USA og dets 50 delstatsjurisdiktioner giver et naturligt eksperiment for at teste, om overskydende dødsfald af alle årsager direkte kan tilskrives implementeringen af de sociale og økonomiske strukturelle ændringer i stor skala, der er induceret ved at beordre generel befolkningsnedlukning.
Ti stater havde ingen lockdown-pålæggelser, og der er 38 par af lockdown/ikke-lockdown-stater, der deler en landegrænse. Vi finder, at den regulatoriske pålæggelse og håndhævelse af statsdækkende ordrer om husly på stedet eller ophold-hjemme er endegyldigt korrelerer med større sundhedsstatuskorrigeret, pr. indbygger, dødelighed af alle årsager efter stat. Dette resultat er ikke i overensstemmelse med hypotesen om, at lockdowns reddede liv.
Introduktion
Den 11. marts 2020 erklærede Verdenssundhedsorganisationen en pandemi baseret på et rapporteret udbrud i Wuhan, Kina af COVID-19 (herefter benævnt COVID), den luftvejssygdom, der angiveligt er forårsaget af SARS-CoV-2-virussen. Den 13. marts 2020 blev der erklæret en national nødsituation i USA vedrørende COVID-19-udbruddet. I USA resulterede denne erklæring i et heterogent sæt af svar fra sundhedsmyndigheder og embedsmænd i forskellige stater. Blandt disse forskellige, statslige politiske svar udstedte de fleste stater ordrer om husly på stedet eller ophold hjemme i marts og april 2020 (herefter benævnt "lockdowns").
Motivationen for disse lockdown-foranstaltninger var at bremse spredningen af COVID-19 ved at begrænse sociale interaktioner under den antagelse, at sygdommen spredes ved person-til-person kontakt. På grund af uafhængigheden af statsforvaltningen i USA havde lockdown-foranstaltningerne imidlertid en bred vifte af implementering og håndhævelse, hvor nogle stater helt gik bort fra lockdowns.
Disse forskelle i statslige beslutninger om enten at låse ned eller ikke etablere et nyttigt eksperiment for at teste hypotesen om, at lockdowns reddede liv. Denne hypotese forudsiger, at der burde have været færre dødsfald (per capita) i stater, der implementerede lockdowns, og flere dødsfald i stater, der ikke, efter justering for forskelle i sundhedstilstanden for statsbefolkningen, hvis alle andre faktorer formodes at have mindre påvirkning. De tilgængelige data til at teste disse forudsigelser kan findes i all-cause mortalitet (ACM) efter tid og efter stat, rapporteret af CDC.
Som påvist af andre efterforskere (f.eks Rancourt, Baudin & Mercier 2021), omgår ACM det vanskelige spørgsmål om tildeling af dødsårsag, som er af politisk karakter og som følge heraf modtagelig for bias (f.eks. Ealy et al. 2020). Den korrekte dominerende dødsårsag er sjældent kendt i tilfælde af luftvejssygdomme, og dødsfaldet er normalt ikke monokausalt.
Fordelen ved at analysere ACM er, at dødsfald i USA registreres med høj troværdighed (ingen rapporteringsbias eller underrapportering). Når først det er registreret, er et dødsfald et dødsfald, uanset hvordan årsagen er angivet på dødsattesten. Hvis lockdowns er effektive til at forhindre dødsfald på grund af spredning af en sygdom under en pandemi, så burde regioner, der implementerede lockdowns, have oplevet færre per capita-dødsfald af alle årsager, hvis der ikke er nogen altoverskyggende forvirrende faktorer.
Data og metode
Vores mål er at vurdere effektiviteten af lockdowns til at redde liv under COVID-æraen ved at sammenligne det samlede antal dødsfald af alle årsager i par af stater: en stat med en lockdown og en stat uden en lockdown, der deler en grænse med lockdown stat. Vi undersøgte også de lockdown-stater, der ikke deler en grænse med nogen ikke-lockdown-stater, for fuldstændighedens skyld.
Hold dig informeret med Brownstone Institute
Vi identificerede ikke-lockdown-stater ved at undersøge administrative og udøvende ordrer udstedt i løbet af marts-april 2020 af delstatsregeringer som reaktion på pandemierklæringerne fra WHO og fra føderale og delstatslige regeringer. De fleste af disse ordrer er blevet arkiveret på hjemmesiden Ballotpedia.com, og vi fandt de ordrer, som linkene ikke længere var gyldige til, ved at søge på statslige myndigheders websteder. Vi tildelte en "strenghedsscore" til hver bekendtgørelse baseret på sproget i lockdown-ordren for statens borgere:
Bestilt/påbudt: 3
Instrueret: 2
Foreslået/opmuntret: 1
Ingen ordre: 0
Vi fandt ud af, at der var syv (7) stater, der havde scores på 0, fordi de ikke udstedte ordrer om ophold i hjemmet: North Dakota, South Dakota, Wyoming, Iowa, Oklahoma, Nebraska og Arkansas. Der var yderligere tre (3) stater, der havde en score på 1, fordi regeringerne kun foreslog eller opfordrede borgere til at blive hjemme, men ikke krævede, at de gjorde det, eller tilvejebragte midler til håndhævelse: Utah, Kentucky og Tennessee.
Vores kriterium for lockdown versus ikke-lockdown stater adskiller sig fra tidligere undersøgelser i sin enkelhed (dvs. kun fokuserer på stringens sproget i bekendtgørelserne). Men vores resulterende liste over ikke-lockdown-stater inkluderer alle syv stater, der er angivet som ikke-lockdown på Ballotpedia, og inkluderer alle fire ikke-lockdown-tilstande identificeret af den CDC-sponsorerede undersøgelse af Moreland et al. (2020).
Vi sammenlignede resultaterne af disse ti ikke-lockdown-stater med lockdown-stater, der deler en grænse, under den antagelse, at viral spredning ikke hindres af statsgrænser. I denne undersøgelse fokuserer vi på den totale dødelighed af alle årsager (ACM) over en specificeret tidsperiode som mål for lockdown-effektivitet. Vi bruger tre tidsperioder som beskrevet nedenfor.
Vi downloadede kommaseparerede-værdi-filer (csv) indeholdende ACM pr. uge for hver stat fra CDC Wonder hjemmeside. Vi dividerede de ugentlige ACM-data for hver stat med denne stats befolkning (Amerikansk folketælling1. april 2020), hvilket resulterer i antallet af dødsfald pr. indbygger pr. uge (Dpcw). Gennem hele denne rapport udtrykker vi Dpcw som antallet af dødsfald pr. 10,000 indbyggere.
Et yderligere korrektionstrin er nødvendigt for at muliggøre nøjagtige stat-for-stat-sammenligninger af dødelighed. Forskelle i aldersfordelinger, fedmeprocenter, fattigdomsniveauer, fysiske og psykiske handicap og andre sundhedsdeterminanter vil føre til iboende forskelle i Dpcw i forskellige stater. Disse forskelle manifesterer sig kollektivt i en offset i Dpcw set i ikke-pandemiår (før 2020).
For eksempel viser figur 1 en sammenligning af Dpcw mellem New York og Florida i årene 2014-2020. Som med alle statslige sammenligninger har New York og Florida bemærkelsesværdigt ens tidsmæssige variationer i Dpcw fra uge til uge og fra år til år, men har også en klar og næsten konstant offset.
Vi korrigerer for denne offset ved at beregne en faktor Htilstand, som er medianværdien af forholdet mellem en stats Dpcw og Dpcw af en referencetilstand fra 1. januar 2014 til og med 31. december 2020. Vi valgte New York som referencetilstand til beregning af Htilstand. Dette valg af referencetilstand er vilkårligt, men den store befolkning i New York betyder, at fejlen i H i de fleste tilfældetilstand er domineret af Poisson-fejl i Dpcw af interessetilstanden.
I eksemplet vist i figur 1 er sundhedsstatuskorrektionsfaktoren for Florida Htilstand = 0.537, hvilket indikerer, at New York oplevede 53.7 % færre Dpcw end Florida i årene 2014 til 2020, sandsynligvis til dels på grund af den ældre befolkning i Florida. For hver statslig sammenligning af Dpcw vi anvender dette forhold som en korrektionsfaktor for at bringe statsparret på samme skala, hvilket giver mulighed for en sundhedsstatuskorrigeret sammenligning af dødelighed i pandemiperioden.
Denne helbredsstatuskorrektionsfaktor er berettiget, da vi udfører en differentiel sammenligning mellem stater med og uden lockdowns. Vi spørger: "Efter vedtagelsen af lockdown-foranstaltninger, hvad er den fraktionelle forskel mellem den justerede per capita ACM i hvert par af stater?" Dette antager, at efter at have fjernet forskelle i sundhedstilstanden for befolkningerne i nabostaterne, var den største effekt på den justerede per capita ACM vedtagelsen af en lockdown. Denne antagelse er berettiget i betragtning af, at nedlukningerne forventes at resultere i massive forstyrrelser af nationale og regionale økonomier, sundhedssystemer og den generelle sociale struktur.
Figur 1: Dødsfaldene pr. indbygger pr. uge (Dpcw) i Florida (blå) og New York (rød). Det venstre panel viser forskydningen i Dpcw, som vi tilskriver forskelle i hver stats befolknings sundhedsstatus (aldersstruktur, fattigdomsniveau, fedmerate osv.). Panelet til højre viser den korrigerede Dpcw, som giver mulighed for en differentiel sammenligning mellem disse to stater fra 2020 og frem.
For at kvantificere effekten af lockdowns på dødeligheden i COVID-perioden beregner vi de integrerede (samlede) sundhedsstatuskorrigerede dødsfald pr. indbygger, Dtot, over en valgt tidsperiode. Vi beregner derefter forholdet mellem Dtot for hvert par af tilstande, angivet med R (lockdown divideret med ikke-lockdown). Vi bruger tre forskellige tidsperioder, som vi forventer Dtot, og R, for at fange virkningerne af lockdown-foranstaltningerne:
Dtil, 1: Sum over låseperiode for låsetilstanden.
Dtil, 2: Sum over perioden for "COVID-top 1" (cp1) som identificeret af Rancourt et al. (2021; uge 11 til og med uge 25 i 2020)
Dtil, 3: Sum over hele perioden fra 11. marts 2020 til 31. december 2021
Igennem dette papir rapporterer vi 95 % konfidensintervaller for vores integrerede, befolkningsnormaliserede og sundhedsstatuskorrigerede dødelighedsratioer for hver parvis sammenligning af lockdown- og ikke-lockdown-tilstande og for de sundhedsstatuskorrigerede integrerede per capita dødelighed, som vi rapporterer. Disse konfidensintervaller er beregnet under den antagelse, at den dominerende fejlkilde kommer fra tællestatistikker.
Resultater
Vores resultater er opsummeret i figurerne nedenfor.
I figur 2, 3 og 4 viser y-aksen alle 38 låse/ikke-låste par af tilstande, der bruges til at sammenligne dødelighedsudfald, med låsetilstanden anført først, efterfulgt af ikke-låsetilstand. De blå prikker viser point-estimatet af forholdet, R, og de tilhørende fejlbjælker viser 95 % konfidensintervallet; den lodrette stiplede linje markerer enhed. Værdier til venstre for den lodrette linje angiver tilfælde, hvor lockdown-tilstanden oplevede færre sundhedsstatuskorrigerede per capita-dødsfald end den ikke-lockdown-tilstand. Værdier til højre for linjen indikerer, at lockdown-tilstanden oplevede flere sundhedsstatuskorrigerede dødsfald pr. indbygger end ikke-lockdown-tilstanden.
Figur 2: Sundhedsstatus justeret pr. indbygger ACM-forhold (R) for hvert nabopar af stater opført på y-aksen. Forholdet er baseret på at summere alle dødsfald i hver stat over den tidsperiode, der svarer til COVID-toppen (3/11/2020 – 6/24/2020). Fejlbjælkerne viser 95 % konfidensintervallet for hvert pars forhold. Forhold til venstre for den lodrette linje indikerer, at der skete færre dødsfald i lockdown-tilstand end i ikke-lockdown-tilstand, mens forhold til højre for den lodrette linje indikerer, at stater med lockdowns oplevede flere dødsfald.
Figur 3: Sundhedsstatus justeret pr. indbygger ACM-forhold (R) for hvert nabopar af stater opført på y-aksen. Forholdet er baseret på at summere alle dødsfald i hver stat over den tidsperiode, der svarer til lockdown-statens varighed af lockdown. Fejlbjælkerne viser 95 % konfidensintervallet for hvert pars forhold. Forhold til venstre for den lodrette linje indikerer, at der skete færre dødsfald i lockdown-tilstand end i ikke-lockdown-tilstand, mens forhold til højre for den lodrette linje indikerer, at stater med lockdowns oplevede flere dødsfald.
Figur 4: Sundhedsstatus justeret pr. indbygger ACM-forhold (R) for hvert nabopar af stater opført på y-aksen. Forholdet er baseret på at summere alle dødsfald i hver stat over hele "COVID-æraen" i vores datasæt (11. marts 2020 – 25. januar 2022). Fejlbjælkerne viser 95 % konfidensintervallet for hvert pars forhold. Forhold til venstre for den lodrette linje indikerer, at der skete færre dødsfald i lockdown-tilstand end i ikke-lockdown-tilstand, mens forhold til højre for den lodrette linje indikerer, at stater med lockdowns oplevede flere dødsfald.
Hvis lockdowns reddede liv, ville vi forvente, at de fleste af ACM-forholdet (R) ville være mindre end én. I stedet ser vi det modsatte. For alle tre integrationsperioder er størstedelen af nøgletal større end én. For cp1-perioden (lockdown, fuld) har 28 (28, 21) par ACM-forhold (R) større end ét, mens 0 (0, 9) par har forhold mindre end ét, og de resterende 10 (10, 8) par har R, der ikke kan skelnes fra enhed ved 95 % konfidens.
Vores analyse af R-værdier for tre tidsperioder, hvor lockdowns forventes at have en effekt, viser således, at ACM-dataene fra de seneste to år ikke stemmer overens med hypotesen om, at lockdowns reddede liv. På den anden side er vores resultater i overensstemmelse med konklusionen af Rancourt et al. (2021), at de overskydende dødsfald i COVID-perioden i USA er forårsaget af regeringen og medicinske foranstaltninger og reaktioner på den erklærede pandemi.
Figur 4 viser de sundhedsstatuskorrigerede integrerede dødsfald pr. indbygger i den 15-ugers "COVID peak 1"-periode (cp1; uge 11 til 25 i 2020) for alle staterne individuelt (rød) og for den samme 15-ugers integration vindue i 2019 (blå) og 2018 (grøn). Her er staterne ordnet fra top til bund i faldende rækkefølge efter gennemsnitlig statslig befolkningstæthed, hvilket ofte formodes at være en faktor i spredningen af en smitsom sygdom. Statsnavnene i magenta svarer til, at vores ti ikke-lockdown-stater har lockdown-stringency-score på 0 eller 1. Statsnavnene i cyan er de lockdown-stater, der deler en grænse med en ikke-lockdown-tilstand, som vi brugte i vores beregning af R .
Værdierne for sundhedsstatuskorrigeret integreret dødelighed af alle årsager i de 15-ugers "cp1"-perioder i 2019 og 2018 er stramt begrænset for alle stater til en værdi på ca. 14 dødsfald pr. 10,000 (figur 5), hvorimod de tilsvarende værdier i COVID-perioden er vidt forskellige fra stat til stat, lige fra 2019-baselineværdien til så høj som 25 pr. 10,000 for New Jersey og er typisk så stor som 15 til 21 pr. 10,000. Ikke-låste tilstande har navne på y-aksen farvet magenta, mens låsetilstande, der bruges som vores sammenligninger ved beregning af R, er farvet cyan.
Figur 5 viser, at de fleste af vores ti ikke-lockdown-stater har helbredsstatuskorrigeret integreret dødelighed af alle årsager i den 15-ugers cp1 på basisværdien før COVID (2018 og 2019) på ca. 14 pr. 10,000, mens de fleste af staterne med lockdown-score på 2 og 3 har dødelighedsrater et godt stykke over baselineværdierne før COVID.
Figur 5: Integreret sundhedsstatus korrigeret ACM over cp1-perioden (11. marts-29. juni 2020; red) sammenlignet med samme tidsperiode i 2019 (i blå) og 2018 (grøn). Stater ordnet fra top til bund i faldende befolkningstæthed. Magenta angiver ikke-låsetilstande, mens cyan betegner lockdown-stater, der deler en grænse med ikke-lockdown-stater.
Selvom et præcist estimat af overdødeligheden på grund af nedlukninger ligger uden for rammerne af dette dokument, kan vi lave et groft skøn baseret på figur 5. De tre mest folkerige stater (Californien, Texas, Florida) har stigninger i COVID-perioden over baseline på cirka 1 ud af 10,000. På basis af et kalenderår (52 uger) og for en befolkning svarende til hele USA's befolkning, ville dette svare til ca. 110,000 dødsfald, som direkte kunne tilskrives virkningerne af at bestille lockdowns, og som ikke ville have fundet sted, hvis lockdowns ikke var blevet implementeret. Denne værdi er i overensstemmelse med lockdown-overdødelighedsestimatet på 97,000/år pr Mulligan og Arnot (2022).
Diskussion og konklusion
Brugen af lockdowns til at "karantæne" den generelle befolkning i USA for at kontrollere spredningen af en smitsom sygdom er uden fortilfælde i nationens historie. Under tidligere pandemier var det kun syge og svagelige, der blev sat i karantæne, mens resten af befolkningen fortsatte mere eller mindre som normalt.
Denne "fokuserede beskyttelse" tilgang blev anbefalet af medicinske fagfolk i Stor Barrington-erklæring i 2020, hvilket viser, at alternativer til lockdowns eksisterede og var godt forstået inden for det medicinske samfund. Så sent som i 2019 talte Verdenssundhedsorganisationen for en lignende tilgang i sine anbefalinger til at mindske risikoen for en influenzapandemi uden at nævne lockdown-foranstaltninger for den generelle befolkning (HVEM 2019). Faktisk siger WHO-rapporten specifikt, at det "ikke anbefales at sætte udsatte personer i karantæne, fordi der ikke er nogen åbenlys begrundelse for denne foranstaltning" (se deres tabel 1 og 4). Tilsvarende Handlingsplan for influenzapandemiberedskab for USA nævner ikke lockdowns og anfører, at "...klassiske foranstaltninger designet til at reducere risikoen for introduktion og overførsel af nogle smitsomme stoffer, såsom klinisk screening og karantæne i indgangshavne, sandsynligvis ikke vil være effektive" (Strikas et al. 2002).
I deres gennemgang af den tilgængelige litteratur om influenzapandemiinterventioner, Inglesby et al. (2006) udtrykkeligt fraråder karantæneforanstaltninger i tilfælde af en influenzapandemi, for både syge og raske personer, fordi de samfundsmæssige omkostninger forventes at opveje fordelene langt. De konkluderede: "[Erfaring har vist, at samfund, der står over for epidemier eller andre uønskede hændelser", reagerer bedst og med mindst angst, når samfundets normale sociale funktion er mindst forstyrret." Disse anbefalinger strækker sig ud over at forberede sig på og reagere på influenzapandemier. I en rapport med titlen Beredskab til en pandemi med høj indvirkning på respiratorisk patogen, konkluderer forfatterne, at karantæne er blandt de mindst effektive ikke-farmaceutiske foranstaltninger til at begrænse sygdomsspredning (Johns Hopkins Center for Sundhedssikkerhed 2019).
Således repræsenterede de lockdown-foranstaltninger, der blev implementeret i 2020 af flertallet af amerikanske stater, såvel som mange lande verden over, et hidtil uset, storstilet eksperiment i kontrol med infektionssygdomme. De dødelighedsdata af alle årsager, vi har analyseret, giver os mulighed for at teste hypotesen om, at nedlukninger reddede liv under COVID-pandemien. Vi finder, at disse data er inkonsistente med denne hypotese; stater med lockdowns oplevede flere dødsfald af alle årsager end nabostater uden lockdowns. Vi konkluderer derfor, at dette eksperiment var en fiasko i folkesundhedspolitikken, og at lockdown-foranstaltninger ikke bør anvendes under fremtidige sygdomsudbrud.
Vores konstatering af, at dødeligheden af alle årsager steg i stater med lockdowns, stemmer overens med konklusionerne fra Agrawal et al. (2021), som fandt statistisk signifikante stigninger i overdødelighed på grund af shelter-in-place-ordrer i USA og i 43 lande. Tilsvarende Mulligan og Arnot (2022) anslår, at der var 97,000 flere dødsfald om året på grund af nedlukninger, med overdødelighed fordelt ligeligt blandt alle voksne aldersgrupper, i modsætning til COVID-dødsfald, som oftest blev tilskrevet blandt ældre.
I betragtning af den stærke sammenhæng mellem generel befolkningsnedlukning og øget dødelighed af alle årsager, vist ovenfor (figur 2-5), er det passende at vove hypoteser for årsagen eller årsagerne til denne sammenhæng.
Det er klart, at privilegerede amerikanere fra den øvre middelklasse og professionelle klasser ikke døde af at blive hjemme. Det er dog ikke urimeligt at postulere, at reglerne og ordrerne om nedlukning af den generelle befolkning ikke desto mindre er fuldmagter eller lovbestemte indikatorer for graden af aggressivitet (inklusive opgivelse), hvormed de samfundsmæssige institutioner i staten reagerede eller reagerede på den annoncerede pandemi. Disse institutioner vil omfatte skoler, plejehjem, hospitaler, klinikker, handicaptjenester, daginstitutioner, polititjenester, familie- og socialtjenester og så videre.
Vi fremmer dette foreløbigt, fordi det er helt sandsynligt, at de overskydende dødsfald forbundet med lockdowns er fra puljer af individer med særlig høj risiko for at lide fatale konsekvenser af store og negative forstyrrelser i deres liv og støttenetværk. Dette vil være sandt uanset den faktiske mekanistiske dødsårsag, givet den kendte sammenhæng mellem både oplevet stress og social isolation og sygdoms sværhedsgrad og dødelighed via påvirkningen af immunsystemet (Ader og Cohen 1993; Cohen et al. 1991; Cohen et al. 1997; Cohen et al. 2007; Sapolsky 2005; Prenderville et al., 2015; Dhabhar 2014; Rancourt et al. 2021). Faktisk er der rigeligt med beviser for, at nedlukningerne er forbundet med store stigninger i arbejdsløshed og en generel forværring af mental sundhed (f Jewell et al. 2020, Czeisler et al. 2020).
ACM-data, der er tilgængelige via CDC Wonder-webstedet, er ikke opdelt efter både stat og demografi, så vi var ikke i stand til at undersøge, hvilke demografiske grupper der døde, og hvordan de døde, i hver stat. Demografiske oplysninger er dog tilgængelige på nationalt plan, og Mulligan og Arnot (2022) fandt store stigninger i overdødelighed blandt personer i alderen 18-65 år, hvilket er en demografi, der ikke var i høj risiko for COVID.
Tilsvarende Rancourt et al. (2021) fandt, at den tidsmæssige og rumlige fordeling af dødelighed af alle årsager i pandemiperioden er inkonsistent med virkningerne af en viral luftvejssygdom. De fandt bevis for, at mange overskydende dødsfald under pandemien var fejldiagnosticerede bakterielle lungebetændelsesinfektioner, sandsynligvis forværret af forstyrrelser i det amerikanske sundhedssystem.
Der findes således stærke beviser, der understøtter hypotesen om, at lockdowns placerede en pludselig og alvorlig stressbyrde på sårbare demografiske grupper i USA, hvilket førte til betydelige stigninger i dødsfald i de stater, der brugte lockdowns som sygdomskontrolforanstaltninger.
Dette resumé er hentet fra forfatternes større undersøgelse.
Udgivet under a Creative Commons Attribution 4.0 International licens
For genoptryk, sæt venligst det kanoniske link tilbage til originalen Brownstone Institute Artikel og forfatter.