziet dat bijna zonder uitzondering de UNAIDS-verwachtingen veel hoger zijn dan op basis van sterftecijfers. UNAIDS geeft een hiv-percentage van 20 in Zambia, sterftecijferverwachtingen geven aan dat het slechts ongeveer vijf procent is. Dit zijn geen triviale verschillen in sterftecijfers. Er is nog een andere manier om dit te zien. Hier zie je dat als de besmettingsgraad zo hoog zou zijn als UNAIDS zegt, we 60 sterfgevallen per 10.000 mensen zouden hebben in plaats van 20 per 10.000 in deze leeftijdsgroep.
I'm going to talk a little bit in a minute about how we can use this kind of information to learn something that's going to help us think about the world. But this also tells us that one of these facts that I mentioned in the beginning may not be quite right. If you think that 25 million people are infected, if you think that the UNAIDS numbers are much too high, maybe that's more like 10 or 15 million. It doesn't mean that AIDS isn't a problem. It's a gigantic problem. But it does suggest that that number might be a little big. What I really want to do, is I want to use this new data to try to figure out what makes the HIV epidemic grow faster or slower.
Zo meteen zal ik vertellen hoe we van deze informatie kunnen leren op een wijze die ons helpt over de wereld na te denken. Maar dit geeft ook aan dat één van de eerder genoemde feiten niet klopt. Als je denkt dat 25 miljoen mensen geïnfecteerd zijn, maar je bedenkt ook dat UNAIDS-cijfers veel te hoog zijn, is dat wellicht eerder iets van 10 tot 15 miljoen mensen. Dit betekent niet dat aids geen probleem is. Het probleem is gigantisch. Maar het geeft wel aan dat het cijfer te hoog is. Ik wil deze nieuwe gegevens gebruiken om te ontdekken wat de hiv-epidemie sneller of langzamer doet groeien.
And I said in the beginning, I wasn't going to tell you about exports. When I started working on these projects, I was not thinking at all about economics, but eventually it kind of sucks you back in. So I am going to talk about exports and prices. And I want to talk about the relationship between economic activity, in particular export volume, and HIV infections.
En zoals ik bij aanvang zei, ik zou niet vertellen over exportcijfers. Toen ik met deze projecten begon, was ik helemaal niet met economie bezig, maar gaandeweg trekt het toch weer aan je. Dus ik ga toch praten over exportcijfers en prijzen. Ik wil praten over de verhouding tussen economische activiteit, in het bijzonder exportvolume, en hiv-infecties.
So obviously, as an economist, I'm deeply familiar with the fact that development, that openness to trade, is really good for developing countries. It's good for improving people's lives. But openness and inter-connectedness, it comes with a cost when we think about disease. I don't think this should be a surprise. On Wednesday, I learned from Laurie Garrett that I'm definitely going to get the bird flu, and I wouldn't be at all worried about that if we never had any contact with Asia.
Als econoom ben ik natuurlijk zeer bekend met het feit dat ontwikkeling en open handel erg goed is voor ontwikkelingslanden. Het helpt mensenlevens te verbeteren. Maar openheid en netwerkdeelname brengen kosten met zich mee als we aan ziektes denken. Niet verrassend, lijkt me. Woensdag jl. leerde ik van Laurie Garrett dat ik zeker vogelgriep ga krijgen, waar ik me geen enkele zorg om zou maken als we nooit contact met Azië hadden.
And HIV is actually particularly closely linked to transit. The epidemic was introduced to the US by actually one male steward on an airline flight, who got the disease in Africa and brought it back. And that was the genesis of the entire epidemic in the US. In Africa, epidemiologists have noted for a long time that truck drivers and migrants are more likely to be infected than other people. Areas with a lot of economic activity -- with a lot of roads, with a lot of urbanization -- those areas have higher prevalence than others.
Hiv is in feite bijzonder dicht gelieerd aan transport. The epidemie kwam de VS binnen door slechts één mannelijke steward aan boord van een vliegtuig, die de ziekte in Afrika opliep en haar naar de VS bracht. Dat was de oorsprong van de hele epidemie in de VS. In Afrika weten epidemiologen sinds lang dat vrachtwagenschauffeurs en migranten een grotere kans op infectie hebben. Gebieden met veel economische activiteit -- met veel wegen en steden -- hebben hogere besmettingsgraden dan elders.
But that actually doesn't mean at all that if we gave people more exports, more trade, that that would increase prevalence. By using this new data, using this information about prevalence over time, we can actually test that. And so it seems to be -- fortunately, I think -- it seems to be the case that these things are positively related. More exports means more AIDS. And that effect is really big. So the data that I have suggests that if you double export volume, it will lead to a quadrupling of new HIV infections.
Dit betekent echter zeker niet dat als we mensen meer handel zouden geven, besmettingen zouden toenemen. Met gebruik van deze nieuwe gegevens door de tijd heen kunnen we dat daadwerkelijk testen. En het lijkt -- gelukkig, denk ik -- dat deze dingen positief gerelateerd zijn. Meer export betekent meer aids. Dat gevolg is heel groot. Mijn gegevens suggereren dat een exportverdubbeling zal leiden tot een verviervoudiging van nieuwe infecties.
So this has important implications both for forecasting and for policy. From a forecasting perspective, if we know where trade is likely to change, for example, because of the African Growth and Opportunities Act or other policies that encourage trade, we can actually think about which areas are likely to be heavily infected with HIV. And we can go and we can try to have pre-emptive preventive measures there. Likewise, as we're developing policies to try to encourage exports, if we know there's this externality -- this extra thing that's going to happen as we increase exports -- we can think about what the right kinds of policies are.
Zowel voor voorspelling als beleid biedt dit belangrijke implicaties. Vanuit een voorspellend perspectief: als we weten waar handel waarschijnlijk gaat veranderen, bijvoorbeeld door de African Growth and Opportunities Act of ander bevorderend beleid, kunnen we nadenken over welke gebieden waarschijnlijk zwaar hiv-besmet zullen worden. Daar kunnen we dan proberen preventieve maatregelen te nemen. Net zo, als we beleid ontwikkelen om export te bevorderen, als we weten dat er externaliteit is -- wat óók gaat gebeuren tijdens een exportstijging -- kunnen we nadenken over wat goed beleid is.
But it also tells us something about one of these things that we think that we know. Even though it is the case that poverty is linked to AIDS, in the sense that Africa is poor and they have a lot of AIDS, it's not necessarily the case that improving poverty -- at least in the short run, that improving exports and improving development -- it's not necessarily the case that that's going to lead to a decline in HIV prevalence.
Maar het zegt ook iets over iets wat we denken te weten. Ondanks dat armoede gelieerd is aan aids, in de zin dat Afrika arm is en veel aids heeft, is het niet per se het geval dat armoedeverlichting -- ten minste op korte termijn -- dat import- en exportontwikkeling per se zal leiden tot een vermindering van hiv-besmettingsgraden.
So throughout this talk I've mentioned a few times the special case of Uganda, and the fact that it's the only country in sub-Saharan Africa with successful prevention. It's been widely heralded. It's been replicated in Kenya, and Tanzania, and South Africa and many other places. But now I want to actually also question that. Because it is true that there was a decline in prevalence in Uganda in the 1990s. It's true that they had an education campaign. But there was actually something else that happened in Uganda in this period.
Ik heb een paar keer aan het speciale geval Oeganda gerefereerd en aan het feit dat dit het enige Afrikaanse land onder de Sahara is met succesvolle preventie. Het wordt breed geroemd. Het is nagedaan in Kenia, Tanzania, Zuid-Afrika en elders. Maar ik wil dat in twijfel trekken. Het is waar dat de besmettingsgraad in Oeganda in de jaren negentig daalde. Ze hadden een onderwijzende campagne. Maar eigenlijk gebeurde er toen ook iets anders daar.
There was a big decline in coffee prices. Coffee is Uganda's major export. Their exports went down a lot in the early 1990s -- and actually that decline lines up really, really closely with this decline in new HIV infections. So you can see that both of these series -- the black line is export value, the red line is new HIV infections -- you can see they're both increasing. Starting about 1987 they're both going down a lot. And then actually they track each other a little bit on the increase later in the decade.
Er was een flinke daling in koffieprijzen. Koffie is Oeganda's belangrijkste exportproduct. De export daalde sterk begin jaren negentig. Die daling loopt praktisch parallel met de daling in hiv-infecties. Je ziet dat beide lijnen -- zwart is exportwaarde, rood is nieuwe infecties -- beide lijnen stijgen. Rond 1987 dalen ze beide sterk. Dan volgen ze elkaar eigenlijk en stijgen ze wat later in het decennium.
So if you combine the intuition in this figure with some of the data that I talked about before, it suggests that somewhere between 25 percent and 50 percent of the decline in prevalence in Uganda actually would have happened even without any education campaign.
Als je de intuïtie, dit figuur en enkele eerder genoemde gegevens combineert, geeft dit aan dat ergens tussen de 25 en 50 procent van de daling van de besmettingsgraad in Oeganda ook zou hebben plaatsgevonden zonder onderwijzende campagne.
But that's enormously important for policy. We're spending so much money to try to replicate this campaign. And if it was only 50 percent as effective as we think that it was, then there are all sorts of other things maybe we should be spending our money on instead. Trying to change transmission rates by treating other sexually transmitted diseases. Trying to change them by engaging in male circumcision. There are tons of other things that we should think about doing. And maybe this tells us that we should be thinking more about those things.
Dat is enorm belangrijk voor beleid. We geven veel geld uit om deze campagne na te doen. Als deze slechts half zo effectief is als we dachten, zijn er wellicht heel veel andere dingen waar we ons geld beter in kunnen steken. Proberen overdracht te verminderen door andere soa's te behandelen. Proberen overdracht te beperken door mannelijke besnijdenis. Er zijn tal van andere dingen die we kunnen overwegen. Wellicht vertelt dit ons dat we meer aan die dingen zouden moeten denken.
I hope that in the last 16 minutes I've told you something that you didn't know about AIDS, and I hope that I've gotten you questioning a little bit some of the things that you did know. And I hope that I've convinced you maybe that it's important to understand things about the epidemic in order to think about policy.
Ik hoop dat ik je wat heb verteld dat je niet wist over aids en ik hoop dat ik je een beetje heb doen twijfelen aan sommige zaken die je wist. Ik hoop dat ik je wellicht heb overtuigd van het belang de epidemie te begrijpen om over beleid na te denken.
But more than anything, you know, I'm an academic. And when I leave here, I'm going to go back and sit in my tiny office, and my computer, and my data. And the thing that's most exciting about that is every time I think about research, there are more questions. There are more things that I think that I want to do. And what's really, really great about being here is I'm sure that the questions that you guys have are very, very different than the questions that I think up myself. And I can't wait to hear about what they are. So thank you very much.
Meer dan alles ben ik een wetenschapper. Ik ga straks terug naar mijn bureau, mijn computer en mijn gegevens -- opwindend daaraan is dat elke keer als ik aan onderzoek denk, er meer vragen zijn. Er zijn meer dingen die ik wil doen. Wat fantastisch is van hier aanwezig zijn, is dat ik zeker weet dat jullie vragen heel anders zijn dan de vragen die ik voor mezelf bedenk. Ik kan niet wachten om ze te horen. Heel hartelijk dank.