Ifølge mange epidemiologer er hastighed afgørende, når man lukker et samfund ned. En antagelse (ja, det ER en antagelse – læs videre!) jeg tidligere har været kritisk overfor. Ikke fordi jeg ikke forstår matematikken (med eksponentiel vækst er det oplagt, at det er en god idé at reagere hurtigt), men fordi nedlukninger – i modsætning til folks frivillige adfærdsændringer – er ineffektive.
I bogen ”The Premonition: A Pandemic Story”, beskriver Michael Lewis, hvordan antagelsen opstod på baggrund af et studie, Hatchett et al. (2007), som bl.a. konkluderede, at ”hurtig implementering af flere NPI’er kan reducere spredningen af influenza markant”. En konklusion som senere blev afgørende for det amerikanske Centers for Disease Control and Prevention (CDC)’s pandemiplan (læs evt. om historien her).
Der er dog ét centralt problem. Hatchett et al. viser ikke, at tidlige nedlukninger virker. Det er en implicit antagelse, som forskerne foretager for at nå deres konklusion.
Hatchett et al. når deres konklusion ved at se på overdødeligheden i forskellige byer under 1918-pandemien. De finder, at byer, der lukkede ned tidligt i pandemiforløbet, havde lavere overdødelighed end byer, der lukkede ned senere i pandemiforløbet. Nedenstående figurer viser deres data (til venstre) og udvidede data brugt i Markel et al. (2007) (til højre). I begge figurer er overdødeligheden op ad 2.-aksen og tid ud af 1.-aksen. Hvor hurtigt byerne lukkede ned er vist med farver (mørkere betyder, at de lukkede hurtigere ned i forhold til hvor langt de var i pandemiforløbet – krydsene angiver byer med manglende data for nedlukningshastigheden).
Det er let at se, at byer, der lukkede ned relativt tidligt i pandemiforløbet (de mørke prikker), havde lavere overdødelighed end byer, der lukkede ned sent i pandemiforløbet (de lyse prikker). Korrelationen (bemærk: k o r r e l a t i o n e n) er der således ikke tvivl om.
Figuren viser dog også en anden interessant ting: At de byer, der lukkede ned tidlig i pandemiforløbet, alle blev ramt relativt sent af den spanske syge. Borgerne nåede altså at se, at det gik galt på USA’s østkyst, hvor den spanske syge ramte allerede tidligt i foråret 1918, og kunne derfor tilpasse deres adfærd i tide til at undgå stor overdødelighed. Figuren lægger altså op til en helt anderledes alternativ forklaring, nemlig at det var frivillige adfærdsændringer – drevet af information – der var afgørende for den lavere dødelighed.
Ekskluderer vi således byer, der blev ramt tidligt af den spanske syge, er den gennemsnitlige overdødelighed stort set ens på tværs af responstider, jf. nedenstående figur. Det indikerer, at det snarere er information og frivillige adfærdsændringer, der er drivkraften bag resultaterne i Hatchett et al. og Markel et al.
Men det overså forfatterne bag de to studier, selvom Hatchett et al. faktisk er inde på det. De skriver nemlig, at ”derudover havde byer, hvis epidemier begyndte senere, en tendens til at gribe ind på et tidligere stadium af deres epidemier, formentlig fordi lokale embedsmænd i disse byer observerede virkningerne af epidemien langs den østlige kyst og besluttede at handle hurtigt”. De overvejer dog ikke, at præcis den samme information tilflød borgerne i byerne, som derfor selvfølgelig reagerede på faren.
Ovenstående viser, at der (mindst) er én god alternativ forklaring til konklusionerne i Hatchett et al. og Markel et al. om, at timing er afgørende. Og det er at folk reagerer på information og tilpasser deres adfærd, når der er en ny fare uden for deres dør.
Det overser de desværre, og kommer derfor til implicit at antage, at nedlukningerne virker.
Hvordan så det ud under COVID-19-pandemien?
Figuren nedenfor viser principielt det samme som ovenstående figurer. Figuren viser dødeligheden (2.-aksen) sammenholdt med, hvor hurtigt/kraftigt pandemien startede (målt som datoen for hvornår et land nåede 20 døde/mio.), hvilket udgør 1.-aksen.
Figuren viser, at de lande, der lukkede ned[1] tidligt i pandemiforløbet (senest samme dag som første dødsfald) har lavere dødelighed – men også de blev ramt relativt sent af pandemien. Det gælder bl.a. for Sverige, som blev ramt hårdt af pandemien, fordi mange svenskere blev smittet i forbindelse med et uopdaget udbrud i alperne i uge 9, 2020.
Hvis vi alene ser på lande, der ikke blev ramt hårdt af pandemien – altså de lande, der ligger til højre i figuren, og som er markeret med gråt – er der ingen effekt af at lukke tidligt ned. Det viser søjlediagrammet nederst til højre i figuren.[2] De lande, der lukkede tidligt ned, havde en dødelighed på 42 døde/mio, mens de lande, der lukkede sent ned havde en dødelighed på 45 døde/mio. Forskellen svarer til 15-20 dødsfald i Danmark. Som eksempel kan man bemærke, at Danmark tilhørte ”early”-gruppen, Norge tilhørte ”intermediate”-gruppen og Finland tilhørte ”late”-gruppen. Alligevel var dødeligheden i alle tre lande lav (højest i Danmark, der lukkede tidligst ned, men også blev lidt hurtigere ramt af pandemien (Danmark nåede 20 døde/mio. nogle dage før Finland og Norge).
Det første COVID-19-dødsfald blev registreret samtidig i Danmark og Sverige (11. marts). Det tager 3-4 uger, fra man bliver smittet, til man dør af COVID-19, så en evt. effekt af den danske nedlukning (og den manglende nedlukning i Sverige) ville tidligst kunne ses i starten af april. Men som nedenstående figur viser, så var pandemiforløbet i Sverige helt anderledes end i Danmark. De høje dødstal i Sverige kan altså næppe forklares med manglende nedlukning.
[1] Datoen for nedlukningen er i figuren defineret som datoen, man nåede over stringency index 60, men konklusionerne gælder uanset om man bruger værdierne 50, 60 eller 70.
[2] I figuren er ” lande, der ikke blev ramt hårdt af pandemien” defineret som lande, der nåede 20 døde/mio. senere end 6. april, 2020, men konklusionen holder for andre datoer. Bemærk, at da det tager 3-4 uger fra man bliver smittet og til man dør af COVID-19, vil man næppe kunne se en evt. effekt af den danske nedlukning d. 7. april, da den kun ligger 22 dage efter de første nedlukninger (skolerne d. 16. marts, 2020).