Masken funktionieren immer noch nicht

Mehr als zwei Jahre später besagen die besten wissenschaftlichen Beweise, dass Masken Covid nicht stoppen – und die Gesundheitsbehörden ignorieren dies weiterhin.

Masken sind wieder in San Diego, Kalifornien, wo die Schulbehörde gerade verfügt hat, dass Schüler ihr Gesicht bedecken müssen, sonst dürfen sie keinen Fuß in ein Klassenzimmer setzen. Ganz zu schweigen davon, dass laut CDC-Statistiken und Bevölkerungszahlen des Census Bureau mehr als 99,99 Prozent der Kinder in Kalifornien (wo Gouverneur Gavin Newsom regelmäßig Maskenpflichten verhängt hat) und mehr als 99,99 Prozent der Kinder in Florida (wo Gouverneur Ron DeSantis Kinder leben lässt). maskenfrei) sind nicht an Covid gestorben – weder weil sie es nicht bekommen haben, noch weil sie es bekommen und überlebt haben. Ganz zu schweigen davon, dass landesweit mehr als 99,99 Prozent der Kinder nicht an Covid gestorben sind. Und ganz zu schweigen davon, dass laut CDC-Statistiken die Wahrscheinlichkeit, an Covid zu sterben, bei über 85-Jährigen mehr als 2.000-mal höher ist als bei unter 18-Jährigen; dass selbst Menschen in ihren Dreißigern ein 25-mal höheres Risiko hatten, an Covid zu sterben, als Menschen unter 18 Jahren; und dass von 40 Kindern im schulpflichtigen Alter (im Alter von 5 bis 17 Jahren), die während der Covid-Ära gestorben sind, nur einer dieser Todesfälle an Covid beteiligt war. Unabhängig davon haben die Schulbehörden beschlossen, dass jeder eine Maske tragen muss.

Auch die Schulen sind nicht die einzigen, die zur Maskenpflicht zurückkehren. Das Militär war eine der maskenfreudigsten Institutionen überhaupt. Pünktlich kündigte die Marine an, dass auf ihren Stützpunkten im Raum San Diego jeder, ob in Uniform oder nicht, in Innenräumen Masken tragen muss. An der Küste hat Bay Area Rapid Transit erneut eine Maskenpflicht eingeführt. Mittlerweile haben viele Hochschulen im ganzen Land angekündigt, dass sie im Herbst eine Maskenpflicht einführen werden.

Solche Verordnungen ignorieren die Tatsache, dass Masken körperlich unbequem sind, das Atmen erschweren und die soziale Interaktion zwischen Menschen zutiefst beeinträchtigen. Für die Maskenbegeisterten spielt das alles jedoch keine Rolle, sie sind davon überzeugt, dass der Nutzen die potenziellen Kosten bei weitem überwiegt. Wo ist also der Beweis?

Die Art und Weise, wie das öffentliche Gesundheitswesen Masken akzeptiert, wird in einem im vergangenen Frühjahr veröffentlichten und derzeit auf der Website der National Institutes of Health veröffentlichten Artikel gut dargestellt. Der Artikel von Seán M. Muller spricht vom „Versagen randomisierter kontrollierter Studien (RCTs), unterstützende Beweise dafür zu liefern“, dass Masken die Virusübertragung reduzieren – ein Thema, über das ich letzten Sommer ausführlich gesprochen habe.

Müller gebührt Anerkennung dafür, dass er ehrlicher ist als die meisten Maskenbefürworter. Er weist darauf hin, dass die Weltgesundheitsorganisation im März 2020 sagte, dass es „keine Beweise“ dafür gibt, dass Masken wirken, und fügt hinzu, dass „es das Fehlen signifikanter positiver Effekte von RCTs vor der Pandemie war, die die ersten [Anti-Masken-Masken] der WHO beeinflussten.“ ] Haltung.“ Dennoch beklagt Muller die Abhängigkeit von RCTs im Gegensatz zu „mechanismusbasiertem Denken“. Dies ist ein schicker Begriff für die Anwendung der eigenen Denkfähigkeiten. Müllers Argumentation führt ihn zu der Überzeugung, dass Masken funktionieren müssen. Aber das ist natürlich der Grund, warum wir RCTs haben: um die Vorstellungen der Menschen darüber zu testen, was funktioniert und was nicht.

Muller erkennt an, dass Menschen „infektiöses Material übertragen können, indem sie ihr Gesicht mit unhygienisierten Händen berühren, um eine Maske aufzusetzen und abzunehmen“, aber diese wichtige Erkenntnis scheint seine Schlussfolgerungen nicht zu beeinflussen. Stattdessen schreibt er: „Mechanismusbasiertes Denken liefert eine Rechtfertigung für die Haltung, die letztendlich von der WHO vertreten und von vielen Ländern übernommen wird.“ Er gibt zu, dass die „Logik“, die einer solchen Argumentation zugrunde liegt, „nur auf einer ziemlich einfachen Keimtheorie der Krankheit beruht“. Doch – unglaublicherweise – behauptet er dann, dass eine solche Argumentation „die Beweislast denjenigen auferlegt, die gegen die Empfehlung von Masken argumentieren würden.“ Selbst wenn RCTs also keine Beweise für die Behauptung liefern, dass Masken funktionieren, selbst wenn sie im Gegenteil immer wieder behaupten, dass Masken nicht funktionieren, sollten Gesundheitsbehörden dennoch Masken empfehlen – und sie wahrscheinlich vorschreiben –, weil sie behaupten, dass sie Arbeit erscheint manchen logisch.

Das ist grundsätzlich antiwissenschaftlich. Dennoch fängt es wirkungsvoll die Denkweise ein, die die Maskenpflicht seit mehr als zwei Jahren antreibt. Diese Art des Denkens setzt sich fort, obwohl (wie John Tierney ausführlich dargelegt hat) die bemerkenswerte Ähnlichkeit der Covid-Ergebnisse zwischen Staaten mit Maskenpflicht und Maskenfreiheit sowie zwischen Ländern mit Maskenpflicht und Maskenfreiheit stark darauf hindeutet, dass Masken nicht funktionieren – Genau wie RCTs angegeben haben, dass dies nicht der Fall ist.

Das einzige, dürftige wissenschaftliche Hilfsmittel, an das sich Maskenbefürworter zumindest im Hinblick auf RCTs klammern können, ist eine aktuelle Studie aus Bangladesch. Die Studie wurde weit über ein Jahr veröffentlicht, nachdem das CDC und andere sich bereits voll und ganz für Masken ausgesprochen hatten, und behauptete, dass chirurgische Masken statistisch signifikante Vorteile bringen würden. Der erste in dieser Studie aufgeführte Autor, der Yale-Wirtschaftsprofessor Jason Abaluck, äußerte sich öffentlich zur Maskendebatte, bevor die Studie überhaupt in die Praxis umgesetzt wurde. In den Anfängen von Covid meinte er, dass sowohl die Bundesregierung als auch die Landesregierungen kostenlose Masken verteilen und möglicherweise Geldstrafen gegen diejenigen erheben sollten, die sich weigerten, sie zu tragen. Unglücklicherweise für Maskenbefürworter bieten die in der Studie festgestellten sehr geringen Unterschiede und die fragwürdige Methodik, auf der diese Ergebnisse beruhten, kaum mehr wissenschaftliche Unterstützung für das Tragen von Masken als mechanismusbasierte Überlegungen.

Das Bangladesh RCT stellte fest, dass 1.086 Personen in der Maskengruppe der Studie und 1.106 Personen in der Kontrollgruppe ohne Maske an Covid erkrankten. Erstaunlicherweise stammen diese Zahlen nicht von den Autoren der Studie – obwohl sie die Antwort auf die Hauptfrage liefern, mit der sich die Studie befasst. Stattdessen berechnete Ben Recht, Professor für Elektrotechnik und Informatik an der University of California in Berkeley, diese Zahlen anhand der von den Autoren veröffentlichten Zahlen, und Abaluck bestätigte anschließend Rechts's Berechnung eines Unterschieds von 20 Personen zwischen den beiden Gruppen.

Dieser Unterschied von 20 Personen (von mehr als 300.000 Teilnehmern) bedeutete, dass etwa 1 von 132 Personen in der Kontrollgruppe an Covid erkrankten, gegenüber 1 von 147 in der Maskengruppe. Das entspricht 0,76 Prozent der Menschen in der Kontrollgruppe und 0,68 Prozent der Menschen in der Maskengruppe, die sich mit Covid anstecken – ein Unterschied von 0,08 Prozentpunkten – was die Autoren der Studie lieber als eine Reduzierung um 9 Prozent bezeichnen. Abaluck und Co. beschreiben ihre Studie auch als „eindeutigen Beweis“ dafür, dass chirurgische Masken funktionieren – obwohl der angebliche Nutzen dieser Masken erst dann als statistisch signifikant registriert wurde, nachdem die Forscher das Verhältnis, wie viele Menschen in jeder Gruppe an Covid erkrankt waren, durch Bereitstellung „angepasst“ haben „Basiskontrollen“, die sie nicht transparent beschreiben. (Diese Anpassung – und ihre Notwendigkeit zur Erzielung statistischer Signifikanz – wird jedoch deutlich angezeigt.)

Dieser gemeldete Unterschied von 0,08 Prozentpunkten wurde nur aufgrund der riesigen Stichprobengröße, die die Autoren behaupteten, als statistisch signifikant getestet, wodurch winzige Unterschiede als signifikant getestet werden konnten und nicht auf zufällige Zufälle zurückzuführen waren. Es ist jedoch überhaupt nicht klar, ob diese Studie tatsächlich eine solche Präzision liefern könnte.

Stellen Sie sich vor, Forscher würden 340.000 Personen, unabhängig von ihrem Wohnort, nach dem Zufallsprinzip in eine Maskengruppe (170.000 Personen) oder eine Kontrollgruppe ohne Maske (die anderen 170.000) einteilen. Man würde annehmen, dass diese zufällige Aufteilung dazu führen würde, dass die beiden Gruppen sehr ähnlich sind. Das ist Teil des Wesens eines RCT: Wenn Sie zufällig genügend Personen einer Gruppe zuordnen, werden die beiden Gruppen einfach durch Zufall im Wesentlichen gleich sein. Es wäre jedoch eine ganz andere Sache, zwei ganze Städte mit 170.000 Einwohnern in zwei Gruppen einzuteilen, wobei jedes Mitglied einer bestimmten Stadt in dieselbe Gruppe aufgenommen würde. In diesem Fall wäre nicht klar, ob mögliche Unterschiede in den Ergebnissen auf die Intervention (in diesem Fall Masken) oder auf die Unterschiede zwischen den Städten (in Bezug auf die Virusexpositionsraten, kulturelle Normen usw.) zurückzuführen wären. .

Der Ansatz der Bangladesch-Studie liegt irgendwo zwischen diesen beiden Szenarien. Die Forscher ordneten nach dem Zufallsprinzip 300 Dörfer der Maskengruppe zu (in der das Tragen von Masken gefördert wurde) und 300 Dörfer mit ähnlichen Merkmalen der Kontrollgruppe ohne Masken (in der das Tragen von Masken nicht gefördert wurde). Jedes Mitglied eines bestimmten Dorfes wurde derselben Gruppe zugeordnet. Infolgedessen schreibt Recht: „Obwohl die Stichprobengröße enorm aussah (340.000 Personen), betrug die effektive Anzahl der Stichproben nur 600, da die Behandlung auf einzelne Dörfer angewendet wurde.“

Allerdings analysierten die Forscher die Ergebnisse nicht auf der Ebene der Dörfer. Stattdessen taten sie so, als hätten sie 340.000 Personen zufällig entweder der Maskengruppe oder der Kontrollgruppe zugeordnet. Recht schreibt, dass eine Analyse der Studie auf diese Weise „sicherlich falsch“ sei, da „die einzelnen Ergebnisse nicht unabhängig voneinander seien“ und „die Ergebnisse innerhalb eines Dorfes korrelieren“. Anders ausgedrückt: Wenn Personen in einem RCT nach dem Zufallsprinzip der einen oder anderen Gruppe zugeordnet werden, sollte sich das Ergebnis einer Person nicht auf das einer anderen Person auswirken. Dies ist jedoch kaum der Fall, wenn die Auswirkungen eines hochansteckenden Virus auf Menschen analysiert werden, die in derselben Gruppe leben Dorf, die alle derselben Gruppe zugeordnet waren. Laienhaft ausgedrückt: Jeder Würfelwurf sollte unabhängig sein und sich nicht auf nachfolgende Würfelwürfe auswirken. Aber in der Bangladesch-Studie wirkte sich jeder Würfelwurf auf die nachfolgenden Würfelwürfe aus.

Recht zitiert eine frühere RCT zu Masken (die ich in meinem Aufsatz von 2021 besprochen habe), die eine solche Korrelation bereinigt hat – das heißt, bereinigt um die Tatsache, dass das Ergebnis einer Person das Ergebnis einer anderen Person beeinflussen könnte. Auch wenn die frühere RCT zufällig Familien und nicht Dörfer einer bestimmten Gruppe zuordnete, ging sie immer noch von einer Korrelation aus und korrigierte sie entsprechend. Die Bangladesch-Studie, die eine weitaus größere Korrelation aufwies, ging von keiner aus. Unter Berücksichtigung der Korrelation stellte Recht fest, dass die Bangladesch-Studie keine statistisch signifikanten Vorteile durch Masken zeigte.

Die Gefahr bei der Behauptung, 340.000 Personen zufällig zugeordnet zu haben, besteht darin, dass große Stichprobengrößen – die eine hohe Genauigkeit nahelegen – es ermöglichen, kleine Unterschiede als statistisch signifikant zu testen, da die Wahrscheinlichkeit geringer ist, dass sie lediglich zufällige Ereignisse widerspiegeln. Das ist in Ordnung, wenn ein Test wirklich so genau ist, aber nicht, wenn er seine Stichprobengröße um mehr als den Faktor 500 (600 gegenüber 340.000) – oder sogar um den Faktor fünf – erhöht. Ein solches Szenario birgt die Gefahr, dass es zu „statistisch signifikanten“ Ergebnissen kommt, die eigentlich nur ein Produkt zufälliger Zufälle sind. Genau das scheint in der Bangladesch-Studie passiert zu sein.

Die Mainstream-Presse verkündete, dass diese Studie bestätige, dass chirurgische Masken funktionieren, und schlug vor, Stoffmasken (die insgesamt keinen statistisch signifikanten Nutzen zeigten) vielleicht auf Eis zu legen. Aber die tatsächlichen Ergebnisse der Studie waren interessanter. Es wurden keine statistisch signifikanten Beweise dafür gefunden, dass Masken bei Menschen unter 40 Jahren funktionieren. Für Menschen in den Vierzigern wurden jedoch statistisch signifikante Beweise dafür gefunden, dass Stoffmasken funktionieren, aber keine entsprechenden Beweise, die die Verwendung von chirurgischen Masken unterstützen. Für Menschen in den Fünfzigern (oder älter) wurden statistisch signifikante Beweise dafür gefunden, dass chirurgische Masken funktionieren, aber keine entsprechenden Beweise, die die Verwendung von Stoffmasken unterstützen. Erschwerend kam hinzu, dass die Forscher sowohl rote als auch violette Stoffmasken verteilten. Recht zitiert Daten aus der Studie, die die Autoren weder in ihren Aufsatz noch in ihre Tabellen aufgenommen haben, und schreibt, dass, basierend auf der Analysemethode der Studie, „violette Stoffmasken nichts bewirkten, aber die roten Masken ‚funktionierten‘.“ Er fügt hinzu: „Tatsächlich waren rote Masken wirksamer als chirurgische Masken!“ Wenn eine Studie anfängt, solche Erkenntnisse zu liefern, beginnen ihre Ergebnisse wie zufälliges Rauschen auszusehen.

Da es in der Maskengruppe außerdem nur 20 weniger Covid-Fälle gab als in der Kontrollgruppe ohne Maske, war der größte Teil des Unterschieds zwischen der Covid-Rate von 0,68 Prozent in ersterer und der Rate von 0,76 Prozent in letzterer auf Unterschiede in der Gruppe zurückzuführen Größen von angeblich zwei gleich großen Gruppen. Die Forscher ließen in ihrer Analyse Tausende von Menschen aus – überproportional aus der Kontrollgruppe –, mit denen sie keinen erfolgreichen Kontakt hatten. Maria Chikina von der University of Pittsburgh, Wesley Pegden von der Carnegie Mellon und Recht stellten fest, dass die „nicht verblindeten Mitarbeiter“ der Studie – die wussten, welche Teilnehmer welcher Gruppe zugeordnet waren – die in der Maskengruppe „deutlich“ häufiger „ansprachen“ als diese in der Kontrollgruppe. Tatsächlich schreiben Chikina, Pegden und Recht, dass der „wichtigste signifikante Unterschied“, der zu einem „Ungleichgewicht“ zwischen den beiden Gruppen führte, „das Verhalten des Studienpersonals“ war.

Nach dem „Intention-to-Treat“-Prinzip hätte jeder, der ursprünglich zufällig einer der beiden Gruppen zugeordnet wurde, in die Analyse einbezogen werden müssen, unabhängig davon, ob das Personal ihn kontaktiert hatte oder nicht. Eric McCoy, MD an der University of California, Irvine, erklärt, dass die Intention-to-Treat-Analyse „die Vorteile der Randomisierung beibehält, die bei Verwendung anderer Analysemethoden nicht angenommen werden können.“ Recht stimmt mit McCoy überein und schreibt: „Für die medizinischen Statistikexperten besagt das Intention-to-Treat-Prinzip, dass die Personen, die unerreichbar sind oder sich weigern, befragt zu werden, in die Studie einbezogen werden müssen. Werden sie weggelassen, wird die Studie ungültig.“ Doch genau das haben die Autoren der Bangladesch-Studie getan. Als Chikina, Pegden und Recht die Ergebnisse der Studie mithilfe einer Intention-to-Treat-Analyse analysierten, fanden sie keinen statistisch signifikanten Unterschied zwischen der Anzahl der Personen, die in der Maskengruppe an Covid erkrankten, und der Anzahl der Personen in der Kontrollgruppe.

Um einen statistisch signifikanten Nutzen von Masken zu zeigen, musste die Bangladesch-Studie also sowohl von der Intention-to-Treat-Analyse abweichen als auch 340.000 Menschen, die nicht zufällig einer Gruppe zugeordnet wurden, auf individueller Basis so behandeln, als ob sie es gewesen wären. Nur das eine oder das andere zu tun, hätte zu keinem statistisch signifikanten Ergebnis geführt.

Darüber hinaus machte die Studie kein wirkliches Geheimnis daraus, dass sie für Masken war und startete eine umfassende Kampagne, um die Menschen in der Hälfte der Dörfer davon zu überzeugen, Masken zu tragen. Die Forscher fanden heraus, dass die physische Distanzierung in den Maskendörfern um 21 Prozent größer war als in den Kontrolldörfern, was die Bemühungen, zwischen den Auswirkungen von Masken und Distanzierung zu unterscheiden, erschwerte. Die Studie bot einigen Personen auch finanzielle Anreize, was die Möglichkeit eröffnete, dass einige Teilnehmer, da sowohl die Teilnehmer als auch die Mitarbeiter wussten, zu welcher Gruppe die Personen gehörten, Antworten gegeben haben könnten, die den Forschern gefielen (und nur denen, die Covid-like meldeten). Symptome wurden auf Antikörper getestet). Schließlich wurde in der Studie nicht getestet, wie viele Menschen zuvor Covid-Antikörper hatten, obwohl ihre wichtigsten Erkenntnisse zu Masken darauf basierten, wie viele Menschen danach Covid-Antikörper hatten. Das ist so, als würde man feststellen, ob eine Familie während ihres letzten Einkaufsbummels Butter gekauft hat, indem man prüft, ob sich Butter im Kühlschrank befindet.

Zusammenfassend lässt sich sagen, dass die Ergebnisse der Bangladesch-Studie winzige Unterschiede darin zeigen, wie viele Menschen in der Masken- und (Nicht-Masken-)Kontrollgruppe an Covid erkrankten, und diese winzigen Unterschiede werden nur aufgrund unzähliger fragwürdiger methodischer Entscheidungen als statistisch signifikant registriert. Die Forscher der Studie führten ihre Analyse so durch, als hätten sie 340.000 Personen zufällig entweder in die Maskengruppe oder die Kontrollgruppe eingeteilt, obwohl sie tatsächlich nur 600 Dörfer zufällig eingeteilt hatten. Sie wichen auch von der Intention-to-Treat-Analyse ab, ohne die sie selbst auf der Grundlage dieser überhöhten Stichprobengröße keine statistische Signifikanz gezeigt hätten. Sie passten das Verhältnis der Covid-Fälle zwischen der Masken- und der Kontrollgruppe an, indem sie Basiskontrollen hinzufügten, die nicht gut erklärt wurden – ohne die chirurgische Masken keine statistisch signifikanten Vorteile erbracht hätten. Und sie stützten ihre primären Erkenntnisse darauf, ob die Menschen bis zum Ende der Studie Covid-Antikörper erworben hatten, ohne zu testen, ob sie diese bereits vor Beginn der Studie erworben hatten.

Dennoch würdigt das CDC diese Studie und bezeichnet sie als „gut konzipiert“. Und noch bevor die Bemühungen von Experten begutachtet oder als offizielle Studie veröffentlicht wurden, verkündete Abaluck: „Ich denke, damit sollte grundsätzlich jede wissenschaftliche Debatte darüber beendet sein, ob Masken wirksam sein können.“

Bedenken Sie, dass es keinen wirklichen Grund gibt, die Ergebnisse der Bangladesch-Studie herauszupicken. Wenn die Studie die Menschen davon überzeugt, dass Masken funktionieren, dann sollte sie sie auch davon überzeugen, dass Menschen in ihren Vierzigern Stoffmasken tragen sollten (rote, nicht lila!) und dann mit 50 Jahren auf chirurgische Masken umsteigen sollten. All diese statistisch signifikanten Ergebnisse ergaben sich daraus die gleiche Abkehr von der Intention-to-Treat-Analyse und die gleiche Entschlossenheit, 340.000 Menschen zu analysieren, als wären sie einzeln und nach dem Zufallsprinzip einer Gruppe zugeordnet worden, während sie stattdessen mit dem Rest ihres Dorfes in einen Topf geworfen worden wären. Laienhaft ausgedrückt: Müll rein, Müll raus.

Die besten wissenschaftlichen Beweise deuten weiterhin darauf hin, dass Masken nicht funktionieren. Unterdessen ignoriert das öffentliche Gesundheitssystem diese Beweise weiterhin. Auch Beamte des öffentlichen Gesundheitswesens sind sich der äußerst negativen Auswirkungen von Masken auf die menschliche Interaktion und die Lebensqualität kaum bewusst. Das Gesicht anderer zu sehen und das eigene zu zeigen, ist das Herzstück des menschlichen Soziallebens. Mit den Worten des politischen Philosophen Pierre Manent: „Die eigene Weigerung, gesehen zu werden, sichtbar zu machen, ist eine andauernde Aggression gegen das menschliche Zusammenleben.“

Die Macht der Regierung zu nutzen, um Einzelpersonen daran zu hindern, anderen ihr Gesicht zu zeigen, ist noch schlimmer: ein anhaltender Angriff auf die menschliche Freiheit. In der Tat, wie Manent schreibt: „Die Sichtbarkeit des Gesichts ist eine der elementaren Bedingungen der Geselligkeit, des gegenseitigen Bewusstseins, das jeder Erklärung von Rechten vorausgeht und sie bedingt.“ Und das Einzige, was schlimmer ist, als die Rechte freier Männer und Frauen zu verweigern, ist die Verfolgung ihrer Kinder.

Jeffrey H. Anderson ist Präsident der American Main Street Initiative, einer Denkfabrik für normale Amerikaner, und war von 2017 bis 2021 Direktor des Bureau of Justice Statistics im US-Justizministerium.

Foto von David Crane/MediaNews Group/Los Angeles Daily News über Getty Images

City Journal ist eine Publikation des Manhattan Institute for Policy Research (MI), einer führenden Denkfabrik für den freien Markt. Haben Sie Interesse, das Magazin zu unterstützen? Als gemeinnützige Organisation gemäß 501(c)(3) sind Spenden zur Unterstützung von MI und City Journal gemäß den gesetzlichen Bestimmungen vollständig steuerlich absetzbar (EIN-Nr. 13-2912529).

-

-

-

-

-