1
00:00:00,000 --> 00:00:05,000
(Applåder)

2
00:00:06,000 --> 00:00:11,000
AIDS upptäcktes 1981. Viruset, 1983.

3
00:00:11,000 --> 00:00:13,000
De här Gapminder-bubblorna visar

4
00:00:13,000 --> 00:00:17,000
virusets spridning i världen 1983,

5
00:00:17,000 --> 00:00:19,000
eller hur vi uppskattar att det var.

6
00:00:19,000 --> 00:00:21,000
Vad vi visar här är --

7
00:00:21,000 --> 00:00:28,000
på den här axeln, visar jag andelen HIV-infekterade vuxna.

8
00:00:28,000 --> 00:00:33,000
Och på den här axeln visar jag inkomst per person i dollar.

9
00:00:33,000 --> 00:00:37,000
Och storleken på de här bubblorna, storleken,

10
00:00:37,000 --> 00:00:40,000
visar hur många smittade det är i varje land.

11
00:00:40,000 --> 00:00:42,000
Och färgen anger kontinenten.

12
00:00:42,000 --> 00:00:44,000
Titta här: USA

13
00:00:44,000 --> 00:00:47,000
hade 1983 en väldigt låg procentandel smittade.

14
00:00:47,000 --> 00:00:51,000
Men ändå ett betydande antal eftersom befolkningen är stor.

15
00:00:51,000 --> 00:00:54,000
I USA var det ganska många smittade människor.

16
00:00:54,000 --> 00:00:56,000
Och däruppe ser du Uganda.

17
00:00:56,000 --> 00:00:59,000
De hade nästan 5 procent smittade,

18
00:00:59,000 --> 00:01:02,000
och en ganska stor bubbla trots att det inte var så stor befolkning då.

19
00:01:02,000 --> 00:01:07,000
Och det var förmodligen det land med flest infekterade.

20
00:01:07,000 --> 00:01:09,000
Men, vad har hänt?

21
00:01:09,000 --> 00:01:11,000
Nu har du förstått grafen,

22
00:01:11,000 --> 00:01:14,000
och under de kommande 60 sekunderna

23
00:01:14,000 --> 00:01:17,000
ska vi spela upp den globala HIV-epidemin.

24
00:01:17,000 --> 00:01:20,000
Men innan det: Jag har en ny uppfinning här!

25
00:01:22,000 --> 00:01:25,000
(Skratt)

26
00:01:27,000 --> 00:01:31,000
Jag har "solidifierat" laserpekarens stråle.

27
00:01:31,000 --> 00:01:34,000
(Skratt)

28
00:01:34,000 --> 00:01:37,000
(Applåder)

29
00:01:40,000 --> 00:01:44,000
Så, klara, färdiga, gå!

30
00:01:44,000 --> 00:01:48,000
Först ser vi hur Uganda och Zimbabwe stiger fort.

31
00:01:48,000 --> 00:01:50,000
De for uppåt så här.

32
00:01:50,000 --> 00:01:54,000
Thailand blev det första landet i Asien med utbredd infektion.

33
00:01:54,000 --> 00:01:56,000
De nådde 1-2 procent.

34
00:01:56,000 --> 00:01:58,000
Sen började Uganda vända,

35
00:01:58,000 --> 00:02:00,000
medan Zimbabwe sköt i höjden.

36
00:02:00,000 --> 00:02:04,000
Och några år senare såg Sydafrika en fruktansvärd ökning av HIV-frekvensen.

37
00:02:04,000 --> 00:02:06,000
Titta! I Indien blev många infekterade,

38
00:02:06,000 --> 00:02:08,000
men fortfarande en låg procentuell nivå.

39
00:02:08,000 --> 00:02:10,000
Och nästan samma sak händer här.

40
00:02:10,000 --> 00:02:13,000
Titta, Uganda på väg ned, Zimbabwe likaså.

41
00:02:13,000 --> 00:02:15,000
Ryssland steg till 1 procent.

42
00:02:15,000 --> 00:02:18,000
Under de sista 2-3 åren,

43
00:02:18,000 --> 00:02:22,000
har HIV-epidemin i världen nått ett stabilt tillstånd.

44
00:02:22,000 --> 00:02:25,000
25 år tog det.

45
00:02:25,000 --> 00:02:28,000
Observera: "Stabilt tillstånd" betyder inte att det blir bättre,

46
00:02:28,000 --> 00:02:31,000
bara att det inte längre blir värre.

47
00:02:31,000 --> 00:02:35,000
Det stabila tillståndet innebär att

48
00:02:35,000 --> 00:02:39,000
1 procent av världens vuxna befolkning är HIV-infekterad.

49
00:02:39,000 --> 00:02:42,000
Alltså 30-40 miljoner människor.

50
00:02:42,000 --> 00:02:44,000
Som hela Kalifornien, varje person,

51
00:02:44,000 --> 00:02:46,000
Det är mer eller mindre hur det ser ut i världen idag.

52
00:02:46,000 --> 00:02:51,000
Låt mig nu visa en snabb repris av Botswana.

53
00:02:51,000 --> 00:02:55,000
Botwana - ett övre medelinkomstland i södra Afrika,

54
00:02:55,000 --> 00:02:58,000
demokratisk regering, god ekonomi,

55
00:02:58,000 --> 00:03:00,000
och detta är vad som hände där.

56
00:03:00,000 --> 00:03:02,000
De började lågt, de sköt i höjden,

57
00:03:02,000 --> 00:03:05,000
de nådde en topp däruppe 2003,

58
00:03:05,000 --> 00:03:07,000
och nu är de på väg ned.

59
00:03:07,000 --> 00:03:09,000
Men det går sakta,

60
00:03:09,000 --> 00:03:11,000
för Botswana, med god ekonomi och styrning,

61
00:03:11,000 --> 00:03:14,000
klarar av att behandla människor.

62
00:03:14,000 --> 00:03:17,000
Och om människor som är infekterade blir behandlade, så dör de inte av AIDS.

63
00:03:17,000 --> 00:03:20,000
Och då kommer inte de här procentandelarna minska,

64
00:03:20,000 --> 00:03:22,000
för människor kan överleva i 10-20 år.

65
00:03:22,000 --> 00:03:25,000
Så nu finns det vissa svårigheter med det här måttet.

66
00:03:25,000 --> 00:03:29,000
Men de fattigare länderna i Afrika, låginkomstländerna här nere,

67
00:03:29,000 --> 00:03:35,000
där minskar andelen infekterade snabbare

68
00:03:35,000 --> 00:03:37,000
eftersom människor fortfarande dör.

69
00:03:37,000 --> 00:03:40,000
Trots PEPFAR, det generösa PEPFAR,

70
00:03:40,000 --> 00:03:43,000
så når behandligen inte alla människor,

71
00:03:43,000 --> 00:03:45,000
och av de som behandlingen når i de fattiga länderna,

72
00:03:45,000 --> 00:03:48,000
är bara 60 procent kvar under behandling efter två år.

73
00:03:48,000 --> 00:03:52,000
Det är inte realistiskt med livslång behandling

74
00:03:52,000 --> 00:03:54,000
för alla i de fattigaste länderna.

75
00:03:54,000 --> 00:03:57,000
Men det är väldigt bra att det som görs, görs.

76
00:03:57,000 --> 00:04:01,000
Men fokuset är återigen "prevention".

77
00:04:01,000 --> 00:04:04,000
Det är bara genom att stoppa spridningen

78
00:04:04,000 --> 00:04:07,000
som världen kommer kunna handskas med epidemin.

79
00:04:07,000 --> 00:04:09,000
Mediciner är för dyra - om vi hade haft vaccinet,

80
00:04:09,000 --> 00:04:12,000
eller när vi får vaccinet

81
00:04:12,000 --> 00:04:14,000
men medicinerna är väldigt dyra för de fattiga.

82
00:04:14,000 --> 00:04:16,000
Inte medicinen, utan behandlingen,

83
00:04:16,000 --> 00:04:18,000
och den nödvändiga vården runt i kring.

84
00:04:20,000 --> 00:04:23,000
Så, när vi ser på mönstret

85
00:04:23,000 --> 00:04:25,000
framstår en sak väldigt tydligt

86
00:04:25,000 --> 00:04:27,000
ni ser de blåa bubblorna

87
00:04:27,000 --> 00:04:29,000
och folk säger att Afrika har mycket HIV

88
00:04:29,000 --> 00:04:32,000
Jag skulle säga att HIV är väldigt olika i Afrika.

89
00:04:32,000 --> 00:04:36,000
Vi har de högsta HIV talen i världen

90
00:04:36,000 --> 00:04:38,000
de finns i afrikanska länder

91
00:04:38,000 --> 00:04:40,000
och samtidigt hittar vi Senagal här nere

92
00:04:40,000 --> 00:04:42,000
på samma nivå som USA.

93
00:04:42,000 --> 00:04:44,000
Och här är Madagaskar,

94
00:04:44,000 --> 00:04:46,000
och du hittar en rad afrikanska länder

95
00:04:46,000 --> 00:04:49,000
ungefär på samma låga nivå som resten av världen.

96
00:04:49,000 --> 00:04:53,000
Det är en fruktansvärd förenkling att det skulle finnas ett Afrika

97
00:04:53,000 --> 00:04:55,000
och att saker pågår på ett sätt i Afrika.

98
00:04:55,000 --> 00:04:57,000
Vi måste sluta med det.

99
00:04:57,000 --> 00:05:00,000
Det är inte respektfullt och det är inte särskilt intelligent

100
00:05:00,000 --> 00:05:02,000
att tänka så.

101
00:05:02,000 --> 00:05:06,000
(Applåder)

102
00:05:06,000 --> 00:05:09,000
Jag hade förmånen att få bo och arbeta en tid i USA.

103
00:05:09,000 --> 00:05:13,000
Jag upptäckte att Salt lake City och San Francisco är väldigt olika.

104
00:05:13,000 --> 00:05:15,000
(Skratt)

105
00:05:15,000 --> 00:05:18,000
Och så är det också i Afrika - det är stora olikheter.

106
00:05:18,000 --> 00:05:20,000
Så varför är det så högt? Är det på grund av krig?

107
00:05:20,000 --> 00:05:22,000
Nej, titta här.

108
00:05:22,000 --> 00:05:25,000
Krigshärjade Kongo här nere - två, tre, fyra procent.

109
00:05:25,000 --> 00:05:29,000
Och här är fredliga Zambia, ett grannland - 15 procent.

110
00:05:29,000 --> 00:05:32,000
Och det finns bra studier gjorda på flyktingar från Kongo -

111
00:05:32,000 --> 00:05:34,000
de har två, tre procent HIV-smitta

112
00:05:34,000 --> 00:05:36,000
och fredliga Zambia - mycket högre.

113
00:05:36,000 --> 00:05:38,000
Studier visar tydligt hur

114
00:05:38,000 --> 00:05:41,000
krig visserligen är fruktansvärda, våldtäkter är fruktansvärda

115
00:05:41,000 --> 00:05:44,000
men de är inte den drivande orsaken till höga HIV-tal i Afrika.

116
00:05:44,000 --> 00:05:46,000
Så, är de fattigdom?

117
00:05:46,000 --> 00:05:48,000
Ser man till makro-nivån.

118
00:05:48,000 --> 00:05:50,000
så ser det ut som om mer pengar, ger högre HIV-tal.

119
00:05:50,000 --> 00:05:53,000
Men det är väldigt förenklat.

120
00:05:53,000 --> 00:05:55,000
Så, låt oss titta på Tanzania.

121
00:05:55,000 --> 00:05:59,000
Jag delar Tanzania i fem inkonstgrupper,

122
00:05:59,000 --> 00:06:01,000
från den högsta inkomsten till den lägsta inkomsten.

123
00:06:01,000 --> 00:06:03,000
och så kör vi.

124
00:06:03,000 --> 00:06:06,000
De med de högsta inkomsterna, de mer besuttna, jag skulle inte säga rika,

125
00:06:06,000 --> 00:06:08,000
de har högre HIV.

126
00:06:08,000 --> 00:06:11,000
Skillnaden går från 11 ner till fyra procent

127
00:06:11,000 --> 00:06:13,000
och skillnaden är till och med större bland kvinnor.

128
00:06:13,000 --> 00:06:17,000
Det är mycket som vi trodde, men som nu bra forskning

129
00:06:17,000 --> 00:06:20,000
gjord av afrikanska institutioner och forskare

130
00:06:20,000 --> 00:06:23,000
tillsammans internationella, visar att det inte stämde.

131
00:06:23,000 --> 00:06:25,000
Så, det här är skillnaden inom Tanzania.

132
00:06:25,000 --> 00:06:27,000
Och, jag kan inte låta bli att visa Kenya.

133
00:06:27,000 --> 00:06:29,000
Titta här på Kenya.

134
00:06:29,000 --> 00:06:31,000
Jag har delat in Kenya i dess provinser.

135
00:06:31,000 --> 00:06:33,000
Nu kör vi.

136
00:06:33,000 --> 00:06:36,000
Se på skillnaden i ett afrikanskt land -

137
00:06:36,000 --> 00:06:39,000
den går från en väldigt låg nivå till en väldigt hög nivå.

138
00:06:39,000 --> 00:06:42,000
och de flesta provinserna i Kenya är ganska modesta.

139
00:06:42,000 --> 00:06:44,000
Så, vad är det då?

140
00:06:44,000 --> 00:06:48,000
Varför har vi så extremt höga nivåer i vissa länder?

141
00:06:48,000 --> 00:06:51,000
Det är vanligare med flera partners,

142
00:06:51,000 --> 00:06:54,000
det är lägre kondomanvändning

143
00:06:54,000 --> 00:06:57,000
det är ett sex över generationsgränserna,

144
00:06:57,000 --> 00:07:00,000
att äldre män tenderar att ha se med yngre kvinnor.

145
00:07:00,000 --> 00:07:03,000
Vi ser högre andel i unga kvinnor än i unga män

146
00:07:03,000 --> 00:07:05,000
i många av dessa hårt drabbade länder.

147
00:07:05,000 --> 00:07:07,000
Men var finns de?

148
00:07:07,000 --> 00:07:09,000
Jag ska byta bubblorna till en karta.

149
00:07:09,000 --> 00:07:13,000
Titta de högst drabbade länderna motsvarar fyra procent av befolkningen.

150
00:07:13,000 --> 00:07:16,000
och de har 50 procent av alla HIV-smittade.

151
00:07:16,000 --> 00:07:19,000
HIV finns överallt i världen.

152
00:07:19,000 --> 00:07:21,000
Se, det finns bubblor över hela världen.

153
00:07:21,000 --> 00:07:24,000
Brasilien har många HIV-smittade.

154
00:07:24,000 --> 00:07:27,000
Arabländerna har inte så många, men Iran har ganska många -

155
00:07:27,000 --> 00:07:31,000
de har heroinmissbruk och även prostitution i Iran.

156
00:07:31,000 --> 00:07:33,000
Inden har många för att de är så många.

157
00:07:33,000 --> 00:07:35,000
Sydostasien, och så vidare.

158
00:07:35,000 --> 00:07:37,000
Men det är en del av Afrika -

159
00:07:37,000 --> 00:07:39,000
och svårigheten är att, på samma gång

160
00:07:39,000 --> 00:07:43,000
inte göra ett ensidigt uttalande om Afrika

161
00:07:43,000 --> 00:07:47,000
inte hänfalla till förenklade idéer om varför det är som det är, å ena sidan.

162
00:07:47,000 --> 00:07:50,000
Och å andra sidan, försöka säga att detta inte stämmer.

163
00:07:50,000 --> 00:07:54,000
För det finns ett vetenskapligt konsensus om detta mönster nu.

164
00:07:54,000 --> 00:07:57,000
UNAIDS har gjort bra data tillgänglig, till slut,

165
00:07:57,000 --> 00:08:00,000
om spridnignen av HIV.

166
00:08:00,000 --> 00:08:03,000
Det kan vara pga. flera samtida partners.

167
00:08:03,000 --> 00:08:06,000
Det kan vara vissa virus-typer.

168
00:08:06,000 --> 00:08:10,000
Det kan vara andra saker.

169
00:08:10,000 --> 00:08:13,000
som leder till ökad spridning.

170
00:08:13,000 --> 00:08:16,000
Trots allt, om du är helt frisk och har heterosexuellt sex,

171
00:08:16,000 --> 00:08:21,000
risken att bli smittad under ett samlag är en på 1000.

172
00:08:21,000 --> 00:08:23,000
Dra inga förhastade slutsatser nu;

173
00:08:23,000 --> 00:08:25,000
uppför er ordentligt inatt och så vidare.

174
00:08:25,000 --> 00:08:27,000
(Skratt)

175
00:08:27,000 --> 00:08:30,000
Men - och om ni är en mindre lyckasom situation.

176
00:08:30,000 --> 00:08:33,000
har andra sexuella sjukdomar, kan det vara en på 100.

177
00:08:33,000 --> 00:08:36,000
Men vad vi tror är att det kan vara samtida partners.

178
00:08:36,000 --> 00:08:38,000
Och vad är samtida partners.

179
00:08:38,000 --> 00:08:40,000
I Sverige har vi inte samtida partners.

180
00:08:40,000 --> 00:08:42,000
Vi har serie-monogami.

181
00:08:42,000 --> 00:08:44,000
Vodka, nyårssafton - ny partner till våren.

182
00:08:44,000 --> 00:08:46,000
Vodka, midsommar - ny partner till hösten.

183
00:08:46,000 --> 00:08:48,000
Vodka - och så fortsätter det.

184
00:08:48,000 --> 00:08:51,000
Och du samlar på dig ett stort antal före detta.

185
00:08:51,000 --> 00:08:53,000
och vi har en fruktansvärd klamydia-epidemi

186
00:08:53,000 --> 00:08:57,000
en fruktansvärd klamydia-epidemi som stannar kvar i flera år.

187
00:08:57,000 --> 00:09:00,000
HIV når sin topp efter tre till sex veckor.

188
00:09:00,000 --> 00:09:03,000
och därför är det mycket farligare att ha fler än en partner samma månad

189
00:09:03,000 --> 00:09:06,000
för HIV än andra sjukdomar.

190
00:09:06,000 --> 00:09:08,000
Troligtvis är det en kombination av detta.

191
00:09:08,000 --> 00:09:11,000
Och vad som gör mig så glad är att vi rör oss

192
00:09:11,000 --> 00:09:13,000
mot mer fakta när vi pratar om detta.

193
00:09:13,000 --> 00:09:15,000
Ni kan hämta den här PDF-en gratis.

194
00:09:15,000 --> 00:09:18,000
Vi har laddat upp UNAIDS data på www.gapminder.org.

195
00:09:18,000 --> 00:09:22,000
Och jag hoppas att när vi i framtiden tacklar globala problem,

196
00:09:22,000 --> 00:09:25,000
kommer vi inte bara ha hjärta,

197
00:09:25,000 --> 00:09:27,000
och inte bara pengar,

198
00:09:27,000 --> 00:09:30,000
utan vi kommer också använda våra hjärnor.

199
00:09:30,000 --> 00:09:32,000
Tack så mycket.

200
00:09:32,000 --> 00:09:38,000
(Applåder)