EINE LITERATURÜBERSICHT UND META-ANALYSE COVID-19 STERBLICHKEIT - DER AUSWIRKUNGEN VON LOCKDOWNS AUF
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Übersetzt von Afrikaans nach Deutsch - www.onlinedoctranslator.com
SAE./Nr.200/Januar 2022
EINE LITERATURÜBERSICHT UND META-ANALYSE
DER AUSWIRKUNGEN VON LOCKDOWNS AUF
COVID-19 STERBLICHKEIT
Jonas Herby, Lars Jonung und Steve H. HankeEine Literaturübersicht und Metaanalyse der Auswirkungen
von Lockdowns auf die COVID-19-Sterblichkeit
Von Jonas Herby, Lars Jonung und Steve H. Hanke
Über die Serie
DerStudium der Angewandten WirtschaftswissenschaftenReihe steht unter der Gesamtleitung von Prof.
Steve H. Hanke, Gründer und Co-Direktor des Johns Hopkins Institute for Applied Economics, Global
Health, and the Study of Business Enterprise ( hanke@jhu.edu ). Die in jedem Arbeitspapier geäußerten
Ansichten sind die der Autoren und nicht notwendigerweise die der Institutionen, denen die Autoren
angehören.
Über die Autoren
Jonas Herby ( herby@cepos.dk ) ist Sonderberater am Centre for Political Studies in Kopenhagen, Dänemark. Seine
Forschungsschwerpunkte sind Recht und Wirtschaft. Er hat einen Master-Abschluss in Wirtschaftswissenschaften der
Universität Kopenhagen.
Lars Jonung ( lars.jonung@nek.lu.se ) ist emeritierter Professor für Wirtschaftswissenschaften an der Universität
Lund, Schweden. Von 2012 bis 2013 war er Vorsitzender des Swedish Fiscal Policy Council, von 2000 bis 2010
Forschungsberater bei der Europäischen Kommission und von 1992 bis 1994 Chef-Wirtschaftsberater von
Premierminister Carl Bildt. Er promovierte in Wirtschaftswissenschaften an der University of California, Los Angeles.
Steve H. Hanke ist Professor für Angewandte Ökonomie und Gründer und Co-Direktor des Johns Hopkins
Institute for Applied Economics, Global Health, and the Study of Business Enterprise. Er ist Senior Fellow
und Direktor des Troubled Currencies Project am Cato Institute, Mitarbeiter bei National Review, ein
bekannter Währungsreformer und Devisen- und Rohstoffhändler. Prof.. Hanke war Mitglied des
Wirtschaftsberaterrates von Präsident Reagan, war Berater von fünf ausländischen Staatsoberhäuptern
und fünf ausländischen Kabinettsministern und hatte sowohl in Litauen als auch in Montenegro einen
Rang auf Kabinettsebene inne. Er wurde mit sieben Ehrendoktorwürden ausgezeichnet und ist
Honorarprofessor an vier ausländischen Institutionen. Er war Präsident des Toronto Trust Argentina in
Buenos Aires im Jahr 1995, als dieser der leistungsstärkste Investmentfonds der Welt war. Zur Zeit, er ist
Vorsitzender des Aufsichtsrats der Advanced Metallurgical Group NV in Amsterdam. 1998 wurde er vom
World Trade Magazine zu einem der 25 einflussreichsten Menschen der Welt ernannt. 2020 Prof.. Hanke
wurde zum Ritter des Ordens der Flagge ernannt.
1Abstrakt
Diese systematische Überprüfung und Metaanalyse soll feststellen, ob es empirische Beweise gibt, die die Annahme stützen, dass „Lockdowns“ die
Sterblichkeit bei COVID-19 verringern. Lockdowns sind definiert als die Verhängung mindestens einer obligatorischen, nicht-pharmazeutischen
Intervention (NPI). NPIs sind alle Regierungsaufträge, die die Möglichkeiten der Menschen direkt einschränken, wie z. B. Richtlinien, die die interne
Bewegung einschränken, Schulen und Unternehmen schließen und internationale Reisen verbieten. Diese Studie verwendete ein systematisches Such-
und Screening-Verfahren, bei dem 18.590 Studien identifiziert wurden, die sich potenziell mit der geäußerten Überzeugung befassen könnten. Nach drei
Screening-Stufen qualifizierten sich schließlich 34 Studien. Von diesen 34 geeigneten Studien qualifizierten sich 24 für die Aufnahme in die Meta-Analyse.
Sie wurden in drei Gruppen eingeteilt: Studien zum Lockdown-Stringenzindex, Shelter-in-Placeorder (SIPO)-Studien und spezifische NPI-Studien. Eine
Analyse jeder dieser drei Gruppen stützt die Schlussfolgerung, dass Lockdowns wenig bis gar keine Auswirkungen auf die COVID-19-Sterblichkeit hatten.
Genauer gesagt, Studien zum Stringenzindex zeigen, dass Lockdowns in Europa und den Vereinigten Staaten die COVID-19-Sterblichkeit nur um
durchschnittlich 0,2 % reduzierten. SIPOs waren ebenfalls unwirksam und reduzierten die COVID-19-Sterblichkeit nur um durchschnittlich 2,9 %.
Spezifische NPI-Studien finden auch keine breit angelegten Hinweise auf spürbare Auswirkungen auf die COVID-19-Mortalität. SIPOs waren ebenfalls
unwirksam und reduzierten die COVID-19-Sterblichkeit nur um durchschnittlich 2,9 %. Spezifische NPI-Studien finden auch keine breit angelegten
Hinweise auf spürbare Auswirkungen auf die COVID-19-Mortalität. SIPOs waren ebenfalls unwirksam und reduzierten die COVID-19-Sterblichkeit nur um
durchschnittlich 2,9 %. Spezifische NPI-Studien finden auch keine breit angelegten Hinweise auf spürbare Auswirkungen auf die COVID-19-Mortalität.
Während diese Metaanalyse zu dem Schluss kommt, dass Lockdowns wenig bis gar keine Auswirkungen auf die
öffentliche Gesundheit hatten, haben sie dort, wo sie eingeführt wurden, enorme wirtschaftliche und soziale Kosten
verursacht. Folglich sind Lockdown-Politiken unbegründet und als pandemiepolitisches Instrument abzulehnen.
Danksagungen
Die Autoren danken Line Andersen, Troels Sabroe Ebbesen, Nicholas Hanlon und Anders Lund Mortensen für
ihre Unterstützung bei der Recherche.
Die Autoren danken außerdem Douglas Allen, Fredrik NG Andersson, Jonas Björk, Christian
Bjørnskov, Joakim Book, Gunnar Brådvik, Kristoffer Torbjørn Bæk, Ulf Gerdtham, Daniel B. Klein,
Fredrik Charpentier Ljungqvist, Christian Heebøl-Nielsen, Martin Paldam, Jonas Ranstam, Spencer
Ryan, John Strezewski, Roger Svensson, Ulf Persson, Anders Waldenström und Joakim Westerlund
für ihre Kommentare.
Schlüsselwörter:COVID-19, Lockdown, nicht-pharmazeutische Interventionen, Sterblichkeit, systematische
Überprüfung, Metaanalyse
JEL-Klassifizierung:I18; I38; D19
21. Einleitung
Die globale politische Reaktion auf die COVID-19-Pandemie ist offensichtlich. Obligatorische
nichtpharmazeutische Interventionen (NPIs), allgemein bekannt als „Lockdowns“ – Richtlinien, die die interne
Bewegung einschränken, Schulen und Unternehmen schließen und internationale Reisen verbieten – wurden in
der einen oder anderen Form in fast jedem Land angeordnet.
Die ersten NPIs wurden in China implementiert. Von dort breiteten sich die Pandemie und NPIs zunächst nach Italien
und später in praktisch alle anderen Länder aus, siehe Abbildung 1. Von den 186 Ländern, die vom Oxford COVID-19
Government Response Tracker (OxCGRT) abgedeckt werden, sind nur die Komoren, ein Inselstaat im Indischen
Ozean Ocean, hat vor Ende März 2020 nicht mindestens einen NPI verhängt.
Abbildung 1: Anteil der Länder mit einem OxCGRT-Stringenzindex über den Schwellenwerten, Januar bis
Juni 2020
Kommentar: Die Abbildung zeigt den Anteil der Länder, in denen der OxCGRT-Stringenzindex an einem bestimmten Datum Index 65, 70 bzw. 75
übertroffen hat. Es werden nur Länder mit mehr als einer Million Einwohnern berücksichtigt (insgesamt 153 Länder). Der OxCGRT-Stringenzindex
zeichnet die Strenge der NPI-Richtlinien auf, die das Verhalten von Menschen einschränken. Er wird anhand aller ordinalen Indikatoren der
Eindämmungs- und Schließungspolitik (dh Grad der Schul- und Geschäftsschließungen usw.) sowie eines Indikators zur Erfassung öffentlicher
Informationskampagnen berechnet.
Quelle: Unsere Welt in Daten.
Frühe epidemiologische Studien sagten große Wirkungen von NPIs voraus. Eine oft zitierte
Modellsimulationsstudie von Forschern des Imperial College London (Ferguson et al. (2020))) sagte voraus, dass a
3Eine Unterdrückungsstrategie auf der Grundlage eines Lockdowns würde die COVID-19-Sterblichkeit um bis zu 98 % reduzieren.1
Diese Vorhersagen wurden von vielen Gelehrten in Frage gestellt. Unser frühes Interesse an dem Thema wurde durch zwei
Studien beflügelt. Zunächst haben Atkeson et al. (2020) zeigten, dass „in allen von uns untersuchten Ländern und US-
Bundesstaaten die Wachstumsraten der täglichen Todesfälle durch COVID-19 innerhalb von 20 bis 30 Tagen, nachdem jede
Region 25 erlebt hatte, von einem breiten Spektrum anfänglich hoher Werte auf Werte nahe Null gesunken sind kumulative
Todesfälle.“ Zweitens, Sebhatu et al. (2020) zeigten, dass „die Regierungspolitik stark von der in anderen Ländern initiierten
Politik getrieben wird“ und weniger von der spezifischen COVID-19-Situation des Landes.
Ein dritter Faktor, der unsere Forschung motivierte, war die Tatsache, dass es im Frühjahr 2020 keine eindeutige
negative Korrelation zwischen dem Grad des Lockdowns und den Todesfällen gab (siehe Abbildung 2). Angesichts der
großen Effekte, die von Simulationsstudien wie Ferguson et al. (2020) hätten wir erwartet, zumindest eine einfache
negative Korrelation zwischen der COVID-19-Sterblichkeit und dem Grad der Verhängung von Lockdowns zu
beobachten.2
Abbildung 2: Korrelation zwischen Stringenzindex und COVID-19-Mortalität in europäischen Ländern
und US-Bundesstaaten während der ersten Welle im Jahr 2020
Quelle: Unsere Welt in Daten
1 Mit R0 = 2,4 und Trigger auf 60 könnte die Zahl der COVID-19-Toten in Großbritannien auf 8.700 reduziert werden
Todesfälle von 510.000 Todesfällen (-98 %) mit einer Politik bestehend aus Fallisolation + häuslicher Quarantäne + sozialer Distanzierung +
Schul-/Universitätsschließung, vgl. Tabelle 4 in Ferguson et al. (2020). R0 (die grundlegende Reproduktionsrate) ist die erwartete Anzahl von
Fällen, die direkt durch einen Fall in einer Population erzeugt werden, in der alle Personen für eine Infektion anfällig sind.
2 Darüber hinaus wurde das Interesse an dieser Ausgabe durch die Arbeit geweckt, die Jonung zu den erwarteten wirtschaftlichen Auswirkungen der
SARS-Pandemie in Europa im Jahr 2006 (Jonung und Röger, 2006). In dieser modellbasierten Studie, die anhand von Daten zur spanischen Grippe kalibriert
wurde, kamen Jonung und Röger zu dem Schluss, dass die wirtschaftlichen Auswirkungen einer schweren Pandemie eher begrenzt wären – ein scharfer Kontrast
zu den enormen wirtschaftlichen Auswirkungen, die mit Lockdowns während der COVID-19-Pandemie verbunden sind.
4Heute bleibt die Frage offen, ob Lockdowns einen großen, signifikanten Einfluss auf die COVID-19-Sterblichkeit
hatten. Wir gehen dieser Frage nach, indem wir die aktuelle wissenschaftliche Literatur zum Zusammenhang
zwischen Lockdowns und COVID-19-Mortalitätsraten auswerten.3Wir verwenden „NPI“ zur Beschreibungjeder
Regierungsauftrag, der die Möglichkeiten der Menschen direkt einschränkt. Unsere Definition tut esnichtumfassen
Regierungsempfehlungen, Regierungsinformationskampagnen, Zugang zu Massentests, freiwillige soziale
Distanzierung usw., aberzuDazu gehören vorgeschriebene Eingriffe wie die Schließung von Schulen oder
Geschäften, vorgeschriebene Gesichtsmasken usw. Wir definierenAbriegelungwie jede Police, die aus mindestens
einem oben beschriebenen NPI besteht.4
Im Vergleich zu anderen Reviews wie Herby (2021) und Allen (2021) besteht der Hauptunterschied in dieser Meta-Analyse darin,
dass wir eine systematische und umfassende Suchstrategie durchführen, um alle Arbeiten zu identifizieren, die für die
Beantwortung der von uns gestellten Frage potenziell relevant sind. Wir identifizieren 34 geeignete empirische Studien, die die
Auswirkungen obligatorischer Lockdowns auf die COVID-19-Sterblichkeit unter Verwendung eines kontrafaktischen Differenz-in-
Differenz-Ansatzes abschätzen. Wir stellen unsere Ergebnisse so dar, dass sie systematisch ausgewertet, repliziert und zur
Ableitung von Gesamtmeta-Schlussfolgerungen verwendet werden können.5
2 Identifizierungsprozess: Suchstrategie und Auswahlkriterien
Abbildung 3 zeigt einen Überblick über unseren Identifizierungsprozess anhand eines Flussdiagramms, das gemäß den
PRISMA-Richtlinien (Moher et al. (2009) entworfen wurde. Von 18.590 Studien, die während unserer Datenbanksuche
identifiziert wurden, blieben 1.048 nach einem titelbasierten Screening übrig. Dann waren es 931 Studien ausgeschlossen,
weil sie entweder die Wirkung von Lockdowns auf die Sterblichkeit nicht gemessen oder keinen empirischen Ansatz
verwendet haben. So blieben 117 Studien, die gelesen und inspiziert wurden. Nach einer gründlicheren Bewertung wurden
83 der 117 ausgeschlossen, sodass 34 Studien zugelassen wurden unserer Meta-Analyse. Eine Tabelle mit allen 83 im letzten
Schritt ausgeschlossenen Studien findet sich in Anhang B, Tabelle 8.
3Wir verwenden „Mortalität“ und „Sterblichkeitsraten“ synonym, um die COVID-19-Todesfälle pro Bevölkerung zu bezeichnen.
4Zum Beispiel werden wir sagen, dass Land A das eingeführt hatnicht-pharmazeutische EingriffeSchulschließungen u
Schutz vor Ort im Rahmen des LandesAbriegelung.
5Eine interessante Frage lautet: „Welchen Schaden richten Lockdowns für die Wirtschaft, die persönlichen Freiheiten und Rechte und die Öffentlichkeit an?
Gesundheit im Allgemeinen?” Obwohl diese Frage wichtig ist, erfordert sie eine vollständige Kosten-Nutzen-Studie, die den Rahmen dieser Studie
sprengen würde.
5Abbildung 3: PRISMA-Flussdiagramm für die Studienauswahl.
Im Folgenden stellen wir unsere Suchstrategie und Eignungskriterien vor, die den
PRISMA-Richtlinien folgen und in unserem Protokoll Herby et al. (2021).
2.1 Suchstrategie
Die von uns überprüften Studien wurden durch Scannen identifiziertGoogle ScholarundSCOPUSfür
englischsprachige Studien. Wir haben eine breite Palette von Suchbegriffen verwendet, die Kombinationen aus drei
Suchbegriffen sind: ein Suchbegriff für eine Krankheit („covid“, „corona“, „coronavirus“, „sars-cov-2“), eine Regierung
6Antwort-Suchzeichenfolge6, und eine Methodik-Suchzeichenfolge7. Wir haben Papiere anhand von 1.360 Suchbegriffen
identifiziert. Wir verlangten auch Erwähnungen von „Todesfällen“, „Tod“ und/oder „Sterblichkeit“. Die Suchbegriffe wurden
kontinuierlich aktualisiert (durch Hinzufügen relevanter Begriffe), um diesem Kriterium zu entsprechen.8
Wir haben auch alle Artikel aufgenommen, die in veröffentlicht wurdenCovid-Wirtschaft. Unsere Suche wurde zwischen dem
1. Juli und dem 5. Juli 2021 durchgeführt und führte zu 18.590 eindeutigen Studien.9Alle mit SCOPUS und Covid Economics
identifizierten Studien wurden auch mit Google Scholar gefunden. Dies gab uns die Sicherheit, dass die Einbeziehung
anderer Quellen wie VOXeu und SSRN das Ergebnis nicht ändern würde. Tatsächlich stammten viele Artikel, die mit Google
Scholar gefunden wurden, aus diesen Quellen.
Alle 18.590 Studien wurden zunächst anhand des Titels gesichtet. Studien, die eindeutig keinen Bezug zu unserer
Forschungsfrage hatten, wurden als irrelevant eingestuft.10
Nach dem Screening anhand des Titels blieben 1.048 Beiträge übrig. Diese Papiere wurden manuell gesichtet, indem zwei
Fragen beantwortet wurden:
1. Misst die Studie die Auswirkungen von Lockdowns auf die Sterblichkeit?
2. Verwendet die Studie eine empirischenachträglichDifferenz-in-Differenz-Ansatz (siehe
Eignungskriterien unten)?
Studien, bei denen wir beide Fragen nicht mit „Ja“ beantworten konnten, wurden ausgeschlossen. Im Zweifelsfall haben wir
die Bewertung basierend auf der Lektüre des vollständigen Papiers vorgenommen und in einigen Fällen Kollegen
konsultiert.11
Nach dem manuellen Screening wurden 117 Studien für eine vollständige, detaillierte Überprüfung abgerufen. Diese
Studien wurden sorgfältig geprüft und Metadaten und empirische Ergebnisse in einem Excel gespeichert
6Die verwendete Suchzeichenfolge der Regierung war: „nicht pharmazeutisch“, „nicht pharmazeutisch“, „NPI“, „NPIs“,
„Lockdown“, „Social Distancing Orders“, „Landesweite Interventionen“, „Distancing Interventions“, „Circuit Breaker“,
„Containment Maßnahmen“, „Kontaktbeschränkungen“, „Social Distancing Maßnahmen“, „Public Health Policy“, „Mobility
Restrictions“. , „Covid-19-Richtlinien“, „Corona-Richtlinien“, „Politische Maßnahmen“.
7Die verwendete methodische Suchzeichenfolge war: („fixed effects“, „panel data“, „difference-in-difference“, „diff-in-diff“,
„Synthetische Kontrolle“, „kontrafaktisch“, „kontrafaktisch“, „länderübergreifend“, „staatsübergreifend“, „bezirksübergreifend“,
„regionsübergreifend“, „regionsübergreifend“, „kommunalübergreifend“, „Länderebene“, „ Landesebene, „Kreisebene“,
„Regionsebene“, „Regionalebene“, „Gemeindeebene“, „Ereignisstudie“.
8Wenn ein potenziell relevanter Beitrag aus einem der 13 Gutachten (siehe Eignungskriterien) bei unserer Suche nicht auftauchte, haben wir
relevante Wörter zu unseren Suchbegriffen hinzugefügt und die Suche erneut ausgeführt. Die 13 Rezensionen waren:
Allen (2021); Brodeur et al. (2021); Gupta et al. (2020); Herby (2021); Johannaet al. (2020); Nußbaumer-Streit et al. (2020);
Patelet al. (2020); Perra (2020); Poeschl und Larsen (2021); Pozo-Martin et al. (2020); Rezapouret al. (2021); Robinson
(2021); Zhanget al. (2021).
9SCOPUS wurde zwischen dem 5. Juli kontinuierlich überwachtthund Veröffentlichung über einen Suchagenten. Obwohl die Suche
Der Agent lieferte in diesem Zeitraum mehrere Treffer, nur einer davon, An et al. (2021), war gemäß unseren Auswahlkriterien förderfähig. Die Studie
ist nicht in unserem Review enthalten, aber die Schlussfolgerungen stimmen mit unseren Schlussfolgerungen überein, da An et al. (2021) kommen zu
dem Schluss, dass „die Analyse zeigt, dass das Maskengebot kurzfristig durchweg mit niedrigeren Infektionsraten verbunden ist und seine frühzeitige
Einführung die langfristige Wirksamkeit steigert. Im Gegensatz dazu zeigen die anderen fünf politischen Instrumente – Inlandssperren,
internationale Reiseverbote, Verbote von Massenversammlungen sowie Restaurant- und Schulschließungen – eine schwächere Wirksamkeit.“
10 Dazu gehörten Studien mit Titeln wie „COVID-19-Ausbruch und Luftverschmutzung im Iran: Eine Panel-VAR-Analyse“
und „Dynamische strukturelle Auswirkungen des COVID-19-Ausbruchs auf den Aktienmarkt und den Wechselkurs: Eine
länderübergreifende Analyse unter den BRICS-Nationen“.
11 Professor Christian Bjørnskov von der Universität Aarhus war dabei besonders hilfreich.
7Kalkulationstabelle. Alle Studien wurden von mindestens zwei Forschern bewertet. Während dieses Prozesses wurden
weitere 64 Arbeiten ausgeschlossen, da sie unsere Zulassungskriterien nicht erfüllten. Außerdem wurden neun Studien
mit zu geringer Jurisdiktionsvarianz (< 10 Beobachtungen) ausgeschlossen,12und 10 synthetische Kontrollstudien wurden
ausgeschlossen.13Eine Tabelle mit allen 83 im letzten Schritt ausgeschlossenen Studien findet sich in Anhang B, Tabelle 8.
Nachfolgend erläutern wir, warum diese Studien ausgeschlossen werden.
2.2 Zulassungskriterien
Konzentrieren Sie sich auf Sterblichkeit und Lockdowns
Wir schließen nur Studien ein, die versuchen, eine Beziehung (oder deren Fehlen) zwischen Lockdown-Richtlinien und
COVID-19-Sterblichkeit oder Übersterblichkeit herzustellen. Wir schließen Studien aus, die Fälle,
Krankenhausaufenthalte oder andere Maßnahmen verwenden.14
Kontrafaktischer Differenz-in-Differenz-Ansatz
Wir unterscheiden zwischen zwei Methoden, die verwendet werden, um eine Beziehung (oder deren Fehlen) zwischen
Sterblichkeitsraten und Sperrmaßnahmen herzustellen. Die erste verwendet registrierte Querschnittsmortalitätsdaten.
Diese sindnachträglichStudien. Die zweite Methode verwendet simulierte Daten zu Sterblichkeits- und Infektionsraten.
fünfzehnDiese sindvorabStudien.
Wir schließen alle Studien ein, die einen kontrafaktischen Differenz-in-Unterschied-Ansatz aus der ersten Gruppe
verwenden, ignorieren jedoch allevorabStudien, da die Ergebnisse dieser Studien durch Modellannahmen und
Kalibrierungen bestimmt werden.
Unsere Beschränkung auf Studien, die einen „kontrafaktischen Differenz-in-Differenz-Ansatz“ verwenden, bedeutet,
dass wir alle Studien ausschließen, bei denen die kontrafaktische Aussage auf Prognosen (z. B. einem SIR-Modell)
basiert und nicht von einem Differenz-in-Differenz-Ansatz abgeleitet wurde. Dies schließt Studien wie Duchemin et
al. (2020) und Matzinger und Skinner (2020). Wir schließen auch alle Studien aus, die auf unterbrochenen
Zeitreihendesigns basieren, die einfach die Situation vor und nach dem Lockdown vergleichen, wie
12Die ausgeschlossenen Studien mit zu wenigen Beobachtungen waren: Alemán et al. (2020), Berardi et al. (2020), Conyonet al.
(2020a), Coccia (2021), Gordon et al. (2020), Juranek und Zoutman (2021), Kapoor und Ravi (2020), Umer und
Khan (2020) und Wu und Wu (2020).
13Die ausgeschlossenen synthetischen Kontrollstudien waren: Conyon und Thomsen (2021), Dave et al. (2020), Ghoshet al.
(2020), Bornet al. (2021), Reinbold (2021), Cho (2020), Friedson et al. (2021), Neidhöfer und Neidhöfer (2020),
Cerqueti et al. (2021) und Mader und Rüttenauer (2021).
14Analysen auf Fallbasis können große Probleme bereiten, da die Teststrategien für COVID-19-Infektionen variieren
enorm über Länder hinweg (und sogar im Laufe der Zeit innerhalb eines bestimmten Landes). Folglich sind länderübergreifende
Vergleiche von Fällen bestenfalls problematisch. Obwohl diese Probleme auch bei den Todesopfern bestehen, sind sie weitaus begrenzter.
Auch wenn Fälle und Zahl der Todesopfer korrelieren, kann es nachteilige Auswirkungen von Lockdowns geben, die nicht durch die Anzahl
der Fälle erfasst werden. Beispielsweise kann eine infizierte Person, die zu Hause mit ihrer Familie im Rahmen eines SIPO isoliert ist,
Familienmitglieder mit einer höheren Viruslast infizieren, was zu einer schwereren Erkrankung führt. Selbst wenn ein SIPO also die Zahl der
Fälle reduziert, kann es theoretisch die Zahl der COVID-19-Todesfälle erhöhen. Nebenwirkungen wie diese könnten erklären, warum
Studien wie Chernozhukov et al. (2021) stellt fest, dass SIPO die Zahl der Fälle reduziert, aber keinen signifikanten Einfluss auf die Zahl der
COVID-19-Todesfälle hat. Endlich, Sterblichkeit ist hierarchisch das wichtigste Ergebnis, vgl. GRADEpro (2013)
fünfzehnDiese Simulationen werden oft in Varianten des SIR-Modells durchgeführt, die den Verlauf einer Pandemie simulieren können
eine Population bestehend aus Menschen in unterschiedlichen Zuständen (anfällig, infektiös oder genesen) mit Gleichungen, die den
Prozess zwischen diesen Zuständen beschreiben.
8Die Auswirkungen von Lockdowns in diesen Studien könnten zeitabhängige Verschiebungen enthalten, z. B. saisonale
Schwankungen. Dies schließt Studien wie Bakolis et al. (2021) und Siedner et al. (2020).
Aufgrund unserer Kriterien schließen wir die vielzitierte Arbeit von Flaxman et al. (2020), die behauptet, dass Lockdowns drei
Millionen Menschenleben in Europa gerettet haben. Flaxmannet al. davon ausgehen, dass die Pandemie einer
epidemiologischen Kurve folgen würde, wenn die Länder nicht abgeriegelt werden. Diese Annahme bedeutet jedoch, dass
die einzig mögliche Interpretation der empirischen Ergebnisse darin besteht, dass es nur auf Lockdowns ankommt, auch
wenn andere Faktoren wie Jahreszeit, Verhalten usw. verursachte die beobachtete Änderung in der Reproduktionsrate, Rt.
Flaxmannet al. sind sich dessen bewusst und stellen fest, dass „unsere parametrische Form von RTgeht davon aus, dass
Änderungen der Rt eher eine unmittelbare Reaktion auf Interventionen als allmähliche Verhaltensänderungen sind.
Flaxmannet al. veranschaulichen, wie problematisch es ist, Daten an ein bestimmtes Modell anzupassen, wenn man auf die
Auswirkungen von Lockdowns auf die COVID-19-Sterblichkeit schließen möchte.16
Die kontrafaktischen Differenz-in-Differenz-Studien in diesem Review nutzen im Allgemeinen Unterschiede zwischen Ländern, US-
Bundesstaaten oder anderen geografischen Gerichtsbarkeiten aus, um auf die Auswirkungen von Lockdowns auf COVID-19-
Todesfälle zu schließen. Vorzugsweise sollte die Wirkung von Lockdowns mit randomisierten Kontrollversuchen, natürlichen
Experimenten oder ähnlichem getestet werden. Allerdings gibt es nur sehr wenige Studien dieser Art.17
Synthetische Kontrollstudien
Die synthetische Kontrollmethode ist eine statistische Methode, die verwendet wird, um die Wirkung einer
Intervention in vergleichenden Fallstudien zu bewerten. Es handelt sich um die Konstruktion einer synthetischen
Kontrolle, die als kontrafaktische Tatsache fungiert und als (optimal) gewichtete Kombination eines Spenderpools
konstruiert ist. Zum Beispiel Born et al. (2021) erstellen eine synthetische Kontrolle für Schweden, die aus 30,0 %
Dänemark, 25,3 % Finnland, 25,8 % Niederlande, 15,0 % Norwegen und 3,9 % Schweden besteht. Die Wirkung des
Eingriffs ergibt sich aus dem Vergleich der tatsächlichen Entwicklungen mit den in der synthetischen Kontrolle
enthaltenen.
Wir schließen synthetische Kontrollstudien aufgrund ihrer inhärenten empirischen Probleme aus, wie von Bjørnskov
(2021b) diskutiert. Er findet, dass die synthetische Kontrollversion von Schweden in Born et al. (2021) weicht erheblich
vom „tatsächlichen Schweden“ ab, wenn man den Zeitraum vor Mitte März 2020 betrachtet, als Schweden beschloss,
keinen Lockdown durchzuführen. Das schätzt Bjørnskovechtes Schwedenerfahren
16 Mehrere Gelehrte haben Flaxman et al. kritisiert. (2020), siehe z. B. Homburg und Kuhbandner (2020), Lewis (2020),
und Lemoine (2020).
17Kepp und Bjørnskov (2021) ist eine solche Studie. Sie verwenden Beweise aus einem quasi-natürlichen Experiment im Dänischen
Region Nordjütland. Nach der Entdeckung von Sars-CoV-2-Mutationen in Nerzen – einem wichtigen dänischen Exportprodukt – gingen
Anfang November sieben der elf Gemeinden der Region in einen extremen Lockdown, während die vier anderen Gemeinden die moderaten
Beschränkungen des verbleibenden Landes beibehielten. Ihre Analyse zeigt, dass die Infektionszahlen zwar zurückgingen, dies jedoch vor
Inkrafttreten der Sperrung geschah und dass die Infektionszahlen auch in benachbarten Gemeinden ohne Mandat zurückgingen. Sie
kommen zu dem Schluss, dass eine effiziente Infektionsüberwachung und freiwillige Einhaltung vollständige Sperrungen zumindest unter
bestimmten Umständen unnötig machen. Kepp und Bjørnskov (2021) sind nicht in unserem Review enthalten, da sie sich auf Fälle und nicht
auf die COVID-19-Sterblichkeit konzentrieren. Daveet al. (2020) ist eine weitere solche Studie. Sie sehen dieDer Oberste Gerichtshof von
Wisconsin hat die „Safer at Home“-Verordnung (ein SIPO) von Wisconsin als natürliches Experiment abgeschafft und festgestellt, dass die
Aufhebung der staatlichen SIPO die soziale Distanzierung, COVID-19-Fälle oder die COVID-19-bedingte Sterblichkeit in den zwei Wochen
nach dem Inkrafttreten beeinflusst hat .“Daveet al. (2020) ist in unserer Übersicht nicht enthalten, da sie eine synthetische Kontrollmethode
verwenden.
9etwa 500 weniger Todesfälle in den ersten 11 Wochen des Jahres 2020 und 4.500 weniger Todesfälle im Jahr 2019 im
Vergleich zuSynthetisches Schweden.
Dieses Problem ist allen synthetischen Kontrollstudien von COVID-19 inhärent, argumentiert Bjørnskov, weil die
synthetische Kontrolle auf der Grundlage eines langen Zeitraums vor der Intervention oder dem Ereignis angepasst
werden sollte, man untersucht die Folgen von – dh der Sperrung Abadie ( 2021). Dies ist jedoch wegen der
Coronavirus-Pandemie nicht möglich, wie dort deutlich wirdistkeine lange Zeit mit Coronavirus vor dem Lockdown.
Daher ist der Ansatz der synthetischen Kontrollstudievon Entwurf nicht geeignet, um die Auswirkungen von
Lockdowns zu untersuchen.
Rechtsprechungsabweichung - wenige Beobachtungen
Wir schließen alle unterbrochenen Zeitreihenstudien aus, die einfach die Sterblichkeitsraten vor und nach dem
Lockdown vergleichen. Der einfache Vergleich von Daten vor und nach der Verhängung von Lockdowns könnte das
Ergebnis zeitabhängiger Schwankungen sein, beispielsweise saisonaler Effekte. Aus dem gleichen Grund schließen
wir auch Studien mit geringer Jurisdiktionsvarianz aus.18Zum Beispiel schließen wir Conyon et al. (2020b), die
„politische Unterschiede zwischen Dänemark und Norwegen einerseits und Schweden andererseits ausnutzen“ und
somit nur einen Zuständigkeitsbereich in der Kontrollgruppe haben. Obwohl diesesistBei einem Differenz-in-
Differenz-Ansatz besteht ein nicht zu vernachlässigendes Risiko, dass Unterschiede durch viel mehr als nur
Unterschiede bei den Sperren verursacht werden. Ein weiteres Beispiel ist Wu und Wu (2020), die alle US-Staaten
verwenden, aber Gruppen von Staaten zusammenfassen, sodass sie im Wesentlichen mit drei Beobachtungen
enden. Keine der ausgeschlossenen Studien deckt mehr als 10 Rechtsgebiete ab.19Eine Studie ist ein Sonderfall der
Jurisdiktional-Varianz-Kriterien (Auger et al. (2020). Diese Forscher analysieren die Auswirkungen von
Schulschließungen in US-Bundesstaaten und stellen fest, dass diese Schließungen die Sterblichkeit um 35 % senken.
Alle 50 Bundesstaaten haben jedoch Schulen geschlossen 13. März 2020 und 23. März 2020, was bedeutet, dass alle
Differenzen auf maximal 10 Tagen basieren Angesichts der langen Verzögerung zwischen Infektion und Tod besteht
die Gefahr, dass der Ansatz von Auger et al unterbrochene Zeitreihenanalyse, bei der sie die Vereinigten Staaten vor
und nach Schulschließungen vergleichen, anstatt eines echten Differenz-in-Unterschied-Ansatzes.Wir haben uns
jedoch dafür entschieden, diese Studie einzubeziehen, da sie nach unserem Protokoll Herby et al. (2021) in Frage
kommt.
Veröffentlichungsstatus und -datum
Wir schließen alle einnachträglichStudien unabhängig von Veröffentlichungsstatus und -datum. Das heißt, wir decken
sowohl Arbeitspapiere als auch Artikel ab, die in Zeitschriften veröffentlicht wurden. Wir schließen die frühen Arbeiten ein,
da das Wissen über die COVID-19-Pandemie anfangs schnell zunahm und spätere Arbeiten auf den Schultern früherer
Arbeiten stehen konnten. Auch in den frühen Tagen von COVID-19 war Geschwindigkeit wichtig
18Ein Zuständigkeitsbereich kann ein Land, ein US-Bundesstaat oder ein Landkreis sein. Mit "Gerichtsstandsabweichung" beziehen wir uns auf Abweichungen
in rechtsgebietsübergreifenden Mandaten.
19Alle aufgrund dieses Kriteriums ausgeschlossenen Studien sind in Fußnote 12 aufgeführt.
10entscheidend, was die Qualität der Papiere beeinträchtigt haben könnte. Ihre Einbeziehung ermöglicht es, die
Ergebnisse früher Studien mit später durchgeführten Studien zu vergleichen.20
Die Rolle des optimalen Timings
Wir schließen Papiere aus, die die Auswirkungen früher Lockdowns im Vergleich zu späteren Lockdowns analysieren. Es besteht kein
Zweifel, dass es von entscheidender Bedeutung ist, auf eine Pandemie vorbereitet zu sein und zu wissen, wann sie vor Ihrer Haustür
eintrifft. Allerdings ergeben sich mindestens zwei Probleme in Bezug auf die Bewertung der Auswirkungen von Lockdowns zum richtigen
Zeitpunkt.
Erstens, als COVID-19 Europa und die Vereinigten Staaten traf, war es praktisch unmöglich, den richtigen Zeitpunkt
zu bestimmen. Die Weltgesundheitsorganisation erklärte den Ausbruch am 11. März 2020 zu einer Pandemie, aber
zu diesem Zeitpunkt hatte Italien bereits 13,7 COVID-19-Todesfälle pro Million registriert. Am 29. März 2020, 18 Tage
nachdem die WHO den Ausbruch zu einer Pandemie erklärt hatte und als früheste eine Lockdown-Reaktion auf die
Ankündigung der WHO möglicherweise Auswirkungen haben könnte, lag die Sterblichkeitsrate in Italien bei
erstaunlichen 178 COVID-19-Todesfällen pro Million mit einem zusätzlichen 13 von einer Million sterben jeden Tag.21
Zweitens ist es äußerst schwierig, bei der Betrachtung des Timings zwischen der Wirkung des öffentlichen
Bewusstseins und der Wirkung von Lockdowns zu unterscheiden, da Menschen und Politiker wahrscheinlich auf
dieselben Informationen reagieren. Wie Abbildung 4 zeigt, verzeichneten alle europäischen Länder und US-
Bundesstaaten, die hart und früh von COVID-19 getroffen wurden, hohe Sterblichkeitsraten, während alle relativ spät
betroffenen Länder niedrige Sterblichkeitsraten aufwiesen. Björket al. (2021) veranschaulichen die Schwierigkeiten
bei der Analyse des Einflusses des Timings. Sie stellen fest, dass eine um 10 Stringenzpunkte strengere Sperrung die
COVID-19-Sterblichkeit um insgesamt 200 Todesfälle pro Million reduzieren würde22wenn es in Woche 11, 2020
durchgeführt wird, hätte aber nur etwa 1/3 der Wirkung, wenn es eine Woche früher oder später durchgeführt
würde, und keine Wirkung, wenn es drei Wochen früher oder später durchgeführt würde. Eine Interpretation dieses
Ergebnisses ist, dass Lockdowns nicht funktionieren, wenn die Menschen sie entweder für unnötig halten und die
Mandate nicht befolgen oder wenn sich die Menschen freiwillig selbst abriegeln. Dies ist das Argument, das Allen
(2021) für die Wirkungslosigkeit der von ihm identifizierten Lockdowns verwendet. Wenn diese Interpretation zutrifft,
was Björk et al. (2021) stellen fest, dass Information und Signalisierung weitaus wichtiger sind als die Strenge des
Lockdowns. Es mag andere Interpretationen geben, aber der Punkt ist, dass Studien, die sich auf das Timing
konzentrieren, nicht zwischen diesen Interpretationen unterscheiden können. Wenn Lockdowns jedoch einen
nennenswerten Effekt haben, sollten wir diesen Effekt unabhängig vom Zeitpunkt sehen,
20Wir wollten auch Studien ausschließen, die hauptsächlich auf Daten aus dem Jahr 2021 basieren (wie dies bei diesen Studien der Fall wäre
stark von Impfstoffen betroffen) und Studien, die nicht mindestens ein EU-Land, die Vereinigten Staaten, einen USUS-Staat oder
Lateinamerika abdeckten und bei denen mindestens ein Land / Staat keine Insel war. Wir haben jedoch keine solchen Studien
gefunden.
21Zwischen Infektion und Tod vergehen ungefähr zwei bis vier Wochen. Siehe Fußnote 29.
22Sie schätzen, dass eine um 10 Punkte höhere Strenge die Übersterblichkeit in den 10 Jahren um 20 „pro Woche und Million“ reduzieren wird
Wochen von Woche 14 bis Woche 23.
11Figur 4:Überrascht worden sein. Wie wichtig es ist, Zeit für die Vorbereitung zu haben
Europa Vereinigte Staaten
900 1.800
800 1.600
Todesfälle der 1. Welle pr. Million
700
1. Welle dEssen pr. Million
1.400
600 1.200
500 1.000
400 800
300 600
200 400
100 200
0 0
10. März 20 14. April 20 19. Mai-20 23. Juni 20 10. März 20 14. April 20 19. Mai-20 23. Juni 20
Datum, um 20 COVID-19-Todesfälle pro Million zu erreichen Datum, um 20 COVID-19-Todesfälle pro Million zu erreichen
Kommentar: Die Abbildung zeigt den Zusammenhang zwischen früher Pandemiestärke und Gesamt 1stWelle der COVID-19-Todesopfer. Auf der X-Achse
steht „Tage, um 20 COVID-19-Todesfälle pro Million zu erreichen (gemessen ab dem 15. Februar 2020).“ Die Y-Achse zeigt die Sterblichkeit (Todesfälle
pro Million) bis zum 30. Juni 2020.
Quelle: Gemeldete COVID-19-Todesfälle und OxCGRT-Strenge für europäische Länder und US-Bundesstaaten mit mehr als einer Million Einwohnern.
Daten aus unserer Welt in Daten.
Uns ist eine Metaanalyse von Stephens et al. (2020), die sich mit der Bedeutung des Timings befasst. Die Autoren
finden 22 Studien, die sich mit der Politik und dem Timing in Bezug auf die Sterblichkeitsraten befassen, aber nur
vier waren Multi-Country- und Multi-Policy-Studien, die möglicherweise die oben beschriebenen Probleme erklären
könnten. Stephenset al. schlussfolgern, dass „das Timing politischer Interventionen in den Ländern in Bezug auf den
ersten Wuhan-Fall, den ersten nationalen Krankheitsfall oder den ersten nationalen Todesfall nicht mit der
Sterblichkeit korreliert“. (Siehe Anhang A für eine weitere Erörterung der Rolle des Timings.)
3 Die empirische Evidenz
In diesem Abschnitt stellen wir die empirischen Beweise vor, die durch unseren Identifizierungsprozess gefunden
wurden. Wir beschreiben die Studien und ihre Ergebnisse, kommentieren aber auch die Methodik und mögliche
Identifikationsprobleme oder Verzerrungen.
3.1 Vorüberlegungen
Bevor wir uns den geeigneten Studien zuwenden, präsentieren wir einige Überlegungen, die wir bei der Interpretation der
empirischen Evidenz angestellt haben.
Empirische Deutung
Während die in einigen Studien enthaltenen politischen Schlussfolgerungen auf statistisch signifikanten Ergebnissen basieren,
sind viele dieser Schlussfolgerungen aufgrund der geringen Auswirkungen, die mit diesen statistisch signifikanten
Ergebnissen verbunden sind, unbegründet. Beispielsweise stellt Ashraf (2020) fest, dass „soziale Distanzierung
12Maßnahmen haben sich als wirksam erwiesen, um die Ausbreitung [eines] hochansteckenden Virus einzudämmen.“ Ihre
Schätzungen zeigen jedoch, dass der durchschnittliche Lockdown in Europa und den USA die COVID-19-Sterblichkeit nur um
2,4 % reduzierte.23Ein weiteres Beispiel ist Chisadza et al. (2021). Die Autoren argumentieren, dass „weniger strenge
Interventionen die Zahl der Todesfälle erhöhen, während strengere Reaktionen auf die Pandemie die Zahl der Todesfälle
verringern können“. Ihre Schlussfolgerung basiert auf einer negativen Schätzung für den quadrierten Term vonStrengewas
zu einem insgesamt negativen Effekt auf die Sterblichkeitsraten (dh weniger Todesfälle) für Stringenzwerte größer als 124
führt. Der Stringenzindex ist jedoch konstruktionsbedingt auf Werte zwischen 0 und 100 begrenzt, sodass die
Schlussfolgerung eindeutig falsch ist. Um solche Verzerrungen zu vermeiden, stützen wir unsere Interpretationen
ausschließlich auf empirische Schätzungen und nicht auf die eigene Interpretation ihrer Ergebnisse durch die Autoren.
Umgang mit mehreren Modellen, Spezifikationen und Unsicherheiten
Mehrere Studien verwenden eine Reihe von Modellen, um die Auswirkungen von Lockdowns zu verstehen. Beispielsweise
schätzt Bjørnskov (2021a) die Wirkung nach einer, zwei, drei und vier Wochen Lockdown. Für diese Studien wählen wir
den längsten analysierten Zeithorizont aus, um die Schätzung zu erhalten, die den langfristigen Auswirkungen von
Lockdowns am nächsten kommt.
Mehrere Studien verwenden auch mehrere Spezifikationen, einschließlich und ohne potenziell relevante
Variablen. Für diese Studien wählen wir das Modell, das die Autoren als ihre Hauptspezifikation betrachten.
Schließlich haben einige Studien mehrere Modelle, die die Autoren als gleich wichtig ansehen. Ein
interessantes Beispiel ist Chernozhukov et al. (2021), die zwei Modelle mit und ohne nationale Fallzahlen als
Variable schätzen. Sie zeigen, dass die Einbeziehung dieser Variablen in ihr Modell die Ergebnisse erheblich
verändert. Die Erklärung könnte sein, dass die Menschen auf nationale Bedingungen reagierten. Für diese
Studien präsentieren wir beide Schätzungen in Tabelle 1, verwenden jedoch – in Anlehnung an
Doucouliagos und Paldam (2008) – in unserer Metaanalyse einen Durchschnitt der Schätzungen, um einer
Studie mit mehreren Modellen nicht mehr Gewicht zu geben als Studien mit nur einem Hauptmodell.
Für Studien, die sich mit unterschiedlichen Klassen von Ländern (z. B. reich und arm) befassen, geben wir beide Schätzungen in
Tabelle 1 an, verwenden jedoch die Schätzung für reiche westliche Länder in unserer Metaanalyse, in der wir gemeinsame
Schätzungen für Europa und die Vereinigten Staaten ableiten.
Auswirkungen werden „relativ zu Schweden im Frühjahr 2020“ gemessen
Praktisch alle Länder der Welt haben als Reaktion auf die COVID-19-Pandemie mandatierte NPI eingeführt. Daher
beziehen sich die meisten Schätzungen auf „das Wenigste tun“, was in vielen westlichen Ländern bedeutet, relativ
zu tun, was Schweden getan hat, insbesondere während der ersten Welle, als Schweden aufgrund
verfassungsrechtlicher Einschränkungen im Vergleich zu anderen westlichen Ländern nur sehr wenige
Beschränkungen einführte (Jonung und Hanke 2020). Allerdings einige StudienzuVergleichen Sie die Wirkung,
etwas zu tun, mit der Wirkung, absolut nichts zu tun (z. B. Bonardi et al. (2020)).
Die Folge davon ist, dass einige Schätzungen sich auf „das Wenigste tun“ beziehen, während andere sich auf „nichts tun“
beziehen. Dies kann zu Verzerrungen führen, wenn „das Wenigste tun“ als Signal (oder Warnung) fungiert.
23Wie wir zu den 2,4 % kommen, beschreiben wir in Abschnitt 4.
13was das Verhalten der Öffentlichkeit verändert. Gupta et al. (2020) finden einen großen Effekt von Notfallerklärungen, die
ihrer Meinung nach „am besten als Informationsinstrument angesehen werden, das der Bevölkerung signalisiert, dass die
Situation der öffentlichen Gesundheit ernst ist, und sie entsprechend handeln“, auf die soziale Distanzierung, aber nicht auf
andere Maßnahmen wie z SIPOs (Shelter-in-Place-Orders). Wenn wir also ein Land, das ein SIPO herausgibt, mit einem Land
vergleichen, das nichts unternimmt, überschätzen wir möglicherweise die Wirkung eines SIPO, da es sich um die Summe des
Signals handeltunddie SIPO. Stattdessen sollten wir das Land, das das SIPO ausstellt, mit einem Land vergleichen, das „am
wenigsten tut“, um dies zu schätzenmarginalWirkung des SIPO.
Um ein Beispiel zu nennen, Bonardi et al. (2020) finden relativ große Wirkungen des Tunsetwasaber keine Wirkung des
TunsMorgen. Sie finden keinen zusätzlichen Effekt strengerer Sperren im Vergleich zu weniger strengen Sperren und
stellen fest, dass „unsere Ergebnisse darauf hindeuten, dass Menschen ihr Verhalten möglicherweise erheblich anpassen,
wenn Teilmaßnahmen umgesetzt werden, was ausreichen könnte, um die Ausbreitung des Virus zu stoppen.“ Ob die Basis
Schweden ist, das zu Beginn der Pandemie ein Verbot großer Versammlungen verhängt hat, oder ob die Basis „nichts tut“,
kann sich auf das Ausmaß der geschätzten Auswirkungen auswirken. Es gibt keinen offensichtlichen richtigen Weg, um
dieses Problem zu lösen, aber da sich die Schätzungen in den meisten Studien auf weniger tun beziehen, berichten wir
Ergebnisse im Vergleich zu „weniger tun“, sofern verfügbar. Für Bonardi et al. Wir stellen fest, dass die Auswirkungen von
Lockdowns gleich Null sind (im Vergleich zu Schwedens „Doing the Least“).
3.2 Übersicht über die Ergebnisse in Frage kommender Studien
Tabelle 1 umfasst die 34 Studien, die für unseren Review geeignet sind.24Von diesen 34 Studien wurden 22 von Experten begutachtet
und 12 waren Arbeitspapiere. Die Studien analysieren Lockdowns während der ersten Welle. Die meisten Studien (29) verwenden
Daten, die vor dem 1. September erhoben wurdenst, 2020 und 10 verwenden Daten, die vor dem 1. Mai erhoben wurdenst, 2020. Nur
eine Studie verwendet Daten aus dem Jahr 2021. Alle Studien sind Querschnittsstudien und erstrecken sich über verschiedene
Gerichtsbarkeiten. Geografisch decken 14 Studien Länder weltweit ab, vier decken europäische Länder ab, 13 decken die Vereinigten
Staaten ab, zwei decken Europa und die Vereinigten Staaten ab und eine deckt Regionen in Italien ab. Sieben Studien analysieren die
Wirkung von SIPOs, 10 analysieren die Wirkung strengerer Lockdowns (gemessen am OxCGRT-Stringenzindex), 16 Studien
analysieren unabhängig voneinander bestimmte NIPs und eine Studie analysiert andere Maßnahmen (Dauer des Lockdowns).
Mehrere Studien finden keine statistisch signifikante Wirkung von Lockdowns auf die Sterblichkeit. Dazu gehören
beispielsweise Bjørnskov (2021a) und Stockenhuber (2020), die keinen signifikanten Effekt strengerer Lockdowns
finden (höherer OxCGRT-Stringenzindex), Sears et al. (2020) und Daveet al. (2021), die keinen signifikanten Effekt
von SIPOs finden, und Chaudhry et al. (2020), Aparicio und Grossbard (2021) und Guo et al. (2021), die keine
signifikanten Auswirkungen eines der analysierten NIPs feststellen, einschließlich Geschäftsschließungen,
Schulschließungen und Grenzschließungen.
Andere Studien finden einen signifikant negativen Zusammenhang zwischen Lockdowns und Sterblichkeit. Fowleret al.
(2021 stellen fest, dass SIPOs die COVID-19-Mortalität um 35 % reduzieren, während Chernozhukov et al.
24 Die folgenden Informationen können für jede Studie in Tabelle 2 gefunden werden.
14(2021) stellen fest, dass Mitarbeitermasken die Sterblichkeit um 34 % und die Schließung von Geschäften und Bars
die Sterblichkeit um 29 % senken.
Einige Studien finden einen signifikant positiven Zusammenhang zwischen Lockdowns und Sterblichkeit. Dazu
gehören Chisadza et al. (2021), die feststellen, dass strengere Lockdowns (höherer OxCGRT-Stringenzindex) die
COVID-19-Mortalität um 0,01 Todesfälle / Million pro Stringenzpunkt erhöhen, und Berry et al. (2021), die
feststellen, dass SIPOs die COVID-19-Mortalität nach 14 Tagen um 1 % erhöhen.
Die meisten Studien verwenden die Zahl der offiziellen COVID-19-Todesfälle als abhängige Variable. Nur eine Studie,
Bjørnskov (2021a), befasst sich mit der Gesamtübersterblichkeit, die wir – obwohl sie nicht perfekt ist – als das beste Maß
ansehen, da sie die Messprobleme im Zusammenhang mit der ordnungsgemäßen Meldung von COVID-19-Todesfällen
überwindet.
Mehrere Studien behaupten ausdrücklich, dass sie den tatsächlichen kausalen Zusammenhang zwischen Lockdowns und
der COVID-19-Sterblichkeit schätzen. Einige Studien verwenden instrumentelle Variablen, um die mit ihrer Analyse
verbundene Kausalität zu rechtfertigen, während andere die Kausalität wahrscheinlich machen, indem sie anekdotische
Beweise verwenden.25Aber Sebhatu et al. (2020) zeigen, dass die Regierungspolitik stark von der in den Nachbarländern
initiierten Politik getrieben wird und nicht von der Schwere der Pandemie in ihren eigenen Ländern. Kurz gesagt, es ist
nicht die Schwere der Pandemie, die die Verabschiedung von Lockdowns vorantreibt, sondern die Neigung, von
Nachbarländern initiierte Richtlinien zu kopieren. Das Sebhatu et al. Schlussfolgerung lässt die Vorstellung eines kausalen
Zusammenhangs zwischen Lockdowns und COVID-19-Sterblichkeit in Zweifel ziehen.
Tabelle 1: Zusammenfassung der in Frage kommenden Studien
1. Studie (Autor & 2. 3. Beschreibung 4. Ergebnisse 5. Kommentare
Titel) Messen
Stadtrat und Harjoto COVID- Verwenden Sie Daten auf Bundesstaatsebene aus den Finden Sie diesen Unterschlupf-
(2020); „COVID-19: US-Shelter- 19 Daten des COVID-19-Tracking-Projekts aller US- Auftragserteilungen sind - für
in-Place-Bestellungen und Mortalität Bundesstaaten und eine multivariate die durchschnittliche Dauer -
demografische Daten Regressionsanalyse, um die Auswirkungen der Dauer mit 1% verbunden
Merkmale im Zusammenhang von Anordnungen vor Ort auf die Sterblichkeit empirisch (unwesentlich) weniger
mit Fällen, Sterblichkeit und zu untersuchen. Todesfälle pro Kopf.
Wiederherstellungsraten "
Aparicio und Grossbard COVID- Ihr Hauptaugenmerk liegt darauf, die Lücke bei den COVID-19- Finde keine Auswirkung von "Social In der Zusammenfassung stellen die Autoren fest, dass
(2021); „Sind Covid 19 Todesfällen zwischen Europa und den Vereinigten Staaten auf Events" (Verbot von öffentlichen „verschiedene Arten von Maßnahmen zur sozialen Distanzierung
Todesfälle in den USA Mortalität der Grundlage von COVID-Todesfällen und anderen Daten aus Versammlungen, Absage von wie Schulschließungen und Sperrungen und wie schnell sie
höher als in der EU, und 85 Nationen / Staaten zu erklären. Dazu gehören Status für Großveranstaltungen und umgesetzt wurden, dazu beitragen, die
wenn ja, warum?“ „gesellschaftliche Veranstaltungen“ (Verbot von öffentlichen Konferenzen), Schule US / EUROPA-Lücke bei den kumulativen Todesfällen,
Versammlungen, Absage von Großveranstaltungen und Betriebsschließungen, Ladenschließungen, gemessen 100 Tage nach Ausbruch der Pandemie in
Konferenzen), Schulschließungen, Ladenschließungen „Teilsperrungen“ (z. B. nächtliche einem Staat oder Land, „obwohl ihre Schätzungen
„teilweise“. Ausgangssperre) u unbedeutend sind.
Lockdowns“ (z. B. nächtliche Ausgangssperre) und "Lockdowns" (ganztägig)
„Lockdowns“ (ganztägige Ausgangssperre) 100 Tage Ausgangssperre) 100 Tage
nach Ausbruch der Pandemie in einem nach Beginn der Pandemie.
Land / Staat. Keine dieser Interventionen hat einen
signifikanten Einfluss auf die COVID-19-
Sterblichkeit. Sie finden auch keine
25B. Dave et al. (2021) stellt fest, dass „geschätzte Fallrückgänge sich mit der Zeit beschleunigen und nach 20 Tagen am größten werden
nach Erlass eines SIPO. Diese Befunde stehen im Einklang mit einer kausalen Interpretation.“
fünfzehn1. Studie (Autor & 2. 3. Beschreibung 4. Ergebnisse 5. Kommentare
Titel) Messen
erhebliche Auswirkungen der vorzeitigen Absage von
gesellschaftlichen Veranstaltungen, Schulschließungen,
Ladenschließungen, teilweisen Sperrungen und vollständigen
Sperrungen.
Ashraf (2020); COVID- Ihr Hauptaugenmerk liegt auf der Wirksamkeit von Für jede Erhöhung der OxCGRT-
„Sozioökonomisch 19 Maßnahmen, die darauf abzielen, die Auswirkungen Stringenz um 1 Einheit
Bedingungen, Regierung Mortalität sozioökonomischer Ungleichheiten (wirtschaftliche Index, der kumulative
Interventionen und Unterstützung) auf COVID-19-Todesfälle zu verringern. Sterblichkeit ändert sich um -
Gesundheitsergebnisse während COVID- Sie verwenden Daten aus 80 Ländern weltweit und 0,326 Todesfälle pro Million
19" beziehen die OxCGRT-Stringenz als Kontrollvariable in (weniger Todesfälle). Der
ihre Modelle ein. Das Papier stellt einen signifikanten Schätzung ist -0,073
negativen Effekt (weniger Todesfälle) strengerer Sperren Todesfälle pro Million, aber
fest. Der Effekt von Lockdowns ist unbedeutend, wenn sie unbedeutend, wenn
einen Interaktionsterm zwischen dem Index der einschließlich eines
sozioökonomischen Bedingungen und dem Index der Interaktionsterms zwischen den
wirtschaftlichen Unterstützung in ihr Modell aufnehmen. sozioökonomisch
Zustandsindex u
die wirtschaftliche Unterstützung
Index.
Augeret al. (2020); COVID- Bevölkerungsbasierte Beobachtungsstudie in den Geben Sie an, dass sie sich um Alle 50 Bundesstaaten haben die Schulen zwischen dem 13. März 2020
„Verein zwischen 19 USA, die unterbrochene Zeitreihenanalysen mit einer mehrere Faktoren anpassen (z. B. und dem 23. März 2020 geschlossen. Daher alle
landesweite Schulschließung Mortalität Verzögerungsperiode verwendet, um potenzielle Prozentsatz der staatlichen Differenz in Differenz basiert auf maximal 10 Tagen, und
und COVID-19-Inzidenz politikbedingte Änderungen zu ermöglichen. Um die Bevölkerung ab 15 angesichts der langen Verzögerung zwischen Infektion und
und Sterblichkeit in den USA " zu isolieren Jahre und 65 Jahre, Tod besteht die Gefahr, dass ihr Ansatz eher eine
Die Assoziation von Schulschließungen mit Ergebnissen, CDC ist sozial unterbrochene Zeitreihenanalyse ist, bei der sie die
nichtpharmazeutischen Interventionen auf Schwachstellenindex, Vereinigten Staaten vor und nach Schulschließungen
Bundesstaatsebene und Attributen wurden in negative zu Hause bleiben bzw vergleichen, anstatt ein echter Differenz-in-Unterschied-
binomiale Regressionsmodelle aufgenommen. Es Shelter-in-Place-Ordnung, Ansatz. Wir haben uns jedoch dafür entschieden, die Studie
wurden Modelle verwendet, um die geschätzten Restaurant und Bar in unsere Überprüfung aufzunehmen, da sie – objektiv
absoluten Unterschiede zwischen Schulen, die Schließung, Testrate pro gesehen – die in unserem Protokoll festgelegten
geschlossen wurden, und Schulen, die geöffnet blieben, 1000 Einwohner etc.), Eignungskriterien erfüllt.
abzuleiten. Das Hauptergebnis der Studie ist die tägliche gibt aber nicht an, wie und
Inzidenz und Mortalität von COVID-19 pro 100.000 präsentiert keine
Einwohner. Schätzungen.
Beere et al. (2021); "Bewertung COVID- Die Autoren verwenden US-County-Daten zu SIPO erhöht die Die Autoren kommen zu dem Schluss, dass "wir keine
der Auswirkungen von 19 COVID-19-Todesfällen von Johns Hopkin und Zahl der Todesfälle um nachweisbaren Auswirkungen dieser Richtlinien [SIPO] auf die
Schutzmaßnahmen vor Ort Mortalität SIPO-Daten der University of 0,654 pro Million nach 14 Ausbreitung von Krankheiten oder Todesfälle finden." Diese
während des COVID-19 Washington, um die Wirkung von SIPOs abzuschätzen. Sie Tagen (siehe Abb. 2) Aussage entspricht jedoch nicht ihren Ergebnissen. In Abbildung
Pandemie " finden keine nachweisbaren Auswirkungen von SIPO auf 2 zeigen sie, dass die Wirkung auf die Todesfälle nach 14 Tagen
Todesfälle. Die Autoren betonen, dass ihre Ergebnisse signifikant ist. Betrachtet die Wirkung 14 Tage nach der
nicht als Beweis dafür interpretiert werden sollten, dass Implementierung von SIPOs, was eine kurze Verzögerung ist,
Verhaltensweisen zur sozialen Distanzierung nicht wenn man bedenkt, dass die Zeit zwischen Infektion und Tod liegt
wirksam sind. Viele Menschen hatten ihr Verhalten bereits beträgt mindestens 2-3 Wochen.
vor der Einführung von „Shelter-in-Place“-Anordnungen
geändert, und „Shelter-in-Place“-Anordnungen scheinen
gerade deshalb unwirksam gewesen zu sein, weil sie das
Verhalten der sozialen Distanzierung nicht wesentlich
veränderten.
Bjørnskov (2021a); "Hat Überschuss Verwendet die Übersterblichkeit und die OxCGRT- Ein strengerer Lockdown Findet einen positiven Effekt (mehr Todesfälle) nach einer und
Lockdown funktioniert? An Mortalität Strenge aus 24 europäischen Ländern, um die (OxCGRT-Stringenz) zwei Wochen, was darauf hindeuten könnte, dass andere
Economist's Cross- Auswirkungen des Lockdowns auf die Anzahl der hat kein Faktoren (ausgelassene Variablen) die Ergebnisse beeinflussen.
Ländervergleich " Todesfälle ein, zwei, drei und vier Wochen später erheblichen Einfluss auf
abzuschätzen. Findet keinen Effekt (negativ, aber Übersterblichkeit.
unbedeutend) von (strengeren) Lockdowns. Die
Angabe des Autors mit
Instrumentenvariablen liefert ähnliche Ergebnisse.
Blancoet al. (2020); „Funktionieren COVID- Verwenden Sie Daten für Todesfälle und NPIs von Hale et Bei Verwendung der naiven Führen Sie das gleiche Modell jeweils viermal für die
Maßnahmen zur Eindämmung des 19 al. (2020), die zwischen Januar und August 2020 158 Dummy-Variablen verschiedenen NPI durch (Haushaltsverbot,
Coronavirus? Mortalität Länder abdeckten, um die Auswirkungen von acht Ansatz, alle Versammlungsverbot, Verbot öffentlicher Veranstaltungen
Weltweite Beweise“ verschiedenen NPI zu bewerten (zu Hause bleiben, Parameter sind und Mobilitätseinschränkungen). Diese NPIs wurden oft
Versammlungsverbote, Verbote für die Öffentlichkeit statistisch fast gleichzeitig eingeführt, daher besteht ein hohes Risiko
16Sie können auch lesen
