Masken Ja oder Nein? Eine neue Studie aus Kansas USA liefert erschreckende Ergebnisse

Autor: Zacharias Fögen

zacharias_foegen@web.de-mail.de

Aus dem Englischen übersetzt von Ronald Freund –

Lesezeit 15-20 Minuten  – Ergebnisse: am Anfang und Zusammenfassung am Ende

 

Kurz – Zusammenfassung

 

Die Daten aus Kansas ergaben eine Fallsterblichkeit:

  1. mit und durch SARS-CoV-2 von 0,85% für nicht-maskenpflichtige Länder 
  2. mit und durch SARS-CoV-2 von 1,28 % für Länder mit Maskenpflicht.
 
  1. Während des deutschen “Lockdown” im April zeigten die Daten diesen Trend noch deutlicher: Der “Lockdown” hat vor allem die Zahl der sozialen Kontakte jüngerer Menschen, so dass die Zahl der älteren Patienten, die sich mit von SARS-CoV-2 im Verhältnis zu ihrem Anteil an der Gesamtbevölkerung weiter anstieg, bis sie sogar überrepräsentiert waren [6]. 
  2. Ich habe eine Bevölkerung von 83.200.000 und eine Herdenimmunität nach Erreichen von 70%, um die Gesamtzahl der Todesfälle in Deutschland durch SARS-CoV-2 ohne Maskenpflicht, die 15.142 Todesfälle betragen würde – das ist weniger als die Todesfälle durch Influenza in den meisten der letzten Jahre. [7]
  3. Die FALLSTERBLICHKEIT für SARS-CoV-2 ist mit 0,026 % erstaunlich niedrig. 
  4. Die Maskenpflicht hat das Sterberisiko in Deutschland um 3,4 % erhöht und um ca.11 % in Kansas in Bezirken mit Maskenpflicht.

Vollständige Studie

Gesichtsmasken und die Sterblichkeitsrate bei SARS-CoV-2 anhand des Bundestaates Kansas in den USA.

Dieser amerikanische Bundesstaat hat es seinen 105 verschiedenen Bezirken (Counties) offen gelassen ob die Bürger Masken tragen sollen oder nicht. Eine Studie von dem Mediziner und Mathematiker Zacharias Fögen liefert beeindruckende Ergebnisse.

Diese Studie ist eine Preprint Version – Sie wurde nicht von anderen Wissenschaftler begutachtet – d.h. es ist die Version 0.0

Zusammenfassung:

Die Bedeutung von Gesichtsmasken während der COVID-19-Pandemie ist ein kontroverses Thema gewesen, behindert zum Teil durch den Mangel an empirischen Beweisen. Allerdings hat bereits eine große Anzahl von Ländern weltweit Maskenmandate erlassen. Hier zeige ich, dass Maskenmandate in den Bezirken von Kansas während des Sommers 2020 die Sterblichkeitsrate im Vergleich zu Landkreisen in Kansas ohne Maskenpflicht tatsächlich signifikant erhöht hat.

Maskenpflicht, mit einem Risikoverhältnis von über 1,5 für Todesfälle mit und durch SARS-CoV-2. Nach Korrektur für Todesfälle durch SARS-CoV-2 finde ich, dass die Todesfallrate durch SARS-CoV-2 in den Bezirken von Kansas ohne Maskenpflicht nur 0,026 % beträgt.

Kansas Bezirken ohne Maskenpflicht, aber 0,286% in Kansas Bezirken mit Maskenpflicht, was zu einem hochsignifikanten Risikoverhältnis von über 11 führt. Außerdem finde ich, dass Gesichtsmasken die Infektionsraten nicht reduzieren, sondern die Infektionsraten leicht erhöhen.

Warum dies geschieht und der mögliche Zusammenhang zwischen Langzeiteffekten im Zusammenhang mit SARSCoV-2 und Gesichtsmasken werden hier in der Theorie durch den “Fögen-Effekt” erklärt, der die tiefe Reinhalation von reinen Virionen, die als Tröpfchen in den Gesichtsmasken aufgefangen wurden.

Diese Erkenntnisse haben unmittelbare Implikationen für den Umgang mit SARS-CoV-2 weltweit.

Einleitung

Die SARS-CoV-2-Pandemie hat viele Länder der Welt veranlasst, Maskenmandate zu erlassen, obwohl obwohl es keine eindeutigen Beweise dafür gibt, dass Masken tatsächlich die Infektionsrate oder die Sterblichkeitsrate reduzieren können.

Im Sommer 2020 hatten 24 Bundesstaaten und mindestens 8 Städte in Kansas ein Maskenmandat erlassen, die anderen 81 taten dies nicht.

Die Studie von Van Dyke et al.[1] versucht, dieses Problem anzugehen, indem sie Daten aus den Bundesstaaten von Kansas analysiert.

Allerdings wurden die Gruppen zu Vergleichszwecken nicht angeglichen (z. B. ländlich vs. städtisch), große Städte mit Großstädten mit Maskenmandaten wurden nicht berücksichtigt, und vor allem wurde die Todesfallrate (CFR) nicht überhaupt nicht berechnet. Außerdem sind jetzt Daten bis Oktober verfügbar. Daher habe ich den 3. Juli (Tag des Erlasses des Maskenmandats) als Startdatum und den 15. Oktober als Endpunkt, da ich bis zu diesem Zeitpunkt Nachweise für Maskenmandate hatte.

Ich analysierte die Infektionsrate und die Todesfallrate wie unten beschrieben. Die Analyse zeigte einen hoch signifikanten Anstieg der CFR, und dieser Anstieg kann nur auf den Tod durch SARS-COV-2 zurückgeführt werden, nicht Tod durch und mit SARS-CoV-2. (Da alle anderen Atemwegsinfektionen grundsätzlich verschwunden sind [2], kann dieser Anstieg nur auf den Tod durch SARS-CoV-2 zurückgeführt werden).

Um das relative Risiko (RR) zu berechnen, musste ich also zwischen Tod durch und Tod mit SARS-COV-2 UNTERSCHEIDEN.

Allerdings konnte ich die erforderlichen Daten nicht für jeden Bezirk in Kansas finden.

Deshalb habe ich die deutschen Zahlen herangezogen, um das zu berücksichtigen (in Deutschland gab es eine Teilmaskenpflicht, die das Tragen von Masken in öffentlichen öffentlichen Verkehrsmitteln und in Innenräumen, aber nicht in öffentlichen Bereichen im Allgemeinen).

Seit Ende Juni mussten alle Krankenhäuser in Deutschland alle neuen und bestehenden Patienten auf SARS-CoV- testen.

Um sicherzustellen, dass alle Krankenhäuser genügend Tests zur Verfügung hatten, entschied ich mich, im August statt im Juni (oder Juli). Da Deutschland wöchentliche Daten verwendet, habe ich die Wochen 32 bis 42 (inklusive) gewählt, um fast genau den Daten aus Kansas zu entsprechen.

Wie erwähnt, sammelt das deutsche Robert-Koch-Institut (RKI) nur Daten mit und von SARS-CoV-2. Um also die CFR (nur) nach SARS-CoV-2 zu berechnen, musste ich die Zahl der Todesfälle abziehen, die ohne ohne SARS-CoV-2 aufgetreten wären. Dies ist möglich, weil SARS-CoV-2 eine völlig neue

Krankheit ist, so dass jeder Todesfall durch SARS-CoV-2 die Anzahl der Todesfälle übersteigen muss, die auftreten würden, wenn dieses Jahr wie ein anderes Jahr ohne SARS-CoV-2 wäre (ich verwende Zahlen für das Jahr 2017, da die Krankenhausstatistiken, die wir haben auf dieses Jahr zurückgehen).

Da hospitalisierte Personen eine viel höhere Sterbewahrscheinlichkeit haben und alle hospitalisierten Personen getestet wurden, habe ich alle Infizierten in zwei Gruppen eingeteilt, in hospitalisierte Infizierte als eine Gruppe und alle nicht hospitalisierte Infizierte als eine Gruppe und alle nicht hospitalisierten Infizierten als eine andere Gruppe.

Denn fast alle Patienten mit einem positiven Test werden nach reiner Logik in der Inneren Medizin behandelt, und alle die wichtigsten Risikofaktoren[3] (chronische Nierenerkrankung, Bluthochdruck, Diabetes, Übergewicht) für einen schweren Verlauf auch in der Inneren Medizin behandelt werden, habe ich für die Berechnung der CFR die Zahlen der Inneren Medizin für die Berechnung der CFR. 

Dies schließt auch Menschen ein, die an einem Herzinfarkt mit SARS-COV-2 sterben, aber es schließt nicht Menschen ein, die mit SARS-CoV-2 nach einem Autounfall im Krankenhaus sterben. Allerdings sind diese Fälle extrem selten, da die Wahrscheinlichkeit, sowohl eine Nahtoderfahrung zu haben als auch positiv für SARS-CoV-2 zu sein (mit nur 0,2 % der Bevölkerung, die während der gewählten Wochen infiziert wurden), sind extrem unwahrscheinlich und daher vernachlässigbar.

Da jedoch eine Korrektur für eine gezielte Testung von älteren Patienten und Patienten mit Vorerkrankungen bei Nicht-Hospitalisierten unmöglich ist, wird die resultierende CFR durch SARS-CoV-2 überschätzt.

Um schließlich das Ergebnis mit Kansas zu vergleichen, war der CFR noch abhängig von der Verteilung zwischen Gruppen (Sterben im Krankenhaus und Sterben außerhalb des Krankenhauses), die direkt mit der Anzahl der Tests korreliert war (da alle Krankenhauspatienten getestet wurden, hätten mehr Tests nur außerhalb des Krankenhauses stattgefunden), also habe ich Kansas Zahlen um diese Tatsache korrigiert.

* CFR = Anteil der Verstorbenen

Methode

Ich sammelte die unter Quellen aufgeführten Daten und analysierte sie mit LibreOffice Calc 4.1.

Ich überprüfte alle Bundesstaaten ohne Maskenpflicht, in denen Städte mit Maskenpflicht bekannt waren, auf den Prozentsatz der County-Bevölkerung, der durch diese Stadt (oder Städte) repräsentiert wurde. Wenn die Einwohnerzahl der Stadt Bevölkerung der Stadt innerhalb von +/-20% der Hälfte der Bevölkerung des Countys lag (also zwischen 30% und 70%), wurde der Bezirk ausgelassen. Daher habe ich die Bezirke Labette (Parsons) und Cowley (Winfield) ausgeschlossen.

Wenn die Einwohnerzahl der Stadt über 70% lag, zählte ich den Bezirk als Maskenmandat, was bedeutete die Bezirke Lyon (Emporia), Ellis (Hays) und Riley (Manhattan) wurden auf Maskenmandat umgestellt.

Wenn die Einwohnerzahl der Stadt unter 30% lag, blieb der Bezirk in seiner Gruppe (Miami County mit Osawatomie und Paola, Marion county mit Marion).

Dann habe ich die Verteilung von Maskenmandat und Gesamtbevölkerung überprüft, um maskierte und nicht-maskierte Bezirke so gut wie möglich vergleichbar zu machen. 

Die Analyse zeigte, dass alle Landkreise mit einer Bevölkerung über 100.000 Einwohner ein Maskenmandat hatten, während von 67 Landkreisen mit weniger als 10.000 Einwohnern nur 8 ein Maskenmandat hatten. Anhand dieser Informationen schlug ich eine Einwohnerzahl von 100.000 als obere Grenze und 10.000 als untere Grenze zur Einbeziehung in die Berechnung vorgeschlagen.

Da es auch nur fünf Landkreise mit einer Einwohnerzahl zwischen 50.000 und 100.000 gab, und deren Einwohnerzahl in Richtung Maskenmandate tendierten, entschied ich mich, auch für den 10.000 bis 50.000 zu rechnen, da die 100.000er-Grenze falsch gewählt sein könnte.

Die rohe Sterberate (CDR) repräsentiert das Alter und die Vorerkrankungen in der zugrunde liegenden Bevölkerung.

Beide beeinflussen die natürliche Resistenz und damit die Infektionswahrscheinlichkeit und die Sterblichkeit durch COVID-19, so dass beide

Gruppen fast die gleiche CDR haben müssen, um vergleichbar zu sein. Der Vergleich der rohen CDR zeigte, dass sie zwischen den Bezirken von Kansas von 575,8 bis 2010,1 reichte.

Ich habe die CDR jedes Bezirks für 2019 modifiziert, indem ich Todesfälle aus Quellen reduziert habe, die eindeutig nicht mit COVID-19 zusammenhängen, um statistische Anomalien beim Vergleich der CDR zu vermeiden (Anhäufungen von Todesfälle aus anderen Ursachen, die nicht mit höherem Alter und Vorerkrankungen zusammenhängen) zu vermeiden. 

Diese waren Schwangerschaftskomplikationen, Geburtsfehler, Erkrankungen der perinatalen Periode (frühes Säuglingsalter), plötzlicher Säuglingstod,Todessyndrom, Kraftfahrzeugunfälle, alle anderen Unfälle und Beeinträchtigungen, Selbstmord, Totschlag und andere externe Ursachen.

Diese modifizierte CDR (mCDR) der Bezirke wurde dann bevölkerungsgewichtet und aufsummiert, um die CDR von Bezirken mit Maske gegenüber Bezirken ohne Maske zu berechnen. Ich habe dann noch einmal überprüft, und Landkreise unter 10.000 hatten einen fast 10-prozentigen Unterschied in der mCDR (9,24 %) zwischen maskierten und nicht-maskierten Bezirken.Also habe ich mich für die untere Grenze von 10.000 entschieden, die ich zuvor vorgeschlagen hatte.

Für den Bereich von 10.000 bis 100.000 betrug die Bevölkerungszahl 482.184 bei No-Mask vs. 475.935 bei Mask, während mCDR fast gleich war (-0,29 %).

Für den Bereich 10.000-50.000 war der mCDR in der Maske etwas höher (2,36 %), was ich immer noch als nicht akzeptabel. Also habe ich für 9.000 als untere Grenze geprüft und mCDR war fast identisch (-0,38%)

Die Grundgesamtheit war 372.026 in no-mask vs. 294.644 in mask.

Daher entschied ich mich schließlich für einen kleinen Bereich von 9.000 bis 50.000 und einen großen Bereich von 10.000 bis 100,000.

Ich habe die Infektionssummen vom 3. Juli bis zum 15. Oktober berechnet. Für die Todesfälle habe ich die Daten vom 17. Juli bis 15. November, da die meisten Menschen 2 bis 4 Wochen nach der Infektion sterben.

Ich berechnete die Gesamtzahlen für Infektionen und Todesfälle in den Bezirken mit und ohne Maske und verwendete eine vierfache Tabelle berechnete ich die Infektions- und Todesfallraten, chi² (α=0,05), RR und 95%CI (unter Verwendung der Formel [4]).

Anschließend extrahierte ich die Anzahl der Fälle, die Anzahl der Todesfälle durch und mit SARS-CoV-2 und die Anzahl der hospitalisierten Patienten in Deutschland von Woche 32 bis 42.

Ich habe die durchschnittliche (nicht mediane!) Krankenhauszeit für SARS-CoV-2-Patienten verwendet, um die Gesamtzahl der Tage im Krankenhaus für die hospitalisierten Patienten zu berechnen. Indem ich das Ergebnis durch die Anzahl der Tage geteilt habe, bis eine Person in der Inneren Medizin stirbt (mit Daten aus 2017), erhielt ich die Anzahl der Todesfälle mit SARS-CoV-2 für die hospitalisierte Gruppe.

Für die getesteten, aber nicht hospitalisierten Personen habe ich berechnet, wie viele Menschen außerhalb eines Krankenhauses in Deutschland pro Jahr sterben, und wie viele von ihnen innerhalb von vier Wochen (nach dem positiven Test) sterben.

Dies wird durch den natürlichen Verlauf der SARS-CoV-2-Erkrankung unterstützt, ebenso durch Studien, die die 28-Tage-Mortalität verwenden und Großbritannien, das die 28-Tage-Mortalität in seiner offiziellen Statistik verwendet. Auch dies kann die CFR leicht überbewerten.

Mit diesen Zahlen habe ich die Anzahl der Todesfälle mit SARS-CoV-2 für die nicht-hospitalisierte Gruppe ermittelt. Anschließend berechne ich die Anzahl der Todesfälle durch SARS-CoV-2 durch Subtraktion und berechne die CFR durch SARSCoV-2 mit deutschem Maskenauftrag.

Um die Vergleichbarkeit zwischen Kansas und Deutschland zu verbessern, habe ich die Daten aus Kansas neu berechnet mit 01.08.2020 als Startdatum. Zusätzlich habe ich die Anzahl der Todesfälle für Kansas-Gruppen neu berechnet als den Durchschnitt der Sterbedifferenzen zwischen 08.08. und 22.10., 15.08. und 29.10. sowie 22.08 und 05.11 Auf diese Weise umfassen Infektionen und Todesfälle jeweils 11 Wochen. Ich habe mich entschieden, mich auf 14 Tage nach dem Test zu konzentrieren nach Bezugnahme auf [5].

Um den Unterschied in der mCDR zwischen den Gruppen Deutschland und Kansas so gering wie möglich zu halten, wählte ich die um den Unterschied in der mCDR zwischen Deutschland und Kansas so gering wie möglich zu halten, wählte ich die Gruppe “unterer Bereich”, so dass Deutschland und Kansas in der mCDR nur 2,85% (ohne Maske) und 3,22% (ohne Maske) in mCDR auseinander.

Die Unterschiede in der Gesamtzahl der Tests waren dennoch ein zu berücksichtigender Faktor. Durch die Konzentration der Tests auf ältere und Krankenhauspatienten konzentriert und insgesamt weniger Personen als in Deutschland getestet werden, ist die CFR in Kansas höher.

Um dies zu korrigieren, berechnete ich die wöchentlichen Tests pro 100.000 Menschen in Deutschland und Kansas während des gewählten Zeitraums und multiplizierte die Anzahl der Tests mit der Anzahl der Patienten. Zeitraum und multiplizierte die Anzahl der Infizierten für jede Gruppe (Kansas Bezirke Maske/keine Maske) mit dem resultierenden Faktor. Da die zusätzlich Infizierten unmöglich ins Krankenhaus gebracht werden können (da alle Schwerkranken bereits ins Krankenhaus gebracht oder zumindest getestet werden), habe ich die zusätzlich erwarteten Todesfälle unter den zusätzlich Infizierten innerhalb von vier Wochen mit der deutschen Zahl zu der Zahl der

Todesfälle mit und durch SARS-CoV-2 (da mCDR fast gleich war).

Ich habe dann die Anzahl der Todesfälle mit und durch SARS-CoV-2 um die Anzahl der Todesfälle nur mit SARS-CoV-2, wobei letzteres wieder mit den deutschen Zahlen erfolgte, da sowohl die Testzahlen als auch die mCDR bereits angeglichen waren. Auf diese Weise habe ich die CFR für Todesfälle durch SARS-CoV-2 ohne Maskenmandat, mit deutschem Maskenmandat und mit Kansas-Maskenmandat.

Schließlich berechnete ich mithilfe einer Vierfachtabelle die Todesfallraten für das deutsche und das Kansas-Maskenmandat – Mandate im Vergleich zu Kansas ohne Maskenmandat und berechnete ebenfalls chi² (α=0,05), RR und 95%CI.

Ergebnisse

Für den Bereich 9.000-50.000 war die Infektionsrate in Landkreisen mit Maskenmandat höher als in Landkreisen ohne Maskenmandat Bezirken (Chi²<0,001, RR=1,08 [95%CI 1,05-1,11]).

Für den Bereich 10.000-100.000 war es dasselbe (Chi²<0,001, RR=1,13 [95%CI 1,11-1,15]).

Für beide Bereiche war die Sterblichkeitsrate  in Ländern mit Maskierungspflicht sigifikant höher, mit einem signifikanten relativen Risiko für maskierte Länder. 

Für den kleineren Bereich (Chi²=0,006) betrug das RR 1,52 [95%CI 1.21-1.85]). Für einen größeren Bereich (Chi²=0,003) betrug das RR 1,49 [95%CI 1,2-1,76]).

In den Wochen 32 bis 42 meldete das RKI 159.953 Fälle, 7.893 Hospitalisierungen und 949 Todesfälle für eine CFR mit und durch SARS-CoV-2 von 0,59 %.

Die Krankenhausdaten für 2017 zeigten 43.962.058 Behandlungstage in der Inneren Medizin sowie 292.793 Todesfälle, was einem Toten alle 150 Behandlungstage entspricht.

Bei einer durchschnittlichen SARS-CoV-2-Hospitalisierungsdauer von 14 Tagen ergaben sich 110.502 Hospitalisierungstage.

Dividiert man dies durch 150, ergeben sich 737 Todesfälle unter den hospitalisierten Patienten.

Im Jahr 2017 lebten in Deutschland 82.500.000 Menschen, von denen 505.000 nicht innerhalb eines Krankenhauses starben.

Die Wahrscheinlichkeit, in einem Jahr außerhalb eines Krankenhauses zu sterben, liegt also bei 0,61 %. Multipliziert man diese Zahl mit (28/365) und mit 152.060 (Nicht-Krankenhauspatienten) ergibt 71 Todesfälle unter den Nicht-Krankenhauspatienten

Die Daten aus Kansas ergaben eine FALLSTERBLICHKEIT mit und durch SARS-CoV-2 von 0,85% für nicht-maskenpflichtige Länder und von 1,28 % für Länder mit Maskenpflicht.

Die Patienten

Die Anzahl der Patienten, die an SARS-CoV-2 gestorben sind, beträgt also 141.

Daraus ergibt sich eine FALLSTERBLICHKEIT durch SARS-CoV-2 mit deutschem Maskenauftrag von 0,088%.

Die Daten aus Kansas ergaben eine FALLSTERBLICHKEIT mit und durch SARS-CoV-2 von 0,85% für nicht-maskenpflichtige Länder und von 1,28 % für Länder mit Maskenpflicht.

Da Kansas 912,66 Tests pro 100.000 pro Woche hatte und Deutschland 1.507,92 Tests pro Woche, wurde die Anzahl der Fälle in Kansas um jeweils 1,65 erhöht.

Unter Verwendung der oben genannten Wahrscheinlichkeit für das Sterben außerhalb eines Krankenhauses in Deutschland von 0,61%, stieg die Gesamtzahl der Todesfälle von 57,67 auf 59,76 in der Gruppe ohne Maske und von 74,33 auf 76,12 in der Maskengruppe erhöht.

Dies führte zu einer FALLSTERBLICHKEIT mit und durch SARS-CoV-2 von 0,531% in der No-Mask-Gruppe und 0,791% in der Maskengruppe. Reduziert man diese Zahl um den Prozentsatz der Todesfälle mit SARS-CoV-2 in Deutschland von 0,505 %, so ergibt sich die endgültige FALLSTERBLICHKEIT durch SARS-CoV-2 ohne Maskenpflicht 0,026%, und die endgültige FALLSTERBLICHKEIT durch SARS-CoV-2 mit Kansas-Maskenmandat liegt bei 0,286%.

Die RR für das deutsche Maskenmandat ist also 3,4 [95%CI 1,08-4,04, p=0,027], die RR für das Kansas-Mandat ist 11,03 [95%CI 3,53-15,99, p<0,001].

Die FALLSTERBLICHKEIT für SARS-CoV-2 ist mit 0,026 % erstaunlich niedrig. 

Diskussion

A) Infektionsrate

Obwohl es einen signifikanten Anstieg der Infektionsrate in Bezirken mit Maskenpflicht im Vergleich zu Bezirken ohne Maskenpflicht gibt, bleibt die RR zu Bezirken ohne, bleibt die RR relativ niedrig. Betrachtet man das CI, liegt es bei 1,11.

Daher zeigt diese Analyse, dass Masken nicht dazu beitragen, die Ausbreitung von SARS-CoV-2 zu verhindern, sondern diese sogar leicht um etwa 10 % erhöht.

Der Vergleich der Woche vor dem 03.07.2020 zeigte 17 % (großer Bereich) und 6,5 % (kleiner Bereich) mehr Infektionen in maskenpflichtigen Bezirken, was die Ursache für diesen leichten Anstieg sein könnte.

Da die Dunkelziffer nicht bekannt ist, habe ich die kumulierten Fälle ab dem 07.03.2020 verglichen: Im großen Bereich, 6.370 Infektionen ohne Maske vs. 1.467 mit Maske. Im kleinen Bereich, 5.125 Fälle ohne Maske vs. 1.079 mit Maske. Dies deutet darauf hin, dass es in den Nicht-Masken-Staaten mehr infektiöse Personen gegeben haben könnte und eine höhere Dunkelziffer von 07/03/2020.

Der Effekt von Gesichtsmasken auf die Infektionsrate bleibt jedoch sehr gering.

B) Fallsterblichkeitsrate bei SARS-CoV-2

Die FALLSTERBLICHKEIT für SARS-CoV-2 ist mit 0,026 % erstaunlich niedrig. 

Sie ist so niedrig, dass, obwohl es über zehn Tausend Infizierte in den Masken-Kansas-Gruppen gibt (nach Korrektur für Undertesting), die Zahl der Todesfälle in der No-Mask-Gruppe so klein ist (~3), dass jeder 95%CI sehr groß bleibt.

Die hier berechnete FALLSTERBLICHKEIT ist dennoch nicht ohne weiteres mit einem normalen Grippejahr zu vergleichen, da in Deutschland Nachtclubs und Massenveranstaltungen wie große Konzerte verboten waren. 

Dies führte dazu, dass SARS-CoV-2 in jüngeren, gesünderen und sozial weitaus aktiveren Gruppen weniger verbreitet war. 

Während des deutschen “Lockdown” im April zeigten die Daten diesen Trend noch deutlicher: Der “Lockdown” hat vor allem die Zahl der sozialen Kontakte jüngerer Menschen, so dass die Zahl der älteren Patienten, die sich mit von SARS-CoV-2 im Verhältnis zu ihrem Anteil an der Gesamtbevölkerung weiter anstieg, bis sie sogar überrepräsentiert waren [6]. 

Dies hat natürlich direkt die FALLSTERBLICHKEIT erhöht. 

Ich habe eine Bevölkerung von 83.200.000 und eine Herdenimmunität nach Erreichen von 70%, um die Gesamtzahl der Todesfälle in Deutschland durch SARS-CoV-2 ohne Maskenpflicht, die 15.142 Todesfälle betragen würde – das ist weniger als die Todesfälle durch Influenza in den meisten der letzten Jahre. [7]

Die Maskenpflicht hat das Sterberisiko in Deutschland um 3,4 % erhöht und um ca.11 % in Kansas in Bezirken mit Maskenpflicht.

C) Auswirkung des Maskengebots

Die Maskenpflicht hat das Sterberisiko in Deutschland um 3,4 % erhöht und um ca.11 % in Kansas in Bezirken mit Maskenpflicht.

Die Erklärung dafür ist wahrscheinlich, dass Viren, die in Tröpfchen ausgeblasen oder ausgehustet werden, im Gewebe der Gesichtsmaske gestoppt werden und nach (schneller [8]) Verdunstung der Tröpfchen reine Virionen beim Einatmen aus sehr kurzer Entfernung wieder eingeatmet. Ich bezeichne dies zur weiteren Information als den Foegen-Effekt’, da ich diesen Effekt früher nicht beschrieben finden konnte.

Durch den ‘Foegen-Effekt’ breiten sich die Virionen nicht nur in andere Bereiche aus (z.B. den Geruchsnerv, Geruchsverlust), sondern auch (aufgrund ihrer geringeren Größe) tiefer in den Atemtrakt [auch 8]. Sie umgehen die Bronchien und werden tief in die Alveolen eingeatmet, wo sie eine Lungenentzündung verursachen statt einer Bronchitis, die eher typisch für eine Virusinfektion wäre. Sie umgehen auch die Wand des mehrschichtigen Plattenepithels, das sie in vitro nicht passieren können [9] und höchstwahrscheinlich auch in vivo nicht passieren können. Der einzig mögliche Weg für die Virionen in die Blutgefäße ist also durch die Alveolen.

Der “Fögen-Effekt” erhöht auch die Gesamtviruslast, da die Virusvermehrung in vivo

exponentiell im Vergleich zu der linearen [10] Tröpfchenreduktion durch die Maske ist, so dass die Anzahl der ausgeatmeten oder ausgehusteten Virionen schnell diejenige von nicht-maskierten Patienten übersteigt. Dies erklärt, warum Masken die Infektionsrate nicht reduzieren, sondern eher leicht erhöhen.

Der “Fögen-Effekt” wird auch durch Studien [11,12] unterstützt, die (Beatmungs-)Masken mit Alternativen vergleichen (Beatmungs-)Masken mit Alternativen zur Behandlung des akuten Atemnotsyndroms (ARDS), bei denen die direkte Obstruktion des Ausatmungsweges

Weg der einzige Unterschied in der Behandlung ist.

Die Existenz des “Foegen-Effekts” wird auch durch die Beobachtung gestützt, dass eine Menge an medizinischem Personal in Italien während der “ersten Welle” [13] gestorben ist – sie arbeiteten viele Stunden, obwohl krank waren und mit Gesichtsmasken arbeiteten. Sie benutzten wahrscheinlich “bessere” Masken als nur eine chirurgischen Gesichtsmaske (FFP2, FFP3) – allerdings verursachen Masken mit höherer Tröpfchenfilterwirkung vermutlich einen noch stärkeren “Fögen-Effekt”.

Ein weiterer sehr wichtiger Punkt ist, dass die Langzeiteffekte, die im Zusammenhang mit COVID-19 beschrieben wurden, alle eine direkte Ursache für den “Fögen-Effekt” sein können: Da das Virus in die Alveolen und Blut eindringt und nicht auf die oberen Atemwege und Bronchien beschränkt ist (wie oben), kann es Schäden verursachen, indem es in den meisten Organen (Auto-)Immunreaktionen auslöst. Was die vorgeschlagenen Folgen des “Fögen-Effekts” betrifft – sie stellen dennoch in Frage, ob die gesamte COVID-19-Pandemie durch Überbehandlung oder eher krankheitsverschlechternde Behandlung eines eher harmlosen Virus zurückzuführen ist.

Da es jedoch aus ethischen Gründen nicht möglich ist, den “Fogen-Effekt” in klinischen Studien in vivo nachzuweisen, und das Tragen einer Maske nicht verblindbar ist, dürfte ein weiterer Nachweis des “Fögen-Effekts” unmöglich sein, zumal wenn man bedenkt, dass [11] abgebrochen wurde, weil die Ergebnisse für die Maskengruppe so viel schlechter waren.

Da die FALLSTERBLICHKEIT durch SARS-CoV-2 jedoch beruhigend niedrig ist, zeigt dies deutlich, dass wir wieder zu unserem normales Leben vor COVID-19 zurückkehren müssen.

Da die FALLSTERBLICHKEIT durch SARS-CoV-2 jedoch beruhigend niedrig ist, zeigt dies deutlich, dass wir wieder zu unserem normales Leben vor COVID-19 zurückkehren müssen.

Referenzen

[1] Van Dyke ME, Rogers TM, Pevzner E, et al. Trends in County-Level COVID-19 Incidence in

Counties With and Without a Mask Mandate – Kansas, June 1-August 23, 2020.

MMWR Morb Mortal Wkly Rep 2020;69:1777-1781.

[2]WHO FluNet https://apps.who.int/flumart/Default?ReportNo=6

[3]Eckert, N., Lenzen-Schulte, M. Vorerkrankungen: Risikogruppen sind jetzt bekannt

Dtsch Arztebl 2020; 117(43): A-2047 / B-1738

[4] Näherungsformel für CI: http://www.uniklinikumsaarland.

de/fileadmin/UKS/Einrichtungen/Fachrichtungen_Theor_und_Klin_Medizin/IMBEI/instve

rs/lernprogramm/kapitel-2/kapitel-2.html

5] Epidemiologischer Steckbrief zu SARS-CoV-2 und COVID-19, Stand: 27.11.2020

https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Steckbrief.html;jsessionid=29B8

8E5FD69DCFB217760C3D34F2D973.internet121#doc13776792bodyText5

[6] Täglicher Lagebericht des RKI zur Coronavirus-Krankheit-2019 (COVID-19), 26.05.2020:

Abbildung 7

https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/2020-05-26-.

de.pdf?__blob=publicationFile

[7] https://de.statista.com/statistik/daten/studie/405363/umfrage/influenza-assoziierteuebersterblichkeit-

exzess-mortalitaet-in-deutschland/

[8]Thomas RJ. Partikelgröße und Pathogenität im Respirationstrakt. Virulence. 2013;4(8):847-858.

doi:10.4161/viru.27172

[9]Milewska A, Kula-Pacurar A, Wadas J, Suder A, Szczepanski A et al. Replication of Severe

Acute Respiratory Syndrome Coronavirus 2 in humanem respiratorischem Epithel

Journal of Virology Jul 2020, 94 (15) e00957-20

[10]Asadi, S., Cappa, C.D., Barreda, S. et al. Efficacy of masks and face coverings in controlling

Emission von Aerosolpartikeln bei exspiratorischen Aktivitäten nach außen. Sci Rep 10, 15665 (2020).

[11]K Patel B K, Wolfe K S, Pohlman A S, Hall J B, Kress J P. Effect of Noninvasive Ventilation

Delivered by Helmet vs Face Mask on the Rate of Endotracheal Intubation in Patients With Acute

Respiratory Distress Syndrome: A Randomized Clinical Trial JAMA. 2016 Jun 14;315(22):2435-

41.

[12]Frat J-P, Thille A W, et. al. High-flow oxygen through nasal cannula in acute hypoxemic

respiratory failure N Engl J Med 2015; 372:2185-2196.

[13] Nava S, Tonelli R, Clini E M. An Italian sacrifice to the COVID-19 epidemic

European Respiratory Journal 2020; 55:2001445

Datenquellen

® Landkreise und Städte mit Maskenmandat (15. Oktober): https://www.khi.org/policy/article/20-

25

® Einwohnerzahl der Städte: http://en.wikipedia.org/ (Eintrag für jede Stadt).

® Einwohnerzahl der Landkreise: http://www.usafacts.org

® Tägliche Fälle nach Landkreisen: http://www.usafacts.org

® Tägliche Todesfälle nach Bezirken: http://www.usafacts.org

® rohe Sterberate nach Counties 2019, Anzahl der Todesfälle nach County 2019 für Schwangerschafts

Komplikationen, Geburtsfehler, Erkrankungen der Perinatalperiode (frühes Säuglingsalter), plötzlicher Kindstod

Syndrom (SIDS), Kraftfahrzeugunfälle, alle anderen Unfälle und Beeinträchtigungen, Selbstmord,

Tötungsdelikte und andere äußere Ursachen : http://kic.kdheks.gov/death_new.php

® Daten für Deutschland für die Wochen 32-42:

“Tagesbericht des RKI vom 10.11.2020”

https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/Nov_2020/202

0-11-10-de.pdf?__blob=publicationFile

® Krankenhausdaten für 2017, Anzahl der Sterbefälle außerhalb eines Krankenhauses:

DESTATIS

https://www.destatis.de/DE/Themen/Gesellschaft-.

Umwelt/Gesundheit/Krankenhaeuser/Publikationen/Downloads-Krankenhaeuser/grunddatenkrankenhaeuser-

2120611177004.pdf?__blob=publicationFile&v=4

® Durchschnittliche Krankenhausaufenthaltstage :

Deutsches Ärzteblatt: Keine Übersterblichkeit von Nicht-COVID-19-Patienten

https://www.aerzteblatt.de/nachrichten/115906/Keine-Uebersterblichkeit-von-Nicht-

COVID-19-Patienten

® Anzahl der Tests in Deutschland:

Epidemiologisches Bulletin 45/2020 05.November 2020

https://www.rki.de/DE/Content/Infekt/EpidBull/Archiv/2020/Ausgaben/45_20.pdf ?

blob=publicationFile

® Anzahl der Tests in Kansas:

Kansas Department of Health: COVID-19 (2019 Novel Coronavirus) Zusammenfassung

https://www.coronavirus.kdheks.gov/DocumentCenter/View/1529/Nov-25-case-summary ?

bidId=

® Zahlen zur Korrektur der deutschen CDR:

DESTATIS

https://www-genesis.destatis.de/genesis/online ?

operation=previous&levelindex=3&levelid=1607198472798&levelid=1607198260167&step=2#abreadcrumb

Erklärung zu Interessenkonflikten:

Der Autor und seine Familie leben in einem Land mit Maskenmandaten (Deutschland). Als Allgemeinmediziner

Als Allgemeinmediziner muss der Autor bei der Arbeit Masken tragen. Es werden keine finanziellen Interessenkonflikte deklariert.

Quelle: Reitschuster.de

Bilder:

Unsplash:

aneta-pawlik

guillermo-latorre

obi-onyeador

sebastian-herrmann

national-cancer-institute

antoine-dautry

timo-wielink

Pixabay:

Geralt

Kellepics

Wir werden in den nächsten Tagen noch einige Spendenaufrufe starten und hoffen, das Sie uns unterstützen. Team Querdenken-761 – Querdenken Freiburg Kto: DE23 680642220000562009

Querdenken-761 Wir benötigen finanzielle Hilfe

Wir haben bis jetzt den größten Teil der Ausgaben durch unser Team finanziert aber jetzt benötigen wir Hilfe.

Wir haben in den letzen Monaten Ausgaben für die Demonstrationen, Equipment, Anlage, Flyer, Karten, Tische, Zelte, Fahrzeuge für die Blogs mit Servern, Programmierern, Internet – und Telefonkosten, Software, Hardware 

Jetzt kommen auf uns erhebliche Anwalts – und Beratungskosten zu, dass können wir nur mit eurer Hilfe schaffen”

Wir werden in den nächsten Tagen noch einige Spendenaufrufe starten und hoffen, das Sie uns unterstützen.

Team Querdenken-761 – Querdenken Freiburg – Achtung neues Konto!

Bitte spenden Sie mit folgendem Betreff:

„Mitdenken Spende Kto. R. Freund“

Auf das Konto:

DE61 1001 1001 2620 3569 10

BIC: NTSBDEBTXX

oder

https://www.patreon.com/Querdenken761

One Comment

  1. Anonym

    Die Maskenpflicht hat das Sterberisiko in Deutschland um 3,4 % erhöht und um ca.11 % in Kansas in Bezirken mit Maskenpflicht.
    Ist kein Prozent. Ist ein Faktor. Also um den Faktor 3,4 oder 240% bzw. Faktor 11 oder um 1000% erhöht.

Comments are closed.


Creative Commons Lizenzvertrag
Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International Lizenz