Nedstängningar räddade inte liv

USA och dess 50 delstatsjurisdiktioner tillhandahåller ett naturligt experiment för att testa om alltför stora dödsfall av alla orsaker direkt kan hänföras till genomförandet av de sociala och ekonomiska strukturella storskaliga förändringarna som framkallats genom att beordra nedstängningar av allmän befolkning.

Tio stater hade inga inlåsningspålägganden och det finns 38 par av låsta/icke-låsta stater som delar en landgräns. Vi finner att det lagstadgade införandet och upprätthållandet av statliga beställningar av skydd på plats eller stanna hemma slutgiltigt korrelerar med större hälsostatuskorrigerad, per capita, dödlighet av alla orsaker per stat. Detta resultat är oförenligt med hypotesen att låsningar räddade liv.

Beskrivning

Den 11 mars 2020 deklarerade Världshälsoorganisationen en pandemi baserad på ett rapporterat utbrott i Wuhan, Kina av covid-19 (hädanefter covid), den andningssjukdom som påstås ha orsakats av SARS-CoV-2-viruset. Den 13 mars 2020 utropades en nationell nödsituation i USA angående covid-19-utbrottet. I USA resulterade denna förklaring i en heterogen uppsättning svar från hälsomyndigheter och regeringstjänstemän i olika delstater. Bland de olika, statliga politiska svaren utfärdade de flesta stater order om skydd på plats eller stanna hemma i mars och april 2020 (hädanefter kallade "låsningar"). 

Motivationen för dessa låsningsåtgärder var att bromsa spridningen av COVID-19 genom att begränsa sociala interaktioner, under antagandet att sjukdomen sprids genom kontakt från person till person. Men på grund av oberoendet för statlig styrning i USA, hade låsningsåtgärderna ett brett spektrum av implementering och verkställighet, med vissa stater som avstod från låsningar helt och hållet. 

Dessa skillnader i statliga beslut att antingen låsa ner eller inte etablera ett användbart experiment för att testa hypotesen att låsningar räddade liv. Denna hypotes förutspår att det borde ha förekommit färre dödsfall (per capita) i stater som genomförde nedstängningar, och fler dödsfall i stater som inte, efter justering för skillnader i hälsotillståndet för delstatsbefolkningen, om alla andra faktorer antas ha mindre påverkan. Data som är tillgängliga för att testa dessa förutsägelser kan hittas i all-cause mortality (ACM) efter tid och tillstånd, rapporterat av CDC.

Som visat av andra utredare (till exempel Rancourt, Baudin & Mercier 2021), kringgår ACM den svåra frågan om tilldelning av dödsorsak, som är politisk till sin natur och som ett resultat mottaglig för partiskhet (t.ex. Ealy et al. 2020). Den korrekta dominerande dödsorsaken är sällan känd vid luftvägssjukdomar, och dödsfallet är normalt inte monokausalt. 

Fördelen med att analysera ACM är att dödsfall i USA registreras med hög trohet (ingen rapporteringsbias eller underrapportering). När det väl registrerats är ett dödsfall ett dödsfall, oavsett hur orsaken anges på dödsattesten. Om nedstängningar är effektiva för att förebygga dödsfall på grund av spridning av en sjukdom under en pandemi, borde regioner som genomförde nedstängningar ha upplevt färre dödsfall per capita av alla orsaker, om det inte finns några övervägande förvirrande faktorer.

Data och metodik

Vårt mål är att bedöma effektiviteten av låsningar för att rädda liv under covid-eran genom att jämföra det totala antalet dödsfall av alla orsaker i par av stater: en stat med låsning och en stat utan låsning som delar en gräns med låsningen stat. Vi undersökte också de låsta stater som inte delar gräns med någon icke-låst stat, för fullständighetens skull.

Vi identifierade icke-låsta stater genom att granska administrativa och verkställande order utfärdade under mars-april 2020 av delstatsregeringar som svar på pandemiförklaringarna från WHO och från federala och delstatliga regeringar. De flesta av dessa beställningar har arkiverats på webbplatsen Ballotpedia.com, och vi hittade beställningarna för vilka länkarna inte längre var giltiga genom att söka på statliga webbplatser. Vi tilldelade en "stränghetspoäng" till varje verkställande order baserat på språket i låsningsordern för medborgarna i staten:

Vi fann att det fanns sju (7) delstater som hade poängen 0 eftersom de inte gav order om att stanna hemma: North Dakota, South Dakota, Wyoming, Iowa, Oklahoma, Nebraska och Arkansas. Det fanns ytterligare tre (3) stater som hade poängen 1 eftersom regeringarna bara föreslog eller uppmuntrade medborgare att stanna hemma, men inte krävde att de skulle göra det, eller tillhandahöll medel för verkställighet: Utah, Kentucky och Tennessee. 

Vårt kriterium för lockdown kontra icke-lockdown stater skiljer sig från tidigare studier i sin enkelhet (dvs. fokuserar endast på stringens av språket i exekutiva order). Men vår resulterande lista över icke-låsta tillstånd inkluderar alla sju tillstånd som anges som icke-låsta på Rilpedia, och inkluderar alla fyra icke-lockdown-tillstånd som identifierats av den CDC-sponsrade studien av Moreland et al. (2020). 

Vi jämförde resultaten av dessa tio icke-lockdown-stater med lockdown-stater som delar en gräns, under antagandet att viral spridning inte hindras av statsgränser. I den här studien fokuserar vi på den totala dödligheten av alla orsaker (ACM) under en viss tidsperiod som måttet på lockdown-effekt. Vi använder tre tidsperioder enligt beskrivningen nedan. 

Vi laddade ner kommaavgränsade (csv)-filer som innehåller ACM per vecka för varje stat från CDC Wonders webbplats. Vi dividerade veckovis ACM-data för varje stat med den statens befolkning (USA: s folkräkning1 april 2020), vilket resulterar i antalet dödsfall per capita, per vecka (D_pcw). Genom hela denna rapport uttrycker vi D_pcw som antalet dödsfall per 10,000 XNUMX invånare. 

Ett ytterligare korrigeringssteg är nödvändigt för att möjliggöra korrekta jämförelser av dödligheten tillstånd för stat. Skillnader i åldersfördelningar, fetma, fattigdomsnivåer, fysiska och psykiska funktionshinder och andra hälsofaktorer kommer att leda till inneboende skillnader i D_pcw i olika stater. Dessa skillnader visar sig kollektivt i en offset i D_pcw sett under icke-pandemiår (före 2020). 

Till exempel visar figur 1 en jämförelse av D_pcw mellan New York och Florida under åren 2014-2020. Som med alla delstatsmässiga jämförelser har New York och Florida anmärkningsvärt liknande tidsvariationer i D_pcw från vecka till vecka och från år till år, men har också en tydlig och nästan konstant offset. 

Vi korrigerar för denna offset genom att beräkna en faktor H_tillstånd, vilket är medianvärdet för förhållandet mellan en stats D_pcw och D_pcw av ett referenstillstånd från 1 januari 2014 till och med 31 december 2020. Vi valde New York som referenstillstånd för beräkning av H_tillstånd. Detta val av referenstillstånd är godtyckligt, men den stora befolkningen i New York gör att i de flesta fall felet i H_tillstånd domineras av Poisson-fel i D_pcw av intresseläget. 

I exemplet som visas i figur 1 är Floridas hälsostatuskorrigeringsfaktor H_tillstånd = 0.537, vilket indikerar att New York upplevde 53.7 % färre D_pcw än Florida under åren 2014 till 2020, troligen delvis på grund av den äldre befolkningen i Florida. För varje statlig jämförelse av D_pcw vi använder detta förhållande som en korrigeringsfaktor för att få statsparet till samma skala, vilket möjliggör en hälsostatuskorrigerad jämförelse av dödligheten under pandemiperioden. 

Denna korrigeringsfaktor för hälsostatus är motiverad eftersom vi utför en differentiell jämförelse mellan stater med och utan låsningar. Vi frågar: "Efter införandet av låsningsåtgärder, vad är den delskillnaden mellan den justerade ACM per capita i varje par av stater?" Detta förutsätter att efter att ha tagit bort skillnader i hälsostatus för befolkningen i grannstater, var den största effekten på den justerade ACM per capita införandet av en lockdown. Detta antagande är motiverat med tanke på att nedstängningarna förväntas resultera i massiva störningar i nationella och regionala ekonomier, hälso- och sjukvårdssystem och den allmänna sociala strukturen.

Figur 1: Dödsfall per capita, per vecka (D_pcw) i Florida (blå) och New York (röd). Den vänstra panelen visar offset i D_pcw, som vi tillskriver skillnader i varje delstats befolkningshälsostatus (åldersstruktur, fattigdomsnivå, överviktsfrekvens, etc.). Panelen till höger visar den korrigerade D_pcw, vilket möjliggör en differentiell jämförelse mellan dessa två stater från 2020 och framåt.

För att kvantifiera effekten av låsningar på dödligheten under covid-perioden beräknar vi de integrerade (totala) hälsostatuskorrigerade dödsfallen per capita, D_totalt, under en vald tidsperiod. Vi beräknar sedan förhållandet mellan D_totalt för varje par av tillstånd, betecknat med R (lockdown dividerat med icke-lockdown). Vi använder tre olika tidsperioder som vi förväntar oss D_totalt, och R, för att fånga effekterna av låsningsåtgärderna:

D_{tot, 1}: Summa över låsningsperioden för låst tillstånd. 
D_{tot, 2}: Summa över perioden för "COVID-topp 1" (cp1) som identifierats av Rancourt et al. (2021; vecka 11 till vecka 25 av 2020)
D_{tot, 3}: Summa över hela perioden från 11 mars 2020 till 31 december 2021

Genomgående i detta dokument rapporterar vi 95 % konfidensintervall för våra integrerade, befolkningsnormaliserade och hälsostatuskorrigerade dödlighetskvoter för varje parvis jämförelse av lockdown och icke-lockdown tillstånd, och för hälsostatuskorrigerade integrerade per capita dödlighet som vi rapporterar. Dessa konfidensintervall beräknas under antagandet att den dominerande felkällan kommer från räknestatistik.

Resultat

Våra resultat sammanfattas i figurerna nedan. 

I figurerna 2, 3 och 4 listar y-axeln alla 38 låsnings/icke-låsande par av tillstånd som används för att jämföra dödlighetsutfall, med låsningstillståndet listat först, följt av icke-låst tillstånd. De blå prickarna visar punktuppskattningen av förhållandet, R, och de tillhörande felstaplarna visar 95 % konfidensintervall; den vertikala streckade linjen markerar enhet. Värdena till vänster om den vertikala linjen indikerar fall där nedlåsningsstaten upplevde färre hälsostatuskorrigerade dödsfall per capita än den icke-låsta staten. Värden till höger om linjen indikerar att lockdown-tillståndet upplevde fler hälsostatuskorrigerade dödsfall per capita än icke-lockdown-tillståndet.

Figur 2: Hälsostatus justerad per capita ACM-förhållande (R) för varje angränsande par av stater listade på y-axeln. Förhållandet är baserat på att summera alla dödsfall i varje delstat över den tidsperiod som motsvarar COVID-toppen (3/11/2020 – 6-24-2020). Felstaplarna visar 95 % konfidensintervall för varje pars förhållande. Förhållandena till vänster om den vertikala linjen indikerar att färre dödsfall inträffade i låst tillstånd än i icke-låst tillstånd, medan förhållandena till höger om den vertikala linjen indikerar att stater med låsningar upplevde fler dödsfall.

Figur 3: Hälsostatus justerad per capita ACM-förhållande (R) för varje angränsande par av stater listade på y-axeln. Förhållandet är baserat på att summera alla dödsfall i varje stat över den tidsperiod som motsvarar lockdown-tillståndets varaktighet. Felstaplarna visar 95 % konfidensintervall för varje pars förhållande. Förhållandena till vänster om den vertikala linjen indikerar att färre dödsfall inträffade i låst tillstånd än i icke-låst tillstånd, medan förhållandena till höger om den vertikala linjen indikerar att stater med låsningar upplevde fler dödsfall.

Figur 4: Hälsostatus justerad per capita ACM-förhållande (R) för varje angränsande par av stater listade på y-axeln. Förhållandet är baserat på att summera alla dödsfall i varje delstat över hela "COVID-eran" i vår datamängd (11 mars 2020 – 25 januari 2022). Felstaplarna visar 95 % konfidensintervall för varje pars förhållande. Förhållandena till vänster om den vertikala linjen indikerar att färre dödsfall inträffade i låst tillstånd än i icke-låst tillstånd, medan förhållandena till höger om den vertikala linjen indikerar att stater med låsningar upplevde fler dödsfall.

Om låsningar räddade liv, skulle vi förvänta oss att de flesta av ACM-förhållandena (R) skulle vara mindre än ett. Istället ser vi motsatsen. För alla tre integrationsperioderna är majoriteten av kvoterna större än en. För cp1-perioden (lockdown, full) har 28 (28, 21) par ACM-förhållanden (R) större än ett, medan 0 (0, 9) par har förhållanden mindre än ett, och de återstående 10 (10, 8) par har R som inte kan skiljas från enhet med 95 % konfidens. 

Således visar vår analys av R-värden för tre tidsperioder under vilka nedstängningar förväntas ha en effekt att ACM-data från de senaste två åren inte överensstämmer med hypotesen att låsningar räddade liv. Å andra sidan överensstämmer våra resultat med slutsatsen av Rancourt et al. (2021) att de överflödiga dödsfallen under covid-perioden i USA orsakas av regeringen och medicinska åtgärder och svar på den förklarade pandemin.

Figur 4 visar de hälsostatuskorrigerade integrerade dödsfallen per capita under den 15 veckor långa "COVID peak 1"-perioden (cp1; veckorna 11 till 25 2020) för alla stater individuellt (röd) och för samma 15-veckors integration fönster 2019 (blått) och 2018 (grönt). Här är delstaterna ordnade, uppifrån och ner, i fallande ordning efter genomsnittlig delstatsmässig befolkningstäthet, vilket ofta antas vara en faktor i spridningen av en smittsam sjukdom. Tillståndsnamnen i magenta motsvarar att våra tio icke-låsta tillstånd har stränghetspoäng för låsning på 0 eller 1. Tillståndsnamnen i cyan är de låsta stater som delar en gräns med ett icke-låst tillstånd, vilket vi använde i vår beräkning av R . 

Värdena för hälsostatuskorrigerad integrerad dödlighet av alla orsaker under de 15 veckor långa "cp1"-perioderna 2019 och 2018 är hårt begränsade för alla stater till ett värde av cirka 14 dödsfall per 10,000 5 (Figur 2019), medan motsvarande värden under covid-perioden är mycket olika från stat till stat, från 25 års baslinjevärde till så högt som 10,000 per 15 21 för New Jersey, och är vanligtvis så stort som 10,000 till XNUMX per XNUMX XNUMX. Icke-låsta tillstånd har namn på y-axeln färgad magenta, medan låsningstillstånden som används som våra jämförelser vid beräkning av R är färgade cyan. 

Figur 5 visar att de flesta av våra tio icke-låsta stater har hälsostatuskorrigerad integrerad dödlighet av alla orsaker i 15-veckors cp1 på grundvärdet före COVID (2018 och 2019) på cirka 14 per 10,000 2, medan de flesta av delstaterna med lockdown-strängen poäng på 3 och XNUMX har dödlighetsfrekvenser långt över baslinjevärdena före COVID.

Figur 5: Integrerad hälsostatuskorrigerad ACM under cp1-perioden (11 mars-29 juni 2020; röd) jämfört med samma tidsperiod 2019 (blå) och 2018 (grön). Stater ordnade från topp till botten i minskande befolkningstäthet. Magenta indikerar icke-låsta tillstånd medan cyan betecknar lockdown-stater som delar en gräns med icke-lockdown-stater.

Även om en exakt uppskattning av överdödligheten på grund av nedstängningar ligger utanför ramen för detta dokument, kan vi göra en grov uppskattning baserad på figur 5. De tre mest folkrika delstaterna (Kalifornien, Texas, Florida) har ökningar av covid-perioden över baslinjen på cirka 1 per 10,000 52. På basis av ett kalenderår (110,000 veckor), och för en befolkning lika med hela USA, skulle detta motsvara cirka 97,000 XNUMX dödsfall, vilket skulle kunna hänföras direkt till effekterna av beordrade låsningar och som inte skulle ha inträffat om låsningar hade inte genomförts. Detta värde överensstämmer med uppskattningen av lockdown överdödlighet på XNUMX XNUMX/år av Mulligan & Arnot (2022). 

Diskussion och slutsats

Användningen av låsningar för att "karantäna" den allmänna befolkningen i USA för att kontrollera spridningen av en infektionssjukdom är utan motstycke i nationens historia. Under tidigare pandemier sattes endast sjuka och handikappade i karantän medan resten av befolkningen fortsatte i stort sett som vanligt. 

Detta "fokuserade skydd" tillvägagångssätt rekommenderades av medicinsk personal i Stor Barrington-deklaration år 2020, vilket visar att alternativ till låsningar fanns och var välkända inom det medicinska samfundet. Så sent som 2019 förespråkade Världshälsoorganisationen ett liknande tillvägagångssätt i sina rekommendationer för att mildra riskerna för en influensapandemi samtidigt som man inte nämnde låsningsåtgärder för den allmänna befolkningen (VEM 2019). Faktum är att WHO-rapporten uttryckligen anger att exponerade individer i karantän "rekommenderas inte eftersom det inte finns något uppenbart skäl för denna åtgärd" (se deras tabeller 1 och 4). På samma sätt Handlingsplan för influensapandemiberedskap för USA nämner inget om låsningar och konstaterar att "... klassiska åtgärder utformade för att minska risken för introduktion och överföring av vissa smittämnen, såsom klinisk screening och karantän vid infartshamnar, sannolikt inte kommer att vara effektiva" (Strikas et al. 2002). 

I sin genomgång av tillgänglig litteratur om influensapandemiinterventioner, Inglesby et al. (2006) uttryckligen avråda från karantänsåtgärder vid en influensapandemi, för både sjuka och friska individer, eftersom de samhälleliga kostnaderna förväntas vida överväga fördelarna. De drog slutsatsen, "[Erfarenhet har visat att samhällen som ställs inför epidemier eller andra negativa händelser reagerar bäst och med minst oro när samhällets normala sociala funktion störs minst." Dessa rekommendationer sträcker sig längre än att förbereda sig för och reagera på influensapandemier. I en rapport med titeln Beredskap för en högpåverkande andningspatogenpandemi, drar författarna slutsatsen att karantän är bland de minst effektiva icke-farmaceutiska åtgärderna för att begränsa sjukdomsspridning (Johns Hopkins Center for Health Security 2019).

Således representerade de låsningsåtgärder som genomfördes 2020 av majoriteten av amerikanska stater, såväl som många länder över hela världen, ett aldrig tidigare skådat, storskaligt experiment i kontroll av infektionssjukdomar. Dödlighetsdata av alla orsaker som vi har analyserat gör att vi kan testa hypotesen att låsningar räddade liv under covid-pandemin. Vi finner att dessa data är oförenliga med denna hypotes; stater med lockdowns upplevde fler dödsfall av alla orsaker än grannstater utan lockdowns. Vi drar därför slutsatsen att detta experiment var ett misslyckande för folkhälsopolitiken och att låsningsåtgärder inte bör användas under framtida sjukdomsutbrott. 

Vårt konstaterande att dödligheten av alla orsaker ökade i stater med låsningar överensstämmer med slutsatserna från Agrawal et al. (2021) som fann statistiskt signifikanta ökningar av överdödlighet på grund av beställningar på plats i USA och i 43 länder. Liknande, Mulligan & Arnot (2022) uppskattar att det fanns 97,000 XNUMX dödsfall per år på grund av nedstängningar, med överdödlighet fördelad lika mellan alla vuxna åldersgrupper, till skillnad från dödsfall i covid som oftast tillskrevs bland äldre.

Med tanke på det starka sambandet mellan allmän befolkningslåsning och ökad dödlighet av alla orsaker, som visas ovan (figur 2-5), är det lämpligt att våga hypoteser för orsaken eller orsakerna till detta samband. 

Uppenbarligen dog inte privilegierade amerikaner från den övre medelklassen och professionella klassen av att stanna hemma. Det är dock inte orimligt att postulera att de allmänna nedstängningsföreskrifterna och ordern ändå är fullmakt eller lagstadgade indikatorer på graden av aggressivitet (inklusive övergivenhet) med vilken de samhälleliga institutionerna i staten reagerade eller reagerade på den aviserade pandemin. Dessa institutioner skulle omfatta skolor, vårdhem, sjukhus, kliniker, handikapptjänster, daghem, polistjänster, familje- och socialtjänst och så vidare.

Vi tar preliminärt fram detta eftersom det är helt sannolikt att de överflödiga dödsfallen i samband med låsningar kommer från pooler av individer med särskilt hög risk att drabbas av fatala konsekvenser av stora och negativa störningar i deras liv och stödnätverk. Detta kommer att vara sant oavsett den faktiska mekanistiska dödsorsaken, med tanke på det kända sambandet mellan både upplevd stress och social isolering och sjukdomens svårighetsgrad och dödlighet, via påverkan på immunsystemet (Ader och 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). Det finns faktiskt gott om bevis för att nedstängningarna är förknippade med stora ökningar av arbetslöshet och en allmän försämring av mental hälsa (t.ex Jewell et al. 2020, Czeisler et al. 2020). 

ACM-data som är tillgängliga via CDC Wonder-webbplatsen är inte uppdelade efter både stat och demografi, så vi kunde inte undersöka vilka demografiska grupper som dör, och hur de dog, i varje stat. Emellertid finns demografisk information tillgänglig på nationell nivå, och Mulligan & Arnot (2022) fann stora ökningar i överdödlighet bland personer i åldrarna 18-65 år, vilket är en demografi som inte löpte hög risk från covid. 

På liknande sätt Rancourt et al. (2021) fann att den tidsmässiga och rumsliga fördelningen av dödlighet av alla orsaker under pandemiperioden är oförenlig med effekterna av en viral luftvägssjukdom. De fann bevis för att många överflödiga dödsfall under pandemin var feldiagnostiserade bakteriella lunginflammationer, troligen förvärrade av störningar i det amerikanska sjukvårdssystemet.

Det finns alltså starka bevis som stöder hypotesen att nedstängningar placerade en plötslig och allvarlig stressbörda på sårbar demografi i USA, vilket ledde till betydande ökningar av dödsfall i de stater som använde låsningar som sjukdomsbekämpande åtgärder.

Denna sammanfattning är hämtad från författarnas större studie.