roodbruine zandsteen » Brownstone Institute-tijdschrift » Lockdowns hebben geen levens gered

Lockdowns hebben geen levens gered

DELEN | AFDRUKKEN | E-MAIL

De VS en haar 50-staatsjurisdicties bieden een natuurlijk experiment om te testen of overtollige sterfgevallen door alle oorzaken direct kunnen worden toegeschreven aan het doorvoeren van de sociale en economische structurele grootschalige veranderingen die worden veroorzaakt door het gelasten van algemene blokkeringen van de bevolking.

Tien staten hadden geen lockdown-heffingen en er zijn 38 paren van lockdown/niet-lockdown-staten die een landgrens delen. We vinden dat het opleggen en afdwingen van regelgeving over de gehele staat van bevel tot onderdak of thuisblijven overtuigend correleert met grotere gezondheidsstatus-gecorrigeerde sterfte door alle oorzaken per hoofd van de bevolking. Dit resultaat strookt niet met de hypothese dat lockdowns levens hebben gered.

Introductie

Op 11 maart 2020 heeft de Wereldgezondheidsorganisatie een pandemie uitgeroepen op basis van een gemelde uitbraak in Wuhan, China van COVID-19 (hierna COVID), de luchtwegaandoening die zogenaamd wordt veroorzaakt door het SARS-CoV-2-virus. Op 13 maart 2020 is in de Verenigde Staten een nationale noodtoestand uitgeroepen in verband met de uitbraak van COVID-19. In de VS resulteerde deze verklaring in een heterogene reeks reacties van gezondheidsautoriteiten en overheidsfunctionarissen in verschillende staten. Onder die gevarieerde, staatsgewijze beleidsreacties, hebben de meeste staten in maart en april 2020 bevelen ter plaatse of thuisblijven uitgevaardigd (hierna "lockdowns" genoemd). 

De motivatie voor deze lockdown-maatregelen was om de verspreiding van COVID-19 te vertragen door sociale interacties te beperken, in de veronderstelling dat de ziekte zich verspreidt door persoonlijk contact. Vanwege de onafhankelijkheid van het staatsbestuur in de VS hadden de lockdown-maatregelen echter een breed scala aan implementatie en handhaving, waarbij sommige staten helemaal afzagen van lockdowns. 

Deze verschillen in staatsgewijze beslissingen om al dan niet te vergrendelen, vormen een nuttig experiment om de hypothese te testen dat lockdowns levens hebben gered. Deze hypothese voorspelt dat er minder doden (per hoofd van de bevolking) zouden zijn gevallen in staten die lockdowns hebben ingevoerd, en meer doden in staten die dat niet hebben gedaan, na correctie voor verschillen in de gezondheidsstatus van de staatsbevolking, als alle andere factoren worden verondersteld te hebben minder invloed. De gegevens die beschikbaar zijn om deze voorspellingen te testen, zijn te vinden in mortaliteit door alle oorzaken (ACM) per tijd en per staat, gerapporteerd door de CDC.

Zoals aangetoond door andere onderzoekers (bijvoorbeeld: Rancourt, Baudin & Mercier 2021), omzeilt ACM het lastige vraagstuk van doodsoorzaaktoewijzing, dat politiek van aard is en daardoor vatbaar voor vooringenomenheid (bijv. Ely et al. 2020). De juiste dominante doodsoorzaak is zelden bekend in het geval van aandoeningen van de luchtwegen, en de dood is normaal gesproken niet monocausaal. 

Het voordeel van het analyseren van ACM is dat sterfgevallen in de VS met hoge betrouwbaarheid worden geregistreerd (geen vooringenomenheid of onderrapportage). Eenmaal geregistreerd, is een overlijden een overlijden, ongeacht hoe de oorzaak op de overlijdensakte wordt vermeld. Als lockdowns effectief zijn in het voorkomen van sterfgevallen als gevolg van de verspreiding van een ziekte tijdens een pandemie, dan zouden regio's die lockdowns hebben geïmplementeerd minder sterfgevallen per hoofd van de bevolking door alle oorzaken moeten ervaren, als er geen dwingende verstorende factoren zijn.

Gegevens en methodologie

Ons doel is om de effectiviteit van lockdowns bij het redden van levens tijdens het COVID-tijdperk te beoordelen door het totale aantal sterfgevallen door alle oorzaken in paren van staten te vergelijken: een staat met een lockdown en een staat zonder een lockdown die een grens deelt met de lockdown staat. We hebben voor de volledigheid ook gekeken naar de afgesloten staten die geen grens delen met een niet-afgesloten staat.

We hebben staten zonder lockdown geïdentificeerd door administratieve en uitvoerende bevelen te onderzoeken die in maart-april 2020 zijn uitgevaardigd door deelstaatregeringen als reactie op de pandemische verklaringen van de WHO en van federale en deelstaatregeringen. De meeste van deze bestellingen zijn gearchiveerd op de website Ballotpedia. com, en we hebben de bestellingen gevonden waarvoor de links niet langer geldig waren door te zoeken op websites van de staatsoverheid. We hebben aan elk uitvoeringsbesluit een "strengheidsscore" toegekend op basis van de taal van het vergrendelingsbevel voor de staatsburgers:

Besteld/bemand: 3
Regie: 2
Voorgesteld/aangemoedigd: 1
Geen bestelling: 0

We ontdekten dat er zeven (7) staten waren met een score van 0 omdat ze geen thuisbevelen gaven: North Dakota, South Dakota, Wyoming, Iowa, Oklahoma, Nebraska en Arkansas. Er waren nog eens drie (3) staten die een score van 1 hadden omdat de regeringen burgers alleen suggereerden of aanmoedigden om thuis te blijven, maar ze niet verplichtten om dit te doen, noch voor handhavingsmiddelen zorgden: Utah, Kentucky en Tennessee. 

Ons criterium voor lockdown- versus niet-lockdown-staten verschilt van eerdere studies in zijn eenvoud (dwz alleen gericht op de striktheid van de taal in de uitvoeringsbesluiten). Maar onze resulterende lijst van niet-afgesloten staten bevat alle zeven staten die zijn vermeld als niet-afgesloten op Provinciën, en omvat alle vier niet-afgesloten staten die zijn geïdentificeerd door de door de CDC gesponsorde studie van Moreland et al. (2020)

We vergeleken de uitkomsten van deze tien niet-afgesloten staten met afgesloten staten die een grens delen, in de veronderstelling dat virale verspreiding niet wordt belemmerd door staatsgrenzen. In deze studie richten we ons op de totale mortaliteit door alle oorzaken (ACM) over een bepaalde periode als maatstaf voor de werkzaamheid van de lockdown. We gebruiken drie tijdsperioden zoals hieronder beschreven. 

We hebben voor elke staat door komma's gescheiden (csv)-bestanden met ACM per week gedownload van de CDC Wonder-website. We hebben de wekelijkse ACM-gegevens voor elke staat gedeeld door de bevolking van die staat (US Census, 1 april 2020), resulterend in het aantal sterfgevallen per hoofd van de bevolking, per week (DPVC). In dit rapport drukken we D . uitPVC als het aantal doden per 10,000 inwoners. 

Een extra correctiestap is nodig om nauwkeurige vergelijkingen van sterfte per staat mogelijk te maken. Verschillen in leeftijdsverdelingen, zwaarlijvigheidscijfers, armoedeniveaus, lichamelijke en geestelijke handicaps en andere gezondheidsdeterminanten zullen leiden tot intrinsieke verschillen inPVC in verschillende staten. Deze verschillen manifesteren zich gezamenlijk in een offset in DPVC gezien tijdens niet-pandemische jaren (vóór 2020). 

Figuur 1 toont bijvoorbeeld een vergelijking van de DPVC tussen New York en Florida in de jaren 2014-2020. Zoals met alle staatsgewijze vergelijkingen, hebben New York en Florida opmerkelijk vergelijkbare temporele variaties in DPVC van week tot week en van jaar tot jaar, maar hebben ook een duidelijke en bijna constante offset. 

We corrigeren voor deze offset door een factor H . te berekenenstaat, wat de mediane waarde is van de verhouding van de D . van een staatPVC en de DPVC van een referentiestaat van 1 januari 2014 tot en met 31 december 2020. We kozen New York als referentiestaat voor het berekenen van Hstaat. Deze keuze van de referentietoestand is willekeurig, maar de grote populatie van New York betekent dat in de meeste gevallen de fout in Hstaat wordt gedomineerd door Poisson-fouten in de DPVC van de staat van belang. 

In het voorbeeld in figuur 1 is de correctiefactor voor de gezondheidstoestand van Florida Hstaat = 0.537, wat aangeeft dat New York 53.7% minder D . ervoerPVC dan Florida in de jaren 2014 tot 2020, waarschijnlijk gedeeltelijk als gevolg van de oudere bevolking in Florida. Voor elke toestandsgewijze vergelijking van DPVC we gebruiken deze verhouding als een correctiefactor om het statenpaar op dezelfde schaal te brengen, waardoor een voor de gezondheidsstatus gecorrigeerde vergelijking van de sterfte tijdens de pandemieperiode mogelijk is. 

Deze correctiefactor voor de gezondheidstoestand is gerechtvaardigd omdat we een differentiële vergelijking maken tussen staten met en zonder lockdowns. We vragen: "Wat is, na de invoering van lockdown-maatregelen, het fractionele verschil tussen de aangepaste ACM per hoofd van de bevolking in elk paar staten?" Dit veronderstelt dat na het wegnemen van verschillen in de gezondheidstoestand van de bevolking van buurlanden, het grootste effect op de aangepaste ACM per hoofd van de bevolking de invoering van een lockdown was. Deze veronderstelling is gerechtvaardigd aangezien de lockdowns naar verwachting zullen leiden tot enorme verstoringen van nationale en regionale economieën, gezondheidszorgstelsels en het algemene sociale weefsel.

Figuur 1

Figuur 1: De sterfgevallen per hoofd van de bevolking, per week (DPVC) in Florida (blauw) en New York (rood). Het linkerpaneel toont de offset in DPVC, die we toeschrijven aan verschillen in de gezondheidsstatus van elke staat (leeftijdsstructuur, armoedeniveau, zwaarlijvigheidspercentage, enz.). Het paneel aan de rechterkant toont de gecorrigeerde DPVC, wat een differentiële vergelijking tussen deze twee staten vanaf 2020 mogelijk maakt.

Om het effect van lockdowns op de sterfte tijdens de COVID-periode te kwantificeren, berekenen we de geïntegreerde (totale) voor de gezondheidsstatus gecorrigeerde sterfgevallen per hoofd van de bevolking, Dpeuter, over een gekozen tijdsperiode. We berekenen dan de verhouding van Dpeuter voor elk paar toestanden, aangegeven met R (lockdown gedeeld door non-lockdown). We gebruiken drie verschillende tijdsperioden waarover we D . verwachtenpeuter, en R, om de effecten van de lockdown-maatregelen vast te leggen:

Dtot,1: Som over de vergrendelingsperiode van de vergrendelingsstatus. 
Dtot,2: Som over de periode van "COVID-piek 1" (cp1) zoals geïdentificeerd door Rancourt et al. (2021; week 11 tot en met week 25 van 2020)
Dtot,3: Som over gehele periode van 11 maart 2020 tot 31 december 2021

In dit artikel rapporteren we de 95%-betrouwbaarheidsintervallen voor onze geïntegreerde, voor de bevolking genormaliseerde en voor de gezondheidsstatus gecorrigeerde sterfteratio's voor elke paarsgewijze vergelijking van lockdown- en niet-lockdown-staten, en voor de voor de gezondheidsstatus gecorrigeerde geïntegreerde per hoofd van de bevolking sterfgevallen die we melden. Deze betrouwbaarheidsintervallen worden berekend in de veronderstelling dat de dominante bron van fouten afkomstig is van telstatistieken.

Resultaten

Onze resultaten zijn samengevat in onderstaande figuren. 

In de figuren 2, 3 en 4 geeft de y-as een overzicht van alle 38 paren van lockdown/non-lockdown die worden gebruikt voor het vergelijken van sterfteresultaten, met de staat van lockdown als eerste vermeld, gevolgd door de niet-lockdown-staat. De blauwe stippen tonen de puntschatting van de verhouding, R, en de bijbehorende foutbalken tonen het 95%-betrouwbaarheidsinterval; de verticale stippellijn markeert eenheid. Waarden aan de linkerkant van de verticale lijn geven gevallen aan waarin de afgesloten staat minder sterfgevallen per hoofd van de gezondheidsstatus had dan de niet-afgesloten staat. Waarden aan de rechterkant van de lijn geven aan dat er in de afgesloten staat meer voor de gezondheid gecorrigeerde sterfgevallen per hoofd van de bevolking waren dan in de niet-afgesloten staat.

Figuur 2

Figuur 2: De gezondheidsstatus aangepast per hoofd van de bevolking ACM-ratio (R) voor elk aangrenzend paar staten vermeld op de y-as. De verhouding is gebaseerd op het optellen van alle sterfgevallen in elke staat gedurende de periode die overeenkomt met de COVID-piek (3/11/2020 - 6/24/2020). De foutbalken tonen het 95%-betrouwbaarheidsinterval voor de ratio van elk paar. Verhoudingen links van de verticale lijn geven aan dat er minder doden zijn gevallen in de afgesloten staat dan in de niet-vergrendelde staat, terwijl verhoudingen aan de rechterkant van de verticale lijn aangeven dat er meer doden zijn gevallen in staten met afsluitingen.

Figuur 3

Figuur 3: De gezondheidsstatus aangepast per hoofd van de bevolking ACM-ratio (R) voor elk aangrenzend paar staten vermeld op de y-as. De verhouding is gebaseerd op het optellen van alle sterfgevallen in elke staat gedurende de periode die overeenkomt met de duur van de afsluiting van de staat. De foutbalken tonen het 95%-betrouwbaarheidsinterval voor de ratio van elk paar. Verhoudingen links van de verticale lijn geven aan dat er minder doden zijn gevallen in de afgesloten staat dan in de niet-vergrendelde staat, terwijl verhoudingen aan de rechterkant van de verticale lijn aangeven dat er meer doden zijn gevallen in staten met afsluitingen.

Figuur 4

Figuur 4: De gezondheidsstatus aangepast per hoofd van de bevolking ACM-ratio (R) voor elk aangrenzend paar staten vermeld op de y-as. De verhouding is gebaseerd op het optellen van alle sterfgevallen in elke staat gedurende het volledige "COVID-tijdperk" in onze dataset (11 maart 2020 - 25 januari 2022). De foutbalken tonen het 95%-betrouwbaarheidsinterval voor de ratio van elk paar. Verhoudingen links van de verticale lijn geven aan dat er minder doden zijn gevallen in de afgesloten staat dan in de niet-vergrendelde staat, terwijl verhoudingen aan de rechterkant van de verticale lijn aangeven dat er meer doden zijn gevallen in staten met afsluitingen.

Als lockdowns levens zouden redden, dan zouden we verwachten dat de meeste ACM-ratio's (R) minder dan één zouden zijn. In plaats daarvan zien we het tegenovergestelde. Voor alle drie de integratieperiodes zijn de meeste ratio's groter dan één. Voor de cp1 (lockdown, full) periode hebben 28 (28, 21) paren ACM-ratio's (R) groter dan één, terwijl 0 (0, 9) paren verhoudingen hebben die kleiner zijn dan één, en de overige 10 (10, 8) paren hebben R niet te onderscheiden van eenheid met een betrouwbaarheid van 95%. 

Zo blijkt uit onze analyse van R-waarden voor drie perioden waarin lockdowns naar verwachting effect zullen hebben, dat de ACM-gegevens van de afgelopen twee jaar niet stroken met de hypothese dat lockdowns levens hebben gered. Aan de andere kant zijn onze resultaten consistent met de conclusie van Rancourt et al. (2021) dat de extra sterfgevallen in de COVID-periode in de VS worden veroorzaakt door de overheid en medische maatregelen en reacties op de uitgeroepen pandemie.

Figuur 4 toont de voor de gezondheidsstatus gecorrigeerde geïntegreerde sterfgevallen per hoofd van de bevolking voor de 15-weekse "COVID-piek 1" -periode (cp1; weken 11 tot en met 25 van 2020) voor alle staten afzonderlijk (rood) en voor dezelfde integratie van 15 weken raam in 2019 (blauw) en 2018 (groen). Hier zijn de staten gerangschikt, van boven naar beneden, in afnemende volgorde van de gemiddelde bevolkingsdichtheid per staat, waarvan vaak wordt aangenomen dat het een factor is bij de verspreiding van een besmettelijke ziekte. De staatsnamen in magenta komen overeen met onze tien niet-afgesloten staten met lockdown-strengheidsscores van 0 of 1. De staatsnamen in cyaan zijn de afgesloten staten die een grens delen met een niet-afgesloten staat, die we hebben gebruikt in onze berekening van R . 

De waarden van voor gezondheidsstatus gecorrigeerde geïntegreerde sterfte door alle oorzaken in de 15-weekse "cp1"-periodes van 2019 en 2018 zijn voor alle staten strikt beperkt tot een waarde van ongeveer 14 sterfgevallen per 10,000 (Figuur 5), terwijl de overeenkomstige waarden in de COVID-periode sterk verschillen van staat tot staat, variërend van de basiswaarde van 2019 tot wel 25 per 10,000 voor New Jersey, en doorgaans zo groot als 15 tot 21 per 10,000. Niet-lockdown-staten hebben namen op de y-as die magenta gekleurd zijn, terwijl de lockdown-staten die worden gebruikt als onze vergelijkingen bij het berekenen van R cyaan gekleurd zijn. 

Figuur 5 laat zien dat de meeste van onze tien niet-afgesloten staten een voor de gezondheidsstatus gecorrigeerde geïntegreerde mortaliteit door alle oorzaken hebben in de 15-weekse cp1 op de pre-COVID (2018 en 2019) baselinewaarde van ongeveer 14 per 10,000, terwijl de meeste van de staten met een strikte lockdown-score van 2 en 3 hebben sterftecijfers die ver boven de pre-COVID-basiswaarden liggen.

Figuur 5

Figuur 5: Geïntegreerde gezondheidstoestand gecorrigeerde ACM over de cp1-periode (11 maart - 29 juni 2020; rood) vergeleken met dezelfde periode in 2019 (blauw) en 2018 (groen). Staten geordend van boven naar beneden in afnemende bevolkingsdichtheid. Magenta geeft niet-vergrendelde toestanden aan terwijl: cyaan duidt afgesloten staten aan die een grens delen met niet-afgesloten staten.

Hoewel een nauwkeurige schatting van de extra sterfte als gevolg van lockdowns buiten het bestek van dit artikel valt, kunnen we een ruwe schatting maken op basis van figuur 5. De drie meest bevolkte staten (Californië, Texas, Florida) hebben COVID-periodestijgingen boven de baseline van ongeveer 1 op 10,000. Op basis van één kalenderjaar (52 weken), en voor een populatie gelijk aan die van de hele VS, zou dit overeenkomen met ongeveer 110,000 sterfgevallen, die direct zouden kunnen worden toegeschreven aan de effecten van het opleggen van lockdowns en die niet zouden zijn opgetreden als lockdowns waren niet doorgevoerd. Deze waarde komt overeen met de schatting van de oversterfte tijdens de lockdown van 97,000 per jaar door Mulligan & Arnot (2022). 

Discussie en conclusie

Het gebruik van lockdowns om de algemene bevolking van de Verenigde Staten in quarantaine te plaatsen om de verspreiding van een besmettelijke ziekte onder controle te houden, is zonder precedent in de geschiedenis van het land. Tijdens eerdere pandemieën werden alleen zieken en zieken in quarantaine geplaatst, terwijl de rest van de bevolking min of meer normaal bleef. 

Deze benadering van "gerichte bescherming" werd aanbevolen door medische professionals in de Grote verklaring van Barrington in 2020, wat aantoont dat er alternatieven voor lockdowns bestonden en goed werden begrepen binnen de medische gemeenschap. Nog in 2019 pleitte de Wereldgezondheidsorganisatie voor een vergelijkbare aanpak in haar aanbevelingen om de risico's van een grieppandemie te verminderen, zonder melding te maken van lockdown-maatregelen voor de algemene bevolking (WGO 2019). Het WHO-rapport stelt namelijk specifiek dat het in quarantaine plaatsen van blootgestelde personen "niet wordt aanbevolen omdat er geen duidelijke reden is voor deze maatregel" (zie hun tabellen 1 en 4). Evenzo is de Actieplan voor paraatheid bij grieppandemie voor de Verenigde Staten maakt geen melding van lockdowns en stelt dat "... klassieke maatregelen die zijn ontworpen om het risico van introductie en overdracht van bepaalde infectieuze agentia te verminderen, zoals klinische screening en quarantaine bij aankomsthavens, waarschijnlijk niet effectief zullen zijn" (Strikas et al. 2002). 

In hun overzicht van de beschikbare literatuur over interventies bij een grieppandemie, Inglesby et al. (2006) uitdrukkelijk afraden quarantainemaatregelen in het geval van een grieppandemie, zowel voor zieke als gezonde personen, omdat de maatschappelijke kosten naar verwachting veel groter zullen zijn dan de baten. Ze concludeerden: "[Er]ervaring heeft aangetoond dat gemeenschappen die worden geconfronteerd met epidemieën of andere ongewenste gebeurtenissen het beste en met de minste angst reageren wanneer het normale sociale functioneren van de gemeenschap het minst wordt verstoord." Deze aanbevelingen gaan verder dan het voorbereiden op en reageren op grieppandemieën. In een rapport met de titel Paraatheid voor een pandemie met hoge impact op de luchtwegen, concluderen de auteurs dat quarantaine een van de minst effectieve niet-farmaceutische maatregelen is om de verspreiding van ziekten in te dammen (Johns Hopkins Centrum voor gezondheidsbeveiliging 2019).

Zo vormden de lockdown-maatregelen die in 2020 door de meeste Amerikaanse staten, evenals vele landen wereldwijd, werden geïmplementeerd, een ongekend grootschalig experiment in de bestrijding van infectieziekten. De gegevens over sterfte door alle oorzaken die we hebben geanalyseerd, stellen ons in staat om de hypothese te testen dat lockdowns levens hebben gered tijdens de COVID-pandemie. We vinden dat deze gegevens niet in overeenstemming zijn met deze hypothese; Staten met lockdowns kenden meer sterfgevallen door alle oorzaken dan naburige staten zonder lockdowns. We concluderen daarom dat dit experiment een mislukking was van het volksgezondheidsbeleid en dat lockdown-maatregelen niet mogen worden gebruikt tijdens toekomstige ziekte-uitbraken. 

Onze bevinding dat de mortaliteit door alle oorzaken toenam in staten met lockdowns, komt overeen met de conclusies van Agrawal et al. (2021) die een statistisch significante toename van de bovenmatige sterfte vonden als gevolg van onderdak-in-place orders in de VS en in 43 landen. evenzo, Mulligan & Arnot (2022) schatten dat er 97,000 extra sterfgevallen per jaar waren als gevolg van lockdowns, waarbij de oversterfte gelijkelijk werd verdeeld over alle volwassen leeftijdsgroepen, in tegenstelling tot COVID-sterfgevallen die het meest werden toegeschreven aan ouderen.

Gezien het sterke verband tussen het opleggen van een algemene afsluiting van de bevolking en de verhoogde mortaliteit door alle oorzaken, zoals hierboven aangetoond (Figuur 2-5), is het passend om hypothesen te wagen voor de oorzaak of oorzaken van deze associatie. 

Het is duidelijk dat bevoorrechte Amerikanen uit de hogere middenklasse en professionele klassen niet stierven door thuis te blijven. Het is echter niet onredelijk om te stellen dat de algemene lockdown-regels en -orders niettemin proxy's of wettelijke indicatoren zijn van de mate van agressiviteit (inclusief stopzetting) waarmee de maatschappelijke instellingen in de staat reageerden of reageerden op de aangekondigde pandemie. Deze instellingen zijn onder meer scholen, verzorgingstehuizen, ziekenhuizen, klinieken, gehandicaptendiensten, kinderdagverblijven, politiediensten, gezins- en sociale diensten, enzovoort.

We stellen dit voorlopig voor omdat het zeer waarschijnlijk is dat de extra sterfgevallen als gevolg van lockdowns afkomstig zijn van groepen individuen met een bijzonder hoog risico op fatale gevolgen van grote en negatieve verstoringen in hun leven en ondersteunende netwerken. Dit geldt ongeacht de feitelijke mechanistische doodsoorzaak, gezien het bekende verband tussen zowel ervaren stress als sociaal isolement en de ernst en mortaliteit van de ziekte, via de impact op het immuunsysteem (Ader en Cohen 1993; Cohen et al. 1991; Cohen et al. 1997; Cohen et al. 2007; Sapolski 2005; Prenderville et al., 2015; Dhabhar 2014; Rancourt et al. 2021). Er is inderdaad voldoende bewijs dat de lockdowns gepaard gaan met grote stijgingen van de werkloosheid en een algemene verslechtering van de geestelijke gezondheid (bijv Jewel et al. 2020, Czeisler et al. 2020). 

De ACM-gegevens die beschikbaar zijn via de CDC Wonder-website zijn niet uitgesplitst naar staat en demografie, dus we konden niet onderzoeken welke demografische groepen stierven en hoe ze stierven in elke staat. Demografische informatie is echter op nationaal niveau beschikbaar, en Mulligan & Arnot (2022) vonden een grote toename van de oversterfte onder mensen van 18-65 jaar, een demografische groep die geen hoog risico liep op COVID. 

Evenzo Rancourt et al. (2021) vonden dat de temporele en ruimtelijke verdeling van sterfte door alle oorzaken in de pandemieperiode niet consistent is met de effecten van een virale luchtwegaandoening. Ze vonden bewijs dat veel overtollige sterfgevallen tijdens de pandemie verkeerd werden gediagnosticeerd door bacteriële longontstekingsinfecties, waarschijnlijk verergerd door verstoringen van het Amerikaanse gezondheidszorgsysteem.

Er bestaat dus sterk bewijs dat de hypothese ondersteunt dat lockdowns een plotselinge en ernstige stresslast legden op kwetsbare demografische groepen in de VS, wat leidde tot een significante toename van het aantal doden in die staten die lockdowns gebruikten als ziektebestrijdingsmaatregelen.

Deze samenvatting is ontleend aan de grotere studie van auteurs.



Uitgegeven onder a Creative Commons Naamsvermelding 4.0 Internationale licentie
Stel voor herdrukken de canonieke link terug naar het origineel Brownstone Instituut Artikel en auteur.

auteurs

  • John Johnson

    John Johnson is hoogleraar astronomie aan het Center for Astrophysics | Harvard en Smithsonian. John's onderzoeksgeschiedenis omvat het detecteren en observeren van exoplaneten, het verzamelen van gegevens en het ontwerpen en bouwen van instrumenten die worden gebruikt bij de jacht op werelden buiten ons zonnestelsel.

    Bekijk alle berichten
  • Dennis Rancourt

    Denis Rancourt was 23 jaar hoogleraar natuurkunde en hoofdwetenschapper aan de Universiteit van Ottawa. Hij schrijft nu over geneeskunde, COVID-19, individuele gezondheid, klimaatverandering, geopolitiek, burgerrechten, politieke theorie en sociologie. Denis heeft meer dan 100 peer-reviewed tijdschriftartikelen geschreven op technische gebieden van wetenschap en technologie.

    Bekijk alle berichten

Doneer vandaag nog

Uw financiële steun aan het Brownstone Institute gaat naar de ondersteuning van schrijvers, advocaten, wetenschappers, economen en andere moedige mensen die professioneel zijn gezuiverd en ontheemd tijdens de onrust van onze tijd. U kunt helpen de waarheid naar buiten te brengen door hun voortdurende werk.

Abonneer u op Brownstone voor meer nieuws

Blijf op de hoogte met Brownstone Institute