Een verband tussen het dragen van maskers, dat strikt wordt gecontroleerd door de staat, en het verloop van de coronapandemie is niet waarneembaar.
De vraag of de overheidsmaatregelen van bijna alle landen een positief voordeel opleveren voor de bevolking, wordt positief beantwoord door de machthebbers. Dat bewijzen ze echter nauwelijks met verifieerbare feiten en data – dat kunnen ze ook niet, want een blik op de beschikbare informatie geeft een ander antwoord. Hiervoor analyseert de auteur internationaal beschikbare gegevens over de maatregelen, met name de maskerverplichting, en het verloop van de coronapandemie. Het laat zien dat wat de regeringen hebben besloten en uitvoeren tegen hun bevolking, geen invloed heeft op het verloop van de pandemie. Landen met strikte maatregelen hebben niet minder doden dan landen die er meer ontspannen over zijn. Staten waarvan de burgers met maskers in de frisse lucht moeten rondlopen, hebben niet minder doden tot gevolg. Maar waren dat niet de doelen, vraagt de auteur. Als bepaalde maatregelen toch een positief effect hadden, is dit niet terug te zien in de data. In plaats daarvan ontstaat de algemene indruk dat de staten geen effectieve invloed hebben gehad op de pandemie.
Al 7 juli 2020 kon ik in een internationale vergelijking nog geen verband leggen tussen overheidsmaatregelen en het verloop van de coronapandemie. In plaats daarvan kwamen er andere verbindingen naar voren.
In het volgende zal ik terugkomen op de nationale maatregelen die internationaal zijn genomen en opnieuw bekijken of een uitkering kan worden erkend. Dit keer ga ik ook kijken of de verschillende landspecifieke maskerregels invloed hebben op het beloop van de pandemie.
Opnieuw gebruik ik de “Oxford Stringency Index” om de ernst van overheidsmaatregelen internationaal te kunnen vergelijken. De Stringency Index meet met verschillende factoren de maatregelen en de intensiteit en ernst waarmee een land in de loop van de tijd heeft gereageerd of al heeft gereageerd op de coronapandemie. Deze index mag echter niet als een percentage worden opgevat. Je kunt dus niet wiskundig zeggen dat een bepaald land zoveel procent strenger is dan een ander land. Dit is niet mogelijk aangezien de verschillende geëvalueerde maatregelen binnen een maatregelenpakket noch qua voordeel – noch schade zijn! – Kunnen nog met elkaar vergeleken worden in termen van de ervaren last of beperking van een samenleving.
Deze index heeft dus een paar zwakke punten. Niettemin is het tot dusver de enige indicator die een internationale vergelijking van overheidsreacties heeft gestandaardiseerd en relatief uitvoerig gedocumenteerd. Hoe de stringentie-index wordt bepaald, wordt op deze pagina en op de subpagina’s in detail beschreven .
Daarnaast staat hieronder in de tekst een analyse van het verloop van het Covid 19 sterftecijfer in relatie tot de toepasselijke maskerregels. Kortom, als we kijken naar het aantal infecties, komt het onderwerp beter tot zijn recht. Maar de gerapporteerde besmettingscijfers zijn zo onbetrouwbaar en ook veel te afhankelijk van het testgedrag van de landen dat ze daadwerkelijk conclusies kunnen trekken over de besmettingsgraad. Dus hier kijk ik weer naar de ontwikkeling van het sterftecijfer. Ze zijn ook niet helemaal betrouwbaar, maar ze zijn veel betrouwbaarder dan de besmettingsaantallen.
Gebruikt de staat strengheid of niet?
Het volgende is een vergelijking van de som van de strengste landen met de som van de minder strikte landen met betrekking tot de ontwikkeling van de Covid-19-sterfgevallen. In de volgende afbeelding zijn de landen gegroepeerd volgens het niveau van hun stringentie-index. Voor dit doel werden alle landen elk verdeeld in een van de twee even grote groepen, indien mogelijk, om een sterke statistische verklaring te krijgen. De ene groep omvat de niet-stringente en minder stringente landen en de andere groep omvat de meer stringente landen.
De beste benadering voor vergelijkbare groepen van dezelfde grootte, zowel wat betreft het aantal landen als de som van de populaties, wordt verkregen wanneer de groepen worden gescheiden op een stringentie-index van 85. De helft van de landen heeft dus een stringentie-index van minder dan 85. De andere helft heeft een stringentie-index van 85 en hoger. De gegevensbron die hiervoor wordt gebruikt, is de Our World in Data-database .
Er is rekening gehouden met alle landen op het Europese continent die geografisch grotendeels aan Europa zijn toegewezen. Een globale vergelijking werd niet gemaakt omdat de toenemende heterogeniteit, zoals klimaat, cultuur, gezondheidssystemen, dichtheid, enz., De gegevensverstoringen te groot zou maken.
Wat valt er op?
Landen met de strengste overheidsmaatregelen kennen noch een vlakkere stijging van het Covid-19-sterftecijfer, noch een lagere piek – integendeel! Bovendien hebben de strengere landen tegen de herfst weer hogere sterftecijfers.
Een opmerking over de opvallende pieken in de rode curve: deze zijn te wijten aan het feit dat de Our World-in-Data-database duidelijk gegevens mist voor de eerste piek die later werd toegevoegd – de tweede piek. Voor zover ik kon nagaan, is deze onregelmatigheid te wijten aan de Spaanse gegevens.
Interpretatie van de afbeelding
Ik ga hier niet dezelfde fout maken als duizenden politici en mediavertegenwoordigers en een loutere veronderstelling – zelfs als die aannemelijk lijkt – in een feit veranderen, alleen maar omdat het mij uitkomt. Daarom wil ik erop wijzen dat deze grafiek niet automatisch het bewijs is dat overheidsmaatregelen meer kwaad dan goed hebben veroorzaakt – ook al zou deze conclusie heel goed kunnen worden getrokken en ik ben er om veel verschillende redenen van overtuigd. Maar ik zou de ware omvang van de schade uiteindelijk op een later tijdstip en op langere termijn verwachten. Daarvoor is de weergave in de grafiek te grof, en andere factoren die ook van invloed kunnen zijn op de pandemie staan hier niet geïsoleerd.
Echter: deze grafiek bewijst zeker niet de voordelen van overheidsmaatregelen!
Daarnaast zijn er nog andere punten die aanleiding geven tot vragen en aannames: Het valt op dat de curve met de meeste Covid-19-sterfgevallen – en de meest stringente maatregelen – eerder begint dan de curve met het lagere aantal Covid-19-sterfgevallen. en de minder stringente maatregelen. Dit betekent dat het aantal sterfgevallen meer te maken heeft met de landen waar Covid-19 het eerst plaatsvond, maar niet met overheidsmaatregelen. En dat kan weer te maken hebben met bijvoorbeeld het klimaat. Dat kun je niet aflezen uit de hier beschikbare data, maar op 7 juli 2020 wist ik al dat er naast andere factoren een correlatie is met het betreffende klimaat of de respectievelijke gemiddelde temperaturen en uren zonneschijn getoond.
Ik zou graag zien dat deze vragen eindelijk adequaat worden onderzocht om hoogwaardige antwoorden te kunnen geven. Het is mij een raadsel waarom dit de afgelopen maanden zo slecht of helemaal niet is gebeurd of – als dat het geval is – is dit onbekend.
Omdat de vorige grafiek alleen een algemene evaluatie laat zien, die beperkt is in de mogelijke conclusies, volgt nu een meer gedetailleerde evaluatie. Omwille van de duidelijkheid is het beperkt tot een selectie van veertien Midden-Europese staten. Het verloop van het sterftecijfer van Covid-19 en de Stringency Index worden in de tijd vergeleken. Om het daadwerkelijke infectieproces beter weer te geven, d.w.z. de respectievelijke start van de infectie, is het sterftecijfer met eenentwintig dagen uitgesteld.
Op elke datum van de dag worden de sterftecijfers weergegeven die eenentwintig dagen eerder plaatsvonden. Dit tijdsverschil wordt als volgt berekend: Het Robert Koch Instituut geeft een gemiddelde tijd van infectie tot het begin van symptomen van vijf tot zes dagen. Vanaf het begin van de symptomen tot het begin van de dood is er een gemiddelde duur van zestien dagen. Dit geeft degenen die zijn overleden, een gemiddelde duur van eenentwintig tot tweeëntwintig dagen vanaf het begin van de infectie tot het begin van de dood.
Omdat de grafiek ondanks de reductie tot veertien landen niet gemakkelijk te lezen is, hebben de curven van het land met de mildste beperkingen – Zweden – en die van het land met de strengste maatregelen – Italië – een dikkere markering gekregen om de discrepantie met de logica van de staatsmaatregel beter zichtbaar te maken. dichtbij.
Wat valt er op?
Opvallend is dat Zweden met de mildste maatregelen – die in wezen bestaan uit aanbevelingen en milde beperkingen – in het midden zit wat betreft de ontwikkeling van het sterftecijfer. Landen als België, Spanje, Frankrijk en Italië kenden ondanks strikte en strikte maatregelen geen lage sterftecijfers. De toename van het aantal doden, dat wil zeggen de snelheden, zijn ook sterker. Het vaak aangehaalde argument dat de betreffende maatregelen of lockdowns te laat kwamen, wordt ook niet ondersteund door de gegevens.
Dit argument wordt niet bevestigd, vooral niet in het voorbeeld van Zweden in vergelijking met Italië. De gegevens suggereren dat het verloop van de pandemie in de respectieve landen een spontaan verloop vertoont, net als bij andere pandemieën, dat niet bijzonder kan worden beïnvloed door overheidsmaatregelen.
De curve van de Zweedse ontwikkeling van het sterftecijfer daalt na zijn hoogtepunt langzamer dan de curven van andere landen. Het is niet duidelijk of dit enige betekenis heeft, het uitblijven van massale overheidsingrijpen heeft immers niet geleid tot opvallend hoge sterftecijfers in een landsvergelijking. In ieder geval is het, gezien de staatsrechtvaardigingen voor hun maatregelen, volkomen onverklaarbaar waarom de Belgische of Italiaanse ramp zich niet in Zweden heeft voorgedaan. Zelfs de Fransen of Spanjaarden niet.
Belangrijker is de vraag waarom, vooral in landen met strikte maatregelen, de sterftecijfers tegen het einde van de curves weer stijgen, terwijl de Zweedse curve nog steeds vlak is. Dit is vooral duidelijk te zien in de eerste afbeelding in dit artikel.
De huidige politieke en mediaretoriek doet eerder denken aan wanhopig gebrul, dat geacht wordt al het andere te overstemmen, dan aan een feitelijke, objectieve voorstelling van zaken.
Dit alles suggereert dat de relaties die hier en elders worden getoond, nu in principe bekend zijn bij veel besluitvormers, of ze vermoeden ze tenminste, maar dat paniekactivisme zich nu verspreidt. Want de vraag van de verantwoordelijkheid rijst als blijkt dat de dingen niet altijd zijn zoals ze maandenlang worden uitgedragen. En mogelijk zou de opgelegde remedie dodelijker kunnen zijn dan de ziekte zelf.
Omdat het bovenstaande diagram vrij complex is, volgt een duidelijkere afbeelding, waarin alleen de respectieve maximale gegevens worden weergegeven.
Wat valt er op?
Hier wordt het nog duidelijker dat er absoluut geen verband bestaat tussen de strengheid van de staat en Covid-19-sterfgevallen. Al het andere werd eerder genoemd.
Maskers en Covid-19
De Oxford Stringency Index geeft geen specifieke informatie over het dragen van maskers. Om deze reden zijn gegevens over de landspecifieke maskerregels uit een andere bron gebruikt. Op de Masks4all- pagina worden statistieken bijgehouden over welke maskerregels in welke landen gelden. Kortom, deze pagina maakt reclame voor het dragen van een masker. Vermoedelijk hadden ze niet verwacht dat iemand het zou vergelijken met het pandemieverloop. Omdat de resultaten van deze vergelijking de reclame niet ondersteunen.
Hetzelfde geldt hier: de gegevens zijn op zichzelf geen bewijs. Ze zijn een overzichtsevaluatie die niet veel andere mogelijke factoren kan isoleren. Maar ze kunnen neigingen vertonen of ze kunnen het niet. Bovendien heb ik geen tijdreeksgegevens over een cursus van het maskerreglement, alleen puntgegevens. De data van Masks4all is op 18 oktober 2020 geraadpleegd en geeft daarmee de datastatus op dat moment weer.
Wat valt er op?
Het valt op dat de landen die bijzondere nadruk leggen op maskers, ook de snelste stijging van het dodental, de hoogste piek in het dodental en het hoogste resterende aantal Covid-19-sterfgevallen kennen. Statistisch gezien kan het er niet slechter uitzien.
Er kunnen natuurlijk verschillende redenen zijn voor de verschillende cursussen. Maar feit is: het positieve effect van maskers is hier echt niet aannemelijk.
In de bovenstaande afbeelding is rekening gehouden met de volgende landen:
Aangezien een grote verscheidenheid aan factoren en heterogeniteiten de gegevens ook hier kunnen verstoren, werd de evaluatie voor veertien Europese landen hieronder ter vergelijking weergegeven:
Wat valt er op?
In dit geval is de evaluatie anders: de landen die helemaal geen maskerregels hebben, kennen ook een zeer hoge ontwikkeling in sterftecijfers.
Maar: de landen met de strengste maskerregels staan in dit opzicht weer bovenaan. En als je kijkt naar de landen met nogal lakse regels bij elkaar genomen, komen ze er over het algemeen beter uit.
Algemene conclusie
Alle gegevens kunnen een positief effect van de overheidsmaatregelen en de maskerregels op de coronapandemie niet bevestigen. Landen met strenge maatregelen kennen niet minder doden. Ook landen met strenge maatregelen zijn er in het najaar niet beter op. Landen die maskering waarderen, hebben niet minder sterfgevallen. Maar waren dat niet de doelen?
Als bepaalde maatregelen toch een positief effect hadden, is dit niet terug te zien in de data. In plaats daarvan ontstaat de algemene indruk dat de staten geen effectieve invloed hebben gehad op de pandemie. En het vermoeden ontstaat dat de politici van de verschillende staten iets hebben gedaan uit hulpeloosheid, angst, loopbaanmechanismen, machtsopportunisme en doorzettingsvermogen om op zijn minst de indruk te wekken dat ze meester zijn van een situatie die ze zelf niet konden inschatten en dat tot kan vandaag niet.
Dit mogen geen redenen zijn voor grootschalige sociale en economische interventies!
In de Middeleeuwen gebruikten mensen snavelmaskers en het equivalent van wat we tegenwoordig kennen als wierookstokjes om de pest te bestrijden en waren er vast van overtuigd dat het zou werken. Natuurlijk niet. Omdat het gewoon bijgeloof was. En dat is wat mij tegenwoordig het meest schokt: we bestrijden gevaar nog steeds met bijgeloof! En zijn we klaar om volledig verschroeide aarde en gebroken samenlevingen achter ons te laten?
Het niet-bestaan van oorzaken en verbanden is moeilijker te bewijzen dan hun bestaan. Maar maandenlang zijn verbindingen meer beweerd dan bewezen en dan moeten deze beweringen moeizaam worden weerlegd. Het is alsof je iemand die je wilt voor een misdaad moet aangeven omdat je er zin in hebt, en dan is het de taak van de beklaagde om zijn onschuld te bewijzen. Als hij hierin niet slaagt, wordt hij automatisch als schuldig beschouwd. Ons rechtssysteem werkt in principe andersom.
En het moet hetzelfde zijn voor de staat: iedereen die iets doet en beslissingen neemt voor anderen – vooral als het zeer ernstige gevolgen heeft – moet voor zichzelf kunnen bewijzen waarom dit verstandig, correct, proportioneel, opportuun en legaal is. En hoe ernstiger de mogelijke schade, hoe zekerder hij moet zijn van wat hij doet en hoe hij het ook moet kunnen uitleggen.
Elke demonstratie van bewijs is toegestaan en ook gewenst! Maar bijgeloof is er geen vervanging voor.
Bronnen en opmerkingen:
Informatie over de duur van infectie tot het begin van de symptomen en het begin van de symptomen tot het begin van de dood: SARS-CoV-2 Profile on Coronavirus Disease-2019 (COVID-19), punt 5. Incubatieperiode en serieel interval, punt 11. Gemiddelde tijdsintervallen tijdens de behandeling
Coronavirus Government Response Tracker / Oxford Stringency Index :
aanbevolen bronvermelding: Hale, Thomas, Noam Angrist, Emily Cameron-Blake, Laura Hallas, Beatriz Kira, Saptarshi Majumdar, Anna Petherick, Toby Phillips, Helen Tatlow, Samuel Webster (2020). Oxford COVID-19 Government Response Tracker, Blavatnik School of Government.