POLSKI

ENGLISH

Racjonowanie świadczeń

Tomasz Żuradzki, Preferowanie osób zidentyfikowanych w alokacji zasobów medycznych

Tomasz Żuradzki
Interdyscyplinarne Centrum Etyki UJ, Kraków 2016, data publikacji: 1 grudnia 2016

Preferowanie osób zidentyfikowanych w alokacji zasobów medycznych

Wersja PDF

Spis treści

Wstęp
1. Efekt osoby zidentyfikowanej w ekonomice służby zdrowia
1. 2.1. Zasada ratowania życia
2. 2.2. Zastosowanie zasady ratowania życia w alokacji zasobów w ochronie zdrowia
2. Badania psychologiczne nad efektem osoby zidentyfikowanej
3. Definicja osoby statystycznej
4. Uzasadnienia normatywnego znaczenia efektu osoby zidentyfikowanej
Podsumowanie
Literatura

Wstęp

Badania empiryczne pokazują, że większość ludzi chętniej pomaga osobom zidentyfikowanym niż osobom niezidentyfikowanym lub tzw. osobom statystycznym (Small 2015, Kogut, Ritov 2015). Celem tego artykułu przeglądowego jest: 1) omówienie wpływu tego mechanizmu psychicznego na alokację zasobów w opiece zdrowotnej (Rozdział 1); 2) omówienie głównych badań psychologicznych dotyczących tego mechanizmu (Rozdział 2); 3) analiza i uściślenie pojęcia osoby statystycznej (Rozdział 3); 4) analiza argumentów filozoficznych dotyczących normatywnego znaczenia tej preferencji (Rozdział 4).

Rozróżnienie na osobę „zidentyfikowaną” i „statystyczną” wprowadził w 1968 r. amerykański ekonomista (i późniejszy laureat Nagrody Nobla) Thomas Schelling (Schelling 1968). W artykule pt. The Life You Save May Be Your Own (wykorzystując tytuł wcześniejszej opublikowanego opowiadania amerykańskiej pisarki Flannery O'Connor) zaobserwował, że ludzie są skłonni przeznaczać więcej środków na uratowanie „życia zidentyfikowanego” niż „statystycznego”. „Życie zidentyfikowane” rozumiał jako życie określonych ludzi, którzy potrzebują w danym momencie pomocy; „życie statystyczne” – jako życie tych, których tożsamość nie jest znana decydentom w momencie podejmowania decyzji lub którzy nigdy nie będą mogli zostać zidentyfikowani (w sprawie współczesnej, dokładniejszej definicji osoby statystycznej – patrz rozdział 3. Definicja osoby statystycznej). Schelling zwrócił uwagę na to, że preferencja tego typu ma duży wpływ na sposób wydatkowania środków publicznych, prowadząc w dłuższym czasie do nieefektywnego wykorzystania posiadanych zasobów finansowych. Nieefektywność ta ma polegać na tym, że gdyby decydenci nie przejawiali tej preferencji, to przy pozostałych warunkach niezmienionych, mieliby większe szanse na maksymalizację tych celów, które sami uważają za wartościowe. Oto często cytowany przykład, pochodzący z tekstu Schellinga:

Gdy sześciolatka z brązowymi włosami potrzebuje tysięcy dolarów na operację, która przedłuży jej życie do Świąt Bożego Narodzenia, to urzędy pocztowe będą zasypane przekazami opiewającymi na drobne kwoty. Ale gdy okaże się, że bez [podniesienia] podatków obsługa w szpitalu w Massachusetts się pogorszy, co przyczyni się do trudno zauważalnego wzrostu liczby zgonów, których dałoby się uniknąć, to niewielu uroni łzę, czy sięgnie po książeczkę czekową (s. 115).

Powyższa historyjka jest jednym z wielu przykładów – czy to realnych czy hipotetycznych – które do dziś są często wykorzystywane w wielu pracach empirycznych lub teoretycznych na temat problemu ofiar zidentyfikowanych i statystycznych. Mają one pokazywać powszechną gotowość (zarówno decydentów, jak i osób postronnych) do przeznaczania ogromnych środków na ratowanie ludzi w niebezpieczeństwie (np. górników, których życie jest zagrożone) przy jednoczesnej niechęci do finansowania zabezpieczeń, które w przyszłości zapobiegłyby danemu typowi wypadków (Fried 1969). W literaturze często pojawia się na przykład przypadek Jessiki McClure, dziecka z Teksasu, które w 1987 r. wpadło do studni i spędziło tam 58 godzin, zaś jej rodzicie otrzymali 700 tys. dolarów z datków. Podając ten przykładu wielu autorów podkreśla jednoczesną niechęć ludzi do finansowania działań profilaktycznych, które mogłyby zapobiec tego typu wypadkom, a tym samym uratować większą liczbę ludzi za podobną sumę (Daniels 2012). Inne przypadki efektu osoby zidentyfikowanej pojawiające się w literaturze dotyczą np. niechęci względem przeprowadzania publicznych programów, które mogą krzywdzić zidentyfikowane osoby, ale ich beneficjentami będą głównie osoby niezidentyfikowane, np. program, w którym jakaś liczba obecnie zatrudnionych straci pracę, ale znacznie więcej osób zostanie zatrudnionych (Jenni, Loewenstein 1997). Podobnie rzecz się ma z programami ochrony środowiska – bardzo często ich beneficjenci są „mniej zidentyfikowani” niż ci, którzy są poszkodowani ekonomicznie na skutek wprowadzania regulacji wzmacniających ochronę przyrody. Dlatego też niektórzy autorzy (Hsu 2008) zwracają uwagę na to, że efekt osoby zidentyfikowanej utrudnia wprowadzanie programów proekologicznych.

Jak widać z przytoczonych przykładów wpływ tego efektu na decyzje osobiste lub publiczne przyjmuje dwie główne formy: 1) większa gotowość do pomocy osobom zidentyfikowanym niż osobom niezidentyfikowanym; 2) większa gotowość do podejmowania działań, które krzywdzą osoby niezidentyfikowane niż tego typu działań, które krzywdzą osoby zidentyfikowane.

Pierwszy typ ma znaczenie m.in. w dystrybucji świadczeń na opiekę zdrowotną, chociażby dla podziału ograniczonych środków pomiędzy profilaktykę i leczenie AIDS (Brock, Wikler 2009, Frick 2015b). Temat ten, a także bliską mu zasadę ratowania życia (the rule of rescue), omówię w rozdziale 2. Efekt osoby zidentyfikowanej w ekonomice służby zdrowia. Z kolei drugi typ ma znaczenie w przypadku wielu przedsięwzięć publicznych, które wiążą się z ryzykiem dla życia ludzi lub dla ich interesów. Na przykład ekonomista i filozof John Broome, omawiając problem wartościowania życia w ekonomii, zwrócił uwagę, że ocena dopuszczalności ryzykownych projektów publicznych zależy od tego, czy istnieje ryzyko, że mogą pociągnąć za sobą ofiary zidentyfikowane czy też niezidentyfikowane, których tożsamość nie jest znana w momencie podejmowania decyzji (Broome 1978). Te pierwsze decyzje budzą zdecydowany sprzeciw decydentów czy osób postronnych; te drugie – nie, nawet jeśli prawdopodobieństwo, że ktoś zginie w rezultacie realizacji danego projektu jest bliskie pewności.

Jaki status mają zasygnalizowane wyżej preferencje decydentów: czy są pewnego rodzaju błędem poznawczym czy całkowicie uprawnionym nastawieniem? W ostatnich latach temat ten pojawił się w toczących się na pograniczu filozofii (Singer 2005, Berker 2009) i psychologii eksperymentalnej (Greene et al. 2001, Haidt 2001) dyskusjach na temat racjonalnych i emocjonalnych komponentów sądów normatywnych oraz relacji pomiędzy tymi komponentami a teoriami normatywnymi o charakterze konsekwencjalistycznym (wedle których słuszność działania zależy wyłącznie od faktycznych lub oczekiwanych rezultatów) lub niekonsekwencjalistycznym (gdzie słuszność zależy także od innych czynników, np. intencji, zgody itp.). Obecnie część naukowców uznaje, że różnicowanie oceny, intencji lub zachowania wyłącznie na tej podstawie, że w jednym przypadku mamy do czynienia z osobą zidentyfikowaną, a w drugim – niezidentyfikowaną, nie ma „racjonalnej podstawy”, ponieważ wynika z automatycznych, emocjonalnych impulsów (tak np. Joshua Greene, autor wielu eksperymentów wykorzystujących neuroobrazowanie do badania mechanizmów leżących u podłoża wydawania ocen moralnych (Greene 2007)). Wśród filozofów toczą się jednak obecnie dyskusje dotyczące możliwych sposobów uzasadnienia normatywnego znaczenia tej preferencji (Daniels 2012, Hare 2012), którą omówię w rozdziale 4. Uzasadnienia normatywnego znaczenia efektu osoby zidentyfikowanej.

1. Efekt osoby zidentyfikowanej w ekonomice służby zdrowia

Wpływ efektu osoby zidentyfikowanej na decyzje może być widoczny w przypadku ustalania priorytetów w dystrybucji świadczeń zdrowotnych jak na przykład w następującym dylemacie: czy dystrybucja świadczeń na opiekę zdrowotną powinna polegać wyłącznie na maksymalizacji jakiegoś przyjętego przez decydentów współczynnika (np. oczekiwanej długości życia w danej populacji albo wskaźników typu QALY – the quality-adjusted life-year, lub DALY – disability adjusted life-years), czy też powinna uwzględniać inne czynniki, chociażby nagłe zagrożenie życia? W szczególnych przypadkach dylemat ten może przyjąć taką formę: czy decydenci powinni tak dystrybuować środki na opiekę medyczną, by bezwzględnie maksymalizować przyjęty przez siebie współczynnik, nawet jeśli wiąże się to z tym, że niektórzy pacjenci umrą na choroby, które dałoby się wyleczyć, choć ich leczenie nie jest efektywne z punktu widzenia przyjętego współczynnika?

2.1. Zasada ratowania życia

Efekt osoby zidentyfikowanej wydaje się być jednym z czynników psychologicznych leżących u podłoża dość powszechnej akceptacji tzw. „zasady ratowania życia” (ZRŻ – the rule of rescue). Termin ten został użyty po raz pierwszy w krótkim tekście Alberta R. Jonsena pt. Bentham in a Box: Technology Assessment and Health Care Allocation opublikowanym w 1986 r. w czasopiśmie „Law, Medicine & Health Care”. Jonsen zauważył, że koszt wynikający z wykorzystania niektórych nowych technologii medycznych do ratowania życia może być bardzo wysoki i kłóci się z zasadą efektywnego wykorzystania posiadanych środków. Wskazał, że przy ocenie efektywności kosztowej nowych technologii pojawia się niekiedy ograniczenie w postaci właśnie „zasady ratowania życia”, którą opisywał tak:

Gdy stajemy w obliczu nadchodzącej śmierci, moralność każe nam uratować tych, którzy mają umrzeć. Rzucamy linę tonącym, wbiegamy do płonących budynków, by uwolnić tych, którzy znaleźli się pułapce, wysyłamy wyprawy ratunkowe po uwięzionych pod lawiną. Tego rodzaju etyka ratowania życia przenika również do opieki zdrowotnej, gdzie naszymi linami są sztuczne serca, odpowiedzią na pożar – mobilne jednostki ratunkowe, a ratunkiem spod lawiny – przeszczepy. Imperatyw nakazujący nam ratowanie życia ma niewątpliwie ogromną wagę moralną, ale zdaje się, że powoli zaczyna przeradzać się w wewnętrzny przymus, i coraz częściej ma charakter bardziej instynktowny niż racjonalny (Jonsen 1986, 2015, s. 275).

Jonsen uznawał zasadę ratowania życia za instynktowną, ponieważ zwrócił uwagę, że wynika ona z trudnego do opanowania impulsu, który stoi na drodze racjonalizacji wydatków na służbę zdrowia. Tytułowa metafora jego tekstu, którą można oddać jako „Bentham w szklanej gablocie”, nawiązuje do tego, że sam Bentham zapisał swoje ciało University College London, gdzie do dziś jest wystawione na widok publiczny. Jonsen porównuje zamknięte w szklanej gablocie ciało Benthama do ograniczonych możliwości stosowania zasady efektywności kosztowej w przypadku opieki zdrowotnej – granicą jest tu w tym wypadku właśnie instynktowna zasada ratowania życia. Powołując się na własne doświadczenia pisze, że instytucje zajmujące się oceną nowych technologii medycznych zostają niejako zaślepione świadomością, że dana technologia może uratować życie jakichś zidentyfikowanych osób, choć jednocześnie nadwyręży budżet na opiekę zdrowotną „pozbawiając wielu pacjentów dostępu do mniej spektakularnych, ale poprawiających jakość życia form opieki zdrowotnej” (s. 275). Stosowanie tej zasady sprawia zatem, zdaniem Jonsena, że w praktyce dystrybucja środków na opiekę medyczną często jest niezgodna z zasadą utylitarystyczną, a zamiast tego: „kosztem wielu, przysparza korzyści nielicznym”:

Racjonalny wysiłek oszacowania skuteczności i kosztów, obciążeń i korzyści niesionych przez arsenał medycznych technologii – wysiłek, który jest niezbędny, by móc dokonać sprawiedliwej i równomiernej dystrybucji – podsumowuje Jonsen – napotyka na nieprzekraczalną barierę wyznaczoną przez zasadę ratowania życia. Nawet najrozsądniejsze argumenty konsekwencjalistyczne nie mogą przebić się przez ściany gabloty (s. 276).

W jaki sposób zasada ratowania życia narusza efektywność dystrybucji zasobów w opiece medycznej? Oczywiście reguła efektywności kosztowej wynika z tego, że budżet przeznaczony na opiekę zdrowotną jest zawsze ograniczony – stąd postulat maksymalizacji efektywności. Od połowy XX wieku przyjęło się, że zdrowie polega nie tylko na braku chorób, ale na fizycznym, umysłowym i społecznym dobrostanie (WHO 1947). Obecnie jakość zdrowia mierzy się często przy pomocy wskaźnika QALY, który wskazuje na lata życia dyskontowane jego jakością. Na przykład, jeśli założy się, że rok życia w szpitalu kiedy pacjent poddawany jest dializie wart jest tyle, co 57 proc. normalnego życia, to dwadzieścia lat takiego życia warte będzie 11,4 QALY (McKie, Richardson 2003). Wskaźnik ten umożliwia więc – przynajmniej na pierwszy rzut oka – relatywnie prostą metodę racjonalizacji świadczeń: im mniejszy koszt jednostki QALY, tym bardziej dana procedura jest efektywna. Decydent akceptujący tę miarę może na przykład ustalić pewien limit cenowy, do poziomu którego refunduje zabiegi. Na przykład, kilka lat temu brytyjski National Institute of Health and Clinical Excellence (NICE) przyjął następujące zasady: jeśli interwencja kosztuje mniej niż 20 tys. funtów za jednostkę QALY, którą dzięki tej interwencji się uzyskuje, to powinna być finansowana; jeśli powyżej 30 tys. funtów – nie powinna być finansowana; jeśli koszt jest w przedziale 20-30 tys. funtów, potrzebne są dalsze analizy przed podjęciem ostatecznej decyzji (Steinbrook 2008). Na temat QALY toczą się oczywiście intensywne dyskusje filozoficzne, a wielu autorów krytykuje ten wskaźnik, wskazując na jego dyskryminujący potencjał zarzucając mu dyskryminację (Broome 1994, Daniels 1985, Harris 1987). Tak czy owak zasada ratowania życia narusza efektywność mierzoną QALY, ponieważ nakazuje ratować osoby zidentyfikowane, których życie jest aktualnie zagrożone, nawet wtedy, gdy działanie takie nie jest efektywne, czyli pieniądze lub inne zasoby przeznaczone na ratowanie osób zidentyfikowanych można by wydać efektywniej.

Słynny i często omawiany w literaturze bioetycznej przykład dotyczy stanu Oregon: w czerwcu 1987 r. Oregon przestał finansować w ramach systemu Medicaid transplantacje trzustki, żołądka, serca, szpiku. Kilka miesięcy później 7-latek Coby Howard, którego rodzice bezskutecznie zabiegali o przeszczep szpiku, zmarł na białaczkę. Jego śmierć wywołała oburzenie, choć szanse na przeżycie nawet w przypadku przeszczepu były i tak bardzo niskie (ok. 20 proc. pacjentów w podobnej sytuacji przeżywało po przeszczepie). Stan Oregon, decyzją lokalnej legislatury, utworzył w 1989 r. Komisję Świadczeń Zdrowotnych. Jej zadaniem było utworzenie listy priorytetów w obrębie świadczeń zdrowotnych. Komisja przeprowadziła analizę efektywności kosztów ponad 1600 świadczeń zdrowotnych i okazało się, że najefektywniejsze ekonomicznie są świadczenia dla pacjentów zgłaszających się do ambulatoriów, którzy skarżyli się na niewielkie dolegliwości, zaś poważniejsze zabiegi chirurgiczne, które wymagają większych kosztów (np. wycięcie wyrostka robaczkowego czy bardziej skomplikowane operacje) oceniono znacznie niżej. Ostatecznie zrezygnowano z kryterium efektywności kosztów przy tworzeniu listy, dostosowując ją do subiektywnych intuicji członków komisji i oczekiwań opinii publicznej. Jednym z elementów problematycznych dla opinii publicznej była sama próba wyceny efektywności ekonomicznej każdej z procedur, która doprowadziła do tego, że relatywnie drobne procedury (np. plombowanie zęba) wykonane na wystarczająco dużej grupie ludzi zostały umieszone na pierwotnej liście powyżej procedur poważnych, ratujących życie, ale stosukowo rzadkich. Był to jeden z powodów, dla których na ostatecznej liście świadczeń procedury ratujące życie znalazły się w odrębnej kategorii, która zyskała dużą wagę (Hadorn 2015). Niektórzy autorzy potraktowali sprzeciw względem pierwotnych kryteriów ustalonych przez oregońską komisję jako wynik akceptacji zasady ratowania życia. Na przykład David Hadorn pisał tak:

„Jakikolwiek plan dystrybuowania usług związanych z opieką medyczną musi uwzględnić ludzką naturę, jeśli ma zostać zaakceptowany. Pod tym względem, jest pewien czynnik związany z ludzką psychiką, który na pewno będzie przeważał utylitarystyczną racjonalność, czyli analizę efektywności kosztowej: ludzie nie są w stanie znosić bezczynności, gdy życie zidentyfikowanej osoby jest zagrożone w sposób oczywisty, w sytuacji gdy skuteczne środki ratunkowe są dostępne. Ta silna skłonność została określona jako zasada ratowania życia” (Hadorn 1991).

Hadorn w bardzo specyficzny sposób rozumie zasadę ratowania życia: jako zasadę głoszącą, że drobniejsze procedury medyczne nigdy nie sumują się w taki sposób, by przeważyły obowiązek ratowania życia, który jest „leksykalnie” (w sensie w jakim tego pojęcia używa John Rawls w Teorii sprawiedliwości (Rawls 2009)) ważniejszy niż jakiekolwiek inne procedury medyczne, niezwiązane z nagłym zagrożeniem życia. W tym rozumieniu ZRŻ naruszała efektywność mierzoną QALY, ponieważ nakazywała faworyzować interwencje ratownicze (nawet jeśli nie miałyby dużej szansy powodzenia albo nie przyniosłyby dużego wzrostu QALY, ponieważ np. uratowałyby komuś życie, którego jakość byłaby potem bardzo niska), a nie interwencje, które przyniosą więcej QALY, ale rozproszonych wśród wielu osób.

Nie jest to jednak jedyne możliwe rozumienie ZRŻ. Inną interpretację przedstawili na przykład John McKie i Jeff Richardson, którzy podkreślali, że sednem ZRŻ jest koncentracja na jednostkach zidentyfikowanych, których życie jest aktualnie zagrożone.

Interwencja ratująca życie ma wartość dodaną – lub ludzie ratujący życie dodają taką wartość – jeśli dotyczy ona tej osoby, gdzie ten zaimek wskazujący odnosi się do jednostki, która w stosunku do tych, którzy mogą nieść pomoc, jest obecna i zidentyfikowana (McKie, Richardson 2003, s. 2409).

Autorzy ci podkreślają, że wymagana przez ZRŻ koncentracja na jednostkach zidentyfikowanych odbywa się kosztem nie tylko mniej poważnych procedur rozproszonych w dużej populacji, ale także procedur, które na pewno uratowałyby czyjeś życie – tyle że nie byłyby to osoby obecnie zidentyfikowane przez decydentów, ale na przykład beneficjenci działań profilaktycznych czy szczepień, których tożsamość nie może być znana decydentom. Także w tym rozumieniu ZRŻ jest sprzeczna z podejściem dążącym do maksymalizowania efektywności działań, które nie różnicuje ludzi na podstawie takiego czynnika, jak aktualna możliwość zidentyfikowania przez decydentów.

Co więcej, taka interpretacja zasady ratowania życia pozwala wyraźnie odróżnić ją od drugiej zasady sprawiedliwości Rawlsa, nakazującej preferować egalitarne systemy dystrybucji, chyba, że w systemach nieegalitarnych najgorzej sytuowani mają relatywnie lepiej. Rawls pisał:

nierówności społeczne i ekonomiczne, na przykład dotyczące bogactwa i władzy, są tylko wtedy sprawiedliwe, gdy rekompensowane są korzyściami dla wszystkich, a zwłaszcza dla najgorzej sytuowanych członków społeczeństwa (Rawls 2009, s. 45).

Na tę zasadę, wedle Rawlsa, przystaliby wszyscy racjonalni ludzie za zasłoną niewiedzy, będącą intelektualnym narzędziem pozwalającym uniezależnić wybór zasad sprawiedliwości od partykularnych interesów czy zidentyfikowania konkretnych osób. Treść drugiej zasady sprawiedliwości Rawlsa jest więc zupełnie inna niż treść ZRŻ, która nie postuluje stworzenia takiego systemu dystrybucji środków na opiekę medyczną, który byłby z korzyścią dla najgorzej sytuowanych członków społeczeństwa, lecz wyłącznie postuluje ratowanie tych ludzi w najgorszym położeniu, którzy zostali zidentyfikowani przez decydenta.

Inna ważna cecha ZRŻ, pozwalająca odróżnić ją od zasady priorytetu dla najgorzej usytuowanych, jest związana z charakteryzowaniem ZRŻ jako zasady dotyczącej przypadków „nagłych”. W taki sposób ZRŻ rozumiał na przykład Erik Nord, który definiował ją jako „poczucie nagłego obowiązku, który ludzie czują w stosunku do tych, którzy pojawiają się w ciężkim stanie w placówce służby zdrowia” (Nord et al. 1995). „Nagłość” w tym wypadku dotyczy więc zarówno psychicznego impulsu generującego przekonanie o posiadaniu obowiązku ratowania, jak i tego, że impuls ten wywołany jest jakimś „nagłym” czy niecierpiącym zwłoki przypadkiem wymagającym natychmiastowej opieki.

Zasada ratowania życia bywa rozpatrywana nie tylko w kontekście medycyny ratunkowej, ale także w wielu innych przypadkach, np. w kontekście finansowania chorób rzadkich, czyli takich, które występują w populacji sporadycznie, a koszt ich leczenia jest bardzo wysoki (Largent, Pearson 2012, Juth 2014). ZRŻ bywa w tym kontekście przywoływana w oficjalnych dokumentach: zarówno w kanadyjskiej prowincji Ontario, jak i w Izraelu przytoczono ją, by obalić wcześniejsze decyzje dotyczące niefinansowania leczenia rzadkiej choroby Gauchera (Gross 2002). Średni koszt leczenia jednej osoby z tą chorobą w wielkiej Brytanii (w sumie 200 chorych) wynosił w tym kraju 104 tys. funtów (dane sprzed około 10 lat). Inne choroby rzadkie to na przykład choroba Fabry’ego (dotykająca w Wielkiej Brytanii 80-200 osób), a roczny koszt leczenia to 141 tys. funtów; oraz MPS1 z kosztem 335 tys. funtów. Dla porównania średni wydatek na jednego chorego w brytyjskim NHS (odpowiedniku polskiego NFZ) wynosił wówczas ok. 40 tys. funtów na osobę przez całe jej życie w okresie od urodzenia do 75 roku życia (Sheehan 2007).

Tony Hope zaproponował następujący hipotetyczny przykład, który ma obrazować praktyczny wpływ zasady ratowania życia na dystrybucję środków przeznaczonych na opiekę medyczną i wyjaśniać, dlaczego w wielu systemach przewiduje się możliwość finansowania leczenia chorób rzadkich mimo braku efektywności liczonej np. w QALY (przykład nieznacznie zmodyfikowałem na potrzeby tego tekstu).

Przykład nr 1: dwa leki

Lek obniżający ryzyko śmierci: bez tego leku w grupie 2000 osób w ciągu najbliższych pięciu lat umrze 100 osób. Jeśli podamy ten lek wszystkim z danej grupy – umrze 99. Koszt na jedną uratowaną osobę wynosi 1 mln zł.

Lek ratujący osobę zidentyfikowaną: bez tego leku zidentyfikowana osoba umrze w ciągu najbliższych pięciu lat. Jeśli podamy jej ten lek – przeżyje. Koszt na jedną uratowaną osobę wynosi 1,1 mln zł (Hope 2001).

Hope zakłada, że w obu przypadkach koszt uratowania jednej osoby przekracza przyjęty przez decydentów limit. W sytuacjach drugiego typu (lek ratujący osobę zidentyfikowaną) – jak zauważa – istnieje jednak znacznie większa presja, by sfinansować lek ratujący życie. Presja ta nie występuje w przypadku leku obniżającego ryzyko śmierci, ponieważ – w jego opinii błędnie – zakłada się, że nie ratujemy nikogo konkretnego, a jedynie nieznacznie obniżamy ryzyko śmierci w stosunkowo dużej grupie ludzi. W rzeczywistości jednak Hope zauważa, że bez względu na to, który lek wybierzemy, uratuje on jedną zidentyfikowaną osobę w najbliższych pięciu latach (tj. w pierwszym przypadku umrze jedna osoba mniej w tym czasie). Hope twierdzi, że preferowanie leku ratującego osobę zidentyfikowaną względem leku obniżającego ryzyko śmierci w tego typu sytuacjach nie ma dobrego uzasadnienia. Krytycznie analizuje, a następnie odrzuca, sześć przyczyn, dla których zasada ratowania życia bywa usprawiedliwiana przez różnych autorów.

1) Sceptycyzm dotyczący efektywności leków prewencyjnych. Hope twierdzi, że w rzeczywistości nie ma dobrych powodów, by być generalnie bardziej sceptycznym względem efektywności leków obniżających ryzyko śmierci w dużych populacjach niż leków ratujących osoby zidentyfikowane.

2) Różnica w czasie: ratowanie ma dotyczyć życia zagrożonego teraz, prewencja – życia w przyszłości. Przykład nr 1: dwa leki pokazuje jednak, że możliwe są sytuacje, w których zasada ratowania życia nakazywałaby ratować pewne osoby kosztem innych przy braku istotnej różnicy w czasie (w sprawie dyskontowania wartości przyszłego życia patrz: (Tinghög 2012)).

3) Ratowanie życia jest relatywnie rzadkie, więc zawsze stać na nie instytucje finansujące opiekę zdrowotną; działania prewencyjne są drogie, bo dotyczą dużych grup. To także nie jest prawdą, zdaniem Hope’a, szczególnie w kontekście leków rzadkich.

4) Ratowanie ma większy wpływ na jakość życia ludzi, ponieważ pokazuje, że ratujemy życie tych, których czeka szczególnie straszna śmierć. To również nie jest jednak generalną zasadą w przypadku stosowania ZRŻ, nie wiadomo dlaczego np. w Przykładzie nr 1: dwa leki, śmierć osoby zidentyfikowanej miałaby być straszniejsza niż osoby niezidentyfikowanej w momencie podejmowania decyzji.

5) Dobrze jest się troszczyć o jednostki zidentyfikowane.

a) Na poziomie jednostkowym, co związane jest ze specjalnymi relacjami z bliskimi. Tego typu relacje nie mają jednak znaczenia w omawianym problemie dystrybucji zasobów na opiekę medyczną.

b) Poprzez odwołanie się do względów konsekwencjalistycznych: system opieki zdrowotnej, który troszczy się o ludzi, których życie jest zagrożone, ma większe poparcie, co w długim czasie przekłada się na większą efektywność (wynikającą z tego, że ludzie są bardziej skłonni finansować taki system). Taki argument zależy jednak, zdaniem Hope’a, od empirycznych ustaleń, czy faktycznie jest tak, że systemy dystrybucji stosujące zasadę ratowania życia cieszą się większym poparciem, które z czasem przekłada się na większą efektywność – brak jednak na ten temat konkretnych badań.

c) Nieratowanie tych, których życie jest aktualnie zagrożone, świadczy o braku solidarności społecznej. Taki argument pojawia się np. w tekście (Honeybul et al. 2011), którego autorzy piszą, że ludzie „poczują się bardziej bezpieczni, wiedząc, że są częścią opiekuńczej społeczności”. Chodzi o sytuacje, w których życie niektórych pacjentów z uszkodzeniami czaszki jest ratowane wszelkimi dostępnymi sposobami i z naruszeniem efektywności kosztowej. Takie uzasadnienie jest jednak oparte, zdaniem Hope’a, na błędnym kole, ponieważ z góry przesądza, które reguły dystrybucji świadczą o solidarności, a które – nie. Równie dobrze można by uznać, że to właśnie systemy, które gotowe są poświęcać wiele osób niezidentyfikowanych, by uratować jedną zidentyfikowaną, są dowodem braku solidarności społecznej.

6) Lek obniżający ryzyko śmierci w dużej populacji tylko nieznacznie zmniejsza ryzyko śmierci dla wielu osób, tymczasem lek ratujący życie zidentyfikowanej osoby znacząco podnosi jej szanse na przeżycie. Można więc, odwołując się do specyficznie rozumianego kontraktualizmu, próbować uzasadniać, że ludzie często godzą się na czynności związane z nieznacznym ryzykiem śmierci w celu uzyskania nawet bardzo trywialnych dóbr, o czym świadczyć mogą różne codzienne zachowania. W analogiczny sposób można by więc argumentować, że ludzie godzą się na system, w którym co prawda narażeni są na nieznacznie większe ryzyko przedwczesnej śmierci, ale za to mają znacznie większe szanse na ratunek w sytuacjach nagłego zagrożenia życia. McKie i Richardson zwracają na przykład uwagę, że zasadę ratowania życia można próbować uzasadnić poprzez badanie preferencji ludzi: mierzoną w QALY wartość danych procedur ustalałoby się nie na podstawie jakichś obiektywnych kryteriów dotyczących dobrostanu pacjenta, ale na podstawie ankiet porównujących indywidualne preferencje uczestników badania (personal trade-off). Mieliby oni porównywać różne opcje, w każdej z nich jakaś liczba ludzi uzyskiwałaby poprawę zdrowia dzięki jakiemuś świadczeniu. Manipulując liczbą ludzi, którzy uzyskują dane świadczenie, można by uzyskać informacje na temat wartościowania różnych świadczeń przez respondentów. Mogłoby się okazać, że zasada ta jest akceptowana instynktownie, co zresztą potwierdzają niektóre badania preferencji (NICE 2006). A ponieważ z różnych względów pożądane jest, by alokacja zasobów w opiece zdrowotnej odzwierciedlała indywidualne preferencje, w szczególności gotowość do płacenia, to znaczyłoby, że struktura świadczeń zdrowotnych uwzględniająca ZRŻ jest uzasadniona (McKie, Richardson 2003). Poglądu tego bronią na przykład (Cookson, McCabe, Tsuchiya 2008). Także inni badacze bronią stosowania tej zasady w opiece zdrowotnej jako wyrazu społecznej preferencji dotyczącej zapobiegania nagłym katastrofom (Rulli, Millum 2016). Analogiczną preferencją byłoby zapobieganie pożarom i fundowanie straży pożarnej bardzo drogich samochodów, nawet jeśli nie byłoby to optymalne pod względem kosztowym. Co więcej, badacze ci uznają, że ZRŻ ma znaczenie nie tylko w przypadku instytucji, ale także w kontekście osób pełniących specjalne funkcje, od których przyjęło się oczekiwać specjalnych poświęceń, nawet jeśli aktualnie nie są w pracy (na przykład obowiązek udzielania przez lekarzy pomocy lekarskiej w każdym nagłym przypadku, nawet poza czasem pracy (art. 30 polskiej Ustawy o zawodach lekarza i lekarza dentysty (Zielińska 2008)). Oczywiście można się zastanawiać, czy za takimi argumentami nie stoi brak rozróżnienia, czy wręcz pomieszanie pojęciowe, dotyczące tego, czym zasada ratowania życia w ogóle jest: czy zasadą normatywną wskazującą na pożądany sposób organizacji zasad przydzielania świadczeń opieki zdrowotnej, czy też dającą się empirycznie zbadać cechą ludzkiej natury.

Sedno krytyki Hope’a w tym punkcie sprowadza się do tego, że akceptacja argumentów inspirowanych kontraktualizmem prowadzi do nieintuicyjnych skutków: decydenci, kierując się indywidualnymi preferencjami pacjentów, musieliby preferować systemy dystrybucji, o których z góry wiedzieliby, że są mniej efektywne w świetle akceptowanych przez nich samych wartości (np. musieliby preferować systemy dystrybucji, w których przedwcześnie umrze więcej ludzi, niż systemy, w których umrze przedwcześnie mniej osób). Zobaczmy to na następującym hipotetycznym przykładzie:

Przykład nr 2: górnicy

Pięciu górników zostało uwięzionych w kopalni. Jeśli nikt nie przyjdzie im na pomoc, wszyscy zginą. Ich ratowanie jest jednak ryzykowne i zależy od wielkości grupy ratowników. Jeśli 1000 ratowników będzie uczestniczyć w akcji, to każdy z nich obarczony będzie ryzykiem wynoszącym 1:1000, że zginie w jej trakcie; jeśli ratowników będzie 10 000, to ryzyko dla każdego z nich wyniesie 1:2000; jeśli ratowników będzie 100 000, to ryzyko dla każdego z nich wyniesie 1:10 000. Z jednej strony, im większa grupa ratowników, tym mniejsze ryzyko dla każdego ratownika; z drugiej, im większa grupa, tym większe prawdopodobieństwo, że zginie więcej ratowników (jeśli ratowników będzie 1000, to najbardziej prawdopodobny będzie rezultat, w którym zginie jeden ratownik; jeśli ratowników będzie 100 000, to najbardziej prawdopodobny będzie rezultat, w którym zginie aż 10 ratowników).

Przykład ten wskazuje, zdaniem Hope’a, na absurdalność odwoływania się do indywidualnych preferencji w tego typu przypadkach. Mogą one bowiem powodować, że z indywidualnej perspektywy najbardziej uzasadnione są takie decyzje, o których z góry wiadomo, że nie są efektywne. W tym przykładzie z indywidualnej perspektywy każdego ratownika najbardziej korzystne jest, by w akcji ratowniczej brało udział jak najwięcej osób. Z perspektywy decydenta jednak niemal pewne jest, że prowadzenie takiej akcji na podstawie indywidualnych preferencji przyniesie więcej strat niż zysków.

Kolejnym sposobem obrony normatywnego znaczenia zasady ratowania życia jest odwołanie się do obowiązków dotyczących konkretnych osób (agent-relative), które z uwagi na swoją sytuację zagrożenia życia mogą mieć szczególne mocne roszczenie względem decydentów. Mark Sheehan, pomysłodawca tego argumentu, twierdzi, że obowiązki decydentów nie polegają wyłącznie na maksymalizacji tego, co uznają oni za wartościowe, ale także na trosce o to, by decyzje były sprawiedliwe: „ze względu na wymogi słusznego działania czasami decydent będzie musiał poświęcić interes populacji jako całości na rzecz interesu konkretnego członka tej populacji” (Sheehan 2007, s. 362). Główny problem z argumentem Sheehana jest taki, że nie jest jasne, w jaki sposób rozumie on „interes populacji jako całości”, który miałby ustąpić interesom konkretnego członka tej populacji. W omawianych tu przykładach o tym, co jest w interesie populacji, decyduje wyłącznie suma interesów jednostek, trudno więc zrozumieć na czym w ogóle miałaby polegać wspomniana przez Sheehana sprzeczność interesów. Krytycy tego argumentu podkreślają także, że rozpatrywanie zasady ratowania życia ma sens jedynie w kontekście działań instytucji lub osób, które mają szczególne zobowiązania ze względu na pełniony zawód lub funkcję; nie dotyczy zaś sytuacji, w których osoba prywatna może kogoś uratować. W przeciwieństwie bowiem do osób prywatnych, w przypadku których szczególne zobowiązania względem konkretnych osób mają duże znaczenie, decydenci publiczni, tworzący zasady dystrybucji świadczeń zdrowotnych, powinni uwzględniać wyłącznie bezstronne racje (agent-neutral reasons) (Jecker 2013).

2.2. Zastosowanie zasady ratowania życia w alokacji zasobów w ochronie zdrowia

Zasada ratowania życia, mimo zarysowanych wyżej kontrowersji na temat jej treści i uzasadnienia, bywa wykorzystywana w bardzo różnych celach w kontekście ochrony zdrowia, nie tylko w związku ze wspomnianymi wyżej dyskusjami dotyczącymi profilaktyki czy chorób rzadkich. Oto kilka przykładów, niektóre z nich mogą się wydawać zaskakujące.

1) ZRŻ pojawia się jako jeden z argumentów przeciwko dopuszczalności prowadzenia badań wykorzystujących placebo w krajach rozwijających się (Hawkins 2006). Zwolennicy tego argumentu twierdzą na przykład, że testowanie na początku lat 90. na osobach zarażonych HIV w krajach afrykańskich leku antyretrowirusowego AZT (Zidovudine) poprzez podanie jednej części populacji tego leku, a drugiej części placebo było nieetyczne, nawet jeśli przy braku takich badań żadna część populacji nie otrzymałaby AZT (ze względu na zbyt wysoką wówczas cenę).

2) Zasada ta bywa wykorzystywana w argumentacji przemawiającej za istnieniem obowiązku informowania o tzw. przypadkowych odkryciach (incidental findings) w trakcie prowadzenia badań naukowych, nawet jeśli może to zakłócić proces prowadzenia tych badań. Ratowanie osób, o których naukowcy wiedzą, że mogą mieć problemy zdrowotne, jest – wedle tego argumentu – istotniejsze niż badania naukowe, które mogą pomóc wielu ludziom w przyszłości. Jeden z podawanych tu przykładów jest następujący: badacze malarii w Mali odkrywają, że wśród uczestników badania są osoby bardzo poważnie chore na serce, których życie jest zagrożone. Odkrycie to nie ma nic wspólnego z celem badań i zostało dokonane przypadkowo. Choroby tej co prawda nie da się wyleczyć w Mali, ale można pomóc w uzyskaniu świadczenia w jakimś zachodnim kraju, z którego pochodzą badacze (Dickert, Wendler 2009), patrz też: (Miller, Mello, Joffe 2008, Garrett 2015, Żuradzki 2015).

3) ZRŻ ma wedle niektórych autorów przemawiać także za tym, że istnieje moralny obowiązek uczestnictwa w badaniach naukowych, nawet jeśli wiąże się to z niewielkim ryzykiem lub kosztami dla badanych. Jednym z argumentów, na które powoływał się John Harris, autor tej tezy, jest właśnie zasada ratowania życia – w tym wypadku życia chorych, którzy mogliby być uratowani dzięki nowym odkryciom (Harris 2005, s. 242).

4) Podobnego typu argument bywa też przedstawiany za obowiązkiem bycia dawcą organów (Howard 2006).

5) Poza omówionym wyżej przypadkiem chorób rzadkich ZRŻ bywa też przywoływana w argumentacji za finansowaniem wysokokosztowych procedur, na przykład przeprowadzaniem kraniektomii w przypadku traumatycznych urazów mózgu, po których pacjent pozostaje całkowicie unieruchomiony i jest w pełni zależny od otoczenia. Niektórzy argumentują, że użyteczność tego typu sytuacji ratowania życia nie może być „racjonalizowana jedynie na podstawie analizy kosztów i zysków” (Honeybul et al. 2011), ze względu na „niezaprzeczalny fakt dotyczący ludzkiej natury, preferującej troskę lub ratowanie narażonych jednostek, które tego najbardziej potrzebują, mimo utylitarystycznej racjonalności, która jest wpisana w analizę kosztów i strat” (s. 710).

6) ZRŻ bywa też wykorzystywana w argumentacji mającej wykazać istnienie obowiązku finansowania dodatkowej opieki zdrowotnej (ancillary care) przy okazji prowadzenia badań naukowych w krajach rozwijających się w sytuacjach, gdy pomoc taka nie jest konieczna do prowadzenia badań, ani nie wynika z konieczności rekompensowania niedogodności uczestnikom badań. Jako przykład można podać badania nad śmiertelnością niemowląt w prowincji Sarlahi w Nepalu, gdzie w momencie prowadzenia badań 95 proc. porodów odbywało się w domach, a wiele matek było niedożywionych lub mieszkało w złych warunkach higienicznych. Niektórzy autorzy argumentowali, wykorzystując zasadę ratowania życia, że oprócz prowadzenia badań, naukowcy mają obowiązek dostarczyć tam środki czystości, żywność czy podstawowe lekarstwa, nawet jeśli wpłynie to na rezultat samych badań (Merritt, Taylor, Mullany 2010).

7) Jednym z bardziej niespodziewanych kontekstów, w których pojawiła się ZRŻ jest obecna dyskusja dotycząca klauzuli sumienia. W jednym z tekstów Julian Savulescu przytacza hipotetyczny przykład lekarza: wyobraźmy sobie, że powołuje się on na klauzulę sumienia i odmawia leczenia osób powyżej 80. roku życia, twierdząc, że ten, kto miał już wystarczający dostęp do zasobów służby zdrowia i żył długo nie ma prawa do dalszej publicznej opieki medycznej, bo w ten sposób uszczupla środki, które mogłyby być przeznaczone dla tych, którzy tylu lat jeszcze nie przeżyli (koncepcja fair innings). Przykład ma obrazować, że lekarze w ogóle nie mają prawa do powoływania się na klauzulę sumienia, bez względu czy robią to przywołując względy religijne, czy jakąś świecką etykę. Christopher Cowley podważa zasadność stosowania tego typu przykładów w kontekście klauzuli sumienia, uznając, że o ile np. w przypadku aborcji niektórzy lekarze są „pewni, kto padnie ofiarą złego działania”, o tyle w przypadku przywołanym przez Savulescu: „zło jest bardziej abstrakcyjne, ponieważ dotyczy jakiegoś innego, młodszego pacjenta, którego leczenie być może zostało odłożone ze względu na wykorzystanie zasobów na leczenie tego pacjent po osiemdziesiątce” (Cowley 2016, s. 361). Pisze też, że wskazywanie na obowiązek dotyczący takiego a nie innego sposobu dystrybucji świadczeń jest „naciągane”, ponieważ istnieje zbyt wiele „przyczynowo istotnych czynników instytucjonalnych” pomiędzy odmową leczenia wiekowego pacjenta a korzyścią dla kogoś młodszego. Polemizując z tym tekstem Savulescu i Schuklenk twierdzą, że „bezpośredniość jest moralnie nieistotna”:

przekonanie, że [bezpośredniość] jest moralnie istotna jest psychologicznym błędem, który wyrządza olbrzymie szkody w codziennym życiu. Fakt, że nie znamy tożsamości ofiary naszych działań lub zaniechań nie zmienia jego wagi. Możemy z łatwością wyobrazić sobie przykład, który mógłby się wydarzyć w realnym świecie, kiedy to brakuje łóżek na oddziałach ratowniczych. Jeśli 85-latek zostałby przyjęty teraz, oddział wypełniłby się. Bazując na posiadanym doświadczeniu, moglibyśmy założyć niemal z pewnością, że pojawi się młodszy pacjent, być może ofiara wypadku, który będzie potrzebował łóżka następnego dnia. Fakt, że nie znamy tożsamości tego pacjenta w momencie podejmowania decyzji nie zmniejsza odpowiedzialności za tę osobę, która umrze, jeśli nie otrzyma miejsca w szpitalu (Savulescu, Schuklenk 2016, s. 4).

Można więc założyć, że w tym sporze Savulescu i Schuklenk podważają zasadę ratowania życia, natomiast Cowley uznaje ją za istotną.

9) W książce The Strategy of Preventive Medicine Geoffrey Rose przedstawił tzw. paradoks prewencji (Rose 1992). Ma on polegać na tym, że „olbrzymia liczba ludzi narażona na niewielkie ryzyko [zachorowania] może generować znacznie więcej przypadków [zachorowań] niż niewielka liczba ludzi narażona na wysokie ryzyko” (s. 59). A to implikuje, że strategie skierowane na obniżanie niewielkiego ryzyka zachorowania w dużej grupie mogą być bardziej efektywne niż strategie koncentrujące się na osobach o dużym ryzyku zachorowania. Oczywiście nie jest to paradoks w ścisłym sensie. Rose nazwał to zjawisko w taki sposób, bo paradoksalne wydawało mu się , że najbardziej efektywne strategie zdrowotne niosą niewielkie lub żadne korzyści dla zdecydowanej większości tych, do których są skierowane (s. 47). Zobaczmy to na następującym hipotetycznym przykładzie.

Przykład nr 3: ryzyko śmierci

100 tys. ludzi obarczonych jest 10-letnim ryzykiem śmierci wynoszącym 0,5 (grupa wysokiego ryzyka) oraz 10 mln innych ludzi obarczonych jest 10-letnim ryzykiem śmierci wynoszącym 0,01 (grupa niskiego ryzyka). Decydenci mogą albo skoncentrować się na grupie wysokiego ryzyka i sprawić, że każda ze 100 tys. osób będzie przyjmowała codziennie leki eliminujące to ryzyko, ale powodujące lekki ból głowy; albo koncentrować się na grupie niskiego ryzyka i sprawić, że każda z 10 mln osób będzie przyjmowała codziennie leki, eliminujące to ryzyko, ale powodujące lekki ból głowy. Niestety nie są w stanie prowadzić jednocześnie dwóch programów. Zakładamy też, że różnice w ryzyku nie wynikają ani z indywidualnego trybu życia, ani z różnic w warunkach społecznych (John 2014).

Wydaje się, że w takiej sytuacji decydenci powinni skoncentrować się na grupie niskiego ryzyka, ponieważ dzięki temu uratują 100 tys. osób. Gdyby koncentrowali się na grupie wysokiego ryzyka, uratowaliby tylko 50 tys. Takie rozwiązanie może się jednak wydawać paradoksalne, ponieważ na pierwszy rzut oka każda osoba z grupy wysokiego ryzyka „zyskuje” znacznie więcej (gdyby podjęto program skierowany do tej grupy) niż każda osoba z grupy niskiego ryzyka.

i) Załóżmy, że każda osoba z grupy niskiego ryzyka preferuje nieznaczne ryzyko śmierci (0,01) niż lekki ból głowy przez dziesięć lat, wynikający z przyjmowania lekarstw, a każda osoba z grupy wysokiego ryzyka preferuje lekki ból głowy przez dziesięć lat, wynikający z zażywania lekarstw, niż poważne ryzyko śmierci (0,5). W takiej sytuacji, wydaje się, że decydent, kierując się wolą jednostek powinien przeznaczyć leki dla grupy wysokiego ryzyka. Ale to by znaczyło, że wdroży program zdrowotny, dzięki któremu uratuje 50 tys. osób, choć mógłby prowadzić program, dzięki któremu uratowałby 100 tys., kosztem niewielkiego bólu głowy w przypadku 10 mln ludzi. Respektowanie preferencji zainteresowanych kłóci się więc z obowiązkiem decydentów, by maksymalizować wskaźniki uznane przez siebie za wartościowe (np. zwiększanie średniej oczekiwanej długości życia, zapobieganie przedwczesnej śmierci u jak największej liczby pacjentów).

ii) Załóżmy, odwrotnie niż w poprzednim przypadku, że każda osoba z grupy niskiego ryzyka preferuje lekki ból głowy przez dziesięć lat niż nieznaczne ryzyko śmierci. Jeśli w tej sytuacji decydent przeznaczy lekarstwa dla grupy niskiego ryzyka, to powstaje kolejny problem: taka decyzja jest sprzeczna z intuicyjnie wiarygodną zasadą głoszącą, że powinniśmy pomagać raczej tym, którzy są narażeni na wysokie ryzyko choroby niż tym, w przypadku których ryzyko to jest nieznaczne. Niektórzy autorzy (Kelleher 2013) uznają, że takie podejście implikuje właśnie akceptacja zasady ratowania życia, która nakazywałaby koncentrować się na grupie wysokiego ryzyka.

Paradoks prewencji ma bardzo istotne praktyczne zastosowania, na przykład w kontekście zapobiegania lub leczenia AIDS w krajach rozwijających się. W roku 2011, spośród 33 mln ludzi zarażonych wirusem HIV, tylko 5,3 mln otrzymywało leki antyretrowirusowe (ART). Choć w zwalczaniu epidemii HIV postęp jest wyraźny, to ograniczone środki wciąż stawiają decydentów przed poważnym dylematem. Jeśli trafne są niektóre wyliczenia, to przeznaczanie olbrzymich środków na podawanie leków antyretrowirusowych jest mniej efektywne w porównaniu do sytuacji, w której te środki zostałyby użyte w całości na profilaktykę. Daniel R. Hogan, wraz ze współpracownikami wyliczyli, że profilaktyka HIV w Afryce Subsaharyjskiej miała w roku 2005 potencjał 58,2 mln DALY, podczas gdy rozpowszechnienie ART – tylko 2,4 mln przy tym samym budżecie całkowitym (Hogan et al. 2005). Dan N. Brock i Daniel Wikler w artykule Ethical Challenges In Long-Term Funding For HIV/AIDS twierdzili, odrzucając zasadę ratowania życia, że nie istnieje moralny imperatyw, by faworyzować leczenie AIDS, w sytuacji, w której prewencja przyniosłaby znacznie więcej korzyści mierzonej na przykład przy pomocy wskaźnika DALY (Brock, Wikler 2009, s. 1666). Stawia to jednak decydentów w trudnej sytuacji: gdyby to zaakceptowali, to co prawda efektywnie gospodarowaliby zarządzanym przez siebie budżetem (długofalowo mniej osób byłoby zarażonych HIV), ale musieliby pozostawić wielu chorych samym sobie, mimo że mieliby dostęp do efektywnych leków znacząco przedłużających życie zarażonym. Do problemu tego wrócę w rozdziale 4. Uzasadnienia normatywnego znaczenia efektu osoby zidentyfikowanej.

2. Badania psychologiczne nad efektem osoby zidentyfikowanej

Pierwsze systematyczne badania eksperymentalne, próbujące wyjaśnić zjawisko preferowania osób zidentyfikowanych przeprowadzono pod koniec lat 90. Wychodząc m.in. od problemu sprawiedliwej alokacji środków na usługi medyczne, Karen E. Jenni i George Loewenstein eksperymentalnie potwierdzili dwa czynniki leżące u podstaw omawianej tu skłonności: efekt pewności i proporcję w grupie odniesienia (Jenni, Loewenstein 1997).

1) Efekt pewności w przypadku zysków i skłonność do ryzyka w przypadku strat zostały przedstawione w znanych badaniach Amosa Tversky’ego i Daniela Kahnemana, w których ludzie różnie oceniali te same działania w zależności od tego, czy ich oczekiwane rezultaty były sformułowane jako zysk (ludzie uratowani), czy jako strata (ludzie zmarli). Oto znany przykład (Kahneman 2012).

Przykład nr 4: dwie epidemie

Problem 1

Wyobraź sobie, że Stany Zjednoczone przygotowują się na epidemię nietypowej azjatyckiej choroby, która przypuszczalnie spowoduje śmierć 600 ludzi. Zaproponowano dwa alternatywne programy walki z chorobą. Skutki programów zostały dokładnie oszacowane następująco:

Jeśli zastosowany zostanie Program A, uratowanych zostanie 200 osób. (72%)

Jeśli zastosowany zostanie Program B, istnieje szansa jak jeden do trzech, że ocalonych zostanie wszystkie 600 osób, i ryzyko jak dwa do trzech, że nie zostanie uratowany nikt. (28%)

Który z tych programów wybierzesz?

Kahneman pisze: „Zgodnie z oczekiwaniami preferencje respondentów cechują się niechęcią do ryzyka: wyraźna większość [72 proc.] woli uratować 200 istnień na pewno, niż podjąć zakład, który daje szansę jak jeden do trzech, że uratujemy 600 istnień” (s. 586). A oto drugi przykład, w którym po tej samej historii wprowadzającej pojawia się inny opis perspektyw wiążących się z programami.

Problem 2

Jeśli zastosowany zostanie Program C, umrze 400 osób. (22%)

Jeśli zastosowany zostanie Program D, istnieje szansa jak jeden do trzech, że nikt nie umrze, i ryzyko jak dwa do trzech, że umrze 600 osób. (78%)

Opcje C i D w problemie nr 2 nie różnią się niczym od opcji A i B w problemie 1 – po prostu ludzie są mniej skłonni do ryzyka w przypadku tego, co uznają za zysk (w tym wypadku jest to ratowanie życia) i bardziej skłonni do ryzyka w przypadku strat (w tym wypadku – niemożność uratowania życia). Jenni i Loewenstein twierdzą, że ten efekt może mieć znaczenie także w przypadku różnicowania zachowania względem osób zidentyfikowanych i niezidentyfikowanych, ponieważ śmierć tych pierwszych wydaje się ludziom pewna, a tych drugich – nie.

2) Drugim istotnym czynnikiem w badaniach Jenni i Loewenstein okazała się proporcja w grupie odniesienia. Wynika to z tego, że ludzie różnie reagują w zależności od sposobu określenia grupy odniesienia. Na przykład 10-procentowe ryzyko w populacji 100 tys. jest postrzegane jako groźniejsze niż 1-procentowe ryzyko w populacji miliona (patrz też: (Fetherstonhaugh et al. 1997)). Zjawisko to przekłada się na gotowość do zapłaty za obniżenie własnego ryzyka śmierci: by uniknąć dużego ryzyka śmierci ludzie są skłonni zapłacić nieproporcjonalnie więcej niż za uniknięcie niewielkiego ryzyka. Na przykład za uniknięcie 10-procentowego ryzyka śmierci ludzie są skłonni zapłacić znacznie więcej niż 10 razy tyle, co w przypadku 1-procentowego ryzyka.

Jednocześnie te pierwsze eksperymenty pokazały, że – wbrew pierwotnym oczekiwaniom – dwie przyczyny nie mają istotnego wpływu na omawianą tu skłonność: 3) sugestywność, która sprawia, że „im więcej wiemy, tym bardziej się troszczymy”; 4) rozróżnienie na ex post i ex ante: ratowanie ofiary indywidualnej ma miejsce po ustaleniu jej tożsamości; ratowanie ofiary statystycznej zachodzi przed (co, jak się przypuszcza, ma istotny wpływ na przypisywanie winy i odpowiedzialności).

Problem z pierwszymi badaniami behawioralnymi nad preferencją względem osób zidentyfikowanych polega na tym, że nie wiadomo, co tak naprawdę wzbudza tę preferencję u uczestników badania: czy była to sama „identyfikowalność”, czy jakieś szczególne cechy ofiar lub historyjek, które przedstawiano badanym. Pierwsze badanie, w którym psychologowie próbowali lepiej wyodrębnić sam efekt „identyfikowalności”, przeprowadzili Deborah A. Small i George Loewenstein. W pracy opublikowanej w 2003 r. pokazali, że badani są bardziej skłonni rekompensować innym stratę lub przeznaczyć więcej środków na instytucję charytatywną, jeśli beneficjenci są już wyznaczeni w momencie podejmowania decyzji przez badanych. Preferencja ta była widoczna w sytuacji, gdy sami badani nie znali tożsamości osoby, której rekompensują stratę lub której pomagają (Small, Loewenstein 2003).

W jednym z badań każdemu z uczestników przyporządkowano numer i każdy otrzymał 10 dolarów. Następnie w wyniku losowania połowa uczestników badania musiała oddać te pieniądze (były to „ofiary”). Druga połowa badanych miała okazję podzielić się otrzymanymi 10 dolarami z „ofiarami”. Tych, którzy zdecydowali się oddać część swojego wynagrodzenia podzielono na dwie grupy. W pierwszej grupie (ofiary zidentyfikowane) uczestnik badania najpierw losował numer ofiary, a potem decydował o tym, czy i ile przeznaczy pieniędzy, wiedząc jednak, że nigdy nie pozna tożsamości ofiary. W drugiej grupie (ofiary niezidentyfikowane) uczestnik badania miał podjąć decyzję o przekazaniu pieniędzy przed losowaniem numeru ofiary. Okazało się, że średnia suma przeznaczona dla ofiar była w pierwszym przypadku dwa razy większa niż w drugim – mimo że uczestnicy nie mieli żadnej dodatkowej wiedzy na temat ofiar w pierwszym przypadku (ofiara zidentyfikowana), za wyjątkiem tego, że została ona już przez kogoś wybrana. Podobny efekt uzyskano w badaniu terenowym, w którym testowano skłonność do ofiarowania datku na rzecz organizacji charytatywnej. W tym wypadku różnica w wysokości pomocy zależała od tego, czy badani dowiadywali się, że rodzina, która ma od tej organizacji otrzymać dom została już wybrana, czy dopiero zostanie wybrana (badani na żadnym etapie nie poznawali tożsamości tej rodziny).

Istotną rolę w zjawisku preferowania osób zidentyfikowanych odgrywa „efekt pojedynczości”, który analizowały dwie izraelskie badaczki Tehila Kogut i Ilana Ritov (Kogut, Ritov 2005b). Uczestnicy badania byli proszeni o wsparcie finansowe na terapię mającą uratować życie albo jednemu dziecku, albo ośmiorgu (każde z dzieci potrzebowało takiej samej sumy pieniędzy). W sytuacji, w której badani znali pewne szczegóły dotyczące potrzebujących i mieli wybór albo pomocy jednemu dziecku zidentyfikowanemu (na podstawie zdjęcia i nazwiska) albo ośmiorgu zidentyfikowanym, to wsparcie udzielone jednemu dziecku było większe niż dla ośmiorga. W sytuacji, w której badani mieli do czynienia z dziećmi niezidentyfikowanymi, efekt nie wystąpił. Badaczki interpretowały te wyniki w taki sposób, że bycie ofiarą zidentyfikowaną oraz występowanie oddzielnie wywołuje szczególną sympatię, której nie wywołują ofiary niezidentyfikowane. Ich tezę miał potwierdzać fakt, że badani, którzy zostali postawieni przed możliwością pomocy jednemu zidentyfikowanemu dziecku twierdzili, że odczuwali większy niepokój niż ci, którzy mieli pomóc ośmiorgu/ósemce zidentyfikowanych dzieci. W innym eksperymencie badaczki pokazały m.in., że w przypadku grupy efekt ofiary zidentyfikowanej może ulec odwróceniu: identyfikacja członków danej grupy prowadziła do zmniejszenia całkowitej pomocy dla grupy (Kogut, Ritov 2005a). W innych pracach pokazano, że jeśli grupa potrzebująca pomocy jest bardziej jednolita i spójna w oczach badanych, to może otrzymać większe wsparcie. Co ciekawe podobne zjawisko zauważono w przypadku troski o zwierzęta: zdefiniowanie grupy jako jednorodnego stada zwiększa skłonność do pomocy.

Podobny efekt odkryli naukowcy analizujący dane z Kiva.org, organizacji zajmującej się nieoprocentowanymi mikropożyczkami mającymi na celu likwidowanie ubóstwa. Wnioskodawcy zazwyczaj przedstawiają pomysł, na co chcą przeznaczyć pożyczkę oraz swoje zdjęcie (lub zdjęcia). Historyczne dane wskazują, że to grupy wnioskodawców częściej oddają pieniądze niż pojedynczy wnioskodawcy (m.in. dzięki wzajemnej kontroli), ale pożyczkodawcy i tak znacznie chętniej udzielają pożyczek w tym systemie pojedynczym osobom (Galak, Small, Stephen 2011). W innym badaniu okazało się, że jego uczestnicy są skłonni przeznaczyć więcej pieniędzy na pojedyncze głodujące dziecko z Afryki niż na dwoje takich dzieci (Västfjäll et al. 2014). Paul Slovic określa to zjawisko mianem „psychicznego paraliżu” lub „upadku współczucia” (Slovic 2007).

Efekt ofiary zidentyfikowanej był też przez psychologów badany w kontekście decyzji publicznych. W eksperymencie z 2005 roku Small i Loewenstein wykazali, że ludzie są skłonni karać bardziej surowo sprawców, jeśli znana jest im ich tożsamość, w porównaniu do „statystycznych” sprawców, którzy popełnili analogiczne wykroczenie (Small, Loewenstein 2005). Ci sami autorzy, wraz z Paulem Slovikiem, pokazali w 2007 r., że wskazanie badanym ich preferencji dotyczącej konkretnej ofiary sprawia, że ograniczają oni pomoc dla tego typu ofiary, ale nie zwiększają dla ofiary statystycznej (Small, Loewenstein, Slovic 2007). Inne badania, zgodnie z tezą Slovika dotyczącą psychicznego paraliżu, pokazały, że wzrost liczby skrzywdzonych ofiar powoduje spadek postrzeganej wagi danego przestępstwa i sprawia, że uczestniczy są skłonni karać sprawcę mniej surowo, patrz też: (Ritov, Kogut 2011), (Kogut 2011), (Kogut, Kogut 2013).

Psycholodzy najczęściej wyjaśniają zjawisko preferowania ofiar zidentyfikowanych poprzez odwołanie do dwóch trybów podejmowania decyzji (Small, Loewenstein, Slovic 2007). Wedle definicji Kahnemana System 1 odwołuje się do szybkich, spontanicznych i opartych na emocjonalności decyzji; System 2 jest natomiast wolniejszy, ale oparty na racjonalnych rozważaniach (Kahneman 2012). Psycholodzy zwracają uwagę na kilka głównych czynników (Small 2015). 1) Ofiara zidentyfikowana ma większą zdolność do wywoływania afektywnych procesów, które mogą motywować działania na rzecz innych (Genevsky et al. 2013). Ofiara taka wywołuje u ludzi większe niezadowolenie, a to koreluje pozytywnie z chęcią pomocy. 2) Drugim czynnikiem jest uwaga. W przypadku ofiar niezidentyfikowanych uwaga ludzi jest bardziej rozproszona, stąd mniejsza chęć pomocy (Dickert, Slovic 2011). 3) Kolejnym czynnikiem jest przekonanie na temat efektywności. Choć pomoc niezidentyfikowanym ofiarom nie musi być w rzeczywistości mniej efektywna, często tak właśnie jest postrzegana przez uczestników badań (Rubaltelli, Agnoli 2012). 4) Niektórzy badacze podkreślają także rolę porównania pomiędzy sobą a ofiarą. Jeśli ofiara jest zidentyfikowana, to porównanie to wydaje się bardziej asymetryczne, zwiększając chęć pomocy (Haran, Ritov 2014).

Mimo wagi problemu przeprowadzono dotąd tylko kilka badań empirycznych nad omawianym tu zjawiskiem. Ponadto, w żadnym z eksperymentów nie testowano faktycznie skłonności do faworyzowania ofiar zidentyfikowanych kosztem tego typu ofiar, które w pracach filozoficznych określane są jako „statystyczne”.

3. Definicja osoby statystycznej

Różnica pomiędzy osobami (ofiarami lub beneficjentami) zidentyfikowanymi a statystycznymi nie zawsze jest jasno przedstawiana w pracach naukowych, w szczególności znaczenie „statystyczności” jest problematyczne i często w opracowaniach z zakresu psychologii ma inne znaczenie niż w najnowszych pracach filozoficznych. W standardowych przypadkach analizowanych przez etyków istnieją konkretne jednostki, które skorzystały lub zostały skrzywdzone w wyniku podjęcia jakiegoś działania indywidualnego lub publicznego – nawet jeśli na skutek różnych przygodnych okoliczności czy ograniczeń poznawczych nie jesteśmy w stanie ustalić tożsamości tych jednostek, to wciąż jesteśmy je w stanie jakoś zidentyfikować. Istnieją jednak przypadki – częste w praktyce, ale rzadziej analizowane jak dotąd przez badaczy (zarówno filozofów, jak i psychologów) – w których działanie wydaje się moralnie złe lub dobre, mimo że nie ma możliwości stwierdzenia, że jest złe (krzywdzące) lub dobre (korzystne) dla jakiejś konkretnej osoby. Jedną z takich sytuacji jest omawiana przez filozofów sytuacja braku tożsamości. W znanym przykładzie zaproponowanym przez Dereka Parfita 14-latka chce mieć dziecko już teraz, choć wie, że jego życie nie będzie miało tak dobrej jakości jak życie dziecka, które urodziłoby się, gdyby była nieco doroślejsza. Nie da się jednak powiedzieć, że dziecko poczęte przez 14-latkę zostało skrzywdzone poprzez samo powołanie do życia, ponieważ gdyby owa 14-latka poczekała kilka lat, to z pewnością miałaby inne dziecko o innym materiale genetycznym (tj. poczęte z innej komórki jajowej). Problem polega więc na tym, że niektóre działania wydają się nam intuicyjnie moralnie złe, nawet jeśli nie krzywdzą żadnej określonej osoby, inne zaś moralnie dobre, nawet jeśli nie istnieje żadna taka osoba, która na nich korzysta (Parfit 2012).

Rzadziej omawianym od problemu nietożsamości przypadkiem tego typu jest przysparzanie korzyści lub krzywdzenie osób statystycznych, których tożsamości nie da się ustalić nie z powodu przygodnych ograniczeń poznawczych, ale na skutek albo niezdeterminowania pewnych procesów naturalnych, albo nieokreśloności warunków, w jakich zachodzi dane działanie. Zobaczmy to na następującym fikcyjnym przykładzie, który jest inspirowany sytuacjami opisanymi przez Normana Danielsa i Caspara Hare’a (Daniels 2012, Hare 2012).

Przykład nr 5: Alicja i jej koleżanki

Pięć osób jest w niebezpieczeństwie (Alicja, Beata, Cecylia, Dorota, Ewa). Jeśli nic nie zrobisz, to umrze Alicja oraz jedna z pozostałych kobiet (albo Beata, albo Cecylia, albo Dorota, albo Ewa). Na szczęście możesz podjąć jedno z dwóch działań (choć niestety nie oba jednocześnie): 1) możesz podjąć działanie, dzięki któremu uratujesz Alicję, lub 2) możesz podjąć działanie, dzięki któremu uratujesz jedną z czterech pozostałych kobiet.

Kogo uratować? Czy są jakieś względy, które przemawiałyby na rzecz jednej lub drugiej opcji? Zakładam – i w tym przykładzie, i w kolejnych – że z żadną z tych osób nie łączą cię żadne specjalne relacje, nie masz wobec żadnej z nich jakichś specjalnych zobowiązań, i że w ogóle nie wiesz nic ponadto, co zostało wyrażone w opisie przykładu. Na pierwszy rzut oka może się więc wydawać, że nie ma znaczenia, które z tych działań podejmiesz, ponieważ w obu przypadkach uratujesz jedną osobę, a jedna osoba umrze. Różnica jest tylko taka, że w pierwszym przypadku (działanie 1) dokładnie wiadomo kogo uratujesz, w drugim (działanie 2), po tym, kiedy zdecydowałbyś się podjąć to działanie – nigdy nie dowiesz się, czyje życie uratowałeś. Zobaczmy, dlaczego tak jest.

Załóżmy, że wybierasz działanie nr 1: w tej sytuacji ratujesz Alicję (która jest beneficjentką zidentyfikowaną ex ante) i po fakcie dowiadujesz się, która z pozostałych osób umrze (ofiara zidentyfikowana ex post). W tym wypadku mamy do czynienia wyłącznie z dwoma osobami zidentyfikowanymi. Gdy jednak wybierzesz działanie nr 2, to sytuacja jest bardziej skomplikowana: umrze Alicja (ofiara zidentyfikowana ex ante) a ty uratujesz jedną osobę, choć nie wiadomo którą. W tym wypadku mamy do czynienia z beneficjentką statystyczną: zakładamy, że po tym, kiedy podjąłeś już działanie nr 2, nikt nie będzie w stanie określić, kto dokładnie jest beneficjentem tego działania (czyli kto umarłby, gdybyś podjął działanie nr 1).

Kilka badań empirycznych dotyczących zbliżonych sytuacji decyzyjnych (patrz rozdział 2. Badania psychologiczne nad efektem osoby zidentyfikowanej) sugeruje, że w tego typu sytuacji wyboru zdecydowana większość ludzi preferowałaby pomoc osobie zidentyfikowanej ex ante (Alicji), choć jak zauważyłem nie jest w pełni jasne, jakie cechy tej sytuacji i jakie mechanizmy psychologiczne wpływają na tę preferencję. Podobnie, na podstawie dotychczasowych badań psychologicznych można oczekiwać, że większość ludzi preferuje – jeśli nie ma innego wyboru – krzywdzenie osób zidentyfikowanych ex post (czyli już po podjęciu decyzji) niż krzywdzenie osób zidentyfikowanych ex ante (jeszcze przed podjęciem decyzji). Zobaczmy to na następującym przykładzie inspirowanym sytuacją opisaną przez Michaela Otsukę (Otsuka 2015).

Przykład nr 6: Adam i jego koledzy

Pięć osób jest zagrożonych śmiertelną chorobą (Adam, Bernard, Cezary, Daniel, Emil). Jeśli nic nie zrobisz, to umrą wszyscy. Na szczęście możesz podjąć jedno z dwóch działań (choć niestety nie oba jednocześnie): 1) możesz podjąć działanie, dzięki któremu uratujesz cztery osoby, ale działanie to przyczyni się do śmierci jednego mężczyzny spośród tych pięciu – jego tożsamość poznasz po podjęciu decyzji, o ile wybierzesz to działanie, a każdy z nich ma równą szansę, że okaże się tą właśnie osobą; 2) możesz podjąć działanie, dzięki któremu uratujesz cztery osoby, ale działanie to przyczyni się do śmierci Adama. Po wyborze działania nr 2, nie da się stwierdzić, która osoba zmarłaby, gdybyś wybrała działanie nr 1.

Które działanie podjąć w tej sytuacji? Załóżmy, że wybierasz działanie nr 1: w tej sytuacji ratujesz cztery osoby, ale kosztem jednej osoby spośród tych pięciu. Co prawda nie znasz tożsamości tej ofiary przed podjęciem decyzji, ale możesz się dowiedzieć tego po fakcie, mamy więc tu do czynienia z ofiarą zidentyfikowaną w sensie ex post. Gdy wybierzesz działanie nr 2 sytuacja okaże się bardziej skomplikowana: Adam umiera (ofiara zidentyfikowana w sensie ex ante), ale pozostali ludzie przeżywają i są beneficjentami statystycznymi – to znaczy, że gdybyś wybrała działanie nr 1, to każda z tych osób mogłaby okazać się ofiarą. Podobnie więc jak w poprzednim przykładzie po tym, kiedy podjęłaś już działanie nr 2, nikt nie będzie w stanie określić, kto dokładnie jest beneficjentem tego działania (czyli kto umarłby, gdybyś podjęła działanie nr 1). Badania sugerują, że większość osób w tego typu sytuacji preferowałaby działanie nr 1, czyli skrzywdzenie osoby niezidentyfikowanej ex ante.

W obu powyższych przypadkach nieznajomość tożsamości osoby statystycznej można interpretować na dwa sposoby.

Po pierwsze, niewiedza ta może być wynikiem przygodnych ograniczeń poznawczych decydenta. Przy takiej interpretacji w Przykładzie nr 5 z góry wiadomo, że umarłaby ta z czterech pozostałych kobiet (Beata, Cecylia, Dorota, Ewa), która miałaby daną grupę krwi lub dany materiał genetyczny, choć decydent – na przykład na skutek jakichś ograniczeń technicznych – nie byłby tego w stanie sprawdzić ani w momencie podejmowania decyzji, ani nigdy później. Podobnie w Przykładzie nr 6 mogłoby być z góry wiadomo, że po wybraniu działania nr 1 umarłby jeden mężczyzna o określonej grupie krwi lub danym materiale genetycznym, ale jego tożsamości także nie dałoby się nigdy ustalić na skutek przygodnych ograniczeń.

Po drugie, nieznajomość może wynikać z niezdeterminowania lub nieokreśloności warunków towarzyszących pewnym procesom naturalnym. W tym wypadku w Przykładzie nr 5 po wyborze działania nr 2 nie wiadomo, kogo uratowaliśmy – żeby to ustalić, musielibyśmy byli wcześniej podjąć inną decyzję i wybrać działanie nr 1. Podobnie w Przykładzie nr 6 po wyborze działania nr 2 nie dałoby ustalić, kto umarłby, gdybyśmy wybrali działanie nr 1. W interpretacji zaproponowanej przez Caspara Hare’a w ścisłym sensie z osobą statystyczną mamy do czynienia wyłącznie w przypadku tej drugiej interpretacji, kiedy niewiedza na temat tożsamości beneficjenta nie wynika z przygodnych ograniczeń poznawczych, uniemożliwiających sprawdzenie tożsamości ofiary, lecz z tego, że niekiedy po wyborze jednego działania nie istnieje w świecie żaden taki fakt, który odpowiadałby temu, co by się wydarzyło, gdybyśmy wybrali inaczej (Hare 2012).

Zobaczmy to na przykładzie rzutu monetą. Załóżmy, że w czasie t1 mógłbyś rzucić monetą, którą masz w kieszeni. Ale nie robisz tego. Czy zatem następujące zdania są prawdziwe lub fałszywe: „Gdybyś w czasie t1 rzucił monetą to wypadłby orzeł” lub „Gdybyś w czasie t1 rzucił monetą to wypadłaby reszka”? Niektórzy filozofowie, na przykład David Lewis, utrzymują, że choć zdanie „Gdybyś w czasie t1 rzucił monetą to wypadłby albo orzeł, albo reszka” jest prawdziwe, to dwa wcześniej przytoczone zdania są fałszywe (Lewis 1973). Jest tak dlatego, że nie istnieje żaden taki fakt czy stan świata (w sensie takim, jakie ma angielskie wyrażenie a fact of the matter), który by miał odpowiadać tym dwóm pierwszym zdaniom. Nie istnieje albo dlatego, że niektóre procesy naturalne są niezdeterminowane, albo dlatego, że nie da się określić precyzyjnie warunków, w jakich ten rzut monetą by się odbył (na jakiej wysokości nad podłogą, z jaką siłą i pod jakim kątem próbowałbyś ją rzucić itp.). Dlatego właśnie według niektórych filozofów pytanie o to, co by wypadło, gdybyś przed chwilą rzucił monetą, jest co najmniej tak absurdalne jak pytanie, jaka byłaby masa 15. planety Układu Słonecznego, gdyby taka istniała.

Inni filozofowie, na przykład Robert Stalnaker, uważają, że wartość prawdziwościowa tych dwóch pierwszych zdań jest nie tyle fałszywa, co nieokreślona (Stalnaker 1984). Przytacza on następujący przykład, nawiązujący do bohaterów książki Lewisa Carrolla Po drugiej stronie lustra.

Przykład nr 7: Tweedledee i Tweedledum

1) Tweedledee i Tweedledum rzucają dobrze wyważoną monetą, ale zanim zdołali zobaczyć, co wypadło, ktoś podniósł monetę i uciekł z nią. Sprawcy nigdy nie udało się złapać. Tweedledee jest przekonany, że wypadła reszka, Tweedledum, że wypadł orzełek. Żaden z nich nie ma żadnej racji na rzecz swojego przekonania, ale mimo to każdy z nich obstaje przy swojej opinii. Z pewnością jest tak, że przekonanie jednego z nich jest prawdziwe; drugiego – fałszywe, choć nigdy nie będzie się dało tego ustalić.

2) Tym razem ktoś kradnie monetę i ucieka, zanim została ona rzucona. Nie mając żadnej innej monety Tweedledee i Tweedledum spierają się o to, jak wylądowałaby, gdyby ktoś nią rzucił. Podobnie jak poprzednio Tweedledee jest przekonany, że wypadłaby reszka, Tweedledum – że wypadłby orzełek. Także tym razem, żaden z nich nie ma żadnej racji na rzecz swojego przekonania, choć zgadzają się, że moneta była normalna, a rzut – gdyby do niego doszło – nie byłby oszukany. Tym razem, nie mamy żadnej skłonności, by powiedzieć, że przekonanie jednego z nich musi być prawdziwe, a drugiego – fałszywe. Stalnaker twierdzi, że jeśli nie ma żadnej historii wyjaśniającej fakt, który czyniłby jeden lub drugi tryb warunkowy prawdziwym, to żaden z nich nie jest prawdziwy, a ich wartość prawdziwościowa jest nieokreślona (Stalnaker 1984, s. 164-5).

W pierwszym przypadku, choć bohaterowie Lewisa Carrolla nie mają żadnej racji na rzecz swoich przekonań, a więc żadne z ich przekonań nie jest uzasadnione, to istniał jednak stan świata, do którego odnoszą się ich przekonania: moneta leżała zanim ktoś ją ukradł, co znaczy, że albo wypadł orzeł, albo reszka. W tym drugim przypadku problem w tym, że nie istniał nigdy żaden stan świata, który miałby odpowiadać ich przekonaniom, nie ma nawet żadnych świadectw, które mogłyby wskazywać na to, że jedno zdarzenie miałoby być bardziej prawdopodobne od drugiego.

Na marginesie warto zauważyć za Alanem Hájekiem, że wbrew temu, co pisze Stalnaker, w tym przypadku nie ma znaczenia, czy moneta jest dobrze wyważona i czy rzut będzie w pełni uczciwy – czyli nie ma znaczenia, jakie jest prawdopodobieństwo wyrzucenia orła lub reszki (Hájek 2007). Nawet jeśli okazałoby się, że dana moneta jest tak zrobiona, że orzeł wypada tylko raz na milion razy, to wciąż zdanie głoszące, że „gdybym przed chwilą rzucił tą monetą, to wypadła by reszka” jest co najmniej problematyczne (zdaniem Lewisa; zdaniem Stalnakera – jego wartość prawdziwościowa jest nieokreślona), choć Tweedledee faktycznie miałby w tym wypadku mocniejsze racje na rzecz swojego przekonania niż Tweedledum. Zdaniem Hájeka w takiej sytuacji zdanie to byłoby fałszywe, bo moneta nie została rzucona, nie istnieje więc żaden taki fakt czy stan świata, który miałby mu odpowiadać. Co więcej, Hájek jest bardziej radykalny od Lewisa, ponieważ z tego samego powodu za fałszywe uznaje zdanie „Gdybyś w czasie t1 rzucił monetą to wypadłby orzeł lub reszka” (Hájek 2007, s. 46).

Wracając do preferencji względem osób zidentyfikowanych: zarówno w wyidealizowanych sytuacjach analizowanych przez filozofów, jak i wielu realnych sytuacjach preferencja ta może wynikać zarówno z niewiedzy na temat tego, kto został uratowany na skutek danej decyzji, jak i z zasadniczej nieokreśloności tożsamości beneficjenta, będącej skutkiem albo niezdeterminowania, albo nieokreśloności warunków pewnych procesów naturalnych, które sprawiają, że mamy do czynienia z przypadkowością (w sensie jakie ma angielskie wyrażenie chanciness). Stąd warto przyjąć następujące rozróżnienie terminologiczne: wedle zaproponowanej tu definicji ofiara statystyczna lub statystyczny beneficjent w ścisłym sensie, to taka osoba, której tożsamości nie da się poznać z przyczyn zasadniczych ponieważ nie istnieje żaden taki stan świata, który wskazywałby na daną osobę (dałoby się ją poznać tylko wtedy, gdyby w jakimś wcześniejszym momencie czasu podjęto inną decyzję); z kolei ofiara lub beneficjent, którego nie da się poznać jedynie z przyczyn ograniczeń poznawczych decydenta, to osoba niezidentyfikowana, ale nie statystyczna.

Choć w literaturze psychologicznej często pisze się o „ofiarach statystycznych” (Small 2015) to warto podkreślić, że w żadnym znanymi badaniu nie testowano różnicy w preferencjach względem ofiar statystycznych a niezidentyfikowanych. Psychologowie badali jedynie sytuacje, w których decydenci mieli zróżnicowaną wiedzę na temat ofiar lub potencjalnych ofiar, stąd badali raczej zależność decyzji od stopnia zidentyfikowania potencjalnych ofiar, który to stopień zidentyfikowania wynikał z przygodnych ograniczeń poznawczych decydenta, a nie z niezdeterminowania czy przypadkowości procesów naturalnych. W kolejnym rozdziale pokażę, że różnica pomiędzy ofiarami zidentyfikowanymi a ofiarami statystycznymi w ścisłym sensie ma dla niektórych teorii znacznie normatywne, tj. niektóre teorie różnicują siłę obowiązków moralnych w zależności od typu niezidentyfikowania, z którym mamy do czynienia.

4. Uzasadnienia normatywnego znaczenia efektu osoby zidentyfikowanej

Czy istnieją jakieś względy, by w opisanych powyżej hipotetycznych sytuacjach wyboru (Przykład nr 5) preferować ratowanie osoby zidentyfikowanej (Alicja) niż statystycznej (jedna z czterech pozostałych kobiet) lub (Przykład nr 6) preferować krzywdzenie osoby zidentyfikowanej ex post niż zidentyfikowanej ex ante?

Zacznijmy od stanowisk konsekwencjalistycznych (konsekwencjalizm czynów). W przypadku tego typu teorii znajomość tożsamości podmiotu w momencie podejmowania decyzji nie jest istotna moralnie i w tego typu sytuacji nie ma żadnych dodatkowych racji moralnych przemawiających na rzecz uratowania Alicji lub przeciwko krzywdzeniu Adama. To co się liczy, to stan świata, który zaistnieje (lub oczekiwania podmiotu na temat tego, jaki ten stan świata będzie). Nieco inaczej jest w przypadku konsekwecjalizmu reguł, ponieważ w tym wypadku ocenie moralnej nie podlega konkretny czyn, ale reguła, na podstawie której został wykonany. Niewykluczone więc, że ze względu na preferencję względem osób zidentyfikowanych, reguła głosząca, by ratować raczej osoby zidentyfikowane niż statystyczne oraz by krzywdzić raczej zidentyfikowane ex post niż ex ante byłaby regułą przynoszącą w dłuższej perspektywie lepsze efekty.

Podobnie głosiłoby stanowisko kontraktualizmu ex post (Scanlon 1998, Ashford 2003, Reibetanz 1998), choć w tym wypadku uzasadnienie byłoby całkiem inne. W klasycznym już dziś sformułowaniu Scanlona teza kontraktualizmu etycznego brzmi tak:

myślenie o tym, co słuszne i niesłuszne jest, na najbardziej podstawowym poziomie, myśleniem o tym, co da się uzasadnić innym poprzez odwołanie się do takich względów, których, gdyby byli odpowiednio umotywowani, nie mogliby w rozsądny sposób (reasonably) odrzucić (Scanlon 1998, s. 5).

W przypadku kontraktualizmu ex post owych „innych” interpretuje się jako osoby, które faktycznie stracą lub zyskają na danym działaniu. Wymóg uzasadnienia każdej osobie reguły, na podstawie której dane działanie zostało podjęte, nie implikuje więc konieczności uzasadnienia prawdopodobieństwa straty lub zysku przed podjęciem działania (ex ante), ale uzasadnienie w tej hipotetycznej sytuacji, w której wiedzielibyśmy już, jaki stan świata został zrealizowany w wyniku danego działania. Scanlon w taki oto sposób przedstawia swoją wersję kontraktualizmu.

Rozważając, czy jakaś zasada mogłaby być w rozsądny sposób (reasonable) odrzucona, powinniśmy rozważyć ciężar związanych z nią obciążeń dla tych, których będą one dotyczyć, a także znaczenie wynikających z niej korzyści dla tych, którzy będą się z nich cieszyć, pozostawiając na boku prawdopodobieństwo czyjejś przynależności do jednej z tych klas (Scanlon 1998, s. 208).

Powyższy fragment sugeruje więc, że w Przykładzie nr 5 lub Przykładzie nr 6 kontraktualizm ex post nie zajmowałby żadnego stanowiska na temat tego, które działanie jest moralnie lepsze: mielibyśmy bowiem do czynienia z roszczeniem Alicji przeciwstawionym roszczeniu jednej z czterech pozostałych kobiet (lub roszczeniem Adama przeciwstawionym roszczeniu jednej osoby spośród czterech). Podobnie jak w przypadku konsekwencjalizmu nieznajomość tożsamości tej osoby nie miałaby żadnego moralnego znaczenia. Inne podobieństwo z konsekwencjalizmem byłoby takie, że choć kontraktualizm tego typu (w przeciwieństwie do konsekwencjalizmu) nie dopuszcza agregowania roszczeń, to zakłada, że w sytuacji, w której każda osoba z jakiejś większej grupy ma roszczenie zbliżone (roughly comparable) do roszczenia każdej osoby z mniejszej grupy, liczba osób ma rozstrzygające znaczenie i powinniśmy pomóc raczej większej liczbie ludzi niż mniejszej. A to znaczy, że w sytuacji opisanej w poniższym przykładzie, w którym mielibyśmy do wyboru uratowanie życia jednej osobie zidentyfikowanej lub dwóm osobom statystycznym, kontraktualizm ex post preferowałby ratowanie dwóch osób statystycznych. Podobnie w przypadku krzywdzenia preferowałby skrzywdzenie jednej zidentyfikowanej niż dwóch niezidentyfikowanych ex ante. Zobaczmy to na zmodyfikowanych przykładach nr 5 i 6:

Przykład nr 5a: Anna i jej koleżanki

Pięć osób jest w niebezpieczeństwie (Anna, Beata, Cecylia, Dorota, Ewa). Jeśli nic nie zrobisz, to umrze Anna oraz dwie (!) z pozostałych kobiet. Na szczęście możesz podjąć jedno z dwóch działań (choć niestety nie oba jednocześnie): 1) możesz podjąć działanie, dzięki któremu uratujesz Annę, lub 2) możesz podjąć działanie, dzięki któremu uratujesz dwie z czterech pozostałych kobiet.

Przykład nr 6a: Andrzej i jego koledzy

Pięć osób jest zagrożonych śmiertelną chorobą (Andrzej, Bernard, Cezary, Daniel, Emil). Jeśli nic nie zrobisz, to umrą wszyscy. Na szczęście możesz podjąć jedno z dwóch działań (choć niestety nie oba jednocześnie): 1) możesz podjąć działanie, dzięki któremu uratujesz trzy osoby, ale działanie to przyczyni się do śmierci dwóch (!) mężczyzn spośród tych pięciu – ich tożsamość poznasz dopiero po podjęciu decyzji, o ile wybierzesz to działanie, a w przypadku każdego z pięciu mężczyzn prawdopodobieństwo, że okaże się jednym z tych dwóch jest identyczne; 2) możesz podjąć działanie, dzięki któremu uratujesz cztery osoby, ale działanie to przyczyni się do śmierci Andrzeja. Po wyborze działania nr 2, nie da się stwierdzić, które dwie osoby zmarłyby, gdybyś wybrała działanie nr 1.

Na tych przykładach widać, że stanowiska konwekwencjalistyczne oraz stanowisko kontraktualizmu ex ante w tego typu sytuacjach uznawałyby, że tylko działanie nr 2 jest moralnie dopuszczalne, a znajomość tożsamości ofiary przed podjęciem decyzji nie jest w żaden sposób moralnie istotna i w tej sytuacji nie stanowi żadnej racji przemawiającej za działaniem nr 1. W ostatnich kilku latach pojawiło się jednak kilka stanowisk, które bronią moralnego znaczenia rozróżnienia na ofiarę zidentyfikowaną i statystyczną i głoszą tym samym, że w Przykładach nr 5 i 6 istnieje pewna racja za tym, by wybrać działanie nr 1, czyli albo uratować osobę zidentyfikowaną, a nie statystyczną (Przykład nr 5), albo skrzywdzić osobę niezidentyfikowaną w momencie podejmowania decyzji (Przykład nr 6). Te stanowiska są jednak niejednoznaczne, jeśli chodzi o siłę domniemanej racji przemawiającej za ratowaniem osób zidentyfikowanych lub krzywdzeniem niezidentyfikowanych, co sprawia, że ich stanowisko w sprawie Przykładów nr 5a i 6a nie jest już jednoznaczne - (Hare 2012) uznawałby, że racja ta jest bardzo słaba i należałoby wybierać działanie nr 2; (Frick 2015a) – że jest mocniejsza i należałoby wybierać działanie nr 1.

4.1. Sprawiedliwość dystrybutywna i koncentracja ryzyka

Norman Daniels w pracy Reasonable disagreement about identified vs. statistical victims przedstawił interesujące uzasadnienie normatywnych implikacji efektu osoby zidentyfikowanej (Daniels 2012), które obecnie rozwija Johann Frick w różnych tekstach (Frick 2015b, a). Punktem wyjścia do analiz filozoficznych był dla Danielsa przykład bliski Przykładowi nr 5. Pomiędzy tym przykładem, a sytuacją opisaną przez Danielsa istnieje jednak istotna różnica i dlatego zaproponuję nowy przykład.

Przykład nr 5b: Agnieszka i jej koleżanki

Masz cztery tabletki, które mogą być wykorzystane albo jako skuteczne lekarstwo na śmiertelną chorobę, zakładając, że wszystkie cztery zostaną podane chorej osobie, albo jako skuteczne uodpornienie na tę samą chorobę, przy czym w tym wypadku wystarczy podać jedną tabletkę osobie mającą kontakt z chorą. Bez zażycia takiej uodparniającej tabletki jedna na cztery osoby narażona na kontakt z chorą lub chorym, sama zachoruje i umrze. Wyobraźmy sobie dalej, że Agnieszka choruje, a Beata, Cecylia, Dorota, Ewa miały z nią kontakt. Mamy dwa możliwe przypadki:

1) Leczenie: Możemy dać Agnieszce całą posiadaną przez nas dawkę – wszystkie cztery tabletki.

2) Uodpornienie: Możemy uodpornić cztery jej koleżanki, podając każdej z nich po jednej tabletce.

Daniels argumentował, że w tego typu sytuacji należy uratować Agnieszkę, bo „koncentracja ryzyka ma znacznie”, a w momencie podejmowania decyzji Agnieszka jest w gorszej sytuacji niż którakolwiek z jej czterech koleżanek: jeśli nie dostanie lekarstwa, to umrze, a każdej z jej koleżanek wciąż można przypisać prawdopodobieństwo wynoszące 0,75, że przeżyje. Daniels sugerował też, że racja przemawiająca za ratowaniem Agnieszki jest tym większa, im większe jest rozproszenie ryzyka w grupie ofiar niezidentyfikowanych. Na przykład, gdyby zamiast kilku koleżanek Agnieszka miała ich 100, a ryzyko zarażenia byłoby jak jeden do stu – to tym bardziej powinniśmy podać lekarstwo Agnieszce, zamiast uodporniać jej 100 koleżanek. W tego typu sytuacjach obowiązywałaby więc zdaniem Danielsa następująca reguła dystrybutywnej sprawiedliwości (distributive fairness): należy pomagać tym, którzy w danej sytuacji mają najmniejsze prawdopodobieństwo przeżycia.

Daniels traktuje więc prawdopodobieństwo przeżycia jako odrębne dobro, które podlega dystrybucji ze względu na wymogi sprawiedliwości. Dobro to można dystrybuować jego zdaniem podobnie jak inne dobra w sprawiedliwy lub niesprawiedliwy sposób. Jest to oczywiście kontrowersyjne podejście, o którym Caspar Hare pisał tak:

Dlaczego to nie życie jest właściwym dobrem w tym wypadku, tylko szansa na przeżycie? Jeśli umrę, to nie mam się znacznie lepiej przez to, że miałem dużą szansę na przeżycie. Jeśli żyję, to nie mam się znacznie gorzej przez to, że miałem niewielką szansę na przeżycie (Hare 2012, s. 385).

Wbrew tezie Hare’a można by argumentować, że sensowne jest jednak pisanie o sprawiedliwej dystrybucji szans na przeżycie, ponieważ świadomość prawdopodobieństwa śmierci wiąże się z bardzo wymiernymi kosztami psychicznymi: ktoś, kto miał niewielką szansę na przeżycie, ale przeżył pod pewnym względem był – i po fakcie nadal jest – w gorszej sytuacji ze względu na psychiczne koszty poniesione w związku z narażeniem na ryzyko, niż ktoś, kto miał dużą szansę na przeżycie i także przeżył.

Warto tu jednak podkreślić, że Daniels nie ma na myśli tego rodzaju kosztów psychicznych. Jego reguła sprawiedliwej dystrybucji szans na przeżycie działałaby także w sytuacji, w której zainteresowany (w tym wypadku Agnieszka i jej koleżanki) nie jest w ogóle świadomy zagrożenia. Znaczy to, że Daniels traktuje samo prawdopodobieństwo przeżycia lub śmierci jako odrębne dobro, którego wartość nie zależy od świadomości czy psychicznych kosztów związanych z byciem narażonym na ryzyko śmierci.

Główna różnica pomiędzy Przykładem nr 5b a Przykładem nr 5 jest taka, że w Przykładzie nr 5b, inspirowanym sytuacją opisaną przez Danielsa, prawdopodobieństwa przeżycia przypisane czterem kobietom (Beata, Cecylia, Dorota, Ewa) są niezależne od siebie: może się tak zdarzyć, że w sytuacji, gdy lekarstwo podamy Agnieszce, umrze więcej niż jedna jej przyjaciółka (a nawet, że umrą wszystkie), ale może się zdarzyć, że nie umrze żadna. Tymczasem w wyjściowym przykładzie prawdopodobieństwa były zależne (wiadomo było, że umrze jedna i tylko jedna z koleżanek Alicji). Czy ta różnica ma znaczenie, a jeśli tak, to jakie? Wydaje się, że w przypadku propozycji Danielsa także ta różnica nie ma znaczenia, ponieważ reguła sprawiedliwości dystrybutywnej, na którą powołuje się Daniels, działałaby także w Przykładzie nr 5: Alicja w tym przykładzie jest ex ante w gorszej sytuacji niż którakolwiek z jej koleżanek: to, czy prawdopodobieństwa śmierci w przypadku jej koleżanek są zależne od siebie czy nie, nie jest czynnikiem, który Daniels brałby pod uwagę.

Podsumowując, koncepcja Danielsa odwołująca się do sprawiedliwiej dystrybucji szans na przeżycie głosi, że w wyidealizowanych sytuacjach omawianych przez filozofów, w których mamy wybór pomiędzy pomocą jednej osobie zidentyfikowanej lub jednej statystycznej, istnieją określone względy moralne, które nakazują pomóc osobie zidentyfikowanej (i krzywdzić niezidentyfikowaną). Zarówno w Przykładzie nr 5, jak i w Przykładzie nr 5b koncepcja Danielsa implikuje więc, że należy wybrać działanie nr 1.

Caspar Hare pokazał jednak, że istnieją sytuacje, w których reguła sprawiedliwości dystrybutywnej przyjęta przez Danielsa nakazywałaby faworyzowanie osób statystycznych kosztem osób zidentyfikowanych, a więc to rozwiązanie nie spełniałoby nawet tego celu, do którego zostało stworzone.

Przykład nr 6b: Antoni i jego koledzy

Pięć osób jest w niebezpieczeństwie (Antoni, Bernard, Cezary, Daniel, Emil). Jeśli nic nie zrobisz, to wszyscy umrą. Na szczęście możesz podjąć jedno z dwóch działań (choć niestety nie oba jednocześnie). Jeśli podejmiesz działanie nr 1, to zapobiegniesz śmierci Antoniego; jeśli działanie nr 2 – jednego z czterech pozostałych mężczyzn, ale w momencie podejmowania decyzji nie wiadomo którego.

W tym przykładzie wszystkie pięć osób jest w tej samej sytuacji: jeśli wybierzesz działanie 1, to żaden z czterech kolegów Antoniego nie ma żadnych szans przeżycia. Jeśli wybierzesz działanie 2, to tylko Antoni nie ma szans na przeżycie – każdemu z czterech pozostałych można przypisać prawdopodobieństwo wynoszące 0,25, że przeżyje. Przyjmując regułę Danielsa, głoszącą, że dystrybucja szans ma moralne znacznie, a także zasadę agregowania roszczeń (w sytuacji, w której każda osoba z jakiejś większej grupy ma identyczne roszczenie, jak każda osoba z mniejszej grupy, liczba osób ma rozstrzygające znaczenie i powinniśmy pomóc raczej większej liczbie ludzi niż mniejszej), należałoby w tym wypadku uratować ofiarę statystyczną. Dlaczego? Jeśli podejmiesz działanie nr 1, to wiadomo, że uratujesz Antoniego (beneficjent zidentyfikowany) i wiadomo, że jego koledzy zginą (ofiary zidentyfikowane ex ante). Jeśli natomiast podejmiesz działanie nr 2, to wiadomo, że Antonii zginie (ofiara zidentyfikowana ex ante), ale jednocześnie dajesz jego czterem kolegom szansę na przeżycie wynoszącą 0,25. Ponieważ Daniels zakładał, że szanse na przeżycie są niezależnym dobrem, które podlega sprawiedliwej dystrybucji, to wydaje się, że w tym wypadku znacznie „sprawiedliwiej” byłoby w świetle jego koncepcji rozdzielić szanse na przeżycie pomiędzy większą grupę ludzi (cztery osoby) niż mniejszą (jedna). Do tego przykładu wrócę w części 4.3. Skupianie dobrych rezultatów i rozpraszanie złych, wcześniej omówię jednak pewną niedawną próbę rozwinięcia koncepcji Danielsa.

4.2. Kontraktualizm ex ante

W dwóch artykułach Johann Frick rozwija koncepcję Danielsa, polemizując z przytoczonym powyżej stanowiskiem Scanlona. Broni stanowiska, które określa jako kontraktualizm ex ante (Frick 2015b, a), które wcześniej zostało zaproponowane przez Stephena Johna (John 2014), odwołując się do sytuacji „społecznego ryzyka”, które definiuje w następujący sposób.

1) Ryzykowne działanie lub zaniechanie dotknie olbrzymią liczbę jednostek, w związku z czym jest niemal pewne, że niektórzy ludzie zostaną skrzywdzeni na skutek tego działania lub zaniechania.

(2) Indywidualne straty tych, którzy faktycznie zostaną skrzywdzeni na skutek tego działania lub zaniechania są znacząco wyższe niż indywidualne zyski tych, którzy skorzystają z rezultatów danego działania lub zaniechania.

(3) Ten typ działania jest na tyle rzadki, lub na tyle rzadko rezultaty dotyczą tych samych ludzi po wielokroć, że nie da się założyć, iż w dłuższej perspektywie każdy skorzysta z tego typu działań lub zaniechań.

(4) Ryzykowne działanie lub zaniechanie jest intuicyjnie dozwolone (Frick 2015a, s. 178-9).

Broniąc głównej tezy kontraktualizmu metaetycznego, Frick proponuje porównywać roszczenia zainteresowanych osób nie ex post, jak chciał Scanlon, ale przed daną decyzją (ex ante). Kontraktualizmowi ex post zarzuca, że prowadzi do porównywania roszczeń osób w różnych możliwych światach, w zależności od tego, kto ma szczęście lub pecha w danym możliwym świecie, a przez to jest stanowiskiem niekonkluzywnym w bardzo wielu sytuacjach (s. 196). Dwa główne przykłady, na których Frick opiera obronę kontraktualizmu ex ante, i które obrazują jego rozumienie „społecznego ryzyka” są następujące.

Przykład nr 8: masowe szczepienia (nieznane ofiary)

Milionowi dzieci zagraża groźna choroba wirusowa, która zabije je wszystkie, jeśli nie zrobisz nic. Musisz wybrać pomiędzy jedną z dwóch szczepionek (nie jesteś w stanie mieć ich obu).

Szczepionka nr 1 jest pewna: z pewnością uratuje życie każdego dziecka. Jednakże nie chroni całkowicie przed wirusem, którego skutkiem będzie niedający się usunąć paraliż jednej nogi, pozostający na resztę życia u każdego dziecka.
Szczepionka nr 2 jest ryzykowna: daje każdemu dziecku szansę wynoszącą 0,999 na całkowite wyleczenie. Jednakże, w przypadku każdego dziecka istnieje ryzyko wynoszące 0,001, że nie zadziała i wirus spowoduje śmierć dziecka (zakładamy, że prawdopodobieństwo w przypadku każdego z dzieci jest niezależne). Lekarze nie znają przyczyn, które decydują o skuteczności lub nieskuteczności szczepionki.

Przykład nr 9: masowe szczepienia (znane ofiary)

Sytuacja wygląda identycznie jak w Przykładzie nr 8, ale tym razem mamy następujące dwie opcje do wyboru.

Szczepionka nr 1 jest identyczna jak w poprzednim przykładzie, czyli uratuje wszystkie dzieci kosztem niedającego się usunąć paraliżu jednej nogi, który pozostanie na resztę życia u każdego dziecka.
Szczepionka nr 3 uratuje 999 tys. dzieci spośród miliona. Jednakże, ze względu na szczególny genotyp Szczepionka nr 3 na pewno nie będzie działała w przypadku 1000 zidentyfikowanych dzieci, które umrą na skutek tej choroby wirusowej.

Co powinniśmy zrobić w sytuacjach podobnych do tych z przykładów nr 9 i 10? W obu z nich, jeśli nie zastosujemy Szczepionki nr 1, zginie ok. 1000 osób. W Przykładzie nr 8 prawdopodobieństwo, że zginie 1000 dzieci (+/- 100) wynosi 0,99 (będą to ofiary zidentyfikowane ex post). W Przykładzie nr 9 wiemy, że na pewno 1000 dzieci o określonym genotypie nie przeżyje choroby (ofiary zidentyfikowane ex ante). Na tych dwóch przykładach łatwo zilustrować różnicę pomiędzy trzema typami stanowisk kontraktualistycznych:

1) W obu przypadkach powinniśmy użyć Szczepionki nr 1 (kontraktualizm ex post – patrz: 5.2.1. Argument z nieistotnych informacji (Fleurbaey, Voorhoeve 2013)).

2) Powinniśmy użyć odpowiednio Szczepionki nr 2 w Przykładzie nr 8 (nieznane ofiary) i Szczepionki nr 3 w Przykładzie nr 9 (znane ofiary) (kontraktualizm za zasłoną niewiedzy – patrz: 5.2.2. Argument z agregowania przypadków indywidualnych (Harsanyi 1977)).

3) W Przykładzie nr 8 (nieznane ofiary) powinniśmy użyć Szczepionki nr 2, ale w Przykładzie nr 9 (znane ofiary) Szczepionki nr 1 (kontraktualizm ex ante – patrz: 5.2.3. Argument z naturalnej zasłony niewiedzy (Frick 2015a)).

W następnych trzech podrozdziałach przedstawię główne argumenty przemawiające za każdym z tych stanowisk, a także omówię problemy, z jakimi muszą się one zmierzyć.

4.2.1. Argument z nieistotnych informacji

Kontraktualizm ex post uznaje, że nie ma żadnej moralnie istotnej różnicy pomiędzy Przykładem nr 8, a Przykładem nr 9. Skoro w Przykładzie nr 9 (znane ofiary) nie zgadzamy się na użycie Szczepionki nr 3 (a tym samym na śmierć 1000 dzieci zidentyfikowanych ex ante), to nie ma żadnego powodu, by w Przykładzie nr 8 używać szczepionki nr 2 (prowadzącej do śmierci tysiąca dzieci zidentyfikowanych ex post). Argumentacja jest następująca: zgodnie z omawianym wcześniej stanowiskiem kontraktualizmu ex post, dana procedura decyzyjna jest uzasadniona wtedy i tylko wtedy, gdyby nie sprzeciwiłaby się jej żadna rozsądna osoba, zakładając, że zna już stan świata, który się wyłoni po podjęciu danej decyzji. W Przykładzie nr 9 Szczepionce nr 3 sprzeciwiłoby się oczywiście owe 1000 osób, które byłyby ofiarami wirusa, ponieważ z ich perspektywy znacznie lepsza byłaby Szczepionka nr 1 (znacznie lepiej mieć sparaliżowaną nogę niż być martwym). Pozostałe osoby z kolei nie mogłyby rozsądnie domagać się użycia na wszystkich Szczepionki nr 3, ponieważ nie wolno rościć sobie prawa do większego komfortu, jeśli miałby on być okupiony życiem 1000 osób. Fakt, że komfort ten dotyczyłby aż 999 tys. ludzi nie ma znaczenia, bo stanowisko kontraktualistyczne (w przeciwieństwie do konsekwencjalizmu) nie dopuszcza tego typu agregowania. Tak więc w Przykładzie nr 9 jedyną dopuszczalną opcją jest użycie Szczepionki nr 1.

A skoro tak, to czy Przykład nr 9 różni się czymś istotnym od Przykładu nr 8? Odpowiedź kontraktualistów ex post brzmi: nie. Wiadomo przecież, że w Przykładzie nr 8 także umrze około 1000 osób (jak podałem wyżej, istnieje prawdopodobieństwo wynoszące 0,99, że umrze pomiędzy 900 a 1100 osób), czyli mniej więcej tyle, co w Przykładzie nr 9. To, że w jednym przypadku znamy tożsamość (genotyp) tych osób przed podjęciem działania, a w drugim poznamy dopiero po jego podjęciu, nie zmienia niczego – jest to wedle tego stanowiska informacja nieistotna moralnie. Stanowisko to można też określić mianem priorytaryzmu ex post, ponieważ głosi ono, że należy postępować tak, by przysporzyć korzyści nie tylko najgorzej sytuowanym obecnie, ale także tym, którzy będą w najgorszym położeniu w przyszłości nawet jeśli nie znamy ich tożsamości. Zakłada ono, że skoro przy pełnej wiedzy na temat tego, co się wydarzy i kto zginie w Przykładzie nr 9 na pewno wybralibyśmy Szczepionkę nr 1, to tak samo powinniśmy zrobić w Przykładzie nr 8, nie mając informacji na temat tożsamości ofiar. Co prawda w tej sytuacji nie da się podejmować decyzji przy „pełnej wiedzy na temat tego, co się wydarzy”, bo mamy jedynie informacje na temat prawdopodobieństwa skuteczności szczepionki, ale informacja ta jest na tyle szczegółowa (istnieje prawdopodobieństwo wynoszące 0,99, że umrze pomiędzy 900 a 1100 osób), że możemy zignorować te mniej prawdopodobne sytuacje, a w szczególności sytuację, w której nikt by nie zginął [1] (Reibetanz 1998, Fleurbaey, Voorhoeve 2013).

Choć stanowisko to wydaje się intuicyjne, jest ono sprzeczne z wieloma w pełni akceptowanymi praktykami, np. z sytuacją w której szczepimy dużą populację dzieci przeciwko jakiejś nieśmiertelnej chorobie, wiedząc jednocześnie, że na skutek negatywnych odczynów poszczepiennych umrzeć może jakaś niewielka liczba zaszczepionych dzieci. Innym przykładem jest prowadzenie drobnych zabiegów medycznych w związku z niezbyt poważnymi chorobami niezagrażającymi życiu (np. zakładanie wypełnień w zębach przy użyciu znieczulenia miejscowego), przy świadomości, że istnieje bardzo małe ryzyko śmierci pacjenta w wyniku takiego zabiegu. Inny przykład, spoza systemu opieki zdrowotnej dotyczy podejmowania rozmaitego rodzaju projektów publicznych, np. wielkich konstrukcji budowlanych służących rozrywce, mimo że ze względu na ryzyko śmierci podczas takich prac można mieć graniczące z pewnością przekonanie, że na pewno ktoś umrze w ich trakcie. To właśnie ta niezgodność z powszechnymi praktykami stanowi dla niektórych autorów główną podstawę do krytyki przytoczonego wyżej stanowiska (Frick 2015a).

4.2.2. Argument z przypadków indywidualnych

Inny typ kontraktualizmu, odwołujący się do Rawlsowskiego pojęcia zasłony niewiedzy, przyjmuje odwrotne stanowisko względem przykładów nr 8 i 9, a mianowicie twierdzi, że w żadnym z tych przykładów nie powinniśmy używać Szczepionki nr 1. Argument, który ma przemawiać za tym stanowiskiem polega na rozwiązaniu problemu międzyosobowego agregowania zysków i strat poprzez odwołanie się do poziomu indywidualnego. Rozważmy następujący przykład:

Przykład nr 10: pojedyncze szczepienie

Ta sama choroba, co w Przykładach nr 8 i 9 zagraża tylko jednej osobie, Agacie. Musi ona wybrać pomiędzy dwoma rodzajami terapii:

Szczepionka nr 1 jest identyczna jak w poprzednim dwóch przykładach, czyli na pewno uchroni przed chorobą, ale kosztem niedającego się usunąć paraliżu jednej nogi.
Szczepionka nr 2 jest identyczna jak w Przykładzie nr 8, czyli daje Agacie bardzo dużą szanse wynoszącą 0,999 na pozostanie zdrową. Jednakże istnieje ryzyko wynoszące 0,001, że szczepionka w ogóle nie zadziała i Agata umrze na skutek tej choroby wirusowej. Lekarze nie znają przyczyn, które decydują o skuteczności lub nieskuteczności szczepionki.

Załóżmy, że preferencje Agaty są takie, że wybieramy Szczepionkę nr 2 (jeśli ktoś się z tym nie zgadza i uważa jej wybór za nieracjonalny, to może zmienić prawdopodobieństwo śmierci na odpowiednio niższe zarówno w tym, jak i poprzednich przykładach – aż będzie na tyle niskie, by akceptacja Szczepionki nr 2 nie wzbudzała sprzeciwu).

Zwolennicy tego typu kontraktualizmu argumentują, że słuszność danego działania zależy wyłącznie od tego, jakie racje ma każda osoba, której dane działanie będzie dotyczyć. Jeśli w interesie Agaty z Przykładu nr 10, która jest w identycznej sytuacji jak każde z miliona dzieci z Przykładu nr 8, byłoby wybranie Szczepionki nr 2, to podobnie powinniśmy wybrać w przypadku każdego dziecka z Przykładu nr 8. Przykład z dziećmi można więc niejako „rozbić” na milion Przykładów nr 10. A skoro dla każdego kolejnego dziecka z osobna wybralibyśmy Szczepionkę nr 2, to ten typ kontraktualizmu zakłada, że nie ma żadnej bezosobowej racji na rzecz tego, by dla grupy takich indywiduów wybrać odmiennie niż dla każdego z członków tej grupy.

Dlaczego jednak ten typ konsekwencjalizmu głosi, że w Przykładzie nr 9 powinniśmy wybrać Szczepionkę nr 3? Przecież mamy tu do czynienia z ok. 1000 zidentyfikowanych ex ante dzieci, które skazujemy na śmierć. Sposobem uzasadnienia tego wyboru jest odwołanie się do hipotetycznego wyboru za zasłoną niewiedzy. W przypadku Przykładu nr 9 ten typ kontraktualizmu zakładałby, że „uzasadnienie dla każdej osoby” nie znaczy faktycznej zgody każdego z osobna – w takim bowiem wypadku rzadko kiedy dałoby się dojść do jakiegokolwiek konsensusu. Uzasadnione natomiast jest to działanie, na które zgodziłby się każdy rozsądny podmiot, ale w sytuacji niewiedzy na temat swojej tożsamości, czyli podmiot znajdujący się za zasłoną niewiedzy. Takie rozwiązanie ma istotną zaletę – sprowadza trudny problem interpersonalnego ważenia korzyści i krzywd do ważenia na poziomie jednostki, czyli intrapersonalnego. W takim rozumieniu Przykład nr 9 nie różni się niczym od Przykładu nr 8, ponieważ zasłona niewiedzy pozbawia decydentów informacji na temat własnej tożsamości, a tym samym informacji na temat tego, czy są osobą, która przeżyje dzięki Szczepionce nr 3, czy osobą, która umrze mimo jej zażycia (do podobnego typu argumentacji odwołałem się broniąc rodzicielskiego obowiązku wykonywania preimplantacyjnej diagnostyki genetycznej w niektórych sytuacjach (Żuradzki 2014)).

Krytycy tego typu kontraktualizmu twierdzą jednak, że przyjęty tryb podejmowania decyzji za zasłoną niewiedzy nie respektuje w rzeczywistości aktualnych preferencji podmiotów, które są ściśle związane z tożsamością, czyli byciem określoną osobą. Stanowisko to, twierdzą jego krytycy, akceptuje jedynie preferencje wynikające z samej przynależności do rodzaju ludzkiego. Co więcej, racjonalność akceptacji ryzyka na poziomie jednostkowym ze względu na dążenie do osiągnięcia jakiegoś dobra nie uzasadnia nakładania ciężarów na jednych ludzi po to tylko, by inni ludzie osiągnęli z tego korzyści. Zaś pytanie o to, na jaką regułę postępowania każdy rozsądny człowiek mógłby się zgodzić, jest innym pytaniem od tego, co maksymalizowałoby oczekiwania egoistycznie nastawionego podmiotu znajdującego się za zasłoną niewiedzy, czyli gdyby nie znał swojej tożsamości i pozycji (Reibetanz 1998).

4.2.3. Argument z naturalnej zasłony niewiedzy

W przeciwieństwie do poprzedniej wersji kontraktualizmu Johann Frick odwołuje się do naturalnej, a nie hipotetycznej, zasłony niewiedzy (podobnej koncepcji bronił też wcześniej (John 2014)). Znaczy to, że przypisuje istotną rolę normatywną wyłącznie tej niepewności, która jest wynikiem „naturalnych” procesów, nie zaś hipotetycznej zasłonie niewiedzy, która jest sztucznie skonstruowanym narzędziem intelektualnym. W Przykładzie nr 8, w którym tożsamość przyszłych ofiar nie jest z góry określona, proponuje, by podać Szczepionkę nr 2; zaś w Przykładzie nr 9, kiedy z góry wiadomo, kto by zginął, by podać Szczepionkę nr 1. Wymóg „naturalności” zasłony niewiedzy jest jednak problematyczny w bardziej skomplikowanych przypadkach, w których możemy wiedzieć, że istnieją pewne zidentyfikowane jednostki, które zostaną skrzywdzone przez nasze działanie, ale na skutek ograniczeń poznawczych nie da się tego sprawdzić. Zobaczmy to na kolejnym przykładzie.

Przykład nr 11: masowe szczepienia (ofiary potencjalnie znane)

Sytuacja wygląda identycznie jak w Przykładzie nr 8, ale tym razem mamy następujące dwie opcje do wyboru.

Szczepionka nr 1 jest identyczna jak w Przykładzie nr 8, czyli uratuje wszystkie dzieci kosztem niedającego się usunąć paraliżu jednej nogi, który pozostanie na resztę życia u każdego dziecka.
Szczepionka nr 4 uratuje 999 tys. dzieci spośród miliona. Jednakże, ze względu na szczególny genotyp Szczepionka nr 3 na pewno nie będzie działała w przypadku 1000 dzieci, które umrą na skutek tej choroby wirusowej. Sprawdzenie tego genotypu jest jednak niemożliwe obecnie z przyczyn technicznych.

W takim wypadku Frick uznaje, że należy stosować Szczepionkę nr 4, ponieważ jego zdaniem Przykład nr 11 jest znacznie bliższy Przykładowi nr 8 (nieznane ofiary) niż Przykładowi nr 9 (znane ofiary). Z tego wynika, że propozycja Fricka nie pokrywa się więc z zaproponowanym powyżej rozróżnieniem na osoby statystyczne i osoby zidentyfikowane. W Przykładzie nr 11 nie mamy bowiem do czynienia z ofiarami statystycznymi, lecz jedynie niezidentyfikowanymi ex ante, ponieważ nasza wyjściowa niewiedza na temat ich tożsamości wynika z ograniczeń poznawczych, a nie z niezdeterminowania lub nieokreśloności procesów naturalnych.

Warto też dodać, że ostatecznie Frick uznaje koncepcję pluralistyczną, twierdząc, że bronioną przez niego zasadę kontraktualizmu ex ante nie należy traktować jako jedyną zasadę wskazującą na to, co jest moralnie złe, ale jako jedną spośród wielu własności sprawiającą, że dana decyzja jest zła (wrong-making property). Znaczy to, że przynajmniej czasami inne względy mogą przeważyć moralne znaczenie zidentyfikowania ex ante. W przykładach nr 5a i 6a Frick uznałby zapewne, że należy podjąć działanie nr 2, czyli uratować więcej osób niezidentyfikowanych ex ante.

Główny zarzut w stosunku do tego stanowiska dotyczy niejasności samej koncepcji „naturalnej zasłony niewiedzy” proponowanej przez Fricka. Obowiązek podania Szczepionki nr 4 w podanym wyżej przykładzie zależeć będzie od stanu wiedzy lub poziomu rozwoju technicznego. Jeśli bowiem okazałoby się, że na skutek jakiegoś nowego odkrycia sprawdzenie genotypu w Przykładzie nr 11 stałoby się możliwe i bardzo proste, to Frick twierdziłby, że przykład ten byłby bliższy Przykładowi nr 9 (znane ofiary), a zatem, że należałoby zastosować Szczepionkę nr 1 (Frick 2015a, s. 191 i nast.). Co więcej, wedle tego podejścia decyzja w sytuacjach takich jak z Przykładu nr 8 zależałaby w wielu przypadkach od chęci danego podmiotu do zdobywania nowej wiedzy.

Dalsze zarzuty pod adresem stanowiska kontraktualizmu ex ante dotyczą przede wszystkim tego, że nie jest jasne w jaki w sposób należy rozumieć stwierdzenia na temat prawdopodobieństwa zajścia jakiegoś zdarzenia, w szczególności w interesującym nas tu kontekście ryzyka choroby (patrz interpretacje klasyczna, logiczna, częstotliwościowa, skłonnościowa, subiektywistyczna…). Przede wszystkim jednak kontraktualizm ex ante narusza intuicyjną zasadę głoszącą, że powinniśmy uratować raczej liczniejszą grupę ludzi niż mniej liczną (choć na problematyczność tej zasady zwrócił uwagę (Taurek 1977)). Chociażby w Przykładzie nr 3, w którym decydenci mogli koncentrować się na albo na grupie wysokiego ryzyka, albo na grupie niskiego ryzyka, stanowisko kontraktualizmu ex ante głosiłoby, że przynajmniej w niektórych sytuacjach należałoby koncentrować się na grupie wysokiego ryzyka, nawet jeśli z góry wiadomo by było, że taka polityka uratuje raczej mniej liczną grupę ludzi, niż liczniejszą. To zaś – w szczególności w przypadku decydentów publicznych jest bardzo problematyczne (John 2014).

4.3. Skupianie dobrych rezultatów i rozpraszanie złych

Kolejnym sposobem obrony moralnego znaczenia rozróżnienia na osoby zidentyfikowane i statycznie jest propozycja Caspara Hare’a, który – inaczej niż koncepcja kontraktualizmu ex post – uznaje, że istotne znaczenie ma tu statystyczność ofiary w sensie ścisłym, czyli wynikającym albo z niezdeterminowania procesów naturalnych, albo nieokreśloności warunków, w jakich zachodzi dane działanie. Hare zaproponował dwie reguły, które jego zdaniem stoją za normatywnym znaczeniem preferencji dla ofiar zidentyfikowanych.

Skupiaj dobre rezultaty: wiele dobrych w umiarkowanym stopniu rezultatów rozproszonych pomiędzy wielu ludzi nie sumuje się w taki sposób, by przeważyło bardzo dobry rezultat dla jednej osoby. Lepiej jest więc przynieść istotną korzyść jednej osobie, niż umiarkowaną wielu ludziom (jeśli to są jedyne możliwości, jakie mamy).
Rozpraszaj złe rezultaty: wiele złych w umiarkowanym stopniu rezultatów rozproszonych pomiędzy wielu ludzi nie sumuje się w taki sposób, by przeważyło bardzo zły rezultat dla jednej osoby. Lepiej jest więc skrzywdzić w umiarkowany sposób wiele osób niż istotnie skrzywdzić jedną (jeśli to są jedyne możliwości, jakie mamy).

Zaproponowane przez Hare’a reguły w następujący sposób funkcjonowałyby w dwóch istotnych przykładach: Przykładzie nr 5: Alicja i jej koleżanki i Przykładzie nr 6: Adam i jego koledzy. Przykład nr 5 można przedstawić w postaci następującej tabeli zawierającej oczekiwane szanse przeżycia w zależności od wyboru działania.

Tabela 1: Alicja i jej koleżanki
	Alicja	Beata	Cecylia	Dorota	Ela
Działanie 1	1	0,75	0,75	0,75	0,75
Działanie 2	0	1	1	1	1

Rezultat działania nr 1 jest bardzo dobry dla jednej osoby (Alicja), bardzo zły dla jednej osoby (jedna z czterech, która zginie) oraz neutralny dla trzech pozostałych (przeżyłyby bez względu na to, czy wybralibyśmy działanie nr 1 czy nr 2). Rezultat działania nr 2 jest dobry tylko w umiarkowanym stopniu dla każdej z czterech osób (zwiększa prawdopodobieństwo przeżycia z 0,75 do jednego); bardzo złe dla jednej osoby (Alicja). W tym wypadku, przyjmując dwie reguły Hare’a, należałoby wybrać działanie nr 1: lepiej jest bowiem zrobić coś bardzo dobrego dla jednej osoby niż umiarkowanie dobrego dla czterech (w obu przypadkach oprócz tego robimy coś bardzo złego dla jednej osoby, więc pod tym względem te działania się nie różnią).

Z kolei Przykład nr 6 można przedstawić w następującej tabeli:

Tabela 2: Adam i jego koledzy
	Adam	Bernard	Cezary	Daniel	Emil
Działanie 1	1	0	0	0	0
Działanie 2	0	0,25	0,25	0,25	0,25

Rezultat działania nr 1 jest bardzo dobry dla jednej osoby (Adam); zły tylko w umiarkowanym stopniu dla każdej z czterech pozostałych osób (obniża każdej z nich prawdopodobieństwo przeżycia z 0,25 na 0. Rezultat działania nr 2 jest bardzo dobry dla jednej osoby (jedna z czterech, która przeżyje); bardzo zły dla jednej osoby (Adam); neutralny dla trzech pozostałych osób (umierają bez względu na to, które działanie wybierzemy). W tym wypadku należałoby więc wybrać działanie 1, ponieważ lepiej jest zrobić coś złego w umiarkowanym stopniu dla każdej z czterech osób niż coś bardzo złego dla jednej osoby (ponadto w obu przypadkach robimy coś bardzo dobrego dla jednej osoby, więc pod tym względem te działania się nie różnią).

Główna wątpliwość dotycząca koncepcji Hare’a polega na tym, jaką wagę przypisuje on zaproponowanym przez siebie regułom. Z jednej strony bowiem określa on te reguły jako sprzeciwiające się agregowaniu (anty-aggregationist). Wydawać by się więc mogło, że podziela wątpliwość Johna Taureka, dotyczącą bezwzględnego obowiązku ratowania raczej większej liczby ludzi niż mniejszej. Z drugiej strony jednak pisze wyraźnie, że „nasz obowiązek pomocy dwóm ‘jedynie statystycznym’ ludziom jest silniejszy niż nasz obowiązek pomocy jednej ‘zidentyfikowanej’” (s. 389), co sugeruje, że normatywne znaczenie efektu ofiary zidentyfikowanej ogranicza on do bardzo wąskiego kręgu hipotetycznych sytuacji, w których mielibyśmy wybór pomiędzy ratowaniem jednej osoby statystycznej lub jednej zidentyfikowanej. A jeśli tak, to praktyczne znaczenie jego reguł byłoby właściwie znikome i nie miałoby zastosowania np. w zbliżonych do realnych problemów związanych z opieką medyczną przypadkach opisanych w Przykładzie nr 3.

Tak czy owak, koncepcja Hare’a jest najbardziej wyszukaną próbą obrony normatywnego znaczenia efektu ofiary zidentyfikowanej, a jej ważną zaletą – której nie mają wcześniej omówione koncepcje – jest wykorzystanie omówionej w Rozdziale 3 definicji osoby statystycznej. W przypadku beneficjentów lub ofiar statystycznych choć wiadomo, że ktoś skorzystał lub został skrzywdzony, to nie istnieje żadna konkretna osoba, która skorzystała na danym działaniu lub została skrzywdzona w wyniku jakiegoś działania. Niemożliwość stwierdzenia kto jest beneficjentem lub ofiarą statystyczną nie wynika jednak z naszych przygodnych ograniczeń poznawczych, ale jest wynikiem tego, że nie istnieje nic takiego w świecie na podstawie czego dałoby się to ustalić. W tego typu sytuacjach po to, by ustalić, kto faktycznie skorzystał lub został skrzywdzony przez daną decyzję, musielibyśmy bowiem w jakimś wcześniejszym momencie podjąć inną decyzję.

Podsumowanie

Efekt ofiary zidentyfikowanej jest kluczowym czynnikiem w przypadku wielu decyzji dotyczących dystrybucji zasobów w opiece zdrowotnej. Obecny stan badań nie jest zadowalający – zaledwie kilka przeprowadzonych na ten temat eksperymentalnych badań psychologicznych nie pokazało dokładnie mechanizmów psychologicznych odpowiedzialnych za ten efekt, brakuje też analiz filozoficznych czy prac dokumentujących faktyczny wpływ tego czynnika na konkretne decyzje lub kształt regulacji normatywnych. Przegląd ten zakończę więc cytatem z mojej pracy popularnonaukowej przedstawiającej hipotezę na temat jednego z najbardziej widocznych – w mojej opinii – przejawów efektu ofiary zidentyfikowanej, którym jest trend polegający na zwiększającej się systematycznie liczbie odmawiania szczepienia dzieci (w 2009 r. w Polsce zanotowano 3 tys. odmów szczepień obowiązkowych; w 2013 r. ponad 7 tys., a w 2014 r. już 12 tys.).

Z jednej strony niekiedy zdarzają się tzw. niepożądane odczyny poszczepienne. Mamy wówczas do czynienia z zidentyfikowanymi dziećmi, które cierpią na skutek podania im szczepionki. Z drugiej jednak strony, choć szczepienia przyczyniły się do ograniczenia wielu groźnych chorób i znacząco zmniejszyły śmiertelność wśród dzieci, to po tym, gdy już zaszczepiliśmy jakąś populację, nie da się z całą pewnością stwierdzić, które dzieci zachorowałyby lub które umarłyby, gdybyśmy tego nie zrobili. Prawie cała zaszczepiona populacja należy bowiem do beneficjentów statystycznych. Na pewno bardzo wiele dzieci by umarło, gdybyśmy ich nie zaszczepili, ale o żadnym konkretnym dziecku nie da się powiedzieć, że zachorowałoby czy umarło. To właśnie rozproszenie i ukrycie olbrzymich korzyści wśród dużej populacji jest jednym z czynników, który wzmacnia niechęć względem programu szczepień obowiązkowych i stoi za apelami o zniesienie obowiązkowych szczepień dzieci (Żuradzki 2016).

Literatura

Ashford, Elizabeth. 2003. "The demandingness of Scanlon’s contractualism." Ethics 113 (2):273-302.
Berker, Selim. 2009. "The normative insignificance of neuroscience." Philosophy & Public Affairs 37 (4):293-329.
Brock, Dan W, Daniel Wikler. 2009. "Ethical challenges in long-term funding for HIV/AIDS." Health Affairs 28 (6):1666-1676.
Broome, John. 1978. "Trying to value a life." Journal of Public Economics 9 (1):91-100.
Broome, John. 1994. "Fairness versus doing the most good." Hastings Center Report 24 (4):36-39.
Cookson, Richard, Christopher McCabe, Aki Tsuchiya. 2008. "Public healthcare resource allocation, the Rule of Rescue." Journal of Medical Ethics 34 (7):540-544.
Cowley, Christopher. 2016. "A Defence of Conscientious Objection in Medicine: A Reply to Schuklenk, Savulescu." Bioethics 30 (5):358–364.
Daniels, Norman. 1985. Just Health Care. Cambridge: Cambridge University Press.
Daniels, Norman. 2012. "Reasonable Disagreement about Identifed vs. Statistical Victims." Hastings Center Report 42 (1):35-45.
Dickert, Neal, David Wendler. 2009. "Ancillary care obligations of medical researchers." JAMA 302 (4):424-428.
Dickert, Stephan, Paul Slovic. 2011. "Unstable values in lifesaving decisions." Frontiers in Psychology 2.
Fetherstonhaugh, David, Paul Slovic, Stephen Johnson, James Friedrich. 1997. "Insensitivity to the value of human life: A study of psychophysical numbing." Journal of Risk and Uncertainty 14 (3):283-300.
Fleurbaey, Marc, Alex Voorhoeve. 2013. "Decide As You Would with Full Information!" [W:] Inequalities in Health: Concepts, Measures, and Ethics, Nir Eyal, Samia Hurst, Ole Frithjof Norheim, Daniel Wikler (red.), 113-128. Oxford: Oxford University Press.
Frick, Johann. 2015a. "Contractualism and Social Risk." Philosophy & Public Affairs 43 (3):175-223.
Frick, Johann. 2015b. "Treatment versus Prevention in the Fight against HIV/AIDS and the Problem of Identified versus Statistical Lives." [W:] Identified Versus Statistical Lives: An Interdisciplinary Perspective, edited by I. Glenn Cohen, Norman Daniels, Nir Eyal, 182-201. Oxford: Oxford University Press.
Fried, Charles. 1969. "The Value of Life." Harvard Law Review 82 (7):1415-1437.
Galak, Jeff, Deborah Small, Andrew T Stephen. 2011. "Microfinance Decision Making: A Field Study of Prosocial Lending." Journal of Marketing Research 48 (SPL):S130-S137.
Garrett, Jeremy R. 2015. "Collectivizing Rescue Obligations in Bioethics." The American Journal of Bioethics 15 (2):3-11.
Genevsky, Alexander, Daniel Västfjäll, Paul Slovic, Brian Knutson. 2013. "Neural Underpinnings of the Identifiable Victim Effect: Affect Shifts Preferences for Giving." The Journal of Neuroscience 33 (43):17188-17196.
Greene, Joshua D. 2007. "The Secret Joke of Kant’s Soul." [w:] Moral Psychology. The Neuroscience of Morality: Emotion, Brain Disorders, and Development, Walter Sinnott-Armstrong (red.), Cambridge (MA): MIT Press, 35-117.
Greene, Joshua D., R. Brian Sommerville, Leigh E. Nystrom, John M. Darley, Jonathan D. Cohen. 2001. "An fMRI Investigation of Emotional Engagement in Moral Judgment." Science 293 (5537):2105-2108.
Gross, Michael L. 2002. "Ethics, policy, and rare genetic disorders: the case of Gaucher disease in Israel." Theoretical Medicine and Bioethics 23 (2):151-170.
Hadorn, David C. 1991. "Setting health care priorities in oregon: Cost-effectiveness meets the rule of rescue." JAMA 265 (17):2218-2225.
Hadorn, David. C. 2015. "Ustalanie priorytetów w opiece medycznej w stanie Oregon: jakość życia a polityka zdrowotna." [W:] Antologia bioetyki. Sprawiedliwość w medycynie, część 2: Dystrybucja zasobów w opiece zdrowotnej, Włodzimierz Galewicz (red.), Kraków: Universitats, 279-295.
Haidt, Jonathan. 2001. "The emotional dog and its rational tail: a social intuitionist approach to moral judgment." Psychological Review 108 (4):814-834.
Haran, Uriel, Ilana Ritov. 2014. "Know who you're up against: Counterpart identifiability enhances competitive behavior." Journal of Experimental Social Psychology 54:115-121.
Hare, Caspar. 2012. "Obligations to Merely Statistical People." The Journal of Philosophy 109 (5/6):378-390.
Harris, John 2005. "Scientific research is a moral duty." Journal of Medical Ethics 31 (4):242-8.
Harris, John. 1987. "QALYfying the value of life." Journal of Medical Ethics 13 (3):117-123.
Harsanyi, John C. 1977. "Morality and the theory of rational behavior." Social Research 44 (4):623-656.
Hawkins, Jennifer S. 2006. "Justice and placebo controls." Social Theory and Practice 32 (3):467-96.
Hogan, Daniel R., Rob Baltussen, Chika Hayashi, Jeremy A. Lauer, Joshua A. Salomon. 2005. "Cost effectiveness analysis of strategies to combat HIV/AIDS in developing countries." BMJ 331 (7530):1431-1437.
Honeybul, Stephen, G. R. Gillett, K. M. Ho, C. R. Lind. 2011. "Neurotrauma and the rule of rescue." Journal of Medical Ethics 37 (12):707-10.
Hope, Tony. 2001. "Rationing and life-saving treatments: should identifiable patients have higher priority?" Journal of Medical Ethics 27 (3):179-185.
Howard, R. J. 2006. "We Have an Obligation to Provide Organs for Transplantation After We Die." American Journal of Transplantation 6 (8):1786-1789.
Hsu, Shi-Ling. 2008. "The Identifiability Bias in Environmental Law." Florida State University Law Review 35 (2):433-504.
Hájek, Alan. 2007. “Most counterfactuals are false”. ULR=http://philrsss.anu.edu.au/people-defaults/alanh/papers/MCF.pdf
Jecker, Nancy S. 2013. "The problem with rescue medicine." Journal of Medicine and Philosophy 38 (1):64-81.
Jenni, Karen E., George Loewenstein. 1997. "Explaining the Identifiable Victim Effect." Journal of Risk and Uncertainty 14 (3):235-257.
John, Stephen. 2014. "Risk, Contractualism, and Rose's 'Prevention Paradox'." Social Theory and Practice 40 (11):28-50.
Jonsen, Albert R. 1986. "Bentham in a box: technology assessment and health care allocation." Law Medicine & Health Care 14:172.
Jonsen, Albert R. 2015. "Bentham w szklanej gablocie: ocena technologii medycznych a alokacja środków na opiekę zdrowotną." [W:] Antologia bioetyki. Sprawiedliwość w medycynie, część 2: Dystrybucja zasobów w opiece zdrowotnej, Włodzimierz Galewicz (red.), Kraków: Universitas, 271-277.
Juth, Niklas. 2014. "For the Sake of Justice: Should We Prioritize Rare Diseases?" Health Care Analysis:1-20.
Kahneman, Daniel. 2012. Pułapki myślenia. O myśleniu szybkim i wolnym. Tłum. P. Szymczak. Poznań: Media Rodzina.
Kelleher, J. Paul. 2013. "Prevention, rescue and tiny risks." Public Health Ethics 6 (3):252-261.
Kogut, Tehila. 2011. "Someone to blame: When identifying a victim decreases helping." Journal of Experimental Social Psychology 47 (4):748-755.
Kogut, Tehila, Ehud Kogut. 2013. "Exploring the relationship between adult attachment style and the identifiable victim effect in helping behavior." Journal of Experimental Social Psychology 49 (4):651-660.
Kogut, Tehila, Ilana Ritov. 2005a. "The singularity effect of identified victims in separate and joint evaluations." Organizational Behavior and Human Decision Processes 97 (2):106-116.
Kogut, Tehila, Ilana Ritov. 2005b. "The “identified victim” effect: an identified group, or just a single individual?" Journal of Behavioral Decision Making 18 (3):157-167.
Kogut, Tehila, Ilana Ritov. 2015. "Target dependent ethics: discrepancies between ethical decisions toward specific and general targets." Current Opinion in Psychology 6:145-149.
Largent, Emily A., Steven D. Pearson. 2012. "Which Orphans Will Find a Home? The Rule of Rescue in Resource Allocation for Rare Diseases." Hastings Center Report 42 (1):27-34.
Lewis, David. 1973. Counterfactuals. Cambridge, MA: Harvard University Press.
McKie, John, Jeff Richardson. 2003. "The Rule of Rescue." Social Science and Medicine 56 (12):2407-2419.
Merritt, M. W., H. A. Taylor, and L. C. Mullany. 2010. "Ancillary Care in Community-Based Public Health Intervention Research." American Journal of Public Health 100 (2):211-216.
Miller, Franklin G, Michelle M Mello, and Steven Joffe. 2008. "Incidental findings in human subjects research: what do investigators owe research participants?" The Journal of Law, Medicine & Ethics 36 (2):271-279.
NICE. 2006. Citizen’s Council Report: Rule of Rescue. London: National Institute for Health and Clinical Excellence.
Nord, Erik, Jeff Richardson, Andrew Street, Helga Kuhse, Peter Singer. 1995. "Maximizing health benefits vs egalitarianism: an Australian survey of health issues." Social Science & Medicine 41 (10):1429-1437.
Otsuka, Michael. 2015. "Risking life and limb: How to discount harms by their improbability." [W:] Identified vs. Statistical Persons: An Interdisciplinary Perspective, I. Glenn Cohen, Norman Daniels, Nir Eyal (red.), Oxford: Oxford University Press, 77-93.
Parfit, Derek. 2012. Racje i osoby. Tłum. W. Hensel, M. Warchała. Warszawa: Wydawnictwo Naukowe PWN.
Rawls, John. 2009. Teoria sprawiedliwości. Tłum. M. Panufnik, J. Pasek, A. Romaniuk, S. Szymański. Warszawa: Wydawnictwo Naukowe PWN.
Reibetanz, Sophia. 1998. "Contractualism and Aggregation." Ethics 108 (2):296-311.
Ritov, Ilana, Tehila Kogut. 2011. "Ally or adversary: The effect of identifiability in inter-group conflict situations." Organizational Behavior and Human Decision Processes 116 (1):96-103.
Rose, Geoffrey. 1992. The Strategy of Preventive Medicine. Oxford: Oxford University Press.
Rubaltelli, Enrico, Sergio Agnoli. 2012. "The emotional cost of charitable donations." Cognition & emotion 26 (5):769-785.
Rulli, Tina, Joseph Millum. 2016. "Rescuing the duty to rescue." Journal of Medical Ethics 42 (4):260-4.
Savulescu, Julian, Udo Schuklenk. 2016. "Doctors Have no Right to Refuse Medical Assistance in Dying, Abortion or Contraception." Bioethics. DOI: 10.1111/bioe.12288.
Scanlon, Thomas M. 1998. What we owe to each other. Cambridge, MA: Harvard University Press.
Schelling, Thomas C. 1968. "The life you save may be your own." [W:] Problems in Public Expenditure Analysis, Samuel B. Chase (red.), Washington: Brookings Institution, 127–176.
Sheehan, Mark. 2007. "Resources and the Rule of Rescue." Journal of Applied Philosophy 24 (4):352-366.
Singer, Peter. 2005. "Ethics and intuitions." The Journal of Ethics 9 (3-4):331-352.
Slovic, Paul. 2007. "’If I look at the mass I will never act’: Psychic numbing and genocide." Judgment and Decision Making 2 (2):79-95.
Small, Deborah A., George Loewenstein, Paul Slovic. 2007. "Sympathy and callousness: The impact of deliberative thought on donations to identifiable and statistical victims." Organizational Behavior and Human Decision Processes 102 (2):143-153.
Small, Deborah A. 2015. "On the Psychology of the Identifiable Victim Effect." [W:] Identified Versus Statistical Lives: An Interdisciplinary Perspective, I. Glenn Cohen, Norman Daniels, Nir Eyal (red.), Oxford: Oxford University Press, 13-23.
Small, Deborah A, George Loewenstein. 2005. "The devil you know: The effects of identifiability on punishment." Journal of Behavioral Decision Making 18 (5):311-318.
Small, Deborah A., George Loewenstein. 2003. "Helping a Victim or Helping the Victim: Altruism and Identifiability." Journal of Risk and Uncertainty 26 (1):5-16.
Stalnaker, Robert. 1984. Inquiry. Cambridge (Mass.): MIT Press.
Steinbrook, Robert. 2008. "Saying no isn't NICE – the travails of Britain's National Institute for Health and Clinical Excellence." New England Journal of Medicine 359 (19):1977-1981.
Taurek, John M. 1977. "Should the numbers count?" Philosophy & Public Affairs 6 (4):293-316.
Tinghög, Gustav. 2012. "Discounting, Preferences, and Paternalism in Cost-Effectiveness Analysis." Health Care Analysis 20 (3):297-318.
Västfjäll, Daniel, Paul Slovic, Marcus Mayorga, Ellen Peters. 2014. "Compassion fade: Affect and charity are greatest for a single child in need." PloS one 9 (6):e100115.
WHO. 1947. "The constitution of the World Health Organization." WHO Chronicle 1:6-24.
Zielińska, Eleonora. 2008. Ustawa o zawodach lekarza i lekarza dentysty: komentarz. Warszawa: Wolters Kluwer Polska.
Żuradzki, Tomasz. 2014. "Preimplantation genetic diagnosis and rational choice under risk or uncertainty." Journal of Medical Ethics 40 (11): 774-778.
Żuradzki, Tomasz. 2015. "The Preference Toward Identified Victims and Rescue Duties." American Journal of Bioethics 15 (2):25-27.
Żuradzki, Tomasz. 2016. "Szczepienia obowiązkowe a efekt ofiary zidentyfikowanej." Filozofia w Praktyce 2 (4).

Przypisy:

[1] Prawdopodobieństwo, że zginie co najmniej jedna osoba przy tak skonstruowanym przykładzie wynosi: 1-.

INTERDYSCYPLINARNE CENTRUM ETYKI UJ

BIOETYKA / ETYKA MEDYCZNA

Racjonowanie świadczeń

Tomasz Żuradzki
Interdyscyplinarne Centrum Etyki UJ, Kraków 2016, data publikacji: 1 grudnia 2016

Preferowanie osób zidentyfikowanych w alokacji zasobów medycznych

Spis treści

Wstęp

1. Efekt osoby zidentyfikowanej w ekonomice służby zdrowia

2.1. Zasada ratowania życia

2.2. Zastosowanie zasady ratowania życia w alokacji zasobów w ochronie zdrowia

2. Badania psychologiczne nad efektem osoby zidentyfikowanej

Problem 1

Problem 2

3. Definicja osoby statystycznej

4. Uzasadnienia normatywnego znaczenia efektu osoby zidentyfikowanej

4.1. Sprawiedliwość dystrybutywna i koncentracja ryzyka

4.2. Kontraktualizm ex ante

4.2.1. Argument z nieistotnych informacji

4.2.2. Argument z przypadków indywidualnych

4.2.3. Argument z naturalnej zasłony niewiedzy

4.3. Skupianie dobrych rezultatów i rozpraszanie złych

Tabela 1: Alicja i jej koleżanki

Tabela 2: Adam i jego koledzy

Podsumowanie

Literatura

Przypisy:

INTERDYSCYPLINARNE CENTRUM ETYKI UJ

BIOETYKA / ETYKA MEDYCZNA

Racjonowanie świadczeń

Tomasz Żuradzki Interdyscyplinarne Centrum Etyki UJ, Kraków 2016, data publikacji: 1 grudnia 2016

Preferowanie osób zidentyfikowanych w alokacji zasobów medycznych

Spis treści

Wstęp

1. Efekt osoby zidentyfikowanej w ekonomice służby zdrowia

2.1. Zasada ratowania życia

2.2. Zastosowanie zasady ratowania życia w alokacji zasobów w ochronie zdrowia

2. Badania psychologiczne nad efektem osoby zidentyfikowanej

Problem 1

Problem 2

3. Definicja osoby statystycznej

4. Uzasadnienia normatywnego znaczenia efektu osoby zidentyfikowanej

4.1. Sprawiedliwość dystrybutywna i koncentracja ryzyka

4.2. Kontraktualizm ex ante

4.2.1. Argument z nieistotnych informacji

4.2.2. Argument z przypadków indywidualnych

4.2.3. Argument z naturalnej zasłony niewiedzy

4.3. Skupianie dobrych rezultatów i rozpraszanie złych

Tabela 1: Alicja i jej koleżanki

Tabela 2: Adam i jego koledzy

Podsumowanie

Literatura

Przypisy:

Tomasz Żuradzki
Interdyscyplinarne Centrum Etyki UJ, Kraków 2016, data publikacji: 1 grudnia 2016