For et par måneder siden fik jeg tilsendt et link til et review af lockdown-litteraturen, Allen (2021). Reviewet var lavet af professor Douglas W. Allen fra Simon Fraser University i Vancouver, Canada, og jeg talte med Allen forleden, hvor han opsummerede litteraturen sådan her:
Det er velkendt, at regulering stort set altid medfører utilsigtede konsekvenser. Og således også regulering begrundet i COVID-19.
Det viser Georganas et al. (2021) i et interessant studie, hvor de udnytter, at regioner i Grækenland ikke ændrede deres udgangsforbud samtidig. Georganas et al. (2021) viser, at udgangsforbuddene får folk til at stimle mere sammen i butikkerne.
We found that the 6pm instead of 9pm curfew in Athens led to a 4.63 percentage point relative increase in time spent at home and had no effect on time spent in groceries and pharmacies. Considering that this was a result of a 18.75% reduction in hours where people were allowed to leave home, it seems that the early evening curfew led to more crowding in indoor spaces – which may facilitate the spread of disease.
Den sidste del har jeg tidligere kaldt for “erstatningseffekter”, og det betyder kort og godt, at folk erstatter ufarlige aktiviteter (udendørs) med farligere aktiviteter (indendørs) på grund af regulering (fx lukning af sportsanlæg og legepladser). Erstatningseffekter er (heller) ikke en del af eksperternes modeller i Danmark, og Georganas et al. (2021) påpeger i deres abstract, at det nok er noget, som man – herunder politikerne – bør tage alvorligt.
Interventions should be based on a thorough analysis of human behaviour, that anticipates substitution of activities.
Hvor stor effekt disse utilsigtede konsekvenser har på dødstallene, vides umiddelbart ikke. Men de kan være en medforklarende årsag til, at vi ser relativt beskedne effekter af nedlukningerne.
Update
Det er en ret almindelig bekymring blandt økonomer, når man begynder at lede lidt. Her fra Elm & Sarel (2021):
When interaction effects are not accounted for, policymakers run the risk of drawing incorrect conclusions, which focus on partial effects that do not necessarily hold as a general equilibrium. In particular, it is crucial to consider substitution effects: even policies that successfully shift behavior away from problematic activities may be ineffective if individuals simply switch to other, equally harmful, activities.
Forleden beskrev jeg, hvordan tyske forskere havde vist, at kontakttallet i Tyskland faldt, før de lukkede ned i november. Spørgsmålet er, om politikerne havde nogen mulighed for at forudse dette resultat.
Og svaret er, at “Ja, det havde de.” Nedenfor er fx konklusionen fra et andet tysk studie fra juni 2020:
Official data from Germany’s RKI agency suggest strongly that the spread of the corona virus in Germany receded autonomously, before any interventions become effective.
Eller sagt på dansk: Smitten var tilbagetog i Tyskland inden man greb ind med nedlukninger. Også i foråret 2020.
Men er det ikke bare et tilfælde? Sandsynligvis ikke. Fx fandt engelske forskere i maj, at:
UK data on first wave Covid-19 deaths and the disease duration distribution suggests that fatal infections were in decline before full UK lockdown (24 March 2020), and that fatal infections in Sweden started to decline only a day or two later
De har denne interessante figur, som tydeligt viser, hvordan smitten begyndte at flade ud længe før man lukkede ned.
Studierne er relativt tidlige i forhold til pandemien, og man bør derfor være varsom med at drage alt for forhastede konklusioner på den baggrund. Men studierne viser, at forskere verden over allerede før sommeren var opmærksom på nedlukningerne kunne være unødvendige i forhold til at beskytte kapaciteten i sundhedssektoren. Og at der derfor ikke er nogen undskyldning for, at regeringen i Danmark brugte sommeren på “Arnes tur” fremfor at få belyst effekterne af nedlukninger.
Sammenligner man Danmark og Sveriges nedlukninger på Oxfords Stringency Index, ser Sverige umiddelbart ud til at have haft en hårdere nedlukning end Danmark.
Det billede svarer ikke umiddelbart til de flestes danskeres opfattelse, og taler man med danskere i Sverige eller svenskere i Danmark (som jeg har gjort her), er det da også tydeligt, at Sveriges nedlukning generelt har været meget, meget mildere end den danske. Ja, nærmest ikke-eksisterende.
Hvad er forklaringen?
Læs restenForskere fra Ludwig-Maximilians-Universität München har netop udgivet en interessant rapport, hvor de konkluderer, at:
Der har ikke været nogen direkte forbindelse [mellem R-værdien og] de foranstaltninger, der er truffet siden september – hverken med lockdown-light [delvis nedlukning] den 2. november, stramningen den 16. december 2020 [fuld nedlukning] eller med “Føderal nødbremse” [lokale nedlukninger], som blev besluttet i slutningen af april 2021.
Der er med andre ord ikke noget sammenhæng mellem kontakttallet, R, og nedlukningerne.
Læs restenDer er nærmest uendeligt mange analyser af COVID-19 og nedlukninger. Og skulle man læse alle analyser meget grundigt, ville man have mindre tid til at få et overblik over den samlede litteratur. Derfor er et typisk godt råd først at læse abstract og konklusion i en analyse, før man – hvis det ellers er tilpas interessant eller hvis man skal udtale sig om analysen – dykker nærmere ned i analysens indhold.
Forleden var Allan Randrup ude med kritik af min seneste analyse, og som jeg læser hans kritik, kunne han have haft gavn af ovenstående råd – han havde ikke engang behøvet at nærlæse analysen, men kunne have fokuseret på første side og konklusion. Lad os tage et par eksempler:
Første eksempel:
– Jeg føler lidt, at der er en forudindtaget konklusion, og at man så udlægger dataene, så det passer ind i ens hypotese. Det er det, jeg føler. Jeg ved selvfølgelig ikke, om det er foregået på den måde, og det tør jeg principielt ikke sige.
– Men der er f.eks. det faktum, at de ignorerer, at nedlukningerne starter den 9. december. Det er ikke videnskabeligt korrekt, siger han [Allan Randrup] til Indblik.
Læs restenDET STÅR DER PÅ SIDE 1:
Nedlukningen før jul kom i tre skridt. Først blev 38 kommuner lukket delvist ned onsdag d. 9. december. Siden blev yderligere 30 kommuner lukket ned fredag d. 11. december (for skoler o.l. betyder det, at nedlukningen reelt først havde effekt mandag d. 14. december) og resten af kommunerne onsdag d. 16. december. Til sidst blev landet lukket hårdt ned torsdag d. 17. december.
Da hovedparten af nedlukningen i december ligger efter at smittetallet toppede, kan den ikke have forårsaget faldet i smittetallet. Dette forklarer også, hvordan smittetallene i Sverige og Tyskland, der førte anderledes coronapolitikker, kunne toppe samtidig med Danmark.
Forleden havde jeg en kronik i Berlingske, hvor jeg beskrev min seneste analyse. Kort fortalt viser min analyse, at smittespredningen før jul toppede senest 9.-12. december – og altså før hovedparten af (og måske endda alle) nedlukningerne. På den baggrund konkluderer jeg, at (hovedparten af – og måske alle) nedlukningerne før jul ikke var proportionale, fordi de – selv hvis nedlukningerne virker – var unødvendige i forhold til at opnå det primære politiske mål: At beskytte kapaciteten i sundhedssektoren.
Disse resultater er faldet Uffe Gardel for brystet, og han skrev derfor et indlæg på Facebook, som blev til et svar på min kronik i Berlingske. Nedenfor gennemgår jeg Gardels indlæg i Berlingske, og som det (tydeligt, håber jeg) vil fremgå, har Uffe Gardel brugt masser af spalteplads på at fremføre meget lidt. Men ret skal være ret – han har én pointe. Jeg ER liberal. Det ser jeg som en styrke i den nuværende situation, men det vil jeg komme tilbage til.
Gardel drager dog mange fejlslutninger, inden han når til denne pointe. I det følgende vil jeg forklare, hvorfor
Gardel er enig i analysen, men uenig i definitionen af ”størstedelen af nedlukningerne”
Lad os først slå fast, at Gardels kritik ikke går på selve analysen. Han er umiddelbart enig i, at smittespredningen (han skriver smittetallet, men det er altså smittespredningen – forskellen er de mindst fire dage, der går fra man er nær kontakt og til Sundhedsstyrelsen anbefaler, at man bliver testet første gang) senest toppede 9.-12. december.
Læs resten»Smittetallet toppede mellem 9. og 12. december,« skriver han [Jonas Herby] i Berlingske 20. maj, og det er formentlig rigtigt.
(Uffe Gardel i Berlingske)
Min kollega, Kathrine E. Skjoldborg, har skrevet en glimrende kronik i Berlingske om de aflyste eksamener.
Der er mange gode pointer. Fx smider vi meget brugbar viden væk ved at droppe eksamenerne. Det skader ikke kun forskerne (som kunne undersøge effekten af online undervisning), men også de studerende selv.
Hvis vi vil have mulighed for at undersøge et muligt læringstab blandt danske unge, er det afgørende, at vi lader dem gennemføre eksamener, der gør det muligt at sammenligne med tidligere årgange. Dette vil betyde, at man kan få opgjort størrelsen af læringstabet i de enkelte fag, og det vil på den baggrund være muligt at iværksætte diverse tiltag for at rette op på læringstabet.
Hvis læringstabet eksempelvis er et særligt stort problem i matematik, hvilket et amerikansk studie indikerer, kunne det på en række videregående uddannelser være relevant at arrangere særlige sommerkurser i matematik inden studiestart. Men, hvis der ikke er et problem i matematik, vil det naturligvis være spild af tid og ressourcer.
Der er også et par velfortjente svirp til politikerne, hvis indgreb sandsynligvis ender med at skade eleverne.
Viden om læringstabet vil således være afgørende for at hjælpe de unge bedst muligt. Det ser lige nu ud til, at politikerne er i færd med at gøre de unge en bjørnetjeneste ved at aflyse og omlægge de prøver, der kunne belyse et eventuelt læringstab, da man risikerer, at problemerne først afslører sig, når de unge klarer sig dårligere på deres videre færd i uddannelsessystemet, hvor det vil være for sent at gøre noget ved problemet.
Kathrine kommer også med en forklaring på, hvorfor det kommer så vidt, at man aflyser eksamenerne, selvom det – set fra min stol – ret åbenlyst er en dårlig idé.
[Skraldespandsmodellen] illustreres konkret af tilfældet med de aflyste og omlagte prøver ved studentereksamen. Coronaepidemien udgjorde et mulighedsrum, som mennesker med holdninger til eksempelvis undervisningssystemet – herunder afholdelse af test og prøver – kunne udnytte til at fremføre deres synspunkter og få deres løsninger på dagsordenen. Problemerne, der blev identificeret, var gymnasieelevers trivsel og et muligt læringstab. Løsningen, som var tilgængelig, var en aflysning af visse eksamener i sommeren 2021. Disse koblinger blev foretaget, selv om den valgte løsning ikke løser de konkrete problemer.
Du kan høre mit podcast med min kollega, Karsten Bo Larsen, om samme emne her: ”Regelstaten: Aflysningen af eksamenerne er unfair og skaber flere problemer, end de løser”
Betragt nedenstående figur. Den viser, at smitten i Hørsholm faldt før nedlukningen af kommunen kunne have en effekt. Eller med andre ord: Hørsholm Kommune var lukket ned i godt en uge uden nogen grund.
Hvis du aflæser figuren omhyggeligt, vil du se, at der i ugen fra 25. april til 1. maj, var i alt – testkorrigeret – 35 registrerede smittede i Hørsholm Kommune.
Derefter steg smitten markant, efter at en gruppe gymnasieelever var blevet smittet efter at have set fodbold sammen. På fem dage – fra 2. til 6. maj – blev der registreret 69 smittede, hvilket bragte den testkorrigerede incidens over 250 og iværksatte den automatiske nedlukning. Derfor blev skolerne i Hørsholm Kommune lukket ned fra lørdag d. 8. maj og det lokale erhvervsliv fra søndag d. 9. maj.
Pga. weekenden trådte nedlukningen altså reelt i kraft d. 10. maj, hvilket betyder, at effekten af nedlukningen allertidligst ville kunne ses d. 14. maj (Sundhedsstyrelsen anbefaler, at der går fire dage, fra man er udsat for konkret smitte, og til man bliver testet første gang).
I ugen før man kan se en eventuel effekt af nedlukningen (altså 7. – 13. maj), var der – igen testkorrigeret – 35 registrerede smittede i Hørsholm Kommune.
Det er ikke en skrivefejl. Der var præcis lige så mange smittede i ugen efter det meget lokale udbrud, som der var i ugen før udbruddet. Myndighederne lukkede altså Hørsholm Kommune ned, selvom smitten allerede var faldet igen.
Der var altså tale om en fuldstændig unødvendig og disproportional nedlukning.
Og det triste er, at det var forudsigeligt, for vi har set præcis det samme mønster i mange andre nedlukkede kommuner og endda i den store nedlukning af Danmark før jul.
Det er en udbredt antagelse, at det var nedlukningerne i december, der fik smitten til at falde i Danmark.
Det er jeg meget skeptisk overfor, og for at jeg skal tro det, skal følgende spørgsmål som minimum besvares.
Jeg udkommer meget snart med en analyse af smitte- og indlæggelsestal, som viser præcis det samme. Smitten toppede før man lukkede hårdt ned. Og dermed fandtes det vigtigste argument for nedlukningerne – beskyttelse af sundhedsvæsenets kapacitet – ganske enkelt ikke.
Læs restenKristoffer Torbjørn Bæk – som jeg kan anbefale at følge på Twitter – har lagt en interessant analyse af COVID-19-indlæggelser ud på LinkedIn.
Analysen viser, at uanset om ingen får (alvorlige) symptomer af COVID-19, så vil de officielle tal vise, at 10-25 personer dagligt bliver indlagt med COVID-19. Det skyldes, at der indlægges ca. 2.500 personer hver dag pga. af alle mulige mærkelige ting, og af dem vil en vis andel have virus i kroppen. Samme problemstilling gælder for døde.
Det interessante er, at de relevante tal (hvor mange der indlægges pga. COVID-19) angiveligt rent faktisk findes. Så man kunne godt offentliggøre de relevante tal. Men det gør man af en eller anden grund ikke.
I kan se Kristoffers figur her, og nederst har jeg indsat hans beskrivelse af analysen fra LinkedIn. Se også Kristoffers hjemmeside covid19danmark.dk.
Antal nyindlagte med en positiv SARS-CoV-2 test (kaldet COVID-19 relaterede indlæggelser) har været ufatteligt stabilt i 3 mdr
(https://lnkd.in/gEEHQy9).Men kan det tal (og det lignede tal for døde) overhovedet komme ned på nul? Nej, ikke når man opgør indlæggelser og døde som man gør. Selv hvis ingen blev indlagt eller døde pga COVID-19.
Jeg har regnet lidt på hvad den nedre grænse er. Dette er estimater baseret på den statistiske risiko for at dø og blive indlagt, og hvor mange positivt testede der er i samfundet.
Nedre grænse for døde er beregnet som: Pulje af positive indenfor 30 dage * risiko for at dø
Nedre grænse for indlagte er beregnet som: (Pulje af positive indenfor 14 dage * risiko for at blive indlagt) + (total indlagte pr dag * positivprocent). Beregnet som interval for at tage hensyn til en vis usikkerhed i disse tal.
Måden at opgøre især nyindlæggelser på er meget uhensigtsmæssig hvis man vil bruge det som pejlepind for epidemiens styrke.
Christian Heebøl-Nielsen, som jeg ikke altid er enig med, men til gengæld har stor respekt for, fordi han har været stringent og logisk gennem hele COVID-19-pandemien, har skrevet et blogindlæg, hvor hans spår, at vi snart rammer 5.000-12.000 dagligt smittede.
Mit personlige bud er, at vi vil ramme en R værdi på mellem 1,3 og 1,5, svarende til en daglig procentvis stigning på 5-8 procent. Det vil betyde, at vi om en måned, hvis tingene fortsætter, vil ramme mellem 5.000 og 12.000 daglige nye smittede. Ganske voldsomme tal.
Spørgsmålet er, om det er realistisk. Det mener jeg faktisk, det er, selvom jeg ikke giver det mere end 33% sandsynlighed (Christian kalder da også selv sin spådom lidt pessimistisk).
Lad os først lige dvæle ved, hvad 5.000 smittede egentlig betyder. Nedenstående figur viser de officielle smittetal d. 10. november 2020 og d. 5. maj 2021 samt to korrigerede smittetal (ved 100.000 tests). Det PCR-korrigerede tal er den officielle korrektion som bl.a. bruges til lokale nedlukninger, hvor man korrigerer for antallet af PCR-tests. Men som jeg har beskrevet her, fungerer antigentests som et ”fangstnet”, og derfor bør man også korrigerer for disse. Dette har jeg gjort i den tredje søjle (udviklingen siden 1. februar kan ses i figuren til sidst).
For nylig skrev Astrid Krag på Facebook, at ”presset på hospitalerne [i Sverige] stiger og stiger – ikke mindst på intensivafdelingerne.”
Men er det nu også helt sandt? Jeg ved ikke, hvilke data Astrid Krag har adgang til, men kigger vi på de officielle tal, er der intet der tyder på, at presset er stigende. Snarere tværtimod. Nedenstående figur viser antallet af indlagte med COVID-19 på svenske hospitaler. Efter at have været stigende i en lang periode under Sveriges tredje bølge, er antallet af indlagte den seneste tid faktisk faldet (liveopdaterede tal kan findes her).
Og der er næppe tale om forsinkede date eller lignende (Sverige har ellers udmærket sig ved at tage lidt lettere på datarapporteringen end de fleste andre lande). For smitten i Sverige har været aftagende i et par uger. Nedenstående figur viser udviklingen i smittetallet og positiv-procenten i Sverige siden efteråret. Det er tydeligt, at smitten er faldet en del – både målt i antal (som er faldet 12% på to uger) og positiv-procent (som er faldet med 2,1%-point på to uger).
Der er altså intet, der tyder på, at Astrid Krag har ret, når hun siger, at ”presset på hospitalerne [i Sverige] stiger og stiger – ikke mindst på intensivafdelingerne.” Og så kan man jo begynde at gætte på, hvorfor hun alligevel vælger at skrive det, men det vil jeg lade læseren om at gøre.
Der er imidlertid ingen tvivl om, at Sverige har haft langt flere smittede end Danmark. Både i december-bølgen og i den tredje bølge, der startede omkring starten af februar. Og det kan nemt få den uopmærksomme læser til at tro, at nedlukningen virker.
Men inden du konkluderer så forhastet, så se nedenstående figurer, som viser 1) antallet af døde med COVID-19 og 2) antallet af indlagte på intensiv i Tyskland og Sverige siden 1. oktober. Tyskland har haft en nedlukning, der i store træk minder om den danske. Og en dødelighed, der i store træk minder om den svenske. Så måske skulle Astrid Krag hellere have sendt de pæne tanker mod Tyskland, hvor antallet af indlagte på intensiv ikke er begyndt at falde (om de fortsætter med at stige er endnu uvist).
Vi slutter af med nedenstående bemærkelsesværdige figur, som viser antallet af smittede, nyindlagte på intensiv og døde Sverige i hele pandemiens forløb fra 1. marts 2020 til 31. marts 2021 (jeg har droppet april, fordi Sveriges døds-data er op imod en måned forsinket). I de to første bølger fulgte antal smittede, antal indlagte på intensiv og antal døde hinanden meget tæt. Men i tredje bølge er dødstallet forblevet relativt lavt på trods af relativ mange indlagte og smittede.
Vaccinerne virker.
Mandag d. 12. april trådte en ny regel i kraft, som betyder, at kommuner automatisk lukker ned, hvis den testkorrigerede incidens kommer over 200 pr. 100.000 indbyggere. Reglen betyder også, at et sogn lukker ned, hvis incidensen kommer over 400, det samlede testkorrigerede smittetal er større end 20 og positivprocenten er større end 2% – en regel der allerede har lukket bl.a. 0.-4. klasserne og SFO’er i Kollerup-Fjerritslev sogn i Jammerbugt Kommune på grund af et smitteudbrud på mit gamle gymnasium (SIC! De lukker SFO’en, fordi en flok teenagere er blevet smittet! Referencegruppen nævner andre problemer med reglen i denne artikel i Berlingske).
Der er dog også åbenlyse fordele ved at gøre nedlukningsbeslutningen mekanisk og lokal, da det fjerner vilkårligheden og konsekvenserne af nedlukningerne er mindre end ved fulde nedlukninger.
Men hvad betyder ”testkorrigeret” egentlig? Det er emnet for dagens blogindlæg.
SSI har i et notat beskrevet, hvordan det korrigerede smittetal skal beregnes, og det er – når man lige får sat sig ind i det — ikke så svært endda. Bare følg denne formel:
Hvor udtrykket (befolkning * andel testet) er det niveau af daglige tests, man vil korrigere til. I forhold til incidensreglen, er niveauet for hele Danmark 100.000 (så befolkning * andel testet = 100.000) svarende til 1,71% af alle danskere, så i den enkelte kommune er antallet altså 1,71% * befolkningstallet.
Læs restenForestil dig følgende situation: Du tester 113.927 personer med antigentests. På baggrund af disse finder du 400 positive personer, som du efterfølgende tester igen med en PCR-test. PCR-testen viser, at 190 var falsk positive og 210 var sandt positive). Sideløbende tester du 200.222 øvrige personer med PCR-testen, og blandt disse finder du 452 positive. Altså i alt 113.927 antigentests, 200.622 PCR-tests og 622 PCR-positive.
Hvor stor en andel af de testede personer er så positive? Hvis du kun har viden om PCR-testene og ikke kender til antigentestene, kan du let komme til at konkludere, at der er 662 positive ud af 200.622 testede, hvilket giver en positivprocent på 0,33. Og det er præcis det, DR gør på sin hjemmeside (se billede nedenfor).
Men hverken DR eller vi er uvidende om antigentestene. Vi ved fra SSI’s dashboard (se billede nedenfor), at der tirsdag var resultater fra 113.927 antigentest og 200.622 med PCR-test. Altså ca. 314.500 i alt. Positivprocenten er altså snarere 0,21% – godt 2/3 af det, DR oplyser.
Men 0,21% er heller ikke helt korrekt. For det er kun ca. 78% af de positive antigentests, der senere bliver be- eller afkræftet med en PCR-test. De 22% bliver aldrig kontrolleret med en PCR-test, og derfor er det reelle antal tilfælde, der ville blive fundet med en PCR-kontrol sandsynligvis lidt højere end 662, og positivprocenten dermed højere end 0,21%. Men stadig langt fra de 0,33% DR oplyser.[1]
I ovenstående regnestykke har jeg ikke håndteret de falsk negative. Og dem er der faktisk en del af (ca. 0,1% af alle med en negativ antigentest får efterfølgende en positive PCR-test). Men det er ikke ligetil at korrigere for dette, da det næppe er tilfældige tilfælde, der først tester negativt med en antigentest og siden får foretaget en PCR-test. Der er også falsk negative ved PCR-testen, men de må formodes at være nogenlunde konstante over tid, og påvirker derfor ikke udviklingen i positivprocenten.
Hvorfor er dette vigtigt?
Men som det efterhånden er alle bekendt, så kan man få antallet af tilfælde til at stige, hvis man tester mere, fordi man vil finde flere asymptomatiske tilfælde. Derfor er positivprocenten i mange tilfælde et mere retvisende billede for den reelle udvikling i smitten (hvis man bruger SSI’s metode til at korrigere for antallet af tests, følger positivprocenten og antal tilfælde ofte hinanden ret tæt (se fx figurer her), men jo flere der tvangstestes i skoler og på job, jo mindre præcis bliver den metode desværre nok). Derfor er det relevant for beslutninger – både på personligt og politisk niveau – at kende udviklingen i positivprocenten, hvis man vil kende udviklingen i smitten. Men her er det altså ikke nok at dividere antal PCR-positive med antal PCR-tests, fordi antigentestene fungerer som en slags præ-screening for PCR-testen (helt banalt: hvis man først testede alle godt 300.000 med en antigentest og fandt 1.000 positive, og først derefter brugte PCR til at kontrollere antigentesten og fandt 500 PCR-positive, ville DR’s metode give en positivprocent på ca. 50%).
Var andelen af antigentest nogenlunde konstant, ville dette ikke være et stort problem. Men som nedenstående figurer viser, er dette ingenlunde tilfældet.
Og det bringer mig tilbage til en af mine kæpheste, som jeg har reddet i mere end et år nu: Hvorfor har man ikke lavet tilfældige stikprøver, så man kan følge den reelle udvikling i smitten uden at den bliver påvirket af teststrategier, borgernes adfærd og alt muligt andet, som ændrer sig over tid. Vi er i den suverænt dyreste krise siden 2. Verdenskrig. Hvorfor har politikere og sundhedsmyndigheder ikke fundet det relevant at have et korrekt billede af smitteudviklingen? Forstår de ikke data?
Testede man 1.000 personer i en tilfældig stikprøve hver dag, ville man have et langt bedre grundlag for at vurdere smitteudviklingen, og dermed et langt bedre grundlag for at vurdere, hvordan man skal reagere på smitten, hvad enten man er politiker eller borger. Og omkostningen havde været en brøkdel af omkostningerne ved fejlslagen politik.
[1] En mulig metode til at finde den sande positivprocent er at antage, at det er tilfældigt, hvem der bliver be- og afkræftet. Dermed svarer det reelt til, at 22% af alle antigentestene “smides væk”, og dermed er det kun 78% af de 113.927 antigentests (=88.863), der reelt har fødet ind til PCR-testene. Reelt set er der altså testet 200.622 + 88.863 = 289.485 for at finde de 662 smittede, hvilket er en positivprocent på 0,23, eller ca. 2/3 af det, DR oplyser.
Det er blevet et populært redskab for myndighederne at lukke skoler ned, når smitten rører på sig i en kommune. I februar blev skolerne i Kolding (postnr. 6000) og Ishøj lukket ned. Og senest er Vallensbæk, Brøndby, Høje-Taastrup og Gladsaxe (og endnu engang Ishøj) blevet lukket ned.
I dag skal vi derfor se på, hvor godt timet skolelukninger og -åbninger er i forhold til smittespredningen i kommunerne. Som vi vil se, forekommer lukningerne at være ret tilfældige, og det stiller naturligvis det oplagte spørgsmål, om de overhovedet har en mærkbar effekt på smitten, eller om de primært bidrager til at skade og frustrere børnene, deres forældre og forældrenes arbejdsgivere.
Frem til 7. februar var alle skoler i Danmark helt lukket. Men 8. februar åbnede de igen for de mindste klasser (0.-4. klasse). Kun én uge senere kom den første gen-nedlukning i Ishøj, og ugen efter igen lukkede skolerne i Kolding (dog kun postnummer 6000). Ishøj er en lidt særlig case, så lad os starte med den enkle: Kolding.
Ifølge ”virologerne/eksperterne” kan man først se effekten af en genåbning efter ca. 14 dage (anbefalingen er, at man venter fire dage, inden man bliver testet, hvis man har været udsat for smitte), men det forhindrede ikke sundhedsmyndighederne i at lukke skolerne i Kolding på baggrund af de stigende smittetal umiddelbart efter genåbningen.
Men som nedenstående figur viser, så var smitten faldet længe inden skolerne lukkede, og de efterfølgende 14 dage, hvor skolen var lukket (dog inkl. vinterferien), ændrede ikke umiddelbart på smitten. Og så åbnede skolerne igen uden nærmere diskussion af, om man havde fået ud af nedlukningen.
Gang på gang møder man påstanden om, at det er nedlukningerne, der har reddet danskerne fra en katastrofal COVID-19-pandemi. Bl.a. fremhævede sundhedsminister Magnus Heunicke i Debatten d. 10. marts (DR2), at man jo kunne se, at kurven både i foråret og før jul vendte, da politikerne lukkede ned.
Som beskrevet mange gange her på siden, er der intet bevis for, at nedlukningerne har en stor effekt på pandemiens udbredelse.
I hvert fald ikke nedlukninger, der går længere end den relativt milde ”nedlukning”, man havde i foråret i Sverige.[1] Men nogle holder altså stædigt fast i, at det er nedlukningerne, der gør forskellen. Derfor skal vi i dette blogindlæg se på, hvad der egentlig skete før jul.
Nedenfor har jeg lavet to figurer baseret på data fra SSI’s datafiler. De viser, at:
Overdødeligheden i Danmark i 1995 var tæt på samme niveau som overdødeligheden i Sverige i 2020
COVID-19 er den værste pandemi, der har ramt os i 100 år. Derom hersker der ingen tvivl. Så selvfølgelig skal der passes mere på end under en normal sæsoninfluenza. Spørgsmålet er imidlertid hvem, der skal sørge for, at vi passer mere på. Er det primært staten eller primært borgerne selv?
Jeg har tidligere spurgt, om overdødeligheden i Sverige i 2020 var høj nok til at begrunde de voldsomme indgreb, vi har set i andre lande – selv hvis man antager, at de virkede godt. I dette blogindlæg forsøger jeg at bidrage med data, der kan hjælpe læseren til at besvare mit tidligere spørgsmål.
Lad os gå direkte til sagen (uddybning kan findes længere nede). Jeg har hentet data for antal døde pr. 100.000 fra DST og den svenske pendant SCB og på den baggrund estimeret den forventede dødelighed hvert år på baggrund af Hodrick Prescott filteret (det er gjort i Excel med λ = 100 – se her for en instruktion). Nedenstående figur viser overdødeligheden i procent i forhold til den forventede overdødelighed for begge lande i perioden 1960-2020.
Der er ingen tvivl om, at Sverige i 2020 oplevede en ualmindelig høj overdødelighed. Men der er heller ikke tvivl om, at overdødeligheden ikke var af hidtil uset karakter. Overdødeligheden i Sverige var i 2020 på 5,5%. Til sammenligning var den 4,0% i Danmark i 1995, hvor Poul Nyrup Rasmussen næppe så meget som overvejede at lukke frisører og skoler.
I absolutte tal betyder det, at vi i 2020 i Danmark ville forvente ca. 55.210 dødsfald. Havde vi haft en overdødelighed som i Danmark i 1995, ville vi have haft 57.411 dødsfald, mens en overdødelighed som i Sverige i 2020, ville have givet 58.272 dødsfald. Forskellen på de to sidste tal er 861 dødsfald, jf. nedenstående figur.
Det er op til læseren selv at drage sine egne konklusioner, men personligt har jeg meget svært ved at se, at man kan retfærdiggøre den omfattende nedlukning selv hvis den virkede godt (hvilket den bare lidt opmærksomme læser vil huske, ikke er tilfældet).
Bemærk i øvrigt, at den markante overdødelighed i 1995 kom umiddelbart efter 1993, hvor der også var en markant overdødelighed
Flere informationer og mere data
Nedenstående figur viser den absolutte overdødelighed i landene fra 1960 til 2020.
Der er forskellige måder at estimere overdødeligheden på, og Hodrick Prescott filteret er ikke nødvendigvis den bedste måde at gøre det på. Men fittet er meget pænt jf. nedenstående figur, og en mere forfinet metode (hvor man fx tager højde for alderssammensætningen, ”dry tinder” mv. vil næppe ændre afgørende på konklusionen. Bemærk i øvrigt, hvordan den spanske syge i 1918 ramte Sverige ekstremt hårdt, mens Danmark slap relativt uskadt.
Mit gæt er, at den høje dødelighed i 1995 (og 1993) skyldes en smitsom virus som fx influenza. Jeg har tidligere været i debat med visse personer på Facebook, som har hævdet, at den høje dødelighed i 1995 skyldes en epidemi af hjertetilfælde. Og kigger man i dødsårsagerne fra Danmarks Statistik, er der da også mange døde med iskæmiske hjertesygdomme i 1995. Men her skal man huske på, at langt fra alle testes for influenza (og selv hvis de gjorde, ville man så registrere dem som døde af/med influenza eller hjertesygdom?). Og jeg har svært ved at se, at en almindelig vinter pludseligt får så mange ekstra til at dø af hjertesygdomme. Nedenstående figur viser døde pr. 100.000 i 90’erne. Det er meget tydeligt, at december 1995 (og januar 1996 + december 1993) har stor overdødelighed, hvilket i mine øjne indikerer, at der er noget smitsomt på færde.
Hvis nogen skulle sidde og tænke, at det nok er Hodrick-Prescott filteret, der driver resultaterne, så har jeg til dem lavet nedenstående figur, som opgør overdødeligheden i Danmark 1995 og Sverige 2020 på baggrund af tre alternative metoder. Helt kort består de alternative metoder i at set på gennemsnittet af døde pr. 100.000 fra
Konklusionen bliver mindre klar, hvis man bruger alternativ metode 3 (gennemsnittet af de seneste fem år) til at beregne overdødeligheden. Men denne metode er også ret problematisk, da den konsekvent overvurderer den forventede dødelighed, når dødeligheden generelt er faldende, hvilket fremgår af nedenstående figur.
De to øvrige alternative metoder (2 og 3) giver et pænt fit (vist nedenfor).
Det er i øvrigt et ”problem” for alle filtrene, at de påvirkes relativt kraftigt af den meget, meget lave dødelighed i Sverige i 2019, som fremstår om en ret ekstrem outlier. Hvordan håndterer man det? Én mulighed er at se bort fra kalenderåret. Der er som sådan ikke noget magisk ved 1-årige perioder, og man kunne egentlig lige så vel kigge på andre tidsspænd. Man kommer meget let ud i noget talmanipulation, hvis man begynder at ændre på perioderne, for der er alle mulige gode grunde til at holde fast i de normale rammer, som trods alt giver en mulighed for at sammenligne konsekvent over tid. Men så man i stedet på fx to-årige perioder i stedet for et-årige, ville man oplagt få et helt andet billede.
For nylig blev jeg bedt om at skrive et indlæg til debatsiden “Det Borgerlige Danmark” på Facebook. Det kom der nedenstående indlæg ud af.
Hvis du allerede har læst indlægget, så tillad mig her at fremhæve konklusionen, så du husker den:
Den største omkostning ved pandemien for det borgerlige Danmark er derfor i mine øjne, at det er lykkes socialdemokraterne (og her mener jeg socialdemokraterne i alle partier) at skabe en [falsk] fortælling om staten som vores store redningsmand.
Staten har en rolle i vores samfund. Bestemt. Men det fører til et dårligere samfund, hvis vi tror, at den er god til at løse komplekse problemer for os. En sådan tro blandt vælgerne kan nemt føre Danmark i en langt dårligere retning.
God fornøjelse.
Læs restenDetektor har skrevet en artikel om min fortolkning af Bonardi m.fl. (2020), hvor de forsømmer at formidle sandheden og dermed får det til at fremstå som om, jeg misrepræsenterer resultaterne i studiet. Men Detektor har skrevet en artikel, der ikke er nogen som helst begrundelse for.
Jeg har derfor valgt at fremlægge dokumentation for de meget konkrete mail-svar, jeg har fået på mine spørgsmål fra hovedforfatteren på studiet, Professor Jean-Philippe Bonardi.
Hvor kommer Detektors citater fra?
I artiklen citerer Detektor Professor Bonardi for bl.a. at sige, at ”Cepos’ fortolkning af vores studie er faktisk forkert”. Hvorfor siger Professor Bonardi det til journalisten, når han er enig i, at min fortolkning af deres studie er korrekt?
Svaret på det spørgsmål ligger i journalistens henvendelse til Professor Bonardi. Her er journalistens spørgsmål, som jeg har fået tilsendt.
Journalisten giver altså meget tydeligt Professor Bonardi den opfattelse, at jeg har sagt, at nedlukninger ikke virker. Men som nævnt nedenfor skriver jeg meget tydeligt i dette blogindlæg, at Bonardi m.fl. (2020) finder, ”at lande – der ikke indførte nogen restriktioner overhovedet – fik flere dødsfald end lande, der indførte restriktioner.” Med den slags journalistiske metoder, kan man jo få det svar man ønsker, hvis man er ude på at kaste mudder mod nogen, man er politisk uenige med.
Hvad har jeg skrevet om Bonardi et al. (2020)?
Jeg har – kort opsummeret – skrevet følgende om Bonardi:
Nedenfor fremgår mine spørgsmål og Professor Bonardis svar. Journalisten fra Detektor har set disse svar.
Mine spørgsmål:
Professor Bonardis svar:
Hvorfor Detektor alligevel vælger at skrive en artikel, hvor de insinuere, at jeg har fortolket studiet forkert, kan jeg kun gisne om. Men journalisten fra Detektor har næppe primært været drevet af en søgen efter sandheden.
Men for en sikkerheds skyld spurgte jeg Professor Bonardi om hans mening.
Her er mit spørgsmål:
Og her er Professor Bonardis svar:
Det skal retfærdigvis siges, at det er pga. studiets design, at de ikke finder nogen forskel. Jeg brugte kirker som eksempel i blogindlægget, fordi der på det tidspunkt var en diskussion om hvorvidt man skulle lukke kirkerne i julen. Det var ikke det bedste eksempel, men det er altså ikke et forkert eksempel baseret på resultaterne i Bonardi m.fl. (2020).