>b's weblog

“Zu sagen was ist, bleibt die revolutionärste Tat.” (Rosa Luxemburg)

RKI-Protokolle, nächste Runde (70): “Über Monate kein SARS-CoV‑2 in der Surveillance nachgewiesen”WHO-Daten: Corona-Impfkampagne verursacht weltweit Anstieg von Herztodesfällen

Corona-Massnahmen wirkungslos: «Epidemieausbrüche nach staatlichen Maßnahmen gegen COVID-19: Einsichten aus fast 100.000 Modellen»

Government responses to COVID-19 are among the most globally impactful events of the 21st century. The extent to which responses—such as school closures—were associated with changes in COVID-19 outcomes remains unsettled. Multiverse analyses offer a systematic approach to testing a large range of models. We used daily data on 16 government responses in 181 countries in 2020–2021, and 4 outcomes—cases, infections, COVID-19 deaths, and all-cause excess deaths—to construct 99,736 analytic models. Among those, 42% suggest outcomes improved following more stringent responses (“helpful”). No subanalysis (e.g. limited to cases as outcome) demonstrated a preponderance of helpful or unhelpful associations. Among the 14 associations with P values < 1 × 10−30, 5 were helpful and 9 unhelpful. In summary, we find no patterns in the overall set of models that suggests a clear relationship between COVID-19 government responses and outcomes. Strong claims about government responses’ impacts on COVID-19 may lack empirical support.

Die Reaktionen der Regierungen auf COVID-19 gehören zu den Ereignissen des 21. Jahrhunderts mit den größten globalen Auswirkungen. Jahrhunderts. Inwieweit die Reaktionen - wie etwa Schulschließungen - mit Veränderungen der COVID-19-Ergebnisse verbunden waren, ist noch nicht geklärt. Multiversen-Analysen bieten einen systematischen Ansatz zum Testen einer großen Anzahl von Modellen. Wir haben tägliche Daten zu 16 staatlichen Maßnahmen in 181 Ländern in den Jahren 2020-2021 sowie vier Ergebnisse – Fälle, Infektionen, COVID-19-Todesfälle und überzählige Todesfälle insgesamt – verwendet, um 99.736 Analysemodelle zu erstellen. Von diesen Modellen deuten 42 % darauf hin, dass sich die Ergebnisse nach strengeren Maßnahmen verbessern (“hilfreich”). Keine Subanalyse (z. B. beschränkt auf Fälle als Ergebnis) zeigte ein Übergewicht an hilfreichen oder nicht hilfreichen Assoziationen. Von den 14 Assoziationen mit P-Werten < 1 × 10-30 waren 5 hilfreich und 9 nicht hilfreich. Zusammenfassend lässt sich sagen, dass wir in der Gesamtheit der Modelle keine Muster finden, die auf eine eindeutige Beziehung zwischen COVID-19-Regierungsmaßnahmen und Ergebnissen hindeuten. Starke Behauptungen über die Auswirkungen staatlicher Maßnahmen auf COVID-19 können empirisch nicht belegt werden.

Die Studie gibt's hier. (Sicherungskopie)