Masker för alla? Vetenskapen säger ja.

Översättning av artikeln Masks for all? The science says yes, skriven den 13 April 2020 av Professor Trisha Greenhalgh OBE och Jeremy Howard.

Blir du förvirrad av diskussionen kring ansiktsmasker? Jovisst, det är komplicerat, men inte så komplicerat som många vill påstå. . Vi har tittat på forskning (se vår artikel Face Masks Against COVID-19: An Evidence Review, innehållande 84 referenser och Face Masks for the public during the covid-19 crisis). Här följer en sammanfattning av de olika beviskällorna samt en tolkning av deras innebörd.

Sjukdomsspridningens epidemiologi

Du har säkert sett videon av nära placerade dominobrickor och musfällor, där ett enda föremål sätter igång en stor kedjereaktion. Ju närmare dominobrickorna (eller musfällorna) är, desto större kaos skapar de. Varje smittosam sjukdom har ett reproduktionstal (R0). En sjukdom med ett R0 värde på 1,0 innebär att varje person som bär sjukdomen i medeltal smittar en annan person. En sjukdom vars R0-tal är mindre än 1,0 kommer att dö ut. Viruset som orsakade spanska sjukan 1918 hade R0 på 1,8. Forskare vid Imperial College har uppskattat att viruset som orsakar COVID-19 har ett R0-tal på 2,4 medan andra forskare uppskattar det att vara så högt som 5,7. Detta innebär att ifall inga begränsande åtgärder utförs, kommer COVID-19 att spridas långt och snabbt. Det bör understrykas att patienter med COVID-19 är som mest smittsamma i sjukdomens början (To et al. 2020; Zou et al. 2020; Bai et al. 2020; Zhang et al. 2020; Doremalen et al. 2020; Wei 2020), när de generellt sett har få eller inga symptom.

Droppars och aerosolers fysik

När du talar så flyger små droppar ut från din mun. Om du är smittbärare innehåller dessa droppar viruspartiklar. Endast de största dropparna överlever längre än 0,1 sekunder innan de torkar ut och förvandlas till droppkärnor (droplet nuclei)(Wells 1934; Duguid 1946; Morawska et al. 2009) vilka är 3-5 gånger mindre än ursprungsdroppen, men fortfarande innehåller virus.

Detta innebär att det är mycket lättare att stoppa dropparna just i det ögonblick de lämnar munnen och är mycket större, än då de närmar sig ansiktet hos en frisk person på mottagarsidan. Men detta är inte vad forskare har fokuserat på…

Ansiktsmaskernas materialvetenskap

I debatten kring ansiktsmaskers effektivitet antas det ofta att maskernas syfte är att skydda bäraren, eftersom detta är var alla läkare lär sig under sina studier. Tygmasker är ganska dåliga (men inte helt ineffektiva) för detta ändamål. För ett hundraprocentigt skydd bör användaren ha ett ordentligt åtsittande medicinskt andningsskydd (såsom n95). Men tygmasker som bärs av en smittad person är väldigt effektiva på att skydda människor runt omkring dem. Detta kallas på källkontroll (på engelska “source control”). Källkontroll är vad som har betydelse i debatten kring huruvida allmänheten bör använda ansiktsmasker.

Om du har COVID-19 och hostar på någon 20 cm ifrån, kommer mängden virus du överför att minska med 36 gånger om du bär en bomullsmask, vilket t.om är bättre än då man bär en kirurgisk mask. Det konstiga är att de forskare som uptäckte detta konstaterade en 36-faldig minskning att vara “verkningslöst”. Vi är av annan åsikt. Det betyder att du endast kommer att överföra 1/36-del av den mängd virus du annars skulle ha gjort, vilket minskar den virala belastningen och kommer sannolikt att leda till en mindre risk att bli smittad, och till färre symptom om infekterad.

Smittspridningens matematik

Vårt teams matematiska modeller, vilka fått stöd av övrig forskning (Yan et al. 2019), föreslår att ifall de flesta bär mask i offentligheten, så kommer reproduktionstalet att gå under 1,0, vilket skulle helt stoppa spridningen av sjukdomen. Maskerna behöver inte stoppa varje viruspartikel, men ju fler partiklar de stoppar, desto lägre reproduktionstal.

Modell över hur maskanvändning påverkar reproduktionstalet.
Modell över hur maskanvändning påverkar reproduktionstalet.

Hur effektiv användning av masker är beror på tre saker illustrerade i ovanstående diagram: Hur bra maskerna blockerar viruset (‘efficacy’: horistontell axel), hur stor del av allmänheten som bär masker (‘adherence’: vertikal axel), och sjukdomens reproduktionstal (R0: de svarta strecken på grafen). Det blå området indikerar en R0 under 1.0 vilket är vad som behövs för att uppnå en utrotning av sjukdomen. Om maskerna blockerar 100% av partiklarna (till höger i diagramet) så kommer t.om en låg procent av maskanvändning att stoppa sjukdomen. Även om maskerna stoppar en mycket lägre andel av viruspartiklarna så kan sjukdomen ändå stoppas, men endast ifall nästan alla personer bär masker.

Maskbärandets statsvetenskap

Hur får du nästan alla människor att bära masker? Ja, du kan undervisa dem och försöka övertala dem, men ett mer effektivt tillvägagångssätt är att göra det obligatoriskt att bära masker, antingen vid specifika situationer som i kollektivtrafik eller affärer eller så alltid utanför hemmet. Vaccinationsforskning (Bradford and Mandich 2015) visar att jurisdiktioner som sätter en högre tröskel för undantag ger upphov till ett högre vaccinationsantal. Samma tillvägagångssätt har använts för att öka antalet som bär masker, och tidiga resultat (Leffler et al. 2020) visar att dessa lagar är effektiva på att öka användandet och sakta ner eller förhindra spridning av COVID-19.

Maskanvändningsexperiment: naturliga och artificiella

Ett artificiellt experiment är då forskare uppmanar personer (vanligen slumpässigt, varifrån termen ‘Randomiserad kontrollerad studie’ förkortat RCT på engelska, kommer) att antingen bära eller inte bära masker (kontrollgruppen). Det har inte utförts några RCT studier kring maskanvändning hos allmänheten relaterat till COVID-19. RCT:n om maskanvändning för att förhindra spridning av andra sjukdomar (som, t.ex. Infuensa eller tuberkulos) har endast visat en liten effektivitet som inte varit statistiskt märkvärdigt. I de flesta studier har inte heller den grupp som använt mask, alltid burit sina masker.

Ett naturligt experiment där då vi kan undersöka något som faktiskt händer, t.ex då ett land introducerar en policy att bära masker. Sydkorea hade som ett exempel en snabb spridning, likadan som Italien under dess första veckor. I slutet av Februari 2020 försåg myndigheten varje individ med masker. Från och med den tidpunkten ändrade allting. Medan Italiens dödssiffror accelererade till hemska nivåer började Sydkoreas antal att minska. Här följer Sydkoreas antal aktiva fall (röd) och Italiens (blå); ta en närmare titt vad som hände i början av Mars då resultatet av maskdistributioner började märkas (denna analys är gjord av Hyokon Zhiang och visualiseringen gjordes av Reshama Shaik):

Jämförelse av COVID-19 fallen mellan Sydkorea and Italien
Jämförelse av COVID-19 fallen mellan Sydkorea and Italien

Naturliga experiment är vetenskapligt imperfekta, p.g.a. att det inte finns någon direkt kontrollgrupp, så vi kan inte vara säkra på att förändringen beror på maskerna. I vissa länder som introducerade maskanvändning, togs även andra åtgärder samtidigt i bruk, såsom social distancing, stängning av skolor och avbokande av offentliga tillställningar. Även i dessa fall kan vi hitta relevanta jämförelser. Ett exempel är två europeiska grannar, Österrike och Tjeckien, som introducerade social distancing samma dag, men Tjeckien introducerade även obligatorisk maskanvändning. Österrikes sjukdomsantal fortsatte sin uppåtgående bana, medan Tjeckiens planade ut. Det var inte förrän även Österrike introducerade lagar om maskanvändning veckor senare som de båda länderna återgick till liknande banor.

Jämförelse av COVID-19 fall mellan Tjeckien och Österrike
Jämförelse av COVID-19 fall mellan Tjeckien och Österrike

Det är viktigt att poängtera att i varje land och varje gång där maskanvändning har uppmanats via lagar eller då masker tillhandahållits allmänheten så har sjukdomsantalen och dödanstalet minskat.

Maskanvändningens beteendevetenskap

Vissa har hävdat att ifall man tvingar (eller starkt uppmuntrar) folk att bära masker så uppmuntrar detta till ett riskfyllt beteende (Brosseau et al. 2020) (man går t.ex ut mera eller tvättar händerna mindre), vilket leder till ett sämre resultat, och detta har även observerats i vissa experiment. Liknande argument har också gjorts angående HIV förebyggande strategier (Cassell et al. 2006; Rojas Castro, Delabre, and Molina 2019) och användning av motorcykelhjälmar (Ouellet 2011). Forskning från verkliga livet har dock visat att fastän vissa individer har gensvarat med ett riskfyllt beteende så har man på populationsnivå sett en ökad säkerhet och välmående (Peng et al. 2017; Houston and Richardson 2007).

Ekonomin kring maskanvändning

Ekonomiska analyser tar i beaktande kostnaden av att förse allmänheten med masker och hur mycket värde (både ekonomiskt och icke-ekonomiskt) kunde skapas eller potentiellt förloras ifall de tillhandahölls. Sådana studier (Abaluck et al. 2020) visar att varje mask som bars av en person (vilket inte kostade nästan någonting) skulle ge upphov till ekonomiska fördelar på tusentals dollar och rädda många liv.

Maskanvändningens antropologi

Användandet av masker offentligt har blivit normalt i många Asiatiska länder, dels av individuella orsaker (att skydda sig mot föroreningar) och dels av kollektiva (till följd av de senaste MERS och SARS epidemierna). Min mask skyddar dig, din mask skyddar mig. Det har dock varit en norm i dessa länder att endast använda mask ifall du har symptom. Det är endast under de senaste veckorna, som medvetenheten om asymptomatisk spridning blivit mera känt, som maskanvändning oavsätt symptom blivit vanligt.

Sammanfattning

Fastän inte varje vetenskapligt bevis stöder maskanvändning så visar de flesta punkterna i samma riktning. Vår bedömning av dessa bevis leder oss till att dra en tydlig slutsats: Behåll dina droppar för dig själv – använd en mask.

Du kan tillverka en mask hemma, av en t-skjorta, näsduk, eller pappershanduk, eller bara genom att linda en scarf eller snusnäsduk runt ditt ansikte. Använd helst ett tätt tygstycke som du fortfarande kan andas genom. Forskare rekommenderar att inkludera ett ark pappershanduk som ett engångsfilter, du kan enkelt sätta det mellan två lager tyg. Det finns inga bevis på att din mask bör vara tillverkad med någon viss skicklighet eller noggrannhet för att funkera effektivt som källkontroll. Du kan enkelt sätta en tygbit i tvätten och återanvända den, på samma sätt som du återanvänder en t-skjorta.

Om det visar sig att du bär på COVID-19, så kommer människorna runtomkring dig vara glad att du bar en mask.

Epilogue: Jeremys illustration av källkontroll

Här följer en liten illustration (på Engelska) av källkontroll från Jeremy!

Källor

Abaluck, Jason, Judith A. Chevalier, Nicholas A. Christakis, Howard Paul Forman, Edward H. Kaplan, Albert Ko, and Sten H. Vermund. 2020. “The Case for Universal Cloth Mask Adoption and Policies to Increase Supply of Medical Masks for Health Workers.” SSRN Scholarly Paper ID 3567438. Rochester, NY: Social Science Research Network. https://papers.ssrn.com/abstract=3567438.
Bai, Yan, Lingsheng Yao, Tao Wei, Fei Tian, Dong-Yan Jin, Lijuan Chen, and Meiyun Wang. 2020. “Presumed Asymptomatic Carrier Transmission of Covid-19.” Jama.
Bradford, W David, and Anne Mandich. 2015. “Some State Vaccination Laws Contribute to Greater Exemption Rates and Disease Outbreaks in the United States.” Health Affairs 34 (8): 1383–90.
Brosseau, Lisa M., ScD, Margaret Sietsema, PhD Apr 01, and 2020. 2020. “COMMENTARY: Masks-for-All for COVID-19 Not Based on Sound Data.” CIDRAP. https://www.cidrap.umn.edu/news-perspective/2020/04/commentary-masks-all-covid-19-not-based-sound-data.
Cassell, Michael M, Daniel T Halperin, James D Shelton, and David Stanton. 2006. “Risk Compensation: The Achilles’ Heel of Innovations in Hiv Prevention?” Bmj 332 (7541): 605–7.
Doremalen, Neeltje van, Trenton Bushmaker, Dylan H. Morris, Myndi G. Holbrook, Amandine Gamble, Brandi N. Williamson, Azaibi Tamin, et al. 2020. “Aerosol and Surface Stability of SARS-CoV-2 as Compared with SARS-CoV-1.” New England Journal of Medicine 0 (0): null. https://doi.org/10.1056/NEJMc2004973.
Duguid, JP. 1946. “The Size and the Duration of Air-Carriage of Respiratory Droplets and Droplet-Nuclei.” Epidemiology & Infection 44 (6): 471–79.
Houston, David J, and Lilliard E Richardson. 2007. “Risk Compensation or Risk Reduction? Seatbelts, State Laws, and Traffic Fatalities.” Social Science Quarterly 88 (4): 913–36.
Leffler, Christopher, Edsel Ing, Craig A. McKeown, Dennis Pratt, and Andrzej Grzybowski. 2020. “Country-Wide Mortality from the Novel Coronavirus (COVID-19) Pandemic and Notes Regarding Mask Usage by the Public.”
Morawska, LJGR, GR Johnson, ZD Ristovski, Megan Hargreaves, K Mengersen, Steve Corbett, Christopher Yu Hang Chao, Yuguo Li, and David Katoshevski. 2009. “Size Distribution and Sites of Origin of Droplets Expelled from the Human Respiratory Tract During Expiratory Activities.” Journal of Aerosol Science 40 (3): 256–69.
Ouellet, James V. 2011. “Helmet Use and Risk Compensation in Motorcycle Accidents.” Traffic Injury Prevention 12 (1): 71–81.
Peng, Yinan, Namita Vaidya, Ramona Finnie, Jeffrey Reynolds, Cristian Dumitru, Gibril Njie, Randy Elder, et al. 2017. “Universal Motorcycle Helmet Laws to Reduce Injuries: A Community Guide Systematic Review.” American Journal of Preventive Medicine 52 (6): 820–32.
Rojas Castro, Daniela, Rosemary M Delabre, and Jean-Michel Molina. 2019. “Give Prep a Chance: Moving on from the ‘Risk Compensation’ Concept.” Journal of the International AIDS Society 22: e25351.
To, Kelvin Kai-Wang, Owen Tak-Yin Tsang, Wai-Shing Leung, Anthony Raymond Tam, Tak-Chiu Wu, David Christopher Lung, Cyril Chik-Yan Yip, et al. 2020. “Temporal profiles of viral load in posterior oropharyngeal saliva samples and serum antibody responses during infection by SARS-CoV-2: an observational cohort study.” Lancet Infect. Dis. 0 (0). https://doi.org/10.1016/S1473-3099(20)30196-1.
Wei, Wycliffe E. 2020. “Presymptomatic Transmission of SARS-CoV-2 — Singapore, January 23–March 16, 2020.” MMWR. Morbidity and Mortality Weekly Report 69. https://doi.org/10.15585/mmwr.mm6914e1.
Wells, WF. 1934. “On Air-Borne Infection: Study Ii. Droplets and Droplet Nuclei.” American Journal of Epidemiology 20 (3): 611–18.
Yan, Jing, Suvajyoti Guha, Prasanna Hariharan, and Matthew Myers. 2019. “Modeling the Effectiveness of Respiratory Protective Devices in Reducing Influenza Outbreak.” Risk Analysis 39 (3): 647–61. https://doi.org/10.1111/risa.13181.
Zhang, Juanjuan, Maria Litvinova, Wei Wang, Yan Wang, Xiaowei Deng, Xinghui Chen, Mei Li, et al. 2020. “Evolving Epidemiology and Transmission Dynamics of Coronavirus Disease 2019 Outside Hubei Province, China: A Descriptive and Modelling Study.” The Lancet Infectious Diseases 0 (0). https://doi.org/10.1016/S1473-3099(20)30230-9.
Zou, Lirong, Feng Ruan, Mingxing Huang, Lijun Liang, Huitao Huang, Zhongsi Hong, Jianxiang Yu, et al. 2020. “SARS-CoV-2 Viral Load in Upper Respiratory Specimens of Infected Patients.” New England Journal of Medicine 382 (12): 1177–9. https://doi.org/10.1056/NEJMc2001737.

Leave a Reply

Your email address will not be published. Required fields are marked *