लॉकडाउन ने जान नहीं बचाई

साझा करें | प्रिंट | ईमेल

संयुक्त राज्य अमेरिका और इसके 50 राज्य क्षेत्राधिकार यह परीक्षण करने के लिए एक प्राकृतिक प्रयोग प्रदान करते हैं कि क्या सामान्य-जनसंख्या लॉकडाउन के आदेश से प्रेरित सामाजिक और आर्थिक संरचनात्मक बड़े पैमाने पर परिवर्तनों को लागू करने के लिए सीधे सभी कारणों से होने वाली मौतों को जिम्मेदार ठहराया जा सकता है।

दस राज्यों में कोई लॉकडाउन लागू नहीं था और 38 जोड़ी लॉकडाउन/गैर-लॉकडाउन राज्य हैं जो एक भूमि सीमा साझा करते हैं। हम पाते हैं कि राज्यव्यापी शेल्टर-इन-प्लेस या स्टे-एट-होम आदेशों का विनियामक अधिरोपण और प्रवर्तन निर्णायक रूप से बड़े स्वास्थ्य-स्थिति-सुधारित, प्रति व्यक्ति, राज्य द्वारा सर्व-कारण मृत्यु दर के साथ संबंधित है। यह परिणाम इस परिकल्पना के साथ असंगत है कि लॉकडाउन ने लोगों की जान बचाई।

परिचय

11 मार्च, 2020 को, विश्व स्वास्थ्य संगठन ने COVID-19 (इसके बाद COVID) के वुहान, चीन में एक कथित प्रकोप के आधार पर एक महामारी घोषित की, जो कि SARS-CoV-2 वायरस के कारण होने वाली सांस की बीमारी है। 13 मार्च, 2020 को संयुक्त राज्य अमेरिका में COVID-19 के प्रकोप के संबंध में एक राष्ट्रीय आपातकाल घोषित किया गया था। अमेरिका में, इस घोषणा के परिणामस्वरूप विभिन्न राज्यों में स्वास्थ्य अधिकारियों और सरकारी अधिकारियों की प्रतिक्रियाओं का एक विषम सेट सामने आया। उन विविध, राज्य-वार नीति प्रतिक्रियाओं में से, अधिकांश राज्यों ने 2020 के मार्च और अप्रैल में घर में रहने के आदेश जारी किए (इसके बाद इसे "लॉकडाउन" कहा गया)। 

इन लॉकडाउन उपायों के लिए प्रेरणा सामाजिक संपर्क को सीमित करके COVID-19 के प्रसार को धीमा करना था, इस धारणा के तहत कि बीमारी व्यक्ति-से-व्यक्ति संपर्क से फैलती है। हालांकि, अमेरिका में राज्य शासन की स्वतंत्रता के कारण, लॉकडाउन के उपायों के कार्यान्वयन और प्रवर्तन की एक विस्तृत श्रृंखला थी, कुछ राज्यों ने पूरी तरह से लॉकडाउन छोड़ दिया था। 

लॉक डाउन करने या न करने के राज्य-वार फैसलों में ये अंतर इस परिकल्पना का परीक्षण करने के लिए एक उपयोगी प्रयोग स्थापित करते हैं कि लॉकडाउन ने लोगों की जान बचाई। यह परिकल्पना भविष्यवाणी करती है कि राज्य की आबादी की स्वास्थ्य स्थिति में अंतर के समायोजन के बाद, अगर अन्य सभी कारकों को माना जाता है, तो लॉकडाउन लागू करने वाले राज्यों में कम मौतें (प्रति व्यक्ति) होनी चाहिए थीं, और राज्यों में अधिक मौतें नहीं होनी चाहिए थीं। कम प्रभाव। इन भविष्यवाणियों का परीक्षण करने के लिए उपलब्ध डेटा सीडीसी द्वारा रिपोर्ट किए गए समय और राज्य द्वारा सर्व-कारण मृत्यु दर (एसीएम) में पाया जा सकता है।

जैसा कि अन्य जांचकर्ताओं द्वारा दिखाया गया है (उदाहरण के लिए रैंकोर्ट, बॉडिन और मर्सिएर 2021), ACM मौत के कारण के कठिन मुद्दे को दरकिनार कर देता है, जो प्रकृति में राजनीतिक है, और परिणामस्वरूप पूर्वाग्रह के लिए अतिसंवेदनशील (जैसे ईली एट अल। 2020). सांस की बीमारियों के मामले में मौत का सही प्रमुख कारण शायद ही कभी जाना जाता है, और मौत आम तौर पर मोनोकॉजल नहीं होती है। 

एसीएम का विश्लेषण करने का लाभ यह है कि अमेरिका में मौतों को उच्च निष्ठा के साथ दर्ज किया जाता है (रिपोर्टिंग पूर्वाग्रह या अंडररिपोर्टिंग नहीं)। एक बार रिकॉर्ड किए जाने के बाद, मृत्यु एक मृत्यु है, भले ही मृत्यु प्रमाण पत्र पर कारण कैसे निर्दिष्ट किया गया हो। यदि किसी महामारी के दौरान किसी बीमारी के प्रसार के कारण होने वाली मौतों को रोकने में लॉकडाउन प्रभावी हैं, तो लॉकडाउन लागू करने वाले क्षेत्रों में सभी कारणों से प्रति व्यक्ति कम मृत्यु का अनुभव होना चाहिए, यदि कोई प्रमुख भ्रमित करने वाले कारक नहीं हैं।

डेटा और कार्यप्रणाली

हमारा लक्ष्य राज्यों के जोड़े में सभी कारणों से होने वाली मौतों की कुल संख्या की तुलना करके COVID युग के दौरान जीवन बचाने में लॉकडाउन की प्रभावकारिता का आकलन करना है: लॉकडाउन वाला एक राज्य और लॉकडाउन के बिना एक राज्य जो लॉकडाउन के साथ सीमा साझा करता है राज्य। पूर्णता के लिए हमने उन लॉकडाउन राज्यों की भी जांच की जो किसी गैर-लॉकडाउन राज्य के साथ सीमा साझा नहीं करते हैं।

हमने डब्ल्यूएचओ और संघीय और राज्य सरकारों की महामारी घोषणाओं के जवाब में राज्य सरकारों द्वारा मार्च-अप्रैल 2020 के दौरान जारी किए गए प्रशासनिक और कार्यकारी आदेशों की जांच करके गैर-लॉकडाउन राज्यों की पहचान की। इनमें से अधिकांश आदेश वेबसाइट पर संग्रहीत किए गए हैं बैलटपीडिया डॉट कॉम, और हमने राज्य सरकार की वेबसाइटों को खोजकर उन आदेशों का पता लगाया जिनके लिंक अब मान्य नहीं थे। हमने राज्य के नागरिकों के लिए लॉकडाउन आदेश की भाषा के आधार पर प्रत्येक कार्यकारी आदेश को "कठोरता" स्कोर प्रदान किया:

आदेशित/अधिदेशित: 3
निर्देशित : 2
सुझाव/प्रोत्साहित: 1
कोई आदेश नहीं: 0

हमने पाया कि सात (7) राज्य थे जिनका स्कोर 0 था क्योंकि उन्होंने घर पर रहने के आदेश जारी नहीं किए थे: नॉर्थ डकोटा, साउथ डकोटा, व्योमिंग, आयोवा, ओक्लाहोमा, नेब्रास्का और अर्कांसस। अतिरिक्त तीन (3) राज्य थे जिनका स्कोर 1 था क्योंकि सरकारों ने केवल नागरिकों को घर पर रहने का सुझाव दिया या प्रोत्साहित किया, लेकिन उन्हें ऐसा करने की आवश्यकता नहीं थी, न ही प्रवर्तन के साधन प्रदान किए: यूटा, केंटकी और टेनेसी। 

लॉकडाउन बनाम गैर-लॉकडाउन राज्यों के लिए हमारा मानदंड इसकी सादगी में पिछले अध्ययनों से अलग है (यानी कार्यकारी आदेशों में केवल भाषा की कठोरता पर ध्यान केंद्रित करना)। लेकिन गैर-लॉकडाउन राज्यों की हमारी परिणामी सूची में गैर-लॉकडाउन के रूप में सूचीबद्ध सभी सात राज्य शामिल हैं बैलटपीडिया, और सीडीसी द्वारा प्रायोजित अध्ययन द्वारा पहचाने गए सभी चार गैर-लॉकडाउन राज्य शामिल हैं मोरलैंड एट अल। (2020)

हमने इन दस गैर-लॉकडाउन राज्यों के परिणामों की तुलना लॉकडाउन राज्यों के साथ की, जो एक सीमा साझा करते हैं, इस धारणा के तहत कि वायरल प्रसार राज्य की सीमाओं से बाधित नहीं है। इस अध्ययन में हम एक निर्दिष्ट समय अवधि में कुल सर्व-कारण मृत्यु दर (एसीएम) पर ध्यान केंद्रित करते हैं, जो कि लॉकडाउन प्रभावकारिता के मीट्रिक के रूप में है। नीचे बताए अनुसार हम तीन समय अवधियों का उपयोग करते हैं। 

हमने प्रत्येक राज्य के लिए प्रति सप्ताह कॉमा-सेपरेटेड-वैल्यू (सीएसवी) फाइलें डाउनलोड कीं, जिनमें एसीएम शामिल है सीडीसी वंडर वेबसाइट. हमने प्रत्येक राज्य के साप्ताहिक एसीएम डेटा को उस राज्य की जनसंख्या से विभाजित किया (अमेरिका की जनगणना, 1 अप्रैल, 2020), जिसके परिणामस्वरूप प्रति सप्ताह प्रति व्यक्ति मौतों की संख्या (डीPCW). इस रिपोर्ट के दौरान हम डी व्यक्त करते हैंPCW प्रति 10,000 निवासियों पर मौतों की संख्या के रूप में। 

मृत्यु दर की सटीक राज्य-दर-राज्य तुलना की अनुमति देने के लिए एक अतिरिक्त सुधार कदम आवश्यक है। आयु वितरण, मोटापे की दर, गरीबी के स्तर, शारीरिक और मानसिक विकलांगता दर और अन्य स्वास्थ्य निर्धारकों में अंतर डी में आंतरिक अंतर को जन्म देगा।PCW विभिन्न राज्यों में। ये अंतर सामूहिक रूप से डी में ऑफसेट में प्रकट होते हैंPCW गैर-महामारी वर्षों (2020 से पहले) के दौरान देखा गया। 

उदाहरण के लिए, चित्र 1 डी की तुलना दिखाता हैPCW वर्ष 2014-2020 के दौरान न्यूयॉर्क और फ्लोरिडा के बीच। जैसा कि सभी राज्य-वार तुलनाओं के साथ होता है, न्यूयॉर्क और फ्लोरिडा में उल्लेखनीय रूप से डीPCW सप्ताह से सप्ताह और साल दर साल, फिर भी एक स्पष्ट और लगभग स्थिर ऑफसेट है। 

हम एक कारक H की गणना करके इस ऑफ़सेट के लिए सही करते हैंराज्य, जो राज्य के डी के अनुपात का औसत मूल्य हैPCW और डीPCW 1 जनवरी, 2014 से 31 दिसंबर, 2020 तक एक संदर्भ राज्य का। हमने H की गणना के लिए एक संदर्भ राज्य के रूप में न्यूयॉर्क को चुनाराज्य. संदर्भ राज्य का यह विकल्प मनमाना है, लेकिन न्यूयॉर्क की बड़ी आबादी का मतलब है कि, ज्यादातर मामलों में, एच में त्रुटिराज्य डी में पोइसन त्रुटियों का प्रभुत्व हैPCW ब्याज की स्थिति का। 

चित्र 1 में दिखाए गए उदाहरण में, फ़्लोरिडा का स्वास्थ्य-स्थिति सुधार कारक Hराज्य = 0.537, यह दर्शाता है कि न्यूयॉर्क ने 53.7% कम D का अनुभव कियाPCW फ्लोरिडा की तुलना में 2014 से 2020 तक, फ्लोरिडा में पुरानी आबादी के हिस्से में होने की संभावना है। प्रत्येक राज्यवार तुलना के लिए डीPCW हम राज्यों की जोड़ी को समान पैमाने पर लाने के लिए इस अनुपात को एक सुधार कारक के रूप में अपनाते हैं, जिससे महामारी के दौरान मृत्यु दर की स्वास्थ्य-स्थिति-सही तुलना की अनुमति मिलती है। 

यह स्वास्थ्य-स्थिति सुधार कारक उचित है क्योंकि हम लॉकडाउन वाले और बिना लॉकडाउन वाले राज्यों के बीच अंतर तुलना कर रहे हैं। हम पूछ रहे हैं, "लॉकडाउन उपायों के लागू होने के बाद, राज्यों की प्रत्येक जोड़ी में समायोजित प्रति व्यक्ति एसीएम के बीच आंशिक अंतर क्या है?" यह मानता है कि पड़ोसी राज्यों की आबादी के स्वास्थ्य की स्थिति में अंतर को दूर करने के बाद समायोजित प्रति व्यक्ति एसीएम पर सबसे बड़ा प्रभाव लॉकडाउन के लागू होने का था। यह धारणा उचित है क्योंकि लॉकडाउन के परिणामस्वरूप राष्ट्रीय और क्षेत्रीय अर्थव्यवस्थाओं, स्वास्थ्य देखभाल प्रणालियों और सामान्य सामाजिक ताने-बाने में बड़े पैमाने पर व्यवधान होने की उम्मीद है।

चित्रा 1

चित्रा 1: प्रति व्यक्ति मृत्यु, प्रति सप्ताह (डीPCW) फ्लोरिडा (नीला) और न्यूयॉर्क (लाल) में। बाएं हाथ का पैनल डी में ऑफसेट दिखाता हैPCW, जिसे हम प्रत्येक राज्य की जनसंख्या स्वास्थ्य स्थिति (आयु संरचना, गरीबी स्तर, मोटापा दर, आदि) में अंतर के लिए जिम्मेदार ठहराते हैं। दाईं ओर का पैनल सही डी दिखाता हैPCW, जो 2020 के बाद से इन दोनों राज्यों के बीच अंतर तुलना की अनुमति देता है।

COVID अवधि के दौरान मृत्यु दर पर लॉकडाउन के प्रभाव की मात्रा निर्धारित करने के लिए हम प्रति व्यक्ति एकीकृत (कुल) स्वास्थ्य-स्थिति-सुधारित मौतों की गणना करते हैं, Dमुन्ना, एक चुनी हुई समयावधि में। फिर हम D के अनुपात की गणना करते हैंमुन्ना राज्यों की प्रत्येक जोड़ी के लिए, R द्वारा चिह्नित (लॉकडाउन को गैर-लॉकडाउन द्वारा विभाजित किया गया)। हम तीन अलग-अलग समय अवधियों का उपयोग करते हैं जिनमें हम डी की उम्मीद करते हैंमुन्ना, और R, लॉकडाउन उपायों के प्रभावों को पकड़ने के लिए:

Dकुल, 1: लॉकडाउन राज्य की लॉकडाउन अवधि का योग। 
Dकुल, 2: Rancourt et al द्वारा पहचाने गए "COVID पीक 1" (cp1) की अवधि का योग। (2021; 11वें हफ़्ते से 25 के 2020वें हफ़्ते तक)
Dकुल, 3: 11 मार्च, 2020 से 31 दिसंबर, 2021 तक की संपूर्ण अवधि का योग

इस पूरे पत्र में हम अपने एकीकृत, जनसंख्या-सामान्यीकृत और स्वास्थ्य-स्थिति-सुधारित मृत्यु अनुपात के लिए लॉकडाउन और गैर-लॉकडाउन राज्यों की प्रत्येक जोड़ी-वार तुलना के लिए और स्वास्थ्य-स्थिति-सुधारित एकीकृत प्रति व्यक्ति के लिए 95% विश्वास अंतराल की रिपोर्ट करते हैं। मृत्यु दर जो हम रिपोर्ट करते हैं। इन विश्वास अंतरालों की गणना इस धारणा के तहत की जाती है कि त्रुटि का प्रमुख स्रोत गिनती के आँकड़ों से आता है।

परिणाम

हमारे परिणामों को नीचे दिए गए आंकड़ों में संक्षेपित किया गया है। 

आंकड़े 2, 3 और 4 में, y-अक्ष उन सभी 38 लॉकडाउन/गैर-लॉकडाउन राज्यों को सूचीबद्ध करता है, जिनका उपयोग मृत्यु दर परिणामों की तुलना करने के लिए किया जाता है, पहले लॉकडाउन राज्य सूचीबद्ध होता है, उसके बाद गैर-लॉकडाउन स्थिति होती है। नीले बिंदु अनुपात का बिंदु-अनुमान दिखाते हैं, आर, और संबंधित त्रुटि बार 95% विश्वास अंतराल दिखाते हैं; ऊर्ध्वाधर धराशायी रेखा एकता को चिह्नित करती है। ऊर्ध्वाधर रेखा के बाईं ओर के मान उन उदाहरणों को इंगित करते हैं जिनमें लॉकडाउन राज्य में गैर-लॉकडाउन राज्य की तुलना में कम स्वास्थ्य-स्थिति-संशोधित प्रति व्यक्ति मृत्यु का अनुभव हुआ। रेखा के दाईं ओर के मान इंगित करते हैं कि लॉकडाउन राज्य में गैर-लॉकडाउन राज्य की तुलना में प्रति व्यक्ति मौतों में अधिक स्वास्थ्य-स्थिति-सुधार का अनुभव हुआ।

चित्रा 2

चित्रा 2: वाई-अक्ष पर सूचीबद्ध राज्यों की प्रत्येक पड़ोसी जोड़ी के लिए प्रति व्यक्ति एसीएम अनुपात (आर) समायोजित स्वास्थ्य-स्थिति। यह अनुपात कोविड चरम (3/11/2020 - 6/24/2020) के अनुरूप समय अवधि में प्रत्येक राज्य में सभी मौतों के योग पर आधारित है। त्रुटि पट्टियां प्रत्येक जोड़ी के अनुपात के लिए 95% विश्वास अंतराल दिखाती हैं । ऊर्ध्वाधर रेखा के बाईं ओर के अनुपात से संकेत मिलता है कि लॉकडाउन राज्य में गैर-लॉकडाउन राज्य की तुलना में कम मौतें हुईं, जबकि ऊर्ध्वाधर रेखा के दाईं ओर के अनुपात से संकेत मिलता है कि लॉकडाउन वाले राज्यों में अधिक मौतें हुईं।

चित्रा 3

चित्रा 3: वाई-अक्ष पर सूचीबद्ध राज्यों की प्रत्येक पड़ोसी जोड़ी के लिए प्रति व्यक्ति एसीएम अनुपात (आर) समायोजित स्वास्थ्य-स्थिति। अनुपात लॉकडाउन राज्य की लॉकडाउन अवधि के अनुरूप समय अवधि में प्रत्येक राज्य में सभी मौतों के योग पर आधारित है। त्रुटि पट्टियां प्रत्येक जोड़ी के अनुपात के लिए 95% विश्वास अंतराल दिखाती हैं । ऊर्ध्वाधर रेखा के बाईं ओर के अनुपात से संकेत मिलता है कि लॉकडाउन राज्य में गैर-लॉकडाउन राज्य की तुलना में कम मौतें हुईं, जबकि ऊर्ध्वाधर रेखा के दाईं ओर के अनुपात से संकेत मिलता है कि लॉकडाउन वाले राज्यों में अधिक मौतें हुईं।

चित्रा 4

चित्रा 4: वाई-अक्ष पर सूचीबद्ध राज्यों की प्रत्येक पड़ोसी जोड़ी के लिए प्रति व्यक्ति एसीएम अनुपात (आर) समायोजित स्वास्थ्य-स्थिति। यह अनुपात हमारे डेटा सेट (11 मार्च, 2020 - 25 जनवरी, 2022) में पूरे "कोविड युग" में प्रत्येक राज्य में हुई सभी मौतों के योग पर आधारित है। त्रुटि पट्टियां प्रत्येक जोड़ी के अनुपात के लिए 95% विश्वास अंतराल दिखाती हैं । ऊर्ध्वाधर रेखा के बाईं ओर के अनुपात से संकेत मिलता है कि लॉकडाउन राज्य में गैर-लॉकडाउन राज्य की तुलना में कम मौतें हुईं, जबकि ऊर्ध्वाधर रेखा के दाईं ओर के अनुपात से संकेत मिलता है कि लॉकडाउन वाले राज्यों में अधिक मौतें हुईं।

यदि लॉकडाउन ने लोगों की जान बचाई, तो हम उम्मीद करेंगे कि अधिकांश एसीएम अनुपात (आर) एक से कम होंगे। इसके बजाय, हम विपरीत देखते हैं। सभी तीन एकीकरण अवधियों के लिए, अधिकांश अनुपात एक से बड़े होते हैं। cp1 (लॉकडाउन, पूर्ण) अवधि के लिए, 28 (28, 21) जोड़े का ACM अनुपात (R) एक से बड़ा है, जबकि 0 (0, 9) जोड़े का अनुपात एक से कम है, और शेष 10 (10, 8) जोड़े में 95% विश्वास पर एकता से R अप्रभेद्य है। 

इस प्रकार, तीन समयावधियों के लिए आर मूल्यों का हमारा विश्लेषण जिसके दौरान लॉकडाउन के प्रभाव की उम्मीद की जाती है, यह दर्शाता है कि पिछले दो वर्षों के एसीएम डेटा इस परिकल्पना के साथ असंगत हैं कि लॉकडाउन ने जीवन को बचाया। दूसरी ओर, हमारे परिणाम रेनकोर्ट एट अल के निष्कर्ष के अनुरूप हैं। (2021) कि संयुक्त राज्य अमेरिका में COVID अवधि में अधिक मौतें सरकार और चिकित्सा उपायों और घोषित महामारी की प्रतिक्रियाओं के कारण होती हैं।

चित्र 4 15-सप्ताह के "कोविड पीक 1" अवधि (सीपी1; 11 के 25वें से 2020वें सप्ताह तक) के लिए व्यक्तिगत रूप से (लाल) और उसी 15-सप्ताह के एकीकरण के लिए प्रति व्यक्ति स्वास्थ्य-स्थिति-सुधारित एकीकृत मौतों को दर्शाता है। 2019 (नीला) और 2018 (हरा) में विंडो। यहां, राज्यों को औसत राज्य-वार जनसंख्या घनत्व के घटते क्रम में, ऊपर से नीचे, क्रमबद्ध किया जाता है, जिसे अक्सर एक छूत की बीमारी के प्रसार का कारक माना जाता है। मजेंटा में राज्य के नाम हमारे दस गैर-लॉकडाउन राज्यों के अनुरूप हैं, जिनका लॉकडाउन कठोरता स्कोर 0 या 1 है। सियान में राज्य के नाम लॉकडाउन राज्य हैं जो एक गैर-लॉकडाउन राज्य के साथ एक सीमा साझा करते हैं, जिसका उपयोग हमने आर की गणना में किया था। . 

15 और 1 के 2019-सप्ताह के "cp2018" अवधि में स्वास्थ्य-स्थिति-सुधारित एकीकृत सर्व-कारण मृत्यु दर के मूल्यों को सभी राज्यों के लिए प्रति 14 लगभग 10,000 मौतों के मान तक सीमित कर दिया गया है (चित्र 5), जबकि संबंधित मान COVID अवधि में राज्य से राज्य में व्यापक रूप से भिन्न हैं, 2019 के आधारभूत मूल्य से लेकर न्यू जर्सी के लिए 25 प्रति 10,000 तक, और आमतौर पर 15 से 21 प्रति 10,000 तक बड़े हैं। गैर-लॉकडाउन राज्यों के नाम y-अक्ष रंगीन मैजेंटा पर हैं, जबकि लॉकडाउन राज्यों का उपयोग आर की गणना में हमारी तुलना के रूप में किया जाता है, जो सियान रंग के होते हैं। 

चित्र 5 से पता चलता है कि हमारे दस गैर-लॉकडाउन राज्यों में 15-सप्ताह के cp1 में पूर्व-कोविड (2018 और 2019) आधारभूत मूल्य लगभग 14 प्रति 10,000 पर स्वास्थ्य-स्थिति-सुधारित एकीकृत सर्व-कारण मृत्यु दर है, जबकि अधिकांश 2 और 3 के लॉकडाउन कठोरता स्कोर वाले राज्यों में मृत्यु दर पूर्व-सीओवीआईडी ​​​​बेसलाइन मूल्यों से काफी अधिक है।

चित्रा 5

चित्रा 5: 1 में समान समय अवधि की तुलना में cp11 अवधि (29 मार्च-जून 2020 2019; लाल) में एकीकृत स्वास्थ्य-स्थिति में सुधार ACMनीला) और 2018 (हरा). घटते जनसंख्या घनत्व में राज्यों को ऊपर से नीचे की ओर क्रमित किया गया। मैजंटा जबकि गैर-लॉकडाउन राज्यों को इंगित करता है सियान लॉकडाउन उन राज्यों को दर्शाता है जो गैर-लॉकडाउन राज्यों के साथ सीमा साझा करते हैं।

जबकि लॉकडाउन के कारण अतिरिक्त मृत्यु दर का सटीक अनुमान इस पेपर के दायरे से बाहर है, हम चित्र 5 के आधार पर एक मोटा अनुमान लगा सकते हैं। तीन सबसे अधिक आबादी वाले राज्यों (कैलिफोर्निया, टेक्सास, फ्लोरिडा) में कोविड-अवधि से ऊपर-बेसलाइन वृद्धि हुई है। लगभग 1 प्रति 10,000। एक कैलेंडर वर्ष (52 सप्ताह) के आधार पर, और पूरे संयुक्त राज्य अमेरिका के बराबर जनसंख्या के लिए, यह लगभग 110,000 मौतों के अनुरूप होगा, जिसे सीधे तौर पर लॉकडाउन के आदेश देने के प्रभावों के लिए जिम्मेदार ठहराया जा सकता है और जो तब नहीं होता यदि लॉकडाउन लागू नहीं किया गया था। यह मान 97,000/वर्ष के लॉकडाउन अतिरिक्त मृत्यु दर अनुमान के अनुरूप है मुलिगन और अरनोट (2022). 

चर्चा और निष्कर्ष

एक संक्रामक बीमारी के प्रसार को नियंत्रित करने के लिए संयुक्त राज्य अमेरिका की सामान्य आबादी को "संगरोध" करने के लिए लॉकडाउन का उपयोग राष्ट्र के इतिहास में बिना किसी मिसाल के किया गया है। पिछली महामारियों के दौरान, केवल बीमार और अशक्त लोगों को क्वारंटाइन किया गया था, जबकि बाकी आबादी कमोबेश सामान्य रूप से जारी रही। 

चिकित्सा पेशेवरों द्वारा इस "केंद्रित सुरक्षा" दृष्टिकोण की सिफारिश की गई थी ग्रेट बैरिंगटन घोषणा 2020 में, यह प्रदर्शित करते हुए कि लॉकडाउन के विकल्प मौजूद थे और चिकित्सा समुदाय के भीतर अच्छी तरह से समझे गए थे। हाल ही में 2019 में विश्व स्वास्थ्य संगठन ने इन्फ्लुएंजा महामारी के जोखिमों को कम करने के लिए अपनी सिफारिशों में समान दृष्टिकोण की वकालत की, जबकि सामान्य आबादी के लिए लॉकडाउन उपायों का कोई उल्लेख नहीं किया (WHO 2019). दरअसल, डब्ल्यूएचओ की रिपोर्ट में विशेष रूप से कहा गया है कि उजागर व्यक्तियों को क्वारंटाइन करना "अनुशंसित नहीं है क्योंकि इस उपाय के लिए कोई स्पष्ट तर्क नहीं है" (उनकी तालिका 1 और 4 देखें)। इसी प्रकार, द संयुक्त राज्य अमेरिका के लिए इन्फ्लुएंजा महामारी तैयारी कार्य योजना लॉकडाउन का कोई उल्लेख नहीं करता है और कहता है कि "...प्रवेश के बंदरगाहों पर क्लिनिकल स्क्रीनिंग और संगरोध जैसे कुछ संक्रामक एजेंटों के परिचय और संचरण के जोखिम को कम करने के लिए डिज़ाइन किए गए शास्त्रीय उपायों के प्रभावी होने की संभावना नहीं है" (स्ट्रिकस एट अल। 2002). 

इन्फ्लूएंजा महामारी के हस्तक्षेप पर उपलब्ध साहित्य की समीक्षा में, इंगल्सबी एट अल। (2006) बीमार और स्वस्थ व्यक्तियों दोनों के लिए इन्फ्लूएंजा महामारी की स्थिति में संगरोध उपायों के खिलाफ स्पष्ट रूप से सिफारिश करें, क्योंकि सामाजिक लागतों से लाभ की तुलना में बहुत अधिक होने की उम्मीद है। उन्होंने निष्कर्ष निकाला, "[ई] अनुभव ने दिखाया है कि महामारी या अन्य प्रतिकूल घटनाओं का सामना करने वाले समुदाय सबसे अच्छी प्रतिक्रिया देते हैं और कम से कम चिंता के साथ जब समुदाय की सामान्य सामाजिक कार्यप्रणाली कम से कम बाधित होती है।" ये सिफारिशें इन्फ्लूएंजा महामारी की तैयारी और प्रतिक्रिया से परे हैं। शीर्षक वाली रिपोर्ट में एक उच्च प्रभाव श्वसन रोगजनक महामारी के लिए तैयारी, लेखकों का निष्कर्ष है कि संगरोध रोग प्रसार को रोकने में कम से कम प्रभावी गैर-दवा उपायों में से एक है (जॉन्स हॉपकिन्स सेंटर फॉर हेल्थ सिक्योरिटी 2019).

इस प्रकार, अधिकांश अमेरिकी राज्यों, साथ ही दुनिया भर के कई देशों द्वारा 2020 में लागू किए गए लॉकडाउन उपायों ने संक्रामक रोग नियंत्रण में एक अभूतपूर्व, बड़े पैमाने पर प्रयोग का प्रतिनिधित्व किया। हमने जिस सर्व-कारण मृत्यु दर का विश्लेषण किया है, वह हमें इस परिकल्पना का परीक्षण करने की अनुमति देता है कि लॉकडाउन ने COVID महामारी के दौरान जान बचाई। हम पाते हैं कि ये आंकड़े इस परिकल्पना के साथ असंगत हैं; बिना लॉकडाउन वाले पड़ोसी राज्यों की तुलना में लॉकडाउन वाले राज्यों में सर्व-कारण मौतों का अनुभव अधिक हुआ। इसलिए हम यह निष्कर्ष निकालते हैं कि यह प्रयोग सार्वजनिक स्वास्थ्य नीति की विफलता थी और भविष्य में बीमारी के प्रकोप के दौरान लॉकडाउन उपायों का उपयोग नहीं किया जाना चाहिए। 

हमारा यह निष्कर्ष कि लॉकडाउन वाले राज्यों में सर्व-कारण मृत्यु दर में वृद्धि हुई है, के निष्कर्षों के अनुरूप है अग्रवाल एट अल। (2021) जिन्होंने अमेरिका और 43 देशों में शेल्टर-इन-प्लेस ऑर्डर के कारण अतिरिक्त मृत्यु दर में सांख्यिकीय रूप से महत्वपूर्ण वृद्धि पाई। इसी प्रकार, मुलिगन और अरनोट (2022) का अनुमान है कि लॉकडाउन के कारण 97,000/वर्ष अतिरिक्त मौतें हुईं, अतिरिक्त मृत्यु दर सभी वयस्क आयु समूहों के बीच समान रूप से वितरित की गई, जबकि कोविड से होने वाली मौतों को आमतौर पर बुजुर्गों के बीच जिम्मेदार ठहराया गया था।

सामान्य-जनसंख्या लॉकडाउन थोपने और सर्व-कारण मृत्यु दर में वृद्धि के बीच मजबूत संबंध को देखते हुए, ऊपर प्रदर्शित (आंकड़े 2-5), इस संघ के कारण या कारणों के लिए परिकल्पना करना उचित है। 

जाहिर है, उच्च-मध्यम और पेशेवर वर्गों के विशेषाधिकार प्राप्त अमेरिकी घर पर रहने से नहीं मरे। हालांकि, यह मान लेना अनुचित नहीं है कि सामान्य-जनसंख्या लॉकडाउन नियम और आदेश फिर भी आक्रामकता की डिग्री (परित्याग सहित) के प्रतिनिधि या वैधानिक संकेतक हैं, जिसके साथ राज्य में सामाजिक संस्थानों ने घोषित महामारी का जवाब दिया या प्रतिक्रिया व्यक्त की। इन संस्थानों में स्कूल, देखभाल घर, अस्पताल, क्लीनिक, विकलांगता सेवाएं, डे केयर सुविधाएं, पुलिस सेवाएं, परिवार और सामाजिक सेवाएं आदि शामिल होंगी।

हम इसे अस्थायी रूप से आगे बढ़ाते हैं क्योंकि इसकी पूरी संभावना है कि लॉकडाउन से जुड़ी अतिरिक्त मौतें ऐसे व्यक्तियों के पूल से होती हैं जिनके जीवन और समर्थन नेटवर्क में बड़े और नकारात्मक व्यवधानों से घातक परिणाम भुगतने का विशेष रूप से उच्च जोखिम होता है। अनुभवी तनाव और सामाजिक अलगाव और रोग की गंभीरता और मृत्यु दर दोनों के बीच ज्ञात संबंध को देखते हुए, यह मृत्यु के वास्तविक यंत्रवत कारण के बावजूद सही होगा, प्रतिरक्षा प्रणाली पर प्रभाव के माध्यम से (एडर और कोहेन 1993; कोहेन एट अल। 1991; कोहेन एट अल। 1997; कोहेन एट अल। 2007; सापोलस्की 2005; प्रेंडरविल एट अल।, 2015; धाभर 2014; रेनकोर्ट एट अल। 2021). वास्तव में, इस बात के पर्याप्त प्रमाण हैं कि लॉकडाउन में बड़ी वृद्धि हुई है बेरोजगारी और मानसिक स्वास्थ्य का एक सामान्य बिगड़ना (जैसे ज्वेल एट अल। 2020, Czeisler एट अल। 2020). 

सीडीसी वंडर वेबसाइट के माध्यम से उपलब्ध एसीएम डेटा राज्य और जनसांख्यिकी दोनों से अलग नहीं है, इसलिए हम यह जांचने में सक्षम नहीं थे कि प्रत्येक राज्य में कौन से जनसांख्यिकीय समूह मर रहे थे और वे कैसे मर रहे थे। हालाँकि, जनसांख्यिकीय जानकारी राष्ट्रीय स्तर पर उपलब्ध है, और मुलिगन और अरनोट (2022) में 18-65 वर्ष की आयु के लोगों में अत्यधिक मृत्यु दर में बड़ी वृद्धि देखी गई, जो एक जनसांख्यिकीय है जो COVID से उच्च जोखिम में नहीं था। 

इसी तरह, रेनकोर्ट एट अल। (2021) ने पाया कि महामारी की अवधि में सर्व-कारण मृत्यु दर का अस्थायी और स्थानिक वितरण एक वायरल श्वसन रोग के प्रभावों के साथ असंगत है। उन्हें इस बात के प्रमाण मिले कि महामारी के दौरान होने वाली कई अतिरिक्त मौतों में बैक्टीरियल निमोनिया संक्रमण का गलत निदान किया गया था, जो संभवतः अमेरिकी स्वास्थ्य प्रणाली में व्यवधान के कारण हुआ था।

इस प्रकार, इस परिकल्पना का समर्थन करने वाले मजबूत सबूत मौजूद हैं कि लॉकडाउन ने अमेरिका में कमजोर जनसांख्यिकी पर अचानक और गंभीर तनाव का बोझ डाला, जिससे उन राज्यों में मृत्यु में उल्लेखनीय वृद्धि हुई, जिन्होंने लॉकडाउन को रोग नियंत्रण उपायों के रूप में इस्तेमाल किया।

यह सारांश से लिया गया है लेखकों का बड़ा अध्ययन.



ए के तहत प्रकाशित क्रिएटिव कॉमन्स एट्रिब्यूशन 4.0 इंटरनेशनल लाइसेंस
पुनर्मुद्रण के लिए, कृपया कैनोनिकल लिंक को मूल पर वापस सेट करें ब्राउनस्टोन संस्थान आलेख एवं लेखक.

लेखक

  • जॉन जॉनसन

    जॉन जॉनसन सेंटर फॉर एस्ट्रोफिजिक्स में खगोल विज्ञान के प्रोफेसर हैं हार्वर्ड और स्मिथसोनियन। जॉन के अनुसंधान इतिहास में एक्सोप्लैनेट्स का पता लगाना और अवलोकन करना, डेटा एकत्र करना और हमारे सौर मंडल से परे दुनिया के शिकार में उपयोग किए जाने वाले उपकरणों का डिज़ाइन और निर्माण शामिल है।

    सभी पोस्ट देखें
  • डेनिस रैंकोर्ट

    डेनिस रैनकोर्ट 23 वर्षों तक ओटावा विश्वविद्यालय में भौतिकी के प्रोफेसर और प्रमुख वैज्ञानिक थे। वह अब दवा, COVID-19, व्यक्तिगत स्वास्थ्य, जलवायु परिवर्तन, भू-राजनीति, नागरिक अधिकार, राजनीतिक सिद्धांत और समाजशास्त्र के बारे में लिख रहे हैं। डेनिस ने विज्ञान और प्रौद्योगिकी के तकनीकी क्षेत्रों में 100 से अधिक सहकर्मी-समीक्षित-जर्नल लेख लिखे हैं।

    सभी पोस्ट देखें

आज दान करें

ब्राउनस्टोन इंस्टीट्यूट को आपकी वित्तीय सहायता लेखकों, वकीलों, वैज्ञानिकों, अर्थशास्त्रियों और अन्य साहसी लोगों की सहायता के लिए जाती है, जो हमारे समय की उथल-पुथल के दौरान पेशेवर रूप से शुद्ध और विस्थापित हो गए हैं। आप उनके चल रहे काम के माध्यम से सच्चाई सामने लाने में मदद कर सकते हैं।

अधिक समाचार के लिए ब्राउनस्टोन की सदस्यता लें

ब्राउनस्टोन इंस्टीट्यूट से सूचित रहें