I blocchi non hanno salvato vite

Gli Stati Uniti e le sue 50 giurisdizioni statali forniscono un esperimento naturale per verificare se i decessi in eccesso per tutte le cause possono essere direttamente attribuiti all'attuazione dei cambiamenti strutturali su larga scala sociali ed economici indotti dall'ordinare il blocco della popolazione generale.

Dieci stati non avevano imposizioni di blocco e ci sono 38 coppie di stati di blocco/non blocco che condividono un confine terrestre. Troviamo che l'imposizione normativa e l'applicazione di ordini di ricovero sul posto o soggiorno a casa in tutto lo stato sono correlati in modo definitivo a una mortalità per tutte le cause pro capite corretta per lo stato di salute da parte dello stato. Questo risultato non è coerente con l'ipotesi che i lockdown abbiano salvato vite.

Introduzione

L'11 marzo 2020, l'Organizzazione Mondiale della Sanità ha dichiarato una pandemia sulla base di un focolaio segnalato a Wuhan, in Cina, di COVID-19 (di seguito COVID), la malattia respiratoria presumibilmente causata dal virus SARS-CoV-2. Il 13 marzo 2020 negli Stati Uniti è stata dichiarata l'emergenza nazionale relativa all'epidemia di COVID-19. Negli Stati Uniti, questa dichiarazione ha prodotto un insieme eterogeneo di risposte da parte delle autorità sanitarie e dei funzionari governativi di vari stati. Tra queste varie risposte politiche statali, la maggior parte degli stati ha emesso ordini di rifugio sul posto o di soggiorno a casa a marzo e aprile del 2020 (di seguito denominati "blocchi"). 

La motivazione di queste misure di blocco era rallentare la diffusione di COVID-19 limitando le interazioni sociali, partendo dal presupposto che la malattia si diffonda per contatto da persona a persona. Tuttavia, a causa dell'indipendenza del governo statale negli Stati Uniti, le misure di blocco hanno avuto un'ampia gamma di attuazione e applicazione, con alcuni stati che hanno rinunciato del tutto al blocco. 

Queste differenze nelle decisioni statali di bloccare o meno stabilire quindi un esperimento utile per testare l'ipotesi che i blocchi abbiano salvato vite. Questa ipotesi prevede che ci sarebbero stati meno decessi (pro capite) negli stati che hanno implementato i blocchi e più decessi negli stati che non lo hanno fatto, dopo aver aggiustato le differenze nello stato di salute delle popolazioni statali, se si presume che tutti gli altri fattori abbiano minore impatto. I dati disponibili per testare queste previsioni possono essere trovati nella mortalità per tutte le cause (ACM) per tempo e per stato, riportati dal CDC.

Come dimostrato da altri ricercatori (ad es Rancourt, Baudin & Mercier 2021), ACM elude la difficile questione dell'assegnazione della causa di morte, che è di natura politica e, di conseguenza, suscettibile di pregiudizi (ad es. Eli et al. 2020). La corretta causa dominante di morte è raramente nota in caso di malattie respiratorie e la morte normalmente non è monocausale. 

Il vantaggio dell'analisi dell'ACM è che i decessi negli Stati Uniti sono registrati con alta fedeltà (nessun bias di segnalazione o sottostima). Una volta registrata, una morte è una morte, indipendentemente da come la causa è assegnata sul certificato di morte. Se i blocchi sono efficaci nel prevenire i decessi dovuti alla diffusione di una malattia durante una pandemia, le regioni che hanno implementato i blocchi dovrebbero aver registrato un minor numero di decessi pro capite per tutte le cause, se non ci sono fattori di confusione prevalenti.

Dati e metodologia

Il nostro obiettivo è valutare l'efficacia dei blocchi nel salvare vite umane durante l'era del COVID confrontando il numero totale di decessi per tutte le cause in coppie di stati: uno stato con blocco e uno stato senza blocco che condivide un confine con il blocco stato. Abbiamo anche esaminato gli stati di blocco che non condividono un confine con nessuno stato non di blocco, per completezza.

Abbiamo identificato gli stati non bloccati esaminando gli ordini amministrativi ed esecutivi emessi nel periodo marzo-aprile 2020 dai governi statali in risposta alle dichiarazioni pandemiche dell'OMS e dei governi federale e statale. La maggior parte di questi ordini è stata archiviata sul sito web Ballopedia.come abbiamo individuato gli ordini per i quali i collegamenti non erano più validi effettuando ricerche sui siti Web del governo statale. Abbiamo assegnato un punteggio di “rigore” a ciascun ordine esecutivo in base alla lingua dell'ordinanza di lockdown per i cittadini dello Stato:

Abbiamo scoperto che c'erano sette (7) stati che avevano un punteggio di 0 perché non emettevano ordini di soggiorno a casa: North Dakota, South Dakota, Wyoming, Iowa, Oklahoma, Nebraska e Arkansas. C'erano altri tre (3) stati che avevano un punteggio di 1 perché i governi suggerivano o incoraggiavano i cittadini a rimanere a casa, ma non richiedevano loro di farlo, né fornivano mezzi di applicazione: Utah, Kentucky e Tennessee. 

Il nostro criterio per il blocco rispetto agli stati di non blocco differisce dagli studi precedenti nella sua semplicità (cioè concentrandosi solo sul rigore del linguaggio negli ordini esecutivi). Ma il nostro elenco risultante di stati non bloccati include tutti e sette gli stati elencati come non bloccati NeedaSolution, e include tutti e quattro gli stati non di blocco identificati dallo studio sponsorizzato dal CDC di Moreland et al. (2020). 

Abbiamo confrontato i risultati di questi dieci stati non di blocco con gli stati di blocco che condividono un confine, partendo dal presupposto che la diffusione virale non sia ostacolata dai confini statali. In questo studio ci concentriamo sulla mortalità totale per tutte le cause (ACM) in un periodo di tempo specificato come metrica dell'efficacia del blocco. Utilizziamo tre periodi di tempo come descritto di seguito. 

Abbiamo scaricato file con valori separati da virgole (csv) contenenti ACM a settimana per ogni stato dal file Sito Web CDC Wonder. Abbiamo diviso i dati ACM settimanali per ogni stato per la popolazione di quello stato (Censimento americano, 1 aprile 2020), determinando il numero di decessi pro capite a settimana (D_pcw). In questa relazione esprimiamo D_pcw come numero di morti ogni 10,000 residenti. 

È necessario un ulteriore passaggio di correzione per consentire confronti accurati stato per stato della mortalità. Le differenze nella distribuzione dell'età, i tassi di obesità, i livelli di povertà, i tassi di disabilità fisica e mentale e altri determinanti della salute porteranno a differenze intrinseche in D_pcw in vari stati. Queste differenze si manifestano collettivamente in una compensazione in D_pcw visto durante gli anni non pandemici (prima del 2020). 

Ad esempio, la Figura 1 mostra un confronto tra il D_pcw tra New York e la Florida negli anni 2014-2020. Come per tutti i confronti tra stati, New York e Florida hanno variazioni temporali notevolmente simili in D_pcw di settimana in settimana e di anno in anno, ma hanno anche una compensazione chiara e quasi costante. 

Correggiamo questo offset calcolando un fattore H_stato, che è il valore mediano del rapporto tra la D di uno stato_pcw e il d_pcw di uno stato di riferimento dal 1 gennaio 2014 al 31 dicembre 2020. Abbiamo scelto New York come stato di riferimento per il calcolo di H_stato. Questa scelta dello stato di riferimento è arbitraria, ma la grande popolazione di New York significa che, nella maggior parte dei casi, l'errore in H_stato è dominato dagli errori di Poisson nel D_pcw dello stato di interesse. 

Nell'esempio mostrato nella Figura 1, il fattore di correzione dello stato di salute della Florida è H_stato = 0.537, indicando che New York ha registrato il 53.7% in meno di D_pcw rispetto alla Florida negli anni dal 2014 al 2020, probabilmente in parte a causa della popolazione più anziana della Florida. Per ogni confronto statale di D_pcw adottiamo questo rapporto come fattore di correzione per portare la coppia di stati sulla stessa scala, consentendo un confronto corretto dello stato di salute della mortalità durante il periodo della pandemia. 

Questo fattore di correzione dello stato di salute è giustificato poiché stiamo effettuando un confronto differenziale tra stati con e senza lockdown. Ci stiamo chiedendo: "Dopo l'emanazione delle misure di blocco, qual è la differenza frazionaria tra l'ACM pro capite rettificato in ciascuna coppia di stati?" Ciò presuppone che, dopo aver rimosso le differenze nello stato di salute delle popolazioni degli stati vicini, l'effetto maggiore sull'ACM pro capite rettificato sia stato l'emanazione di un blocco. Questa ipotesi è giustificata dal momento che i blocchi dovrebbero comportare massicci sconvolgimenti delle economie nazionali e regionali, dei sistemi sanitari e del tessuto sociale in generale.

Figura 1: I decessi pro capite per settimana (D_pcw) in Florida (blu) e New York (rosso). Il pannello di sinistra mostra l'offset in D_pcw, che attribuiamo alle differenze nello stato di salute della popolazione di ciascuno stato (struttura per età, livello di povertà, tasso di obesità, ecc.). Il pannello a destra mostra la D corretta_pcw, che consente un confronto differenziale tra questi due stati dal 2020 in poi.

Per quantificare l'effetto dei lockdown sulla mortalità durante il periodo COVID, calcoliamo i decessi pro capite integrati (totali) corretti per lo stato di salute, D_bimbo, in un periodo di tempo prescelto. Calcoliamo quindi il rapporto di D_bimbo per ogni coppia di stati, indicata con R (lockdown diviso per non lockdown). Usiamo tre diversi periodi di tempo su cui ci aspettiamo D_bimbo, e R, per cogliere gli effetti delle misure di blocco:

D_totale,1: Somma del periodo di blocco dello stato di blocco. 
D_totale,2: Somma nel periodo del “picco COVID 1” (cp1) come identificato da Rancourt et al. (2021; dalla settimana 11 alla settimana 25 del 2020)
D_totale,3: Somma sull'intero periodo dall'11 marzo 2020 al 31 dicembre 2021

In questo documento riportiamo gli intervalli di confidenza del 95% per i nostri rapporti di mortalità integrati, normalizzati per la popolazione e corretti per lo stato di salute per ciascun confronto a coppie di stati di blocco e non di blocco e per lo stato di salute integrato pro capite corretto mortalità che riportiamo. Questi intervalli di confidenza sono calcolati partendo dal presupposto che la principale fonte di errore provenga dal conteggio delle statistiche.

Risultati

I nostri risultati sono riassunti nelle figure seguenti. 

Nelle Figure 2, 3 e 4, l'asse y elenca tutte le 38 coppie di stati di blocco/non blocco utilizzati per confrontare i risultati di mortalità, con lo stato di blocco elencato per primo, seguito dallo stato di non blocco. I punti blu mostrano la stima puntuale del rapporto, R, e le barre di errore associate mostrano l'intervallo di confidenza del 95%; la linea tratteggiata verticale segna l'unità. I valori a sinistra della linea verticale indicano i casi in cui lo stato di blocco ha registrato un minor numero di decessi pro capite corretti per lo stato di salute rispetto allo stato non di blocco. I valori a destra della riga indicano che lo stato di blocco ha registrato più decessi pro capite corretti per lo stato di salute rispetto allo stato non di blocco.

Figura 2: Il rapporto ACM pro capite (R) corretto per lo stato di salute per ciascuna coppia di stati vicini elencati sull'asse y. Il rapporto si basa sulla somma di tutti i decessi in ciascuno stato nel periodo di tempo corrispondente al picco di COVID (3/11/2020 – 6/24/2020). Le barre di errore mostrano l'intervallo di confidenza del 95% per il rapporto di ciascuna coppia. I rapporti a sinistra della linea verticale indicano che si sono verificati meno decessi nello stato di blocco rispetto allo stato non di blocco, mentre i rapporti a destra della linea verticale indicano che gli stati con blocco hanno subito più decessi.

Figura 3: Il rapporto ACM pro capite (R) corretto per lo stato di salute per ciascuna coppia di stati vicini elencati sull'asse y. Il rapporto si basa sulla somma di tutti i decessi in ogni stato nel periodo di tempo corrispondente alla durata del blocco dello stato di blocco. Le barre di errore mostrano l'intervallo di confidenza del 95% per il rapporto di ciascuna coppia. I rapporti a sinistra della linea verticale indicano che si sono verificati meno decessi nello stato di blocco rispetto allo stato non di blocco, mentre i rapporti a destra della linea verticale indicano che gli stati con blocco hanno subito più decessi.

Figura 4: Il rapporto ACM pro capite (R) corretto per lo stato di salute per ciascuna coppia di stati vicini elencati sull'asse y. Il rapporto si basa sulla somma di tutti i decessi in ogni stato durante l'intera "era COVID" nel nostro set di dati (11 marzo 2020 - 25 gennaio 2022). Le barre di errore mostrano l'intervallo di confidenza del 95% per il rapporto di ciascuna coppia. I rapporti a sinistra della linea verticale indicano che si sono verificati meno decessi nello stato di blocco rispetto allo stato non di blocco, mentre i rapporti a destra della linea verticale indicano che gli stati con blocco hanno subito più decessi.

Se i blocchi salvassero vite, allora ci aspetteremmo che la maggior parte dei rapporti ACM (R) sarebbe inferiore a uno. Invece, vediamo il contrario. Per tutti e tre i periodi di integrazione, la maggior parte dei rapporti è maggiore di uno. Per il periodo cp1 (blocco, intero), 28 (28, 21) coppie hanno rapporti ACM (R) maggiori di uno, mentre 0 (0, 9) coppie hanno rapporti inferiori a uno e le restanti 10 (10, 8) le coppie hanno R indistinguibile dall'unità al 95% di confidenza. 

Pertanto, la nostra analisi dei valori R per tre periodi di tempo durante i quali si prevede che i blocchi abbiano un effetto mostra che i dati ACM degli ultimi due anni non sono coerenti con l'ipotesi che i blocchi abbiano salvato vite umane. D'altra parte, i nostri risultati sono coerenti con la conclusione di Rancourt et al. (2021) che le morti in eccesso nel periodo COVID negli Stati Uniti sono causate dal governo e dalle misure mediche e dalle risposte alla pandemia dichiarata.

La figura 4 mostra i decessi integrati pro capite corretti per lo stato di salute per il periodo di 15 settimane "COVID peak 1" (cp1; settimane da 11 a 25 del 2020) per tutti gli stati individualmente (rosso) e per la stessa integrazione di 15 settimane finestra nel 2019 (blu) e 2018 (verde). Qui, gli stati sono ordinati, dall'alto verso il basso, in ordine decrescente di densità di popolazione media per stato, che spesso si presume sia un fattore nella diffusione di una malattia contagiosa. I nomi degli stati in magenta corrispondono ai nostri dieci stati non di blocco con punteggi di rigore di blocco di 0 o 1. I nomi di stato in ciano sono gli stati di blocco che condividono un confine con uno stato non di blocco, che abbiamo utilizzato nel nostro calcolo di R . 

I valori della mortalità per tutte le cause integrata corretta per lo stato di salute nei periodi di 15 settimane "cp1" del 2019 e 2018 sono strettamente vincolati per tutti gli stati a un valore di circa 14 decessi ogni 10,000 (Figura 5), ​​mentre i valori corrispondenti nel periodo COVID sono molto diversi da stato a stato, dal valore di riferimento del 2019 a un massimo di 25 per 10,000 per il New Jersey e in genere da 15 a 21 per 10,000. Gli stati non di blocco hanno nomi sull'asse y di colore magenta, mentre gli stati di blocco utilizzati come parametri di confronto nel calcolo di R sono di colore ciano. 

La figura 5 mostra che la maggior parte dei nostri dieci stati non di blocco ha una mortalità per tutte le cause integrata corretta per lo stato di salute nelle 15 settimane cp1 sul valore basale pre-COVID (2018 e 2019) di circa 14 per 10,000, mentre la maggior parte dei gli stati con punteggi di rigore del blocco di 2 e 3 hanno tassi di mortalità ben al di sopra dei valori di base pre-COVID.

Figura 5: ACM con correzione dello stato di salute integrato nel periodo cp1 (11 marzo-29 giugno 2020; rosso) rispetto allo stesso periodo del 2019 (blu) e 2018 (green). Stati ordinati dall'alto verso il basso per densità di popolazione decrescente. Magenta indica stati di non blocco mentre ciano denota stati di blocco che condividono un confine con stati non di blocco.

Sebbene una stima precisa dell'eccesso di mortalità dovuto ai blocchi esuli dallo scopo di questo documento, possiamo fare una stima approssimativa basata sulla Figura 5. I tre stati più popolosi (California, Texas, Florida) hanno incrementi del periodo COVID superiori al basale di circa 1 ogni 10,000. Sulla base di un anno solare (52 settimane), e per una popolazione pari a quella dell'intero USA, ciò corrisponderebbe a circa 110,000 decessi, che potrebbero essere attribuiti direttamente agli impatti dell'ordinare lockdown e che non si sarebbero verificati se i blocchi non erano stati attuati. Questo valore è coerente con la stima della mortalità in eccesso del lockdown di 97,000/anno di Mulligan & Arnot (2022). 

Discussione e conclusione

L'uso dei blocchi per "mettere in quarantena" la popolazione generale degli Stati Uniti al fine di controllare la diffusione di una malattia infettiva non ha precedenti nella storia della nazione. Durante le precedenti pandemie, solo i malati e gli infermi sono stati messi in quarantena mentre il resto della popolazione ha continuato più o meno normalmente. 

Questo approccio di "protezione mirata" è stato raccomandato dai professionisti medici nel Dichiarazione del Grande Barrington nel 2020, dimostrando che esistevano ed erano ben comprese nella comunità medica alternative al lockdown. Di recente, nel 2019, l'Organizzazione mondiale della sanità ha sostenuto un approccio simile nelle sue raccomandazioni per mitigare i rischi di una pandemia influenzale senza menzionare le misure di blocco per la popolazione generale (CHI 2019). In effetti, il rapporto dell'OMS afferma specificamente che la quarantena degli individui esposti è "non consigliata perché non esiste una logica ovvia per questa misura" (vedi le loro tabelle 1 e 4). Allo stesso modo, il Piano d'azione di preparazione alla pandemia di influenza per gli Stati Uniti non fa menzione di lockdown e afferma che "... le misure classiche volte a ridurre il rischio di introduzione e trasmissione di alcuni agenti infettivi, come lo screening clinico e la quarantena ai porti di ingresso, non dovrebbero essere efficaci" (Strika et al. 2002). 

Nella loro revisione della letteratura disponibile sugli interventi in caso di pandemia influenzale, Inglesby et al. (2006) raccomandare esplicitamente di non adottare misure di quarantena in caso di pandemia influenzale, sia per gli individui malati che per quelli sani, perché si prevede che i costi per la società supereranno di gran lunga i benefici. Hanno concluso: "L'esperienza ha dimostrato che le comunità che affrontano epidemie o altri eventi avversi rispondono meglio e con la minima ansia quando il normale funzionamento sociale della comunità è meno interrotto". Queste raccomandazioni vanno oltre la preparazione e la risposta alle pandemie influenzali. In un rapporto intitolato Preparazione per una pandemia di agenti patogeni respiratori ad alto impatto, gli autori concludono che la quarantena è tra le misure non farmaceutiche meno efficaci nel contenere la diffusione della malattia (Centro Johns Hopkins per la sicurezza sanitaria 2019).

Pertanto, le misure di blocco attuate nel 2020 dalla maggior parte degli stati degli Stati Uniti, così come da molti paesi del mondo, hanno rappresentato un esperimento su larga scala senza precedenti nel controllo delle malattie infettive. I dati sulla mortalità per tutte le cause che abbiamo analizzato ci consentono di testare l'ipotesi che i blocchi abbiano salvato vite durante la pandemia di COVID. Troviamo che questi dati non sono coerenti con questa ipotesi; gli stati con blocchi hanno subito più decessi per tutte le cause rispetto agli stati vicini senza blocchi. Concludiamo quindi che questo esperimento è stato un fallimento della politica di salute pubblica e che le misure di blocco non dovrebbero essere utilizzate durante futuri focolai di malattie. 

La nostra scoperta che la mortalità per tutte le cause è aumentata negli stati con blocchi è coerente con le conclusioni di Agraval et al. (2021) che hanno riscontrato aumenti statisticamente significativi dell'eccesso di mortalità dovuto agli ordini di ricovero sul posto negli Stati Uniti e in 43 paesi. Allo stesso modo, Mulligan & Arnot (2022) stimano che ci siano stati 97,000 decessi in eccesso all'anno a causa dei blocchi, con un eccesso di mortalità distribuito equamente tra tutte le fasce di età degli adulti, a differenza dei decessi COVID che sono stati più comunemente attribuiti agli anziani.

Data la forte associazione tra l'imposizione di lockdown alla popolazione generale e l'aumento della mortalità per tutte le cause, dimostrata sopra (Figure 2-5), è opportuno azzardare ipotesi per la causa o le cause di questa associazione. 

Ovviamente, gli americani privilegiati delle classi medio-alte e professionali non sono morti rimanendo a casa. Tuttavia, non è irragionevole postulare che i regolamenti e gli ordini di blocco della popolazione generale siano comunque proxy o indicatori statutari del grado di aggressività (compreso l'abbandono) con cui le istituzioni sociali nello stato hanno risposto o reagito alla pandemia annunciata. Queste istituzioni includerebbero scuole, case di cura, ospedali, cliniche, servizi per disabili, asili nido, servizi di polizia, servizi sociali e familiari e così via.

Lo avanziamo provvisoriamente perché è del tutto probabile che le morti in eccesso associate ai blocchi provengano da pool di individui particolarmente a rischio di subire conseguenze fatali da interruzioni grandi e negative nelle loro vite e nelle reti di supporto. Ciò sarà vero indipendentemente dall'effettiva causa meccanicistica della morte, data la nota associazione tra lo stress sperimentato e l'isolamento sociale e la gravità della malattia e la mortalità, attraverso l'impatto sul sistema immunitario (Ader e Cohen 1993; Cohen et al. 1991; Cohen et al. 1997; Cohen et al. 2007; Sapolski 2005; Prendeville et al., 2015; Dahab 2014; Rancourt et al. 2021). In effetti, ci sono ampie prove che i blocchi siano associati a forti aumenti disoccupazione e un generale peggioramento della salute mentale (es Gioiello et al. 2020, Czeisler et al. 2020). 

I dati ACM disponibili tramite il sito Web CDC Wonder non sono disaggregati sia per stato che per dati demografici, quindi non siamo stati in grado di esaminare quali gruppi demografici stavano morendo e come stavano morendo in ogni stato. Tuttavia, le informazioni demografiche sono disponibili a livello nazionale e Mulligan & Arnot (2022) hanno riscontrato grandi aumenti dell'eccesso di mortalità tra le persone di età compresa tra 18 e 65 anni, che è una fascia demografica che non era ad alto rischio di COVID. 

Analogamente, Rancourt et al. (2021) hanno scoperto che la distribuzione temporale e spaziale della mortalità per tutte le cause nel periodo della pandemia non è coerente con gli effetti di una malattia respiratoria virale. Hanno trovato prove che molti decessi in eccesso durante la pandemia erano infezioni da polmonite batterica diagnosticate erroneamente, probabilmente esacerbate da interruzioni del sistema sanitario statunitense.

Pertanto, esistono forti prove a sostegno dell'ipotesi che i blocchi abbiano posto un carico di stress improvviso e grave sui dati demografici vulnerabili negli Stati Uniti, portando a un aumento significativo della morte in quegli stati che hanno utilizzato i blocchi come misure di controllo della malattia.

Questa sintesi è tratta dal studio più ampio degli autori.