Celem tego artykułu jest streszczenie badań na temat COVID-19. Każde streszczenie cechuje się tym, że spłaszcza pewne aspekty i nie wszystko jest dokładnie zdefiniowane. Dlatego też zachęcam – po lekturze tego artykułu – do przeczytania wybranego badania, lub lepiej: wszystkich badań w oryginale. W tym artykule skupię się na raczej na konkluzjach płynących z badań i prezentacji wyników analiz sporządzonych w ww. Po krótce opiszę metodologię bez zagłębiania się w szczegóły; jako, że każde streszczenie i tak jest sporych rozmiarów, odsyłam do źródeł na wypadek ewentualnych niejasności. Mam nadzieję, że takie spojrzenie na dosłowną naukę covidową pozwoli lepiej zrozumieć to zagadnienie. Każde badanie postaram się rozjaśnić i opatrzyć jakimś krótkim komentarzem poza streszczeniem; by na koniec podsumować cały obraz który pokazują nam badania. Tłumaczenia, kt. pojawią w artykule, są luźne, staram się  w nich zachować sens wypowiedzi – a nie wierność „słowo w słowo”.

Zacznę od badania, na które osobiście czekałem od wielu miesięcy, czyli od analizy na statycznej grupie przechodzenia covidu po raz drugi; w badaniu tym jest też wspomniane o tym, jak długo naturalna odporność na covid się utrzymuje i jak skuteczna ona jest.

SARS-CoV-2 antibody-positivity protects against reinfection for at least seven months with 95% efficacy

Badanie otrzymane: 3 Marca 2021

Zaakceptowane: 6 Kwietnia 2021

Jak wynika z flowchartu: z 43 044 osób (co jest bardzo dużą próbą statystyczną) u których stwierdzono przeciwciała, tj. osoby te przeszły covid (dane zbierano tak że nikt w Katarze wówczas nie był zaszczepiony), tylko u 32 przypadków stwierdzono, że doszło do reinfekcji covidem. Sam fakt tychże reinfekcji jest poparty mocnymi dowodami; zaś u 97 stwierdzono, że doszło do reinfekcji covidem – podparto to „jakimiś” dowodami. „Jak dobre są dowody” zdefiniowano w artykule i flowcharcie u góry. Tak więc sumaryczna grupa to 129 przypadków.

Ze wszystkich przypadków, 8 miało zakwalifikowany przebieg zgodnie z metodologią WHO i były one następujące: 1 „severe”, 2 „moderate”, 5 „asymptomatic”. Biorąc pod uwagę ludzi chorych na covid o ciężkim przebiegu lub umiarkowanym przebiegu mogę założyć, że każda z nich była hospitalizowana; jako, że niemalże na pewno Katar nie miał problemu braku miejsc w szpitalach. Należy założyć zatem, że te 8 przypadków reinfekcji to wszystkie przypadki cięższe niż asymptomatyczne lub wymagające jakiejkolwiek opieki lekarskiej.

Należy pamiętać, że pierwszy pik jest związany raczej z czasem, kiedy ludzie po raz pierwszy zarażali się covidem, była to pierwsza fala pandemii).

Metodologia klasyfikacji WHO ciężkości przebiegu covid-19, tabela 6.3

Skuteczność ochrony przed reinfekcją, którą daje przechorowanie covidu (czyli efficacy czyli to samo co podają przy szczepionkach): 95.2% (95% Przedział ufności: 94.1: 96.0%). Gdzie dla porównania szczepionki Moderny i Pfizera mają wyniki miedzy 91 a 94%.

Skuteczność ochrony przed reinfekcją dla grupy powyżej 50 roku życia: 91.3% (95% Przedział ufności: 89.4: 92.9%).

“There was also no evidence that antibody-positive persons experienced any waning of protective immunity over time, as the incidence rate of reinfection versus month of follow-up did not show an increasing trend over seven months following the first antibody-positive test (Fig. 4). To the contrary, there was a trend of decreasing incidence rate, possibly explained by the (very) slowly declining incidence rate in the wider population of Qatar during this study [15,39], or possibly by strengthening of protective immunity due to repeated exposures that did not lead to established infection.”

Nie ma dowodów na to, że osoby posiadające przeciwciała odnotowywały w funkcji czasu jakichkolwiek spadków w ich odporności na covid. Zachorowalność przedstawiona w funkcji czasu (miesięcy) nie pokazała żadnego trendu wzrostowego (wzrost oznacza więcej infekcji czyli spadek efektywności naturalnej ochrony). Właściwe odwrotnie – był trend spadkowy, niemniej jest on możliwy do wytłumaczenia poprzez ogólny (bardzo) powolny spadek w ogólnej zachorowalności na covid w Katarze w czasie zbierania danych; lub poprzez umocnienie odporności w wyniku ciągłego (exposures) narażania się, które nie doprowadzało do zajścia infekcji.

Wielki słupek błędu w 7 miesiącach lub więcej bierze się z małej próby badawczej – tylko 3,093.3 person-weeks w porównaniu z 1 miesiącem 167,149.6 person-weeks.

Podsumowując:

Przejście covidu daję bardzo dobrą ochronę przed reinfekcją. Nie ma dowodów na to że w przeciągu 7 miesięcy spada ta ochrona. Nie zostało wykazane również, że jest jakakolwiek regresja; więc status quo jest takie: ochrona trwa tak długo, aż ktoś nie wykryje, że spada. W wypadku reinfekcji covidem, która jest rzadka, ciężki przebieg występuje rzadko – 1 / 43 044 osób (osoby o stwierdzonych przeciwciałach) czyli 0.002%. A spośród osób o dowodach na reinfekcje stanowi to 0.78% przypadków. JEST 0 (słownie: zero) przypadków zgonu. Czy szanse zgonu są równe 0%? Raczej nie – ale są bardzo, bardzo niskie (tak, jak dla zaszczepionych); dla procentów „potrzeba większej próby statycznej, by ktoś zginął” – że tak się wyrażę.

Evaluating the effects of shelter-in-place policies during the COVID-19 pandemic

O I Fali pandemii w USA i efektywności Stay in home orders i ich pochodnych

Artkuł zaakceptowany: 24 Luty 2021

Artykuł oddany do recenzji: 18 Wrzesień 2020

SIP – Shelter in place, czyli polityka „zostań w domu”. Obowiązkowe SIPy – a tak będę nazywał je w tłumaczeniach dla prostu polityką SIPów – to polityka ogólnie pojętego lockdownu definiowana w badaniu:

„SIP orders include “stay-at-home,” “safer-at-home,” and related orders, as well as policies ordering the closure of nonessential businesses.”

Określenie SIP obejmuje „zostań w domu”, „bezpiecznej w domu” i pokrewne przymusy, oraz także przymus zamknięcia „nieistotnych” (to nie jest najlepsze tłumaczenie: chodzi o biznesy nie najpotrzebniejsze nam do życia codziennego) przedsiębiorstw. Tak więc taki SIP w Polsce trwał bardzo, bardzo długo.

We wstępie tego badania można wyczytać, że

„Beyond the current crisis, our study also offers lessons about the extent to which citizens comply with government orders and the extent to which public policy can significantly alter behavior over a short period of time. Our results suggest that county- and state-level policies did not have large effects on behavior and health. Perhaps this is because many citizens were already altering their behavior voluntarily in the absence of government policies, possibly in response to messaging from public health experts and government officials. And perhaps this is because the pandemic has been highly politicized and some citizens are unwilling to change their behavior even in the presence of government orders.”

Poza aktualnym kryzysem (covidowym), nasze badanie oferuje wnioski dotyczące tego, do jakiego stopnia obywatele stosują się do narzuconych przez rząd przymusów oraz która polityka zdrowia publicznego może w sposób istotny wpłynąć na zachowania obywateli w krótkim terminie. Nasze wyniki wskazują, że polityki wprowadzone na poziomie hrabstw (odpowiednik powiatu w uproszczeniu) i stanów nie miały dużego wpływu na zachowania ludzkie oraz na zdrowie publiczne. Być może dlatego, że obywatele zmieniali swoje zachowania z własnej woli: mimo braku polityk przymusu, prawdopodobnie wskutek reakcji na informacje przekazywanie im przez ekspertów zdrowia publicznego (tak zwani eksperci covidowi) oraz przedstawicieli rządowych. Oraz być może jest to spowodowane faktem, że pandemia została w dużym stopniu upolityczniona i niektórzy obywatele nie są chętni zmienić swojego stylu życia mimo przymusów rządowych (należy pamiętać że dot. to pierwszej fali – a nie pierwszego roku pandemii).

Należy pamiętać, że w Marcu 2020 był konsensus w USA co do „14 days to slow the spread” pomiędzy republikanami a demokratami.

„Overall, our results suggest that SIP orders in the first wave of the pandemic did not produce large health benefits but also accounted for a small share of pandemic-related economic disruptions. To be clear, our findings do not mean that sheltering in place and social distancing behaviors had no effect on the disease. Indeed, the health benefits of SIP orders were likely limited because many people were already social distancing before the introduction of SIP orders, and others failed to comply with SIP orders in a highly politicized pandemic. Our results also do not mean that other government actions, such as emergency declarations or public health advisories, had no effect, nor do they mean that future SIP orders could not be more effective.”

Sumarycznie: nasze wyniki sugerują. że SIPy podczas pierwszej fali pandemii nie przyniosły dużych benefitów dla zdrowia publicznego ale także odpowiadały za małą ilość związanych z pandemia zakłóceń ekonomicznych. Dla jasności: nasze rezultaty nie oznaczają, że pozostanie w domach oraz dystans społeczny nie miały wpływu na rozwój pandemii. Za to b. prawdopodobne jest, że pozytywny wpływ SIPów jest ograniczony; gdyż wielu ludzi utrzymywało dystans społeczny przed wprowadzeniem SIPów a inni i tak ich nie przestrzegali w wysoce upolitycznionej pandemii. Nasze rezultaty nie oznaczają, że inne działania rządu – takie, jak ogłaszanie stanu zagrożenia, czy rady co do zdrowia publicznego nie miały efektów. Czy to, że przyszłe SIPy nie mogły być bardziej efektywne.

“We study the health, behavioral, and economic effects of one of the most politically controversial policies in recent memory, shelter-in-place orders during the COVID-19 pandemic. Previous studies have claimed that shelter-in-place orders saved thousands of lives, but we reassess these analyses and show that they are not reliable. We find that shelter-in-place orders had no detectable health benefits, only modest effects on behavior, and small but adverse effects on the economy. To be clear, our study should not be interpreted as evidence that social distancing behaviors are not effective. Many people had already changed their behaviors before the introduction of shelter-in-place orders, and shelter-in-place orders appear to have been ineffective precisely because they did not meaningfully alter social distancing behavior.”

Badamy wpływy zdrowotne, ekonomiczne oraz te na zachowanie ludzkie; wpływy jednego z najbardziej kontrowersyjnego ustawodawstwa w niedawnej historii, polityki SIPów podczas pandemii Covid-19. Poprzednie badania twierdziły że SIPy uratowały tysiące istnień – ale my, dokonując ponownej oceny tych analiz pokazujemy, że są nie są one wiarygodne. Z naszej analizy wynika, iż SIPy nie miały żadnych wykrywalnych pozytywnych wpływów na zdrowie publiczne; tylko niewielki wpływ na zachowanie ludzkie. Polityka SIPów miała również małe, jednakże wciąż negatywne skutki gospodarcze. Dla jasności: nasze badanie nie powinno być interpretowane jako dowód na to, że zachowania mieszczące się w kategorii dystansu społecznego nie są efektywne. Wielu ludzi zmieniło swoje zachowanie przed wprowadzeniem polityki „zostań w domu”, a brak efektywności SIPów jest, jak widać, spowodowany tym, że nie wpłynęły one w sposób istotny na wzmożenie liczebności zachowań określanych jako praktyki dystansu społecznego.

Czyli wprowadzenie SIPów nie działało; bo ludzie sami z siebie zachowywali dystans społeczny – a po wprowadzeniu tych polityk, wiele się już nie zmieniło. Czyli polityka SIPów nie spełniła swoich założeń, ergo nie działa.

Linią kreskowaną zaznaczono rozpoczęcie SIP, kropkowaną zakończenie ich

Dzień „zero” to 24 Lutego 2020 roku. Można zauważyć trendy ogólnokrajowe oraz to, że mobilność spadała przed wprowadzaniem SIP, ba: nawet w znacznej części po wprowadzeniu SIPów odrobinę wzrosła. Wszystko to pokazuje że zmiana zachowań społecznych, to jest mobilności, była efektem działań nieprzymusowych – a nie przymusowych SIPów.

„These findings pose a puzzle for the literature. How can SIP policies be so effective in reducing the spread of COVID-19 if they don’t meaningfully reduce social distancing? One possibility is that we do not have the right measures of social distancing. Perhaps SIP orders do not meaningfully reduce mobility (as measured by the GPS locations of smartphones), but they do reduce the extent to which people come into close contact with one another. Another possibility is that previous studies have overestimated the effects of SIP orders on COVID-19 cases, and these policies have not dramatically mitigated the spread of the disease. Our reanalysis of the prior studies shows that the latter possibility is indeed the most likely one.”

Te wyniki są zagadką dla literatury naukowej. Jak SIPy mogą być tak efektywne w redukcji rozprzestrzeniania się Covid-19 jeśli nie redukują one w sposób istotny dystansu społecznego [jestem pewny 99% że to literówka, tu chodzi o mobilność (która może być użyta tu jako synonim) – tak wynika z kontekstu całego badania]. Jedną z możliwości jest to, że nie mamy właściwych środków do pomiaru dystansu społecznego. Być może polityka SIPów nie redukuje w sposób istotny mobilności (mierzonej poprzez GPS smartfonów), ale redukują one stopień, w którym ludzie mają ze sobą bliski kontakt (fizyczny, nie metaforyczny) ze sobą. Inna możliwością jest to, że poprzednie badania zawyżyły efekty polityki SIPów na ilość zakażeń COVIDem-19; oraz te polityki nie zmieniły w sposób dramatyczny zmieniły ilość transmisji wirusa. Nasza ponowna analiza poprzednich badań pokazuje, że ta ostatnia możliwość jest najbardziej prawdopodobnym wytłumaczeniem.

“Our null results on the effects of SIP orders on COVID-19 cases are not easily attributable to imprecision. The lower bound of our 95% CIs from columns 1 and 2 in Table 1 suggest that we can statistically reject the possibility that SIP policies prevented 1.8 new cases per million residents per day or that they prevented 0.02 new deaths per million residents per day. If we multiply these lower-bound estimates with the population of each state and the number of days the policy was in effect in each state, they correspond with 32,112 cases and 372 deaths prevented nationwide during our period of study. Therefore, we can statistically reject the estimates from previous studies concluding that SIP policies saved many thousands of lives.”

Zerowe wyniki dotyczące efektów polityki SIPów, które uzyskaliśmy, nie mogą być skutkiem teoretycznego braku precyzji. Dolne granice naszych 95% przedziałów pewności z kolumny 1 i 2 tabeli 1 sugerują, że możemy statystycznie odrzucić możliwość, że polityka SIPów zapobiegła 1.8 nowych przypadków na milion mieszańców na dzień; bądź, że zapobiegła 0.02 nowych zgonów na milion mieszkańców na dzień. Jeśli przemnożymy te estymacje z dolnej granicy przez populację każdego ze stanów i czas trwania polityki w danym stanie – to okaże się, że koresponduje to z łącznie 32,112 przypadkami i 372 zgonami na poziomie krajowym, które polityka SIPów wyeliminowała w czasie badania. W takim razie możemy odrzucić oszacowania z poprzednich badań, że polityka SIPów ocaliła wiele tysięcy żyć.

Te liczby: takie, jak 372 zgony to maksymalna ilość (wewnątrz przedziału ufności), jaka mogła być ocalone przez politykę SIPów, Należy rozumieć te liczby że nie więcej niż 372 życia zostały ocalone przez SIPy.

“For the reasons just enumerated, we conclude that the weight of the evidence suggests that SIP policies have not had large effects. Of course, we do not rule out the possibility that alternative approaches or additional information may produce different results. But, precisely because the policy implications are so important, null findings should be taken seriously. At the very least, our results suggest that policy makers should not begin with the presumption that SIP policies are known to be effective.”

Z powodów wyżej wymienionych, konkludujemy, iż ciężar dowodów wskazuje na to, że polityka SIPów nie mała dużego efektu. Oczywiście nie odrzucamy możliwości, że alternatywne podejście lub takie z dodatkowymi informacjami nt. wirusa mogły nas doprowadzić do innych rezultatów – a zatem konkluzji. Ale, dokładnie dlatego, że implikacje poszczególnych polityk są tak ważne, wyniki zerowe powinny być brane w sposób poważny. A przynajmniej – nasze wyniki sugerują, że osoby odpowiedzialne za politykę zdrowia publicznego nie powinny wychodzić z założenia, że polityka „stay at home” jest jedyną skuteczną opcją.

“Although we estimate modest effects of SIP policies, our results should not be taken to imply that the actions of government officials had little effect on the pandemic. There may have been other policies that better mitigated the spread of COVID-19, although SIP orders have been arguably the most drastic and controversial policy. Furthermore, we observe nationwide trends in all outcomes, and these trends may have been highly responsive to the public health recommendations, emergency declarations, and the behaviors of high-profile politicians. Our results also do not mean that sheltering in place per se is an ineffective way to mitigate the spread of COVID-19. If SIP policies did not meaningfully increase the extent to which people actually sheltered in place or socially distanced, our results have nothing to say about the health and societal benefits of staying at home and reducing physical contact with others. The explanation for our null findings is likely nuanced and multifaceted. One part of the explanation is that many people were already staying at home and social distancing voluntarily even in the absence of SIP policies. Another part of the explanation is, perhaps, that few people who weren’t already changing their behavior complied with the policies. After all, SIP orders appeared to cause less than a 1% decrease in mobility. There was, however, approximately a 50% decrease in mobility nationwide between February and April. The nationwide reaction to COVID-19 almost surely decreased the spread of the disease. SIP orders likely would have been more effective in slowing the spread had more people complied with them, and future SIP orders would likely be more effective if they are coupled with greater enforcement. But we find little evidence that SIP orders, as implemented, had much effect over and above all the other public messaging and voluntary behavior changes occurring nationwide. Although we find no detectable health benefits of SIP orders, we also find that they accounted for a small share of economic costs associated with the pandemic, consistent with other studies (6–9). Our study is certainly not the last word on this topic. Assessing the effects of SIP orders is difficult, and more information and better designs may become available in the future that enable more precise or more credible estimates. Furthermore, our study focuses on the early months of the pandemic, and the effectiveness of SIP orders could change over time. However, the previously presented evidence on the effectiveness of SIP orders appears to be misleading, and there is currently no compelling evidence to suggest that SIP policies saved a large number of lives or significantly mitigated the spread of COVID-19. However, this does not mean that voluntary social distancing—SIP practice as distinct from policy—was ineffective.”

Pomimo, że szacujemy, że polityka SIPów przyniosła znikome efekty, nasze wyniki nie powinny być interpretowane jako implikacja tego, że działania podjęte przez urzędników państwowych mały wpływ na pandemię. Jest możliwe, że istnieją inne regulacje, które lepiej mitygowały rozprzestrzenianie się covid-19, mimo, że polityka SIPów była dla wielu jedną z najbardziej drastycznych i kontrowersyjnych. Co więcej: obserwujemy, że na ogólnonarodowe trendy wielki wpływ miały zalecenia zdrowia publicznego, deklaracje stanu epidemii i sposób zachowania przez polityków wysokiego kalibru. Nasze rezultaty nie oznaczają, że pozostawanie w domach (i działania tego typu, działania a nie polityka SIPów) per se jest nieskuteczną metodą spowalniania rozprzestrzenia się COVIDu. Jeśli polityka SIPów nie zwiększyła w sposób istotny dystansu społecznego, nasze wyniki nie mówią nic o benefitach zdrowotnych i społecznych tegoż. Wyjaśnienie pochodzenia wyników zerowych, które uzyskaliśmy, jest prawdopodobnie pełne niuansów i wieloaspektowe.  Jedną z części wytłumaczenia jest to, że ludzie sami z siebie wprowadzali dystans społeczny i zostawali z domu z własnej woli: nawet wtedy, kiedy polityka SIPów była nieobecna. Kolejną częścią wytłumaczenia jest to, że ta mała część społeczeństwa, która nie zmieniła swojego zachowania w związku z pandemią, nie stosowała się do obostrzeń pandemicznych pochodzących z SIPów. Mimo wszystko: polityka SIPów spowodowała spadek o mniej niż 1% w mobilności. Był za to w okresie pomiędzy lutym a kwietniem 50% spadek w mobilności na poziomie krajowym. Krajowa reakcja na Covid-19 prawie na pewno spowolniła rozprzestrzenianie się wirusa. Polityka SIPów byłaby prawdopodobnie bardziej efektywna, gdyby większa cześć społeczeństwa stosowała się do obostrzeń, a przyszłe SIPy mogłby by być bardziej efektywne gdyby wprowadzono je z większym naciskiem na ich przestrzeganie. Ale odnajdujemy słabe dowody na to, że polityka SIPów tak jak były wprowadzane, miała duży wpływ na spowolnienie rozprzestrzenia się covidu. Z pewnością w porównaniu z publicznym informowaniem o covidzie i działaniach indywidualnych zauważalnych na poziomie krajowym. Mimo, że nie odnajdujemy żadnych wykrywalnych benefitów zdrowotnych pochodzących z polityk SIPów, zauważamy także, że miały one znikomy wpływ na koszty ekonomiczne związane z pandemią zgodnie z innymi badaniami. Nasze badanie z pewnością nie jest ostatnim słowem w tym temacie. Badanie efektów polityki SIPów jest skomplikowane i więcej informacji – i lepsze opracowania – mogą się pojawić w przyszłości. Pozwolą one na dokładniejsze przybliżenie efektów tychże polityk. Co więcej: nasze badanie skupia się na wczesnych miesiącach pandemii – a efektywność SIPów mogła się zmienić w czasie. Ale poprzednio (chodzi o narracje pro-lockdownową w skrócie) pokazywane dowody na temat skuteczności polityki SIPów są mylące i faktycznie nie ma żadnych przekonywujących dowodów na to, że polityka SIPów uratowała duże ilości żyć lub istotnie spowolniła rozprzestrzenianie się covidu. Co nie oznacza, że dobrowolny dystans społeczny, w odróżnieniu od polityki SIPów, był nieefektywny.

Podsumowując:

Badanie wykazuje, że największy wpływ na redukcję mobilności miały indywidualne decyzje a nie polityka rządowa. Sama polityka rządowa była wysoce nieskuteczna. Publikę wystarczyło informować, ogłaszać fakt, że jest coś takiego jak covid i to odpowiadało za 50% spadek w mobilności, a sama polityka „kija” czyli SIPów była odpowiedzialna za mniej niż jeden procent tychże spadków w mobilności. Co za tym szło dalej: polityka SIPów miała marginalny wpływ na przypadki czy zgony. W najkorzystniejszym wypadku, czyli dolnej granicy przedziału ufności; można powiedzieć, że polityka SIPów co najwyżej uratowała 372 życia w czasie badania. O cenie tych uratowanych 372 żyć rozpiszę się w podsumowaniu, w skrócie powiem, że skutki światowych lockdownów są druzgocące dla setek milionów. Autorzy badania są bardzo, bardzo ostrożni w formułowaniu konkluzji i na podstawie ich analizy trudno być bardziej ostrożnym w kwestii tego, jak bardzo SIPy nie działają i nie spełniają swoich założeń; więc nie można zarzucić – prawie na pewno – autorom pisania badania pod tezę anty-lockdownową. W konkluzji pojawia się hipoteza (czyli stwierdzanie pewnej możliwości bez żadnych danych żeby ją zweryfikować), że ostrzejszy lockdown mógłby być bardziej skuteczny, patrząc na inne badania, które podaję poniżej, tą hipotezę można odrzucić. Największy i de facto jedyny wpływ na ratowanie żyć i zmniejszanie zakażeń miały indywidualne decyzje – a nie polityka lockdownów. Ze wszystkich badań o lockdownie, jest to jedyne badanie, które wykazuje jakiekolwiek marginalnie istniejące, trudno stwierdzić że w porównaniu do całej skali pozytywne, z perspektywy zdrowia – działanie lockdownów, te pozytywne efekty w najkorzystniejszym wypadku nawet trudno nazwać tym, że polityka lockdownów działa czy że jest ich nawet warta.

Assessing mandatory stay-at-home and business closure effects on the spread of COVID-19

Badanie otrzymane: 11 Grudnia 2020

Badanie zaakceptowane: 24 Grudnia 2020

Badanie to sprawdza, jakie efekty w redukcji rozprzestrzenia się covidu miała wysoce interwencyjna polityka lockdownów oraz SIPów (także znowu z zamknięciem „innych, niż niezbędne” biznesów). Bada je poprzez porównanie efektów pomiędzy 8 krajami, które podążały polityką mrNPI (more restrictive nonpharmaceutical interventions) to jest:

• Anglii
• Francji
• Niemiec
• Iranu
• Włoch
• Królestwa Niderlandów
• Hiszpanii
• Stanów Zjednoczonych Ameryki

Te efekty mrNPI są porównywane z efektami, które zostały zaobserwowane w krajach prowadzących w danym czasie politykę bardziej luźnych IrNPI (czyli znacznie mniejszych restrykcji pandemicznych) czyli ze:

• Szwecją
• Koreą Południową

Wybrano te kraje, jako, że analiza zawarta w badaniu opiera się o dane na poziomie niższym, niż narodowe – i te dane były dostępne tylko dla wyżej wymienionych krajów.

Badanie analizuje pierwszą falę covid-19.

Przed wprowadzeniem NPI (czy to mrNPI cz IrNPI), wzrost liczby przypadków był pozytywny w każdym badanym kraju (ilość dziennych przypadków rosła). Te wartości były różne dla poszczególnych krajów, chociażby:

• 23 (czyli 23%) dla Hiszpanii, opatrzone przedziałem ufności który tutaj pominę bo nie gra istotnej roli
• 47 w Królestwie Niderlandów
• 33 w Szwecji
• 25 w Korei Południowej

Łącznie średnia z 10 krajów to 0.32 wzrostu przed jakimikolwiek NPI. Wysoka wariacja przed NPI bierze się z różnych polityk testowania, natężenia epidemii, etc…

„FIGURE 1 Growth rate in cases for study countries. The black bars demonstrate the average growth rate in cases in each subnational unit (95% CI) prior to any policies implemented. The figures to the right show the daily growth rate in cases for each of the countries and demonstrate the shared decline in case growth across all countries, including the countries that did not implement mrNPIs (South Korea and Sweden)”

Wykres 1: Tempo wzrostu przypadków w badanych krajach. Czarne słupki pokazują średnie tempo wzrostu przypadków w każdym subnarodowej jednostce (95% przedział ufności) przed wprowadzeniem jakichkolwiek polityk państwowych. Wykresy po prawej pokazują dzienny wzrost przypadków w każdym z krajów i demonstrują wspólną tendencję spadkową we wzroście przypadków we wszystkich krajach wliczając kraje które nie prowadziły polityki mrNPI.

„In the framework of this analysis, there is no evidence that more restrictive nonpharmaceutical interventions (‘lockdowns’) contributed substantially to bending the curve of new cases in England, France, Germany, Iran, Italy, the Netherlands, Spain or the United States in early 2020. By comparing the effectiveness of NPIs on case growth rates in countries that implemented more restrictive measures with those that implemented less-restrictive measures, the evidence points away from indicating that mrNPIs provided additional meaningful benefit above and beyond lrNPIs. While modest decreases in daily growth (under 30%) cannot be excluded in a few countries, the possibility of large decreases in daily growth due to mrNPIs is incompatible with the accumulated data.”

Ze struktury analizy wynika że nie ma dowodów na to że bardziej restrykcyjne mrNPI (lockdowny) w istotny sposób przyczyniły się do pochylenia krzywej (zmniejszenia dziennej liczby zakażeń i zmianę krzywej zakażeń tak że spadają one a nie wzrastają) nowych zakażeń w Anglii, Francji, Niemczech, Iranie, we Włoszech, Królestwie Niderlandów, Hiszpanii, i Stanach Zjednoczonych Ameryki we wczesnym 2020. Poprzez porównanie efektywności NPI na wzrost przypadków  w krajach które wprowadziły bardziej restrykcyjne polityki w porównaniu z krajami które prowadziły mniej restrykcyjne polityki, dane wskazują przeciw tezie że mrNPI spowodowały dodatkowe benefity powyżej tych wynikających z IrNPI. Nie można odrzucić małych spadków w dziennym przyroście (wynikających z mrNPI) to jest poniżej 30% w kilku krajach. Niemniej możliwość dużych spadków w dziennym wzroście z powodu mrNPI jest sprzeczna z danymi.

„The direction of the effect size in most scenarios points towards an increase in the case growth rate, though these estimates are only distinguishable from zero in Spain (consistent with nonbeneficial effect of lockdowns). Only in Iran do the estimates consistently point in the direction of additional reduction in the growth rate, yet those effects are statistically indistinguishable from zero. While it is hard to draw firm conclusions from these estimates, they are consistent with a recent analysis that identified increased population-level transmission and cases in Hunan, China, during the period of stay-at-home orders, attributed to increased intra-household density and transmission.29 In other words, it is possible that stay-at-home orders may facilitate transmission if they increase person-to-person contact where transmission is efficient such as closed spaces.”

W większości scenariuszy wielkości zauważanych efektów (ich kierunki) wskazują na wzrost w przyroście przypadków, ale te estymacje są tylko rozróżnialne od zera tylko w Hiszpanii (zgodnie z trendem braku benefitów wynikających z lockdownów).  Tylko w Iranie nasze estymacje wskazują w kierunku dodatkowej redukcji przyrostu przypadków niemniej te wyniki są nierozróżnialne od zera. Kiedy jest trudno osiągnąć twarde konkluzje z tych estymacji są one zgodne z niedawną analizą która odkryła zwiększony poziom transmisji na poziomie populacyjnym w ilości przypadków w Hunan, Chiny podczas wprowadzenia polityki SIPów(zostań w domu), ten wzrost został przypisany zwiększonemu zagęszczeniu w mieszkaniach a co za tym transmisji[29]. Innymi słowy jest to możliwe że SIPy mogą zwiększać transmisję jeśli zwiększają one kontakt osoba-osoba w miejscach gdzie transmisja jest duża takich jak zamknięte przestrzenie (czyli domostwa).

“FIGURE 2 Effects of individual NPIs in all study countries. The variation in the timing and location of NPI implementation allows us to identify the effects of individual NPIs on the daily growth rate of cases. Where multiple NPIs were implemented simultaneously (in the same day) across all subnational units (eg school closure, work from home and no private gatherings in Spain), their overall effect cannot be identified individually and is shown combined”

Wykres 2: Efekty pojedynczych NPI w każdym z krajów ujętych w badaniu. Wariacja w czasie i lokacji implementacji NPI pozwala nam na identyfikację efektów pojedynczych NPI na dzienny wzrost przypadków. Kiedy wiele NPI było implementowanych w tym samym czasie to jest tego samego dnia na przestrzenni wszystkich „pod-krajowych” jednostek administracyjnych (na przykład zamknięcie szkół, praca zdalna i zakaz prywatnych zgromadzeń w Hiszpanii) ich ogólny efekt nie może być rozdrobniony na pojedyncze NPI i jest ukazany jako skumulowany.

To na co należy zwrócić uwagę jest to że nie ma żadnego trendu który by wskazywał że jakiś poszczególny NPI ma negatywne (dla przyrostu przypadków) efekty w każdym przypadku. Zamknięcie szkół w Szwecji miało istotny negatywny efekty, gdzie w Hiszpani miało pozytywny (w kumulacji jeszcze z innymi NPI) i nie było rozróżnialne od zera w Anglii. Dystans społeczny w Korei opcjonalny był bardzo negatywny i rozróżnialny od zera, kiedy przymusowy był pozytywny ale nie był rozróżnialny od zera. Jedynym krajem z gdzie wszystkie NPI były negatywne i statycznie istotne był Iran. Izolacja domowa we Francji napędzała pandemię zamiast ją wygaszać, gdzie już w USA wygaszała. Nie da się wyciągnąć z tego NPI które działa wszędzie, przez co polityka skupionej protekcji populacji jest skomplikowana w prowadzaniu mimo tego że jest preferowana.

„FIGURE 3 Combined effects of all NPIs in study countries. The point estimate and 95% CI of the combined effect of NPIs on growth rate in cases, estimated from a combination of individual NPIs. The estimates show significant effects in all countries except Spain and range from a 33% (9%-57%) decline in South Korea to 10% (6%-13%) in England. The point estimate of the effect in Spain is also negative but small (2%) and not significant”

Wykres 3: Zsumowane efekty wszystkich NPI ze wszystkich krajów zawartych w badaniu. Oszacowanie punktowe i 95% przedział ufności zsumowanych efektów NPI na wzrost przypadków szacownych z zsumowania indywidualnych NPI. Szacunki pokazują istotne efekty w każdym kraju prócz Hiszpanii i zakres pomiędzy 33% (9-57%)  do 10% (6-13%) w Anglii. Oszacowanie punktowe efektów w Hiszpanie jest także ujemne (2%) ale nie jest statystycznie istotne.

„FIGURE 4 Effect of mrNPIs on daily growth rates after accounting for the effects of lrNPIs in South Korea and Sweden. Under no comparison is there evidence of reduction in case growth rates from mrNPIs, in any country. The point estimates are positive (point in the direction of mrNPIs resulting in increased daily growth in cases) in 12 out of 16 comparisons”

Wykres 4: Efekty mrNPI na dzienny wzrost przypadków po podliczeniu efektów IrNPI w Korei Południowej i w Szwecji. W żadnym porównaniu nie ma dowodów na redukcję przyrostu przypadków w wyniku mrNPI – w żadnym kraju. Oszacowania punktowe są pozytywne (ukazujące że kierunek działań mrNPI powodował wzrost dziennych przypadków) w 12 z 16 porównań.

Na prawo od linii oznacza lepsze wyniki od kraju do którego jest porównanie, przykładowo Szwecja prowadziła skuteczniejszą politykę od USA o 0.08 a Korea Południowa 0.14. Lepsze oznacza większą redukcję wzrostu dziennych przypadków, ale ta przewaga jest nierozróżnialna od zera. Tylko Hiszpania była wyraźnie gorsza.

„In summary, we fail to find strong evidence supporting a role for more restrictive NPIs in the control of COVID in early 2020. We do not question the role of all public health interventions, or of coordinated communications about the epidemic, but we fail to find an additional benefit of stay-at-home orders and business closures. The data cannot fully exclude the possibility of some benefits. However, even if they exist, these benefits may not match the numerous harms of these aggressive measures. More targeted public health interventions that more effectively reduce transmissions may be important for future epidemic control without the harms of highly restrictive measures.”

Podsumowując: nie znajdujemy silnych dowodów na to że, bardziej restrykcyjne NPI pomogły w kontroli covid-19 we wczesnym 2020. Nie kwestionujemy roli wszystkich interwencji zdrowia publicznego lub skoordynowanej komunikacji na temat epidemii, – ale nie udaje się nam odnaleźć dodatkowych benefitów wynikających z SIPów i zamknięć biznesów. Dane nie mogą w pełni odrzucić możliwości pewnych benefitów. Ale nawet jeśli one istnieją, to nie przewyższają wielu szkód wynikających z tych agresywnych regulacji. Bardziej skupiona polityka interwencji w zdrowie publiczne, która efektywnie redukuje transmisje, może być istotna dla przyszłej kontroli epidemii bez szkód wynikających z wysoce restrykcyjnych polityk.

Podsumowując:

Jeśli spojrzymy na te wyniki to zobaczymy jasno że polityka mrNPI w jej skuteczności w redukcji dziennych przypadków jest nierozróżnialna od IrNPI a zatem nie działa, jako że polityka mrNPI wiąże z dodatkowymi innymi kosztami. Zwróćmy uwagę na oszacowania punktowe – tak Iran jako jedyny miał lepsze wyniki od Korei i Szwecji, ale każdy kraj miał gorsze (w wypadku Niemic i Królestwa Niderlandów identyczne), więc w takiej analizie danych należy wręcz powiedzieć, że mrNPI były szkodliwe. Jeden kraj – Hiszpania – nawet z przedziałem niepewności wypada gorzej, ba, ich sumaryczne efekty polityk są nierozróżnialne od zera. Więc równie dobrze Hiszpania mogła nie zrobić nic i skończyłoby się to hipotetycznie tak samo. Wszystkie benefity zdrowia publicznego, które wynikają z NPI, wynikają z tych mniej restrykcyjnych. Co oznacza, że polityka lockdownów nie działa. Badanie to także odrzuca hipotezę z poprzedniego badania, że może ostrzejszy lockdown by zadziałał – gdyż w krajach, które prowadziły ostrzejsze lockdowny niż USA, stringency index (https://ourworldindata.org/grapher/covid-stringency-index?country=~USA) podczas pierwszej fali (i to przy wzięciu najbardziej restrykcyjnej polityki w kraju) wyniósł 72.69, kiedy we Francji był 87.96, w Hiszpanii 85.19.

COVID-19 pandemic-related lockdown: response time is more important than its strictness

Badanie otrzymane: 23 Lipca 2020

Badanie zaakceptowane: 23 Września 2020

To badanie chciałbym omówić w skrócie, wnioski z niego można podsumować krótko – a reszta badania albo opisuje mniej dokładnie to, co poprzednie dwa badania w pewien sposób opisywały – lub jest metodologią w szczególe – a artykuł i tak jest już zdecydowanie za długi.

“We computed the response time of each country, τ, defined as the difference between the social distancing start time and the day when ten first deaths were recorded”

Policzyliśmy czas reakcji z każdym kraju , τ, definiowany jako różnica pomiędzy rozpoczęciem dystansu społecznego i dnia, w którym pierwsze 10 zgonów było odnotowane.

Rozpoczęcie dystansu społecznego jest definiowane wedle modelu opisującego mobilność, który jest dokładnie opisany w metodologii do której odsyłam już wewnątrz samego badania. Definicja tego τ będzie niezbędna do zrozumienia najważniejszych wniosków wynikających z tego badania

“Neither the lockdown strictness nor the lockdown duration were significantly correlated with z log COVID-19 Mortality Probability (Supplementary Table S5).”

Ani „zamorydyzm” lockdownu ani jego długość nie korelowały w sposób istotny z log COVID-19 Mortality Probability (Pomocnicza tabela S5).

Za to szanse zgonu na covid-19 w badanym kraju za to już korelowały z τ co można zauważyć na wykresie poniżej.

„Figure 4. A semi-logarithmic scatter plot of the COVID-19 Mortality Probability and τ. The x axis represents , the difference between the social distancing start time and the day in which the ten first deaths were recorded for the respective country (intuitively, the response time). The y axis represents the COVID-19 Mortality Probability in a logarithmic scale. Dot sizes are proportional to population sizes. The dashed line corresponds to the fitted regression, excluding Japan. For raw data, see Supplementary Table S4.”

Wykres 4: Pół logarytmiczny wykres punktowy szansy zgonu na covid-19 i τ. Oś x pokazuje τ (definicja jest powtórzona) (intuicyjnie, czas reakcji). Oś y reprezentuje szanse zgonu na covid-19 na skali logarytmicznej. Wielkość kropek jest proporcjonalna do wielkości populacji. Linia przerywana to przyrównana regresja liniowa, z wykluczeniem Japonii. Czyste dane w tabeli pomocniczej S4.

Japonia jest pominięta – gdyż jest ewenementem opisanym przez literaturę naukową.

Tabela pomocnicza S5, jak widać korelacja lockdownów jest nieistotnie statycznie i niemalże dosłownie zerowa. A korelacja  0.62 jest odnośnie linii w wykresu 4.

W badaniu znajduje się wytłumaczenie, dlaczego Japonia jest pominięta  – gdyż jest anomalią, na temat której istnieje literatura naukowa, która opisuje dokładniej te zjawisko.

„The results of our analysis show that social distancing is a major factor in controlling COVID-19 spread. Similar to previous studies2,8, our analysis shows that if social distancing is not adopted, death incidents are doubled every 7.49 days. However, it also shows that a strict lockdown policy is not required. Therefore, to avoid major infection outbreaks, we suggest undertaking a moderate form of a lockdown that can be tolerated by the society for longer time periods, with minimal socio-economic damage.”

Wyniki naszej analizy wskazują, że dystans społeczny jest istotnym czynnikiem kontrolującym rozprzestrzenianie się covid-19. Podobnie do poprzednich badań nasza analiza pokazuje, że jeśli dystans społeczny nie został zaadaptowany w kraju (de facto a nie de jure), zgony dublują się co 7.49 dni. Za to analiza pokazuje także, że polityka surowych lockdownów nie jest wymagana, zatem w celu uniknięcia dużych wybuchów infekcji sugerujemy wprowadzenie umiarkowanej formy lockdownu, który może być tolerowany przez społeczeństwo przez dłuższe okresy czasowe z minimalnymi socjo-ekonomicznymi szkodami.

To badanie jest o tyle ciekawe że pokazuje coś, co działa i działania, które są rzeczywiście skuteczne w walce z covidem, oczywiście badanie skupia się na I fali i tylko być może w jej kontekście może być analizowane. Ale jego wyniki tłumaczą, czemu Polska de facto nie miała pierwszej fali pandemii (w porównaniu z późniejszymi II i III i ich skutkami) a kraje takie, jak Hiszpania czy Włochy miały je. Najważniejsze dla zdrowia publicznego było informowanie publiki zawczasu i prowadzenie polityki skupionej protekcji czyli to, co postuluje choćby deklaracja z Great Barrington. Te wnioski są w zupełności zgodnie z badaniami opisanymi wcześniej. Sam lockdown: jego długość czy zamordyzm – nie koreluje z czymkolwiek. Ludzie sami z siebie musieli dystansować się społecznie. Dokładne wyniki spadku mobilności są opisane w tym badaniu odrobinę inaczej niż w drugim badaniu, które opisywałem w tym artykule – ale są na tyle podobne, że postanowiłem to pominąć. Dociekliwych odsyłam do samego badania – ale wnioski i generalne trendy są identyczne jak w badaniu o SIPach.

Covid-19 Mortality: A Matter of Vulnerability Among Nations Facing Limited Margins of Adaptation

Badanie otrzymane: 15 September 2020

Badanie zaakcptowane: 26 October 2020

To badanie można podsumować bardzo krótko, właściwe jednym wykresem, który jest odrobinę niżej, to badanie zbiera różne zmienne a potem sprawdza, jak one korelują ze sobą. Poza tym wykresem jest obszerna metodologia dotycząca jak pozyskali te zmiennie etc; ale po to odsyłam do samego badania. Podobnie tłumaczone są zmienne, które są skorelowane ze zgonami na 100,000 osób w wypadku covidu, ale że skupiam się na lockdownie to pominę te wytłumaczenie – po nie odeślę do badania.

“Studied Countries

From the 188 countries that have declared at least one case, only those counting a minimum of 10 deaths due to Covid-19 up to the study end point (31th August 2020) were included. China and US were also analyzed by states or regions, when each of them reached the 10 deaths threshold.”

Badane Kraje

Ze 188 krajów, które zadeklarowały przynajmniej jeden przypadek, tylko te, które odnotowały 10 zgonów na covid-19 do końca czasu trwania badania (31 Sierpnia 2020), są zawarte w tej analizie. USA i Chiny były także analizowane na poziomie stanów lub regionów – w każdym, który osiągnął przynajmniej 10 zgonów na covid-19.

„FIGURE 6 | Correlation matrix: a larger area in the circles indicates a stronger correlation between the row and the column variables. A blue circle indicates a positive correlation coefficient; a red circle indicates a negative one; a full circle corresponds to r = 1 or −1; an empty circle corresponds to r = 0. If the Pearson correlation test was not significant, a cross on the circle was added.”

Wykres 6: Matryca korelacji: Większe pole koła wskazują na silniejszą korelację pomiędzy zmiennymi z wiersza i kolumny, Niebieskie koło wskazuje pozytywny współczynnik korelacji; Czerwone koło wskazuje negatywny współczynnik korelacji; Pełne koło odpowiada ; puste koło wskazuje na korelację . Jeśli współczynniki korelacji Pearsona nie były istotne, koła zostały dodatkowo przekreślone.

Ostrość lockdownów nie koreluje ze zgonami na covid-19 w wypadku obu indeksów ostrości lockdownów. Właściwie te indeksy średnio korelują z czymkolwiek poza nimi samymi. I właściwie tyle z tego badania wynika.

Korelacja nie oznacza kauzacji ale jest to zabawne, że występuje pozytywna korelacja pomiędzy ilością zgonów a wsparciem ekonomicznym. Więc hipotetycznie: pakiety stymulujące powodują zgony na covid. Oczywiście to przypadek, że pakiety te były wprowadzone w krajach o wysokich dochodach o starszej populacji – więc i większą ilością zgonów na covid i faktycznej kauzacji tak naprawdę nie ma.

Podsumowanie

Patrząc na całokształt wyżej wymienionych badań należy przypomnieć o pewnej ważnej rzeczy. To, co tutaj napisałem, tłumaczyłem z angielskiego lub starałem się pokazać, co badanie pragnie nam przekazać, to tylko pewna część tych badań. Te streszczenia są w mojej opinii szczegółowe i dokładne tam, gdzie być powinny bez zbędnego zanudzania (choć artykuł i tak jest bardzo długi). Czy po przeczytaniu tego, co tu napisałem można powiedzieć, że „zna się te badania”? Nie – ale jeśli kogoś naprawdę je zainteresowały i chce ich do czegoś użyć, to taka osoba powinna sama przeczytać oryginał (mam nadzieję, że dzięki temu artykułowi łatwiej go będzie zrozumieć). W pełnych tekstach z pewnością będzie opisana cała metodologia badań, którą ja omijałem w znacznej większości: bo to, skąd autorzy brali dane jest bardzo istotne ale jest też bardzo nudne, w skrócie powiem że z racjonalnych źródeł. Wspominałem o tym tylko tam gdzie było to istotne. W oryginałach opisane będzie jeszcze więcej niuansów, postawionych hipotez, możliwych wytłumaczeń tego, co jest obserwowane w badaniu. Celem tego tekstu jest zachęcenie do tego, by te badania samemu przeczytać w oryginale. Czy czytanie ich może okazać się trudne? Tak: sam musiałem czytać badanie 3 czyli autorstwa między innymi Jay Bhattacharyi, John P A Ioannidisa trzykrotnie, zanim je zrozumiałem tak w 80%. Teraz jak czytałem już nie wiem ile razy na potrzeby tego pisania tekstu mam nadzieje że rozumiem je w ponad 95%, „dlaczego takie dane”, „taka analiza”, „takie wnioski” na podstawie wyników. Nie jestem wirusologiem, studentem medycyny czy nawet biolchemem. Moje kompetencje to wiedza, jak działa badanie naukowe dzięki IB i ponadprzeciętna umiejętność angielskiego – oraz zdecydowanie za dużo wolnego czasu. Dla upewnienia z wywiadów, które z choćby z Bhattacharyą oglądałem, wnioski z tego, co czytam wyciągam właściwe. Ale czy jest to możliwe że coś gdzieś nie do końca dobrze zrozumiałem? Jak najbardziej. Dlatego zalecam podchodzić z pewną rezerwą do moich komentarzy i weryfikować to z tekstem źródłowym. Takie samo podejście polecam przy czytaniu czegokolwiek. Sam je stosuję. Niemniej, wracając do samych badań:

To, co wynika z pierwszego badania, jest zupełnie niczym zaskakującym; przejście covidu daje świetną odporność, nawet lepszą od szczepionek (co w sumie akurat dziwne nie jest) i w wypadku reinfekcji covidem ma się niebywałą odporność przed cięższym przebiegiem. Na próbie 44 tysięcy osób odnotowano zero zgonów, a pozwolę sobie pospekulować że jeśli mechanizm ochronny jest analogiczny do szczepień, po których twoja szansa na zgon to mniej więcej jeden na milion. Zaś szansa na zgon w wypadku reinfekcji, kiedy odporność ma się jeszcze lepszą, jest jeszcze niższa. Ważne jest także to, że nie ma żadnych danych, które wskazywałyby, że odporność na covid w funkcji czasu maleje. Oczywiście: badanie ma ograniczony odstęp czasowy – ale kiedy je pisano. obejmowało ono w przybliżeniu cały możliwy odstęp czasowy. Jest to istotne dlatego. że bazując na tym. można spekulować. że jest to niemal pewne, że osiągniemy odporność zbiorową na covid na jesień wszędzie w „zachodnim świecie. Wszystko to dlatego, że mniej więcej każdy kraj wyszczepi przynajmniej jedną dawką 60% populacji lub więcej – a dodatkowe procenty pojawią się od populacji która przeszła już covid w znacznej większości bezobjawowo, nie zdając sobie z tego nigdy sprawy.

A lockdowny, nie działają. Polityka modelu Szwedzkiego czy Koreańskiego jest równie skuteczna jak nie skuteczniejsza. Najbardziej pro-lockdownowym stwierdzeniem jakie można poprzeć jest to, że lockdowny uratowały setki żyć –  około tysiąca (po dodaniu Europy zakładając że wnioski byłby identyczne) w zachodnim świecie, bazując na drugim badaniu. Ale także wtedy należy powiedzieć, że działania Hiszpanii były wręcz szkodliwe dla powstrzymania rozrostu pandemii, więc z danych nie jest możliwe określenie tego, że dane popierają wyższość hiszpańskiego modelu lockdownowego ponad szwedzki. To jest tak samo podparte kolejnymi badaniami. Czy te 4 badania lockdownowe to jedyne badania o lockdownach? Oczywiście, że nie. Jest ich znacznie więcej i polecam ich lekturę. Za to jakie są koszty lockdownów? 150 MILIONÓW OSÓB ZEPCHNIĘTYCH DO SKRAJNEJ BIEDY , 1.4% populacji całego globu zepchnięte poniżej życia za dolara i dziewięćdziesiąt centów dziennie. W 2021 miało żyć tylko 7.5% ludzi w skrajniej biedzie będzie żyć między 8.9% a 9.4%. Pierwszy wzrost  – od 1998 roku i pierwszy istotny – 1989. Ostatnim razem, gdy był taki wzrost skrajniej biedy na świecie, Imperium zła musiało zostać wykończone ekonomicznie (samo z siebie ale to na marginesie). Ile to jest 150 milionów osób? Każda jedna osoba żyjąca w Niemczech, Francji i Luksemburgu. Tak wiele osób, zupełnie bez dopuszczenia ich do głosu czy decyzji, świat zachodni (głównie) skazał na skrajną biedę przez lockdowny. Do 2030 roku mieliśmy i byliśmy na drodze do wyniesienia każdej jednej osoby na świecie ze skrajnej biedy, każdą jedną. Teraz niemal na pewno tego celu do 2030 nie osiągniemy. Największe osiągnięcie społeczeństwa industrialnego (i wolnego rynku) czyli redukcja skrajnej biedy z 84 do 94% w roku 1820 do poniżej 10% znanego z dziś do ZERA w 2030 które mieliśmy osiągnąć gdyby nie covid a konkretniej lockdowny. Ze wszystkich osiągnięć ludzkości, możliwość wyciągnięcia każdego ze skrajnej biedy jest znacznie bardziej niezwykła niż nawet wysłanie człowieka na księżyc – i to zostało odsunięte w czasie. W najbardziej łaskawym podejściu do lockdownów, gdzie założę nawet ten tysiąc żyć uratowanych dzięki nim, zepchnięcie 150 milionów osób w jeszcze większy głód, w nieludzkie warunki życiowe, nie jest moralne w żadnym systemie moralnym, jaki warto wyznawać. Nie było to tego warte a nawet dane pokazują że raczej nie uratowały tego tysiąca żyć – tylko mniej więcej zero.

Ponad 90% ministerstw edukacji na świecie wprowadziło na jakiś czas pewną formę zdalnego nauczania, które w krajach o wysokich dochodach nie działa a w krajach o niższych dochodach nie istnieje (może istnieje na papierze). Średnio szkoły były zamknięte na 95 dni na całym świecie. Na 211 dni w Panamie, 205 w El Salvadorze, 198 w Bangladeszu, 192 w Boliwii, 191 dni w Brazylii. Na całym świecie stracono rok edukacji, rok który w krajach o wysokich dochodach może da się nadrobić ale w biedniejszych krajach nie jest to możliwe nawet w snach. Jest to permanentna szkoda dokonana na społeczeństwie których efekty będą odczuwane przez następne 70 LAT, pokolenia które straciło rok edukacji co wielu krajach jest bardzo bardzo długim okresem edukacji. Na całym świecie 214 milionów uczniów między przedszkolem a liceum straciło przynajmniej ¾ roku szkolnego. Ile to 214 milionów? Każda jedna osoba żyjąca dziś w Niemczech, Francji, Włoszech i Danii.

Dane pochodzą z tego źródła: https://data.unicef.org/resources/one-year-of-covid-19-and-school-closures/

Jeszcze na koniec krótki skrót kosztów wyliczonych w tym artykule (w artykule wszystko jest dostępne, ma swoje źródła, więc odsyłam tam)(https://www.aier.org/article/cost-of-us-lockdowns-a-preliminary-report/), dane w znacznej większości bazują na USA:

• Co czwarta osoba między 18 a 24 rokiem życia rozważała samobójstwo;
• 11% wszystkich dorosłych miało myśli samobójcze;
• 40% wszystkich dorosłych w USA w lipcu 2020 miało problem z nadużywaniem substancji lub zdrowiem psychicznym;
• Globalna liczba osób niedożywionych może wzrosnąć z 690 milionów osób do 822 milionów osób, wzrost o 192 miliony osób;
• 20 milionów dzieci dodatkowo (łącznie 67 milionów) (will suffer from wasting (wasting jako https://en.wikipedia.org/wiki/Wasting )) odczuwało bardzo szkodliwe skutki niewłaściwego rozwoju (nie umiem tego dokładnie wytłumaczyć odsyłam do angielskiej Wikipedii);
• Cały dług medyczny – odsyłam do artykułu, bo tego jest za dużo, by wymieniać jedynie poszczególne cechy tegoż zjawiska;

Czy to wszystko było warte tych zera lub w najkorzystniejszym razie 1000 żyć? Ile osób zginęło przez dług medyczny? Ile ludzi zmarło z głodu, ilu osobom zrujnowano permanentnie życia? Ale typowy Europejczyk czy inny mieszkaniec kraju o wysokich dochodach zobaczy tylko te „lżejsze” konsekwencje lockdownów, czyli zamknięte biznesy na stałe i zrujnowane ludzkie życie. To jest lekka konsekwencja spośród wszystkich pozostałych. 99.9% mieszkańców krajów o wysokich dochodach nie zobaczy tych dzieci, których rozwój został w istotny sposób ograniczony, nie zobaczy tych 150 milionów osób zepchniętych do skrajniej biedy, nie zobaczy tego głodu i nieszczęścia. Lockdowny i ich polityka jest nieskuteczna i nie spełniają one swoich założeń – a skutki, jakie powodują, nie były znane światu od zapaści ekonomicznej Imperium Zła – a może nawet i dłużej, bo upadek ZSRR nie wiązał się z takimi wpływami na zdrowie psychiczne, czy długiem medycznym – a głównie z biedą i głodem. Ideą lockdownów było poświęcenie tych, którzy żyją w skrajnej biedzie (bez pytania ich o zdanie) za życie starych, bogatych Europejczyków i Amerykanów, biednych złożyliśmy w ofierze. Starych Europejczyków i Amerykanów nie uratowaliśmy.

---

Mikołaj Kawalec
Korekta – Max Cegiełka