Hvad betyder timingen af nedlukninger? Virker det, hvis man lukker ned tidligt?

Jeg er adskillige gange blevet belært, at årsagen til at mange studier ikke finder nogen sammenhæng mellem nedlukninger og antal døde, er fordi nedlukningerne kom for sent. Det altafgørende er altså timingen i nedlukningen. Og jeg forstår godt argumentet, for det er præcis det resultat man får i en simpel SIR-model, hvis en nedlukning kan få kontakttallet, R, ned. Så vil toppen på smittekurven blive lavere, jo tidligere du griber ind. Men corona-epidemien fungerer ikke som en SIR-model, og det er derfor et uafklaret spørgsmål, om tidligere nedlukninger virker.

Jeg har efterhånden læst omkring 2-300 empiriske studier, hvoraf en hel del ser på effekten af tidlige nedlukninger, og konklusionen er efterhånden ret klar. Det er umiddelbart en stor fordel for et samfund at opdage smitten tidligt, men ingen studier kan påvise, at det er nedlukningerne – og ikke fx folks frivillige adfærdstilpasninger – der gør den afgørende forskel. Mest tyder på, at den frivillige adfærd er afgørende.

Hvorfor kan studierne ikke fortælle, om tidlig nedlukning virker?

Amuedo-Dorantes et al. (2021) er et klassisk eksempel på, at det går galt for forskerne. Amuedo-Dorantes et al. (2021) ser på forskellene i pandemiforløbet i forskellige dele af Spanien, da Spanien lukkede ned. På den baggrund finder de, at de regioner, der var tidligt i pandemiforløbet og hvor smitteudbredelsen var begrænset, da landet lukkede ned, fik en langt mildere pandemi end de områder, der var længere inde i pandemiforløbet på nedlukningstidspunktet. På den baggrund konkluderer de, at en 10+ dage tidligere nedlukning kunne have reddet “a total of 4,642 total deaths (232 deaths/daily) could have been avoided by the end of our period of study –a figure representing 23% of registered deaths in Spain at the time.

Mens der ikke umiddelbart er noget galt med det analytiske arbejde, er der et problem med konklusionen. For i mine øjne, kan man ikke på baggrund af analysen konkludere, at nedlukningen virkede. Man kan konkludere, at det virkede at blive opmærksom på smitten. Det er egentlig meget let at indse, hvorfor konklusionen er forkert. Forestil dig, at du bor i en mindre by på Sjælland. Du har set billederne fra Kina, og begynder nu at se billeder fra Italien. Du ved, at COVID-19 før eller siden kommer til Danmark, og at du til den tid må passe på – men du ved ikke hvornår det bliver. Du følger med i nyhederne, spritter hænder og holder afstand. Men efterhånden som dagene går, kommer smitten nærmere og nærmere. Og pludselig er der dødsfald i Danmark og masser af smittede. Pandemien synes at være i fuldt flor, og du vælger at handle drastisk. Er du minister, kører du til din arbejdsplads på Christiansborg og lukker landet ned. Er du borger, arbejder du hjemme og aflyser alle fysiske aftaler i din kalender.

Pointen er, at borgere og politikere reagerer på de samme informationer. Forskellen er dog, at borgerne får en stor del af deres informationer fra politikerne og pressemøderne, som altså kan få afgørende betydning for folks opfattelse af, hvor udbredt smitten er. Vi så det meget tydeligt i dagene efter Mette Frederiksens pressemøde, hvor skoler og restauranter var åbne, men tomme. Folk havde reageret på informationen fra statsministeren.

Hvorfor er dette vigtigt? Fordi Amuedo-Dorantes et al. (2021) ikke kan skelne den ene effekt fra den anden i deres studie. Regionerne, der var tidligt i pandemiforløbet, kunne måske have haft præcis samme udvikling i smitten, uanset hvad den spanske regering havde gjort – eller hvis den spanske regering blot havde holdt et pressemøde, hvor de lavede nogle symbolske handlinger eller blot ”fejede for egen dør” ved fx at sende statsansatte hjem.

Hvad viser data

Et relevant spørgsmål er, om befolkningen i andre lande reagerede på situationen i de lande, der blev ramt og lukkede ned først. Det spørgsmål er svært at afgøre, for som nedenstående figur viser, så lukkede landende ned stort set samtidig. 11. marts havde kun tre Europæiske lande (ud af 44) et stringency index over 60 (Italien, Monaco og San Marino). En uge senere – d. 18. marts – var det 30. Men som næste figur viser, er der måske alligevel noget om snakken.

Nedenstående figur viser, hvor mange mennesker der døde i Europæiske lande i første bølge sammenholdt med, hvor tidligt landene ramte 20 døde per million (i Danmark skete dette 2. april, og altså før nedlukningen kunne have effekt, fordi det ca. tager 18 dage fra man smittes til man eventuelt dør). Figuren viser en meget tydelig sammenhæng mellem, hvor tidligt pandemien ramte, og hvor alvorlig første bølge blev. I lande som Italien, Spanien, Belgien og Sverige var pandemien allerede kraftigt udbredt, allerede inden nogen i Europa havde nævnt ordet ”lockdown”. Til gengæld var der stort set ingen problemer i de lande, der blev ramt sent, uanset hvilken politik de førte (politikkerne var dog næppe væsentligt forskellige). De røde prikker i figuren viser de 14 lande, der ikke havde nået et stringency index på 60 d. 18. marts – og de ligger ca. som de øvrige lande, hvilket understreger resultaterne i Sebhatu et al. (2020), som viser, at der ikke er sammenhæng mellem pandemiens udvikling og tidspunktet for nedlukning. I stedet gjorde landene som landene omkring dem gjorde.

Ovenstående figurer er ikke et bevis for, at tidlig nedlukning ikke virker. Men den viser, at de lande, der blev ramt tidligt, alle klarede sig dårligt med hensyn til antal døde. Og at Sverige – som havde en meget, meget mild nedlukning i foråret 2020 – faktisk klarede sig præcis så godt, som man kunne forvente, givet hvor hurtigt og hårdt, de blev ramt på. Nedenstående figur viser, at mønstret var præcis det samme i USA. Jo senere pandemien ramte en stat, jo færre døde var der i staten under 1. bølge.

Er det en fordel at lukke tidligt ned?

Nedenstående figur viser Oxfords stringency index (vægtet gennemsnit) og daglige dødstal pr. million indbyggere for Europa og USA. I USA ramte pandemien ca. 1 uge senere målt på dødsfald, og jeg har derfor forskubbet USA’s data, så dødsfaldene ligger omtrent oven i dødstallene i EU.

Figuren viser, at USA lukkede ned ca. 5 dage tidligere end EU i forhold til pandemiforløbet, men at det ikke havde nogle synderlig effekt på smittespredningen (om end man selvfølgelig kan hævde, at nedlukningerne udskød problemerne med netop 5 dage).

Hvad er konklusionen?

Som jeg ser det, er der ikke nogen evidens for, at tidlig nedlukning virker specielt effektivt. Der er heller ikke evidens for det modsatte, men ser man på USA i forhold til Europa, tyder det på, at tidlig nedlukning ikke gjorde nogen forskel. Måske fordi folk ændrede adfærd frivilligt, da de fik den nødvendige information.

Der er næppe tvivl om, at det er en fordel at vide, hvor udbredt smitten er i samfundet. Hurtig og pålidelig information er altafgørende i den tidlige fase af en pandemi – og i Europa og USA var COVID-19-pandemien kendetegnet ved en mangel på pålidelig information, fordi der ganske enkelt ikke blev testet nok. Derfor kunne udbrud florere længe på bl.a. skisportsstederne, inden de blev opdaget, og derfra spredte smitten sig ud til flere dele af Europa. Havde man testet bredt allerede inden pandemien kom til Europa, havde man opdaget smitten tidligere, og vi havde sandsynligvis set et helt andet pandemiforløb i Italien, Spanien, Sverige osv.

I forhold til de meget udbredte påstande om, hvor godt nedlukninger virker, og hvor vigtigt det er at reagerer tidligt, er det slående, at der ikke er en klar korrelation mellem 1) hårdheden af nedlukningen (stringency index) og antal døde, samt 2) tidlig nedlukning og antal døde.

Måske er forklaringen ganske enkelt, at det suverænt vigtigste for håndteringen af en pandemi er vores individuelle adfærd.

2 thoughts on “Hvad betyder timingen af nedlukninger? Virker det, hvis man lukker ned tidligt?

  1. Pingback: En figur, der kan ændre Mettes syn på nedlukninger? | Punditokraterne

  2. Pingback: Virker det, hvis man lukker ned tidligt? En kritisk gennemgang af Hatchett et al. (2007) - Punditokraterne

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.