Brownstone » Dziennik Instytutu Brownstone » Blokady nie uratowały życia

Blokady nie uratowały życia

UDOSTĘPNIJ | DRUKUJ | E-MAIL

Stany Zjednoczone i ich 50 stanowych jurysdykcji zapewniają naturalny eksperyment, aby sprawdzić, czy nadmierną liczbę zgonów z jakiejkolwiek przyczyny można bezpośrednio przypisać wdrażaniu społecznych i ekonomicznych strukturalnych zmian na dużą skalę wywołanych przez nakaz blokad dla ogółu populacji.

Dziesięć stanów nie nałożyło nakazów blokady i istnieje 38 par stanów z blokadą/bez blokady, które mają wspólną granicę lądową. Odkryliśmy, że nałożenie i egzekwowanie przepisów dotyczących schronienia w miejscu lub pozostania w domu w całym stanie jest ostatecznie skorelowane z większą śmiertelnością z wszystkich przyczyn, z uwzględnieniem stanu zdrowia, w przeliczeniu na jednego mieszkańca, według stanu. Wynik ten jest niezgodny z hipotezą, że blokady ratowały życie.

Wprowadzenie

11 marca 2020 r. Światowa Organizacja Zdrowia ogłosiła pandemię na podstawie zgłoszonego wybuchu w Wuhan w Chinach COVID-19 (dalej COVID), choroby układu oddechowego rzekomo spowodowanej wirusem SARS-CoV-2. 13 marca 2020 r. w Stanach Zjednoczonych ogłoszono stan wyjątkowy w związku z wybuchem COVID-19. W Stanach Zjednoczonych deklaracja ta wywołała niejednorodny zestaw odpowiedzi ze strony organów ds. zdrowia i urzędników państwowych w różnych stanach. Wśród tych zróżnicowanych, państwowych reakcji politycznych, większość stanów wydała nakazy schronienia lub pozostania w domu w marcu i kwietniu 2020 r. (zwane dalej „blokadami”). 

Motywacją do podjęcia tych środków było spowolnienie rozprzestrzeniania się COVID-19 poprzez ograniczenie interakcji społecznych, przy założeniu, że choroba rozprzestrzenia się poprzez kontakt międzyludzki. Jednak ze względu na niezależność rządów stanowych w USA środki blokujące miały szeroki zakres wdrażania i egzekwowania, a niektóre stany całkowicie zrezygnowały z blokad. 

Te różnice w podejmowanych przez państwo decyzjach o zablokowaniu lub nieustanowieniu w ten sposób użytecznego eksperymentu sprawdzającego hipotezę, że blokady ratowały życie. Hipoteza ta przewiduje, że powinno być mniej zgonów (na mieszkańca) w stanach, które wprowadziły blokady, a więcej zgonów w stanach, które ich nie wprowadziły, po uwzględnieniu różnic w stanie zdrowia populacji stanów, jeśli zakłada się, że wszystkie inne czynniki mniejszy wpływ. Dostępne dane do testowania tych prognoz można znaleźć w śmiertelności z jakiejkolwiek przyczyny (ACM) według czasu i stanu, zgłaszanych przez CDC.

Jak wykazali inni badacze (na przykład Rancourt, Baudin i Mercier 2021), ACM omija trudną kwestię ustalenia przyczyny śmierci, która ma charakter polityczny, a w rezultacie podatna na uprzedzenia (np. Ealy i in. 2020). Prawidłowa dominująca przyczyna zgonu w przypadku chorób układu oddechowego jest rzadko znana, a śmierć zwykle nie jest jednoprzyczynowa. 

Zaletą analizy ACM jest to, że zgony w Stanach Zjednoczonych są rejestrowane z dużą dokładnością (brak stronniczości w raportowaniu lub zaniżanie danych). Po odnotowaniu zgon jest zgonem, niezależnie od tego, jak przyczyna jest przypisana w akcie zgonu. Jeśli blokady są skuteczne w zapobieganiu zgonom z powodu rozprzestrzeniania się choroby podczas pandemii, to regiony, które wdrożyły blokady, powinny mieć mniej zgonów na mieszkańca ze wszystkich przyczyn, jeśli nie ma nadrzędnych czynników zakłócających.

Dane i metodologia

Naszym celem jest ocena skuteczności blokad w ratowaniu życia podczas ery COVID poprzez porównanie całkowitej liczby zgonów ze wszystkich przyczyn w parach stanów: jeden stan z blokadą i stan bez blokady, który dzieli granicę z blokadą państwo. Zbadaliśmy również stany blokady, które nie dzielą granicy z żadnym stanem bez blokady, pod kątem kompletności.

Zidentyfikowaliśmy stany bez blokady, analizując nakazy administracyjne i wykonawcze wydane w okresie od marca do kwietnia 2020 r. przez rządy stanowe w odpowiedzi na deklaracje WHO oraz rządów federalnych i stanowych dotyczące pandemii. Większość z tych zamówień została zarchiwizowana na stronie Ballotpedia.com, a zamówienia, dla których linki nie były już ważne, znaleźliśmy, przeszukując witryny władz stanowych. Każdemu nakazowi wykonawczemu przypisaliśmy ocenę „rygorystyczności” na podstawie języka nakazu blokady dla obywateli stanu:

Zamówione / upoważnione: 3
Reżyseria: 2
Sugerowane/zalecane: 1
Brak zamówienia: 0

Odkryliśmy, że było siedem (7) stanów, które uzyskały wynik 0, ponieważ nie wydały nakazów pozostania w domu: Dakota Północna, Dakota Południowa, Wyoming, Iowa, Oklahoma, Nebraska i Arkansas. Istniały dodatkowe trzy (3) stany, które uzyskały 1 punkt, ponieważ rządy tylko sugerowały lub zachęcały obywateli do pozostania w domu, ale nie wymagały od nich tego, ani nie zapewniały środków egzekwowania: Utah, Kentucky i Tennessee. 

Nasze kryterium dla stanów lockdown versus non-lockdown różni się od poprzednich badań prostotą (tj. skupianiem się tylko na surowości języka w rozkazach wykonawczych). Ale nasza wynikowa lista stanów bez blokady obejmuje wszystkie siedem stanów wymienionych jako niezablokowane włączone Ballotpediai obejmuje wszystkie cztery stany bez blokady zidentyfikowane w badaniu sponsorowanym przez CDC Moreland i in. (2020)

Porównaliśmy wyniki tych dziesięciu stanów bez blokady ze stanami z blokadą, które dzielą granicę, zakładając, że rozprzestrzenianie się wirusa nie jest utrudnione przez granice stanów. W tym badaniu koncentrujemy się na całkowitej śmiertelności z jakiejkolwiek przyczyny (ACM) w określonym czasie jako mierniku skuteczności blokady. Używamy trzech okresów, jak opisano poniżej. 

Pobieraliśmy pliki wartości rozdzielanych przecinkami (csv) zawierające ACM na tydzień dla każdego stanu z Witryna CDC Wonder. Podzieliliśmy tygodniowe dane ACM dla każdego stanu przez populację tego stanu (Spis powszechny w USA, 1 kwietnia 2020 r.), co daje liczbę zgonów na osobę w tygodniu (Dszt). W całym raporcie wyrażamy Dszt jako liczba zgonów na 10,000 XNUMX mieszkańców. 

Dodatkowy krok korekcyjny jest niezbędny, aby umożliwić dokładne porównania śmiertelności w poszczególnych stanach. Różnice w rozkładach wiekowych, wskaźnikach otyłości, poziomach ubóstwa, wskaźnikach niepełnosprawności fizycznej i umysłowej oraz innych determinantach zdrowotnych doprowadzą do wewnętrznych różnic w Dszt w różnych stanach. Różnice te łącznie przejawiają się w przesunięciu w Dszt zaobserwowane w latach niepandemicznych (przed 2020 r.). 

Na przykład rysunek 1 pokazuje porównanie Dszt między Nowym Jorkiem a Florydą w latach 2014-2020. Podobnie jak w przypadku wszystkich porównań stanowych, Nowy Jork i Floryda mają niezwykle podobne czasowe wahania w Dszt z tygodnia na tydzień i z roku na rok, ale też mają wyraźny i prawie stały offset. 

Poprawiamy to przesunięcie, obliczając współczynnik Hbyły, która jest wartością mediany stosunku D . stanuszt i Dszt stanu odniesienia od 1 stycznia 2014 r. do 31 grudnia 2020 r. Wybraliśmy Nowy Jork jako stan odniesienia do obliczenia Hbyły. Ten wybór stanu odniesienia jest arbitralny, ale duża populacja Nowego Jorku oznacza, że ​​w większości przypadków błąd w Hbyły jest zdominowany przez błędy Poissona w Dszt stanu zainteresowania. 

W przykładzie przedstawionym na rysunku 1 współczynnik korekcji stanu zdrowia na Florydzie wynosi Hbyły = 0.537, co oznacza, że ​​Nowy Jork doświadczył o 53.7% mniej Dszt niż Floryda w latach 2014-2020, prawdopodobnie częściowo ze względu na starszą populację Florydy. Dla każdego stanowego porównania Dszt przyjmujemy ten współczynnik jako czynnik korygujący, aby sprowadzić parę stanów do tej samej skali, co pozwala na skorygowane o stan zdrowia porównanie śmiertelności w okresie pandemii. 

Ten współczynnik korekcji stanu zdrowia jest uzasadniony, ponieważ przeprowadzamy różnicowe porównanie między stanami z blokadami i bez nich. Pytamy: „Po wprowadzeniu środków blokujących, jaka jest różnica ułamkowa między skorygowanym ACM na mieszkańca w każdej parze stanów?” Zakłada się, że po usunięciu różnic w stanie zdrowia populacji sąsiednich stanów największy wpływ na skorygowany ACM per capita miało wprowadzenie blokady. Założenie to jest uzasadnione, biorąc pod uwagę, że oczekuje się, że blokady spowodują masowe zakłócenia gospodarek krajowych i regionalnych, systemów opieki zdrowotnej i ogólnej tkanki społecznej.

Rysunek 1

Rysunek 1: Zgony na mieszkańca na tydzień (Dszt) na Florydzie (niebieski) i Nowym Jorku (czerwony). Lewy panel pokazuje przesunięcie w Dszt, które przypisujemy różnicom w stanie zdrowia populacji w każdym stanie (struktura wiekowa, poziom ubóstwa, wskaźnik otyłości itp.). Panel po prawej pokazuje skorygowane Dszt, co pozwala na zróżnicowane porównanie tych dwóch państw od 2020 roku.

Aby określić ilościowo wpływ blokad na śmiertelność w okresie COVID, obliczamy zintegrowaną (całkowitą) skorygowaną o stan zdrowia liczbę zgonów na mieszkańca, Ddo, w wybranym okresie. Następnie obliczamy stosunek Ddo dla każdej pary stanów, oznaczonej przez R (blokada podzielona przez brak blokady). Używamy trzech różnych okresów czasu, w których oczekujemy Ddo, i R, aby uchwycić efekty środków blokowania:

Drazem, 1: Suma okresu blokady stanu blokady. 
Drazem, 2: Suma w okresie „szczytu COVID 1” (cp1) zidentyfikowanego przez Rancourt i in. (2021; od 11. tygodnia do 25. tygodnia 2020 r.)
Drazem, 3: Suma za cały okres od 11 marca 2020 do 31 grudnia 2021

W całym tym artykule podajemy 95% przedziały ufności dla naszych zintegrowanych, znormalizowanych dla populacji i skorygowanych o stan zdrowia współczynników śmiertelności dla każdego porównania parami stanów zablokowanych i niezablokowanych oraz dla zintegrowanych wskaźników śmiertelności skorygowanych o stan zdrowia na mieszkańca. śmiertelności, które zgłaszamy. Te przedziały ufności są obliczane przy założeniu, że dominującym źródłem błędu są statystyki zliczania.

Efekt

Nasze wyniki podsumowano na poniższych rysunkach. 

Na rycinach 2, 3 i 4 oś y przedstawia wszystkie 38 par stanów z blokadą/bez blokady używanych do porównywania wyników śmiertelności, przy czym stan blokady jest wymieniony jako pierwszy, a następnie stan bez blokady. Niebieskie kropki pokazują oszacowanie punktowe stosunku R, a powiązane słupki błędów pokazują 95% przedział ufności; pionowa linia przerywana oznacza jedność. Wartości po lewej stronie pionowej linii wskazują przypadki, w których w stanie zablokowania wystąpiło mniej zgonów na mieszkańca skorygowanych o stan zdrowia niż w stanie bez blokady. Wartości po prawej stronie linii wskazują, że w stanie zablokowania wystąpiło więcej zgonów na mieszkańca skorygowanych o stan zdrowia niż w stanie bez blokady.

Rysunek 2

Rysunek 2: Skorygowany stosunek ACM na mieszkańca (R) do stanu zdrowia dla każdej sąsiedniej pary stanów wymienionych na osi y. Wskaźnik opiera się na zsumowaniu wszystkich zgonów w każdym stanie w okresie odpowiadającym szczytowi COVID (3 – 11). Słupki błędów pokazują 2020% przedział ufności dla stosunku każdej pary. Wskaźniki na lewo od linii pionowej wskazują, że mniej zgonów miało miejsce w stanie zablokowania niż w stanie bez blokady, podczas gdy wskaźniki na prawo od linii pionowej wskazują, że stany z zablokowaniem doświadczyły większej liczby zgonów.

Rysunek 3

Rysunek 3: Skorygowany stosunek ACM na mieszkańca (R) do stanu zdrowia dla każdej sąsiedniej pary stanów wymienionych na osi y. Współczynnik jest oparty na zsumowaniu wszystkich zgonów w każdym stanie w okresie czasu odpowiadającym czasowi trwania blokady w stanie blokady. Słupki błędów pokazują 95% przedział ufności dla stosunku każdej pary. Wskaźniki na lewo od linii pionowej wskazują, że mniej zgonów miało miejsce w stanie zablokowania niż w stanie bez blokady, podczas gdy wskaźniki na prawo od linii pionowej wskazują, że stany z zablokowaniem doświadczyły większej liczby zgonów.

Rysunek 4

Rysunek 4: Skorygowany stosunek ACM na mieszkańca (R) do stanu zdrowia dla każdej sąsiedniej pary stanów wymienionych na osi y. Współczynnik opiera się na zsumowaniu wszystkich zgonów w każdym stanie w ciągu pełnej „ery COVID” w naszym zestawie danych (11 marca 2020 r. – 25 stycznia 2022 r.). Słupki błędów pokazują 95% przedział ufności dla stosunku każdej pary. Wskaźniki na lewo od linii pionowej wskazują, że mniej zgonów miało miejsce w stanie zablokowania niż w stanie bez blokady, podczas gdy wskaźniki na prawo od linii pionowej wskazują, że stany z zablokowaniem doświadczyły większej liczby zgonów.

Gdyby blokady uratowały życie, spodziewalibyśmy się, że większość wskaźników ACM (R) będzie mniejsza niż jeden. Zamiast tego widzimy coś przeciwnego. Dla wszystkich trzech okresów integracji większość wskaźników jest większa niż jeden. Dla okresu cp1 (lockdown, full) 28 (28, 21) par ma wskaźniki ACM (R) większe niż jeden, podczas gdy 0 (0, 9) par ma wskaźniki mniejsze niż jeden, a pozostałe 10 (10, 8) pary mają R nie do odróżnienia od jedności przy 95% ufności. 

Zatem nasza analiza wartości R dla trzech okresów, w których oczekuje się, że blokady przyniosą skutek, pokazuje, że dane ACM z ostatnich dwóch lat są niezgodne z hipotezą, że blokady uratowały życie. Z drugiej strony nasze wyniki są zgodne z wnioskiem Rancourt et al. (2021), że nadmierna liczba zgonów w okresie COVID w USA jest spowodowana środkami rządowymi i medycznymi oraz reakcjami na ogłoszoną pandemię.

Rysunek 4 przedstawia skorygowane ze względu na stan zdrowia zintegrowane zgony na mieszkańca w 15-tygodniowym okresie „szczytu COVID 1” (cp1; tygodnie od 11 do 25 w 2020 r.) dla wszystkich stanów indywidualnie (czerwony) i dla tej samej 15-tygodniowej integracji okno w 2019 (niebieski) i 2018 (zielony). Tutaj stany są uporządkowane, od góry do dołu, w porządku malejącym średniej gęstości zaludnienia, która jest często uważana za czynnik rozprzestrzeniania się choroby zakaźnej. Nazwy stanów w kolorze magenta odpowiadają naszym dziesięciu stanom bez blokady, które mają wyniki rygorystyczności blokady 0 lub 1. Nazwy stanów w kolorze cyjan to stany blokady, które dzielą granicę ze stanem bez blokady, którego użyliśmy do obliczenia R . 

Wartości zintegrowanej śmiertelności z wszystkich przyczyn skorygowanej o stan zdrowia w 15-tygodniowych okresach „cp1” w latach 2019 i 2018 są ściśle ograniczone dla wszystkich stanów do wartości około 14 zgonów na 10,000 5 (Rysunek 2019), podczas gdy odpowiednie wartości w okresie COVID różnią się znacznie w zależności od stanu, od wartości bazowej z 25 r. do 10,000 na 15 21 w New Jersey i zwykle wynoszą od 10,000 do XNUMX na XNUMX XNUMX. Stany niezablokowane mają nazwy na osi Y w kolorze magenta, podczas gdy stany zablokowane używane jako nasze odpowiedniki przy obliczaniu R są w kolorze cyjan. 

Rysunek 5 pokazuje, że większość z naszych dziesięciu stanów bez blokady ma skorygowaną o stan zdrowia zintegrowaną śmiertelność z jakiejkolwiek przyczyny w 15-tygodniowym cp1 na wartości bazowej sprzed COVID (2018 i 2019) wynoszącą około 14 na 10,000 2, podczas gdy większość stany z punktacją rygorystyczności blokady 3 i XNUMX mają wskaźniki śmiertelności znacznie powyżej wartości wyjściowych sprzed COVID.

Rysunek 5

Rysunek 5: Zintegrowany ACM skorygowany o stan zdrowia w okresie cp1 (11 marca – 29 czerwca 2020 r.; czerwony) w porównaniu z tym samym okresem w 2019 r. (niebieski) i 2018 (Zielony). Państwa uporządkowały od góry do dołu w malejącej gęstości zaludnienia. Magenta wskazuje stany bez blokady, gdy cyan oznacza stany zablokowane, które dzielą granicę ze stanami bez blokady.

Chociaż dokładne oszacowanie nadmiernej śmiertelności z powodu zablokowania jest poza zakresem tego artykułu, możemy dokonać przybliżonego oszacowania na podstawie rysunku 5. Trzy najludniejsze stany (Kalifornia, Teksas, Floryda) charakteryzują się wzrostem w okresie COVID powyżej poziomu wyjściowego około 1 na 10,000 52. Na podstawie jednego roku kalendarzowego (110,000 tygodnie) i dla populacji równej populacji całych Stanów Zjednoczonych, odpowiadałoby to około 97,000 XNUMX zgonów, które można by przypisać bezpośrednio skutkom nakazu zamknięcia i które nie miałyby miejsca, gdyby blokady nie zostały wdrożone. Wartość ta jest zgodna z oszacowaną nadwyżką śmiertelności z powodu blokady wynoszącą XNUMX XNUMX/rok do Mulligan i Arnot (2022). 

Dyskusja i konkluzja

Stosowanie blokad w celu „poddania kwarantannie” ogólnej populacji Stanów Zjednoczonych w celu kontrolowania rozprzestrzeniania się choroby zakaźnej nie ma precedensu w historii narodu. Podczas poprzednich pandemii tylko chorzy i niedołężni byli poddawani kwarantannie, podczas gdy reszta populacji pozostała mniej więcej w normalnym stanie. 

To podejście „skoncentrowanej ochrony” było zalecane przez lekarzy w: Deklaracja Wielkiej Barrington w 2020 r., pokazując, że istnieją alternatywy dla blokad i są dobrze rozumiane w środowisku medycznym. Jeszcze w 2019 r. Światowa Organizacja Zdrowia opowiadała się za podobnym podejściem w swoich zaleceniach dotyczących zmniejszania ryzyka pandemii grypy, nie wspominając o środkach blokady dla populacji ogólnej (KTO 2019). Rzeczywiście, raport WHO wyraźnie stwierdza, że ​​poddawanie osób narażonych na kwarantannę „nie jest zalecane, ponieważ nie ma oczywistego uzasadnienia dla tego środka” (patrz tabele 1 i 4). Podobnie Plan działania na wypadek pandemii grypy dla Stanów Zjednoczonych nie wspomina o blokadach i stwierdza, że ​​„…klasyczne środki mające na celu zmniejszenie ryzyka wprowadzenia i przenoszenia niektórych czynników zakaźnych, takie jak badania kliniczne i kwarantanna w portach wejścia, prawdopodobnie nie będą skuteczne” (Strikas i in. 2002). 

W swoim przeglądzie dostępnej literatury na temat interwencji w pandemii grypy, Inglesby i in. (2006) wyraźnie odradzać stosowanie kwarantanny w przypadku pandemii grypy, zarówno dla osób chorych, jak i zdrowych, ponieważ oczekuje się, że koszty społeczne znacznie przewyższą korzyści. Doszli do wniosku, że „[Doświadczenie] pokazało, że społeczności w obliczu epidemii lub innych zdarzeń niepożądanych reagują najlepiej i z najmniejszym niepokojem, gdy normalne funkcjonowanie społeczności jest najmniej zakłócone”. Zalecenia te wykraczają poza przygotowanie i reagowanie na pandemie grypy. W raporcie zatytułowanym Gotowość na silną pandemię patogenów oddechowychautorzy wnioskują, że kwarantanna jest jednym z najmniej skutecznych środków niefarmaceutycznych w powstrzymywaniu rozprzestrzeniania się choroby (Centrum Bezpieczeństwa Zdrowia im. Johnsa Hopkinsa 2019).

Tak więc środki blokujące wdrożone w 2020 r. przez większość stanów USA, a także wiele krajów na całym świecie, stanowiły bezprecedensowy eksperyment na dużą skalę w kontroli chorób zakaźnych. Przeanalizowane przez nas dane dotyczące śmiertelności z wszystkich przyczyn pozwalają nam przetestować hipotezę, że blokady uratowały życie podczas pandemii COVID. Uważamy, że dane te są niezgodne z tą hipotezą; stany z blokadami doświadczyły większej liczby zgonów z jakiejkolwiek przyczyny niż sąsiednie stany bez blokad. W związku z tym dochodzimy do wniosku, że ten eksperyment był porażką polityki zdrowia publicznego i że środki blokujące nie powinny być stosowane podczas przyszłych wybuchów choroby. 

Nasze odkrycie, że śmiertelność z jakiejkolwiek przyczyny wzrosła w stanach z blokadami, jest zgodne z wnioskami z Agrawal i in. (2021), którzy stwierdzili statystycznie istotny wzrost nadmiernej śmiertelności z powodu nakazów schronienia w USA i 43 krajach. Podobnie, Mulligan i Arnot (2022) szacują, że z powodu zablokowania dochodziło do 97,000 XNUMX zgonów rocznie, przy czym nadmierna śmiertelność była równomiernie rozłożona wśród wszystkich dorosłych grup wiekowych, w przeciwieństwie do zgonów z powodu COVID, które najczęściej przypisywano osobom starszym.

Biorąc pod uwagę silny związek między nałożeniem blokady na populację ogólną a zwiększoną śmiertelnością z jakiejkolwiek przyczyny, przedstawiony powyżej (ryc. 2-5), właściwe jest postawienie hipotez dotyczących przyczyny lub przyczyn tego związku. 

Oczywiście uprzywilejowani Amerykanie z wyższej klasy średniej i zawodowej nie zginęli z powodu pozostania w domu. Nie bezpodstawne jest jednak postulat, że regulacje i nakazy dotyczące blokady ludności są jednak pełnomocnikami lub ustawowymi wskaźnikami stopnia agresywności (w tym porzucenia), z jaką instytucje społeczne w państwie zareagowały lub zareagowały na zapowiadaną pandemię. Instytucje te obejmowałyby szkoły, domy opieki, szpitale, przychodnie, służby dla osób niepełnosprawnych, ośrodki opieki dziennej, służby policyjne, służby rodzinne i socjalne i tak dalej.

Wstępnie to rozwijamy, ponieważ jest całkowicie prawdopodobne, że nadmierna liczba zgonów związana z blokadą pochodzi z puli osób szczególnie narażonych na śmiertelne konsekwencje dużych i negatywnych zakłóceń w ich życiu i sieciach wsparcia. Będzie to prawdą niezależnie od rzeczywistej mechanicznej przyczyny śmierci, biorąc pod uwagę znany związek między doświadczanym stresem i izolacją społeczną oraz ciężkością choroby i śmiertelnością, poprzez wpływ na układ odpornościowy (Ader i Cohen 1993; Cohen i in. 1991; Cohen i in. 1997; Cohen i in. 2007; Sapolski 2005; Prenderville i in., 2015; Zahar 2014; Rancourt i in. 2021). Rzeczywiście, istnieje wiele dowodów na to, że blokady są związane z dużym wzrostem liczby bezrobocie oraz ogólne pogorszenie stanu zdrowia psychicznego (np Jewell i in. 2020, Czeisler i in. 2020). 

Dane ACM dostępne za pośrednictwem witryny CDC Wonder nie są zdezagregowane zarówno według stanu, jak i demografii, więc nie byliśmy w stanie zbadać, które grupy demograficzne umierały i jak umierały w każdym stanie. Jednak informacje demograficzne są dostępne na poziomie krajowym i Mulligan i Arnot (2022) stwierdzili duży wzrost nadmiernej śmiertelności wśród osób w wieku 18-65 lat, czyli w grupie demograficznej, która nie była zagrożona COVID. 

Podobnie, Rancourt i in. (2021) stwierdzili, że czasowy i przestrzenny rozkład śmiertelności z jakiejkolwiek przyczyny w okresie pandemii jest niezgodny ze skutkami wirusowej choroby układu oddechowego. Znaleźli dowody na to, że wiele nadmiernych zgonów podczas pandemii było błędnie zdiagnozowanymi bakteryjnymi infekcjami płuc, prawdopodobnie zaostrzonymi przez zakłócenia w amerykańskim systemie opieki zdrowotnej.

Tak więc istnieją mocne dowody potwierdzające hipotezę, że blokady spowodowały nagłe i poważne obciążenie stresem podatnej grupy demograficznej w USA, prowadząc do znacznego wzrostu zgonów w tych stanach, które stosowały blokady jako środki kontroli choroby.

To podsumowanie zostało zaczerpnięte z większe opracowanie autorów.



Opublikowane pod a Creative Commons Uznanie autorstwa 4.0 Licencja międzynarodowa
W przypadku przedruków ustaw link kanoniczny z powrotem na oryginał Instytut Brownstone Artykuł i autor.

Dla autorów

  • John Johnson

    John Johnson jest profesorem astronomii w Centrum Astrofizyki | Harvard i Smithsonian. Historia badań Johna obejmuje wykrywanie i obserwację egzoplanet, zbieranie danych oraz projektowanie i budowę instrumentów wykorzystywanych w polowaniu na światy poza naszym Układem Słonecznym.

    Zobacz wszystkie posty
  • Denisa Rancourta

    Denis Rancourt przez 23 lata był profesorem fizyki i głównym naukowcem na Uniwersytecie w Ottawie. Obecnie pisze o medycynie, COVID-19, zdrowiu indywidualnym, zmianie klimatu, geopolityce, prawach obywatelskich, teorii politycznej i socjologii. Denis napisał ponad 100 recenzowanych artykułów w czasopismach naukowych w technicznych dziedzinach nauki i technologii.

    Zobacz wszystkie posty

Wpłać dziś

Twoje wsparcie finansowe dla Brownstone Institute idzie na wsparcie pisarzy, prawników, naukowców, ekonomistów i innych odważnych ludzi, którzy zostali usunięci zawodowo i wysiedleni podczas przewrotu naszych czasów. Możesz pomóc w wydobyciu prawdy poprzez ich bieżącą pracę.

Subskrybuj Brownstone, aby uzyskać więcej wiadomości

Bądź na bieżąco z Brownstone Institute