Forleden skrev vi om, hvordan to centrale sammenligninger ikke peger på, at den danske nedlukning af samfundet har påvirket dødelighedsraten. Sammenligningerne er naturligvis kun indikative, omend vi absolut ville have forventet en anden profil og særligt en anden timing i ændringer i dødeligheden, hvis nedlukningen skulle have været vigtig. Men som Jens Præstgård -en af vores informerede læsere –– pegede på i kommentarerne, kan man ikke konkludere på de simple sammenligninger. Der er, som Præstgård pointerede, behov for mere egentlig statistisk analyse. Og det er det, vi bidrager med i dag.
Det vi har gjort, er at samle ugentlige dødelighedstal for de første 21 uger af 2018, 2019 og 2020 i 1) Danmark; 2) Jylland og Fyn; 3) Sjælland og Hovedstaden; og 4) Skåne, Halland og Blekinge. Vi har kodet perioden, hvor den danske nedlukning kunne have effekt på dødelighedsraten: Da nedlukningen starter i uge 11, regner vi med at den kan vise sig i ændringer i dødelighedsraten fra uge 13, hvis den har haft virkning (det tager typisk 7-10 dage fra smitte til symptomer, og 5-7 dage fra symptomer til indlæggelse). Vi koder derfor enten en indikator, der fanger om man er i uge 13-21 i Danmark i 2020, eller en indikator, der tæller op i ugerne 13-21 i Danmark i 2020.
Resultaterne i tabellen nedenfor er med såkaldte tre-vejs fixed effects – med kontroller for år, ugenummer og region. Vi sammenligner med andre ord dødelighedsudviklingen i enten Danmark (DK) eller en af de to dele af Danmark (SH og JF) med det sydsvenske område, givet den generelle udvikling over ugerne i de tidligere år, givet at der kan være stabile forskelle mellem regionerne der f.eks. kan skyldes forskelle i befolkningstæthed, aldersstruktur, økonomi osv., og givet forskelle mellem årene. Vores outcome-indikator er logaritmen til dødeligheden, hvilket betyder at man kan fortolke resultaterne som virkninger på procentændringer.
Hvis den danske nedlukning havde været effektiv til at bremse smitteudviklingen, ville vi regne med en lavere dødelighed i nedlukningsperioden i Danmark i forhold til Sydsverige. Man ville derfor i den situation få en negativ og signifikant koefficient på nedlukningsvariablerne. Men resultaterne i tabellen viser faktisk det modsatte: Efter den danske nedlukning er den danske dødelighed omtrent otte procent højere end den sydsvenske! Resultaterne i søjle 4-6, hvor vi bruger logaritmen til tiden siden nedlukningen som indikator (dvs. den er 1 i uge 13, 2 i uge 14 osv.), viser at den dansk-svenske forskel efter nedlukningen er stigende fra uge 13. Med andre ord falder dødeligheden langsommere i Danmark end i Sydsverige efter at den danske regering lukkede samfundet ned. Det samme indikerer de meget støjende estimater i søjle 7-9, hvor vi har splittet nedlukningen fra den lille oplukning, der blev implementeret fra uge 16.
Konklusionen i dag er således, at en omhyggelig analyse af dødelighedsdataene fra Danmark og Sydsverige faktisk giver et stærkere (og mere kontroversielt) billede af den danske nedlukning. Den ser ikke ud til at have forhindret smitteudbredning, men langt nærmere forsinket virussens forsvinden. Vi har med andre ord som samfund lidt store milliardtab for ingen verdens grund.
Her er hvad jeg umiddelbart har kunnet grave frem af tal for Jylland og Skåne-Halland-Blekinge
Jylland
Indb.: 2.582.532
Covid-19 dødsfald: 126
Dødsfald pr 100.000: 4,88
Skåne-Halland-Blekinge
indb.: 1.729.512
Covid-19 dødsfald: 235
Dødsfald pr 100.000: 13,59
Altså en overdødelighed på lige knap 3 gange for Skåne-Halland-Blekinge
Ændrer det dermed at sammenligne regioner, fremfor at sammenligne landene Danmark-Sverige?
Ikke meget…
Det gør ingen forskel, da vi økonometrisk ser på_udviklingen_og ikke det akkumulerede niveau. Men hvis du er bekymret for niveauet, er det værd at notere sig, at Sjælland og Hovedstaden har haft 467 dødsfald indtil idag med 1,9 millioner indbyggere. Det er 24,4 per 100.000, altså markant højere end Sydsverige. Estimatet for sammenligningen mellem Sydsverige og Sjælland-Hovedstaden er 0,089 mens det er 0,076 for sammenligningen med Jylland-Fyn. Procentforskellen er således statistisk den samme.
Tak til professor Bjørnskov for det grundige svar. Jeg kan ikke umiddelbart udfra det skrevne se, hvilken model der er brugt, jeg går ud fra, at de signifikante estimater i række 1 er forskellen i Poissonfordelings parameteren fra DK til Sydsverige, SH til sydsverige etc?
I betragtning af sagens betydning for at forstå dansk politik under nedlukningen vil jeg opfordre professor Bjørnskov til at offentliggøre talmaterialet og den fulde statistiske analyse her på bloggen. Det må være muligt?
Vi har ingen mulighed for at lægge data og kode op her på stedet, men jeg deler selvfølgelig gerne det hele.
Pingback: Tryghed før frihed? Tanker om en P1 debat. – Liberale tanker
Hvordan ser det ud hvis du ikke bruger lige netop Sveriges mindst ramte område, og istedet sammenligner udviklingen i hovedstadsområde vs hovedstadsområde, normeret for tidspunkt da begränsninger blev indfört? (Omkr 16. marts i Sverige.) Stockholm og Köbenhavn havde meget lignende udvikling i pandemiens begyndelse.
Vi kan ikke gøre det helt samme, da jeg ikke kan finde daglige tal for nyindlæggelser i Stockholm. Men sammenligner man de generelle ugentlige dødelighedstal – som er forskudt en ekstra tand ifht. smittetidspunkt – kan man se tre ting: 1) Smitten starter med at stige omtrent en uge tidligere i København; da stigningen kommer, sker den meget hurtigere i Stockholm, der derfor ender som velkendt med mange flere dødsfald; og 3) toppen ligger nogle få dage senere i Stockholm end i København, hvorefter smittetrykket falder hurtigt igen. Begge hovedstadsområder er iøvrigt tilbage på almindelig dødelighed.
Stockholm er naturligvis langt hårdere ramt end København, men selve profilen på kurverne og dermed timingen i smittestigning – toppunkt – smittefald er forbløffende ens. Den svenske er blot forskudt i både start og top nogle få dage i forhold til den danske.
Tak for svar!
Först og fremmest lige en lille ting som jeg ikke fangede i förste omgang – inkubationstid (tid smitte -> symptomer) er ikke 7-10 dage, den er 2-14 med gennemsnit 5. Minor thing.
Jeg er enig i 1) – Köbenhavn er lidt forud i forlöbet til at starte med, og jeg er også enig i att Stockholm overhaler (omkring den 22-25/3). Det hänger i min optik meget fint sammen tidsmässigt med at vi i Sverige (desvärre) undlod at beslutte om mere omfattende restriktioner. Hvad er der ellers der forklarer at Stockholm overhaler lige netop på dette tidspunkt hvor man kunne forvente at en lockdown ville göre forskel? Og hvad er det der gör at det går så skidt i Stockholm men ikke i Oslo, Köbenhavn eller Helsinki?
Jeg forstår ikke helt hvad du mener under 3). Jeg mener omvendt at Stockholm bliver ved med at stige, både på dödsfald og indläggelser (c19.se) i 7-15 dage efter at Köbenhavn har nået sin peak i skiftet marts-april. Den er lidt tricky, fordi i Stockholm er peak dödsfald nästen en uge inden peak indläggelser. Det undersöges pt om dette delvist er fordi mange ikke fik adgang til sygehus/intensivafdeling (https://www.aftonbladet.se/nyheter/samhalle/a/lAyePy/dokument-visar-de-prioriteras-bort-fran-intensivvard).
Vi skal heller ikke glemme at der stadig er nästen 500 (468) indlagte med COVID-19 i Stockholm. Det er nästen dobbelt så mange som var indlagt i Köbenhavn når situationen var som aller värst (ca 260). (Sidebemärking: Stockholm har p.t. stadigväk ca 10% overdödelighed (sammenlignet 15-19) iflg den seneste statistik fra scb.se.)
Pingback: Hvor effektive er nedlukninger? | Punditokraterne