Countering the logics of war in global health policy: fake drugs, antimicrobial resistance, and fugitive science
Notice bibliographique
Résumé
Powerful pharmaceuticals are readily available for purchase throughout Tanzania and global health policy makers decry this situation as dangerous and disordered, as if no rules govern the use of drugs in Africa. In the prevailing global health understanding, ‘truth’ lies in the laboratory science that goes into the making and proper prescription of drugs, and such deviations as ‘overuse’ and ‘misuse’ result from the fact that locals supposedly misunderstand what these drugs are and how they should be used. However, my ethnographic research in Tanzania reveals that embodied epistemologies frequently enable medical practitioners and patients to evaluate the quality of various drugs and to identify chakachua (substandard or adulterated) pharmaceuticals through their material and sensory qualities—a practice I conceptualize as a form of ‘fugitive science’ (Rusert Citation2017). In light of this, I analyze the WHO’s National Action Plan for Antimicrobial Resistance in Tanzania, demonstrating how such global health policies disregard this knowledge, employing neocolonial rhetoric that presents ‘ignorance’ and ‘lack of hygiene’ as the sources of growing antimicrobial resistance while simultaneously obscuring structural inequalities. I argue that such forms of global health surveillance operate through the logics and epistemologies of war (Chow Citation2006; Terry Citation2017) in ways that render populations in the Global South into threats and targets. I conclude by suggesting that fugitive science can work as counter-evidence to health security frameworks and, as such, represents a furtive form of resistance to these militarized logics.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».