Puede seguirnos en nuestro canal sin censura de Telegram

Dhaval Adjodah, Karthik Dinakar, Matteo Chinazzi, Samuel P. Fraiberger, Alex Pentland, Samantha Bates, […ver 2 más…], Deepak L. Bhatt

• Resumen Ampliamos estudios previos sobre el impacto de las máscaras en los resultados de COVID-19 investigando una amplitud y profundidad sin precedentes de resultados de salud, resoluciones geográficas, tipos de mandatos de máscaras, olas tempranas versus posteriores y controlando otras intervenciones gubernamentales, tasa de pruebas de movilidad y clima. Mostramos que los mandatos de máscara están asociados con una disminución estadísticamente significativa en casos nuevos (-3.55 por 100K), muertes (-0.13 por 100K) y la proporción de ingresos hospitalarios (-2.38 puntos porcentuales) hasta 40 días después de la introducción de mandatos de máscara tanto a nivel estatal como del condado. Estos efectos son grandes y corresponden al 14% del mayor número registrado de casos, el 13% de las muertes y el 7% de la proporción de ingresos. También encontramos que los mandatos de uso de mascarillas están vinculados a un aumento de 23,4 puntos porcentuales en la adherencia a las mascarillas en cuatro estados diversos. Dado el reciente levantamiento de los mandatos, estimamos que la finalización de los mandatos de mascarillas en estos estados está asociada con una disminución de -3.19 puntos porcentuales en el cumplimiento de las mascarillas y 12 por 100K (13% del número más alto registrado) de casos nuevos diarios sin efecto significativo en las hospitalizaciones y las muertes. Por último, utilizando un gran conjunto de datos de encuestas novedosas de 847 000 respuestas en 69 países, presentamos los resultados novedosos de que la adherencia a las mascarillas comunitarias y las actitudes de la comunidad hacia las mascarillas están asociadas con una reducción en los casos y muertes por COVID-19. Nuestros resultados tienen implicaciones políticas para reforzar la necesidad de mantener y alentar el uso de máscaras por parte del público, especialmente a la luz de que algunos estados comienzan a eliminar sus mandatos de máscaras. estimamos que el fin de los mandatos de uso de mascarillas en estos estados está asociado con una disminución de -3.19 puntos porcentuales en el cumplimiento de las mascarillas y 12 por 100K (13 % del número más alto registrado) de casos nuevos diarios sin un efecto significativo en las hospitalizaciones y muertes. Por último, utilizando un gran conjunto de datos de encuestas novedosas de 847 000 respuestas en 69 países, presentamos los resultados novedosos de que la adherencia a las mascarillas comunitarias y las actitudes de la comunidad hacia las mascarillas están asociadas con una reducción en los casos y muertes por COVID-19. Nuestros resultados tienen implicaciones políticas para reforzar la necesidad de mantener y alentar el uso de máscaras por parte del público, especialmente a la luz de que algunos estados comienzan a eliminar sus mandatos de máscaras. estimamos que el fin de los mandatos de uso de mascarillas en estos estados está asociado con una disminución de -3.19 puntos porcentuales en el cumplimiento de las mascarillas y 12 por 100K (13 % del número más alto registrado) de casos nuevos diarios sin un efecto significativo en las hospitalizaciones y muertes. Por último, utilizando un gran conjunto de datos de encuestas novedosas de 847 000 respuestas en 69 países, presentamos los resultados novedosos de que la adherencia a las mascarillas comunitarias y las actitudes de la comunidad hacia las mascarillas están asociadas con una reducción en los casos y muertes por COVID-19. Nuestros resultados tienen implicaciones políticas para reforzar la necesidad de mantener y alentar el uso de máscaras por parte del público, especialmente a la luz de que algunos estados comienzan a eliminar sus mandatos de máscaras. 19 puntos porcentuales en el cumplimiento de la máscara y 12 por 100K (13% del número más alto registrado) de casos nuevos diarios sin un efecto significativo en las hospitalizaciones y muertes. Por último, utilizando un gran conjunto de datos de encuestas novedosas de 847 000 respuestas en 69 países, presentamos los resultados novedosos de que la adherencia a las mascarillas comunitarias y las actitudes de la comunidad hacia las mascarillas están asociadas con una reducción en los casos y muertes por COVID-19. Nuestros resultados tienen implicaciones políticas para reforzar la necesidad de mantener y alentar el uso de máscaras por parte del público, especialmente a la luz de que algunos estados comienzan a eliminar sus mandatos de máscaras. 19 puntos porcentuales en el cumplimiento de la máscara y 12 por 100K (13% del número más alto registrado) de casos nuevos diarios sin un efecto significativo en las hospitalizaciones y muertes. Por último, utilizando un gran conjunto de datos de encuestas novedosas de 847 000 respuestas en 69 países, presentamos los resultados novedosos de que la adherencia a las mascarillas comunitarias y las actitudes de la comunidad hacia las mascarillas están asociadas con una reducción en los casos y muertes por COVID-19. Nuestros resultados tienen implicaciones políticas para reforzar la necesidad de mantener y alentar el uso de máscaras por parte del público, especialmente a la luz de que algunos estados comienzan a eliminar sus mandatos de máscaras. presentamos los resultados novedosos de que la adherencia a las máscaras comunitarias y las actitudes de la comunidad hacia las máscaras están asociadas con una reducción en los casos y muertes de COVID-19. Nuestros resultados tienen implicaciones políticas para reforzar la necesidad de mantener y alentar el uso de máscaras por parte del público, especialmente a la luz de que algunos estados comienzan a eliminar sus mandatos de máscaras. presentamos los resultados novedosos de que la adherencia a las máscaras comunitarias y las actitudes de la comunidad hacia las máscaras están asociadas con una reducción en los casos y muertes de COVID-19. Nuestros resultados tienen implicaciones políticas para reforzar la necesidad de mantener y alentar el uso de máscaras por parte del público, especialmente a la luz de que algunos estados comienzan a eliminar sus mandatos de máscaras.Cita: Adjodah D, Dinakar K, Chinazzi M, Fraiberger SP, Pentland A, Bates S, et al. (2021) Asociación entre los resultados de COVID-19 y los mandatos, la adherencia y las actitudes de las mascarillas. PLoS ONE 16(6): e0252315. doi:10.1371/journal.pone.0252315Editor: Valerio Capraro, Universidad de Middlesex, REINO UNIDORecibido: 4 de marzo de 2021; Aceptado: 13 de mayo de 2021; Publicado: 23 de junio de 2021Derechos de autor: © 2021 Adjodah et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia de atribución de Creative Commons , que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que se acredite al autor original y la fuente.Disponibilidad de datos: los datos y el código están disponibles en GitHub ( https://github.com/d-val/Mask_Mandates_Adherence_Attitudes ).Financiamiento: El/los autor(es) no recibieron financiamiento específico para este trabajo.Conflicto de intereses:MyoKardia, PhaseBio, PLx Pharma, Regado Biosciences; Junta Directiva: Boston VA Research Institute, Society of Cardiovascular Patient Care, TobeSoft; Presidente: Comité de Supervisión de Calidad de la Asociación Estadounidense del Corazón; Comités de seguimiento de datos: Baim Institute for Clinical Research (anteriormente Harvard Clinical Research Institute, para el ensayo PORTICO, financiado por St. Jude Medical, ahora Abbott), Cleveland Clinic (incluso para el ensayo ExCEED, financiado por Edwards), Contego Medical (presidente , PERFORMANCE 2), Duke Clinical Research Institute, Mayo Clinic, Mount Sinai School of Medicine (para el ensayo ENVISAGE, financiado por Daiichi Sankyo), Population Health Research Institute; Honorarios: Colegio Americano de Cardiología (Editor Asociado Principal, Ensayos Clínicos y Noticias, ACC.org; Vicepresidente, Comité de Acreditación de ACC), Instituto de Investigación de Salud de la Población (para el comité de operaciones de COMPASS, el comité de publicaciones, el comité directivo y el colíder nacional de EE. UU., financiado por Bayer), Slack Publications (editor médico jefe, Cardiology Today’s Intervention), Society of Cardiovascular ), WebMD (comités directivos de CME); Otros: Cardiología Clínica (Editor Adjunto), Comité Directivo del Registro NCDRACTION (Presidente), Comité de Investigación y Publicaciones VA CART (Presidente); Financiamiento de la investigación: Abbott, Afimmune, Amarin, Amgen, AstraZeneca, Bayer, Boehringer Ingelheim, Bristol-Myers Squibb, Cardax, Chiesi, CSL Behring, Eisai, Ethicon, Ferring Pharmaceuticals, Forest Laboratories, Fractyl, HLS Therapeutics, Idorsia, Ironwood, Ischemix , Lexicon, Lilly, Medtronic, MyoKardia, Owkin, Pfizer, PhaseBio, PLx Pharma, Regeneron, Roche, Sanofi, Synaptic, La Compañía de Medicamentos; Regalías: Elsevier (Editor, Cardiovascular Intervention: A Companion to Braunwald’s Heart Disease); Co-investigador del sitio: Biotronik, Boston Scientific, CSI, St. Jude Medical (ahora Abbott), Svelte; Fideicomisario: Colegio Americano de Cardiología; Investigación no financiada: FlowCo, Merck, Novo Nordisk, Takeda. Esto no altera nuestra adhesión a las políticas de PLOS ONE sobre el intercambio de datos y materiales.
• IntroducciónHasta diciembre de 2020, el SARS-CoV-2, el virus responsable de la COVID-19, ha infectado al menos a 66 millones de personas en todo el mundo y ha causado más de 1,5 millones de muertes [ 1 ]. Numerosos estudios han analizado el papel desempeñado por las máscaras durante la pandemia de COVID-19 [ 2 – 6 ]: las máscaras se han asociado con una reducción en la tasa de infección entre los trabajadores de la salud en una gran red hospitalaria [ 7 ], los mandatos de máscara han ayudado a reducir el número de casos en los Estados Unidos y en Alemania [ 8 – 10 ], y las simulaciones han demostrado que usar una máscara puede proteger contra la infección por gotitas al prevenir la propagación de partículas virales [ 11 – 16]. A pesar de esta evidencia, 6 estados levantaron recientemente sus mandatos de máscara a pesar de que tienen algunas de las tasas de vacunación más bajas del país.Ya existe una gran cantidad de literatura y está en curso sobre los impulsores detrás del uso de máscaras: los estudios han demostrado fuertes relaciones entre el uso de máscaras y diferentes tipos de mensajes, obligatoriedad de género y país [ 17 ], masculinidad [ 18 ], percepciones de máscaras [ 19 ] , ideología política y actitudes de riesgo [ 20 ], género, edad y ubicación [ 21 , 22 ], retórica [ 23 , 24 ] entre muchos otros atributos individuales, comunitarios y sociales [ 25 ]. Del mismo modo, se han realizado trabajos que analizan el efecto de las máscaras en la economía [ 26 ], los impulsores detrás de la escasez inicial de máscaras [ 27, 28 ] y, de manera más general, una gran cantidad de trabajo sobre cómo provocar de manera óptima cambios de comportamiento en individuos y poblaciones [ 29 – 34 ]. Aquí, nos enfocamos en el efecto posterior de las máscaras en los resultados de COVID-19 y nuestro objetivo es fortalecer el caso de que las máscaras tienen un efecto positivo en la pandemia.Para hacerlo, ampliamos estudios previos investigando una amplitud y profundidad sin precedentes de resultados, resoluciones geográficas, tipos de mandatos de máscara, variables de control, oleadas tempranas versus posteriores y controlando otras intervenciones gubernamentales (como órdenes de quedarse en casa). Por ejemplo, se ha demostrado que los mandatos de máscara a nivel estatal tienen un efecto positivo en los casos [ 8 ] utilizando la misma metodología que la nuestra, el marco de estudio de eventos. Sobre la base de este trabajo, investigamos el efecto de los mandatos no solo en los casos, sino también en las hospitalizaciones y muertes, agregando nuevos controles para la movilidad individual, la temperatura y la precipitación, las tasas de prueba de COVID-19 y también investigando el efecto de la máscara a nivel de condado. mandatos De manera similar, se descubrió que los mandatos de máscara son beneficiosos en un estudio de casos en Alemania [10 ], pero sin considerar la hospitalización y las muertes, y sin controlar las variables de evolución temporal de importancia crítica, como la movilidad y la tasa de pruebas (además, ampliamos nuestra investigación a 69 países). El trabajo más cercano al nuestro investiga el impacto causal de las políticas de máscaras [ 35 ] pero no analiza las hospitalizaciones, los mandatos y resultados a nivel de condado, los diferentes tipos de mandatos, los estados afectados antes y después, etc. Sin embargo, basamos nuestro enfoque de cómo para controlar las respuestas conductuales individuales voluntarias a la información en su modelo gráfico causal.En general, nuestro trabajo hace las siguientes contribuciones novedosas en relación con estudios recientes: analizamos un número mucho mayor de condados (que cubren el 77 % de la población de EE. UU.) y los 50 estados y el Distrito de Columbia controlando una serie de cambios geográficos -variables específicas en comparación con [ 9 ]; investigamos los efectos del tratamiento con un horizonte de tiempo más largo y nos expandimos más allá de las poblaciones hospitalarias en comparación con [ 7]; incluimos estados más allá de Nueva York y Washington en comparación con [ 11 ]; incluimos resultados más allá de la hospitalización, analizamos todos los estados e investigamos los efectos a nivel de condado en comparación con [ 36 ]; investigamos la evolución temporal de los mandatos de máscara antes y después de su introducción en comparación con [ 6]; y analizamos poblaciones mucho más grandes e incluimos la evolución temporal y la heterogeneidad geográfica de los efectos del tratamiento en comparación con [ 37 ].Además de fortalecer la evidencia del efecto de los usos obligatorios de mascarillas en los resultados de COVID-19, este trabajo presenta dos contribuciones novedosas a la investigación de mascarillas: investigamos el efecto de los usos obligatorios de mascarillas en la adherencia a las mascarillas (el porcentaje de personas que usan mascarillas) y el efecto de la adherencia a la máscara en los casos y muertes de COVID-19. En segundo lugar, utilizando un conjunto de datos novedoso de respuestas de encuestas en 69 países de todo el mundo a lo largo de meses de encuestas que contienen 847 000 respuestas en 51 idiomas, investigamos el efecto de la adherencia comunitaria a las mascarillas (cuántas personas en una comunidad usan mascarillas) y la comunidad. Actitudes sobre mascarillas (cuántas personas en una comunidad creen que las mascarillas son importantes para el COVID-19) en casos y muertes a nivel de país. Esto es especialmente importante ya que los impulsores comunitarios y de adherencia similares detrás de la evitación de máscaras [38 ] podría afectar el despliegue continuo de vacunas.Este documento está estructurado de la siguiente manera: en la siguiente sección, describimos nuestros resultados: el resultado principal es que los mandatos de máscara están asociados con una mejora significativa en los resultados de COVID-19 (que corresponde al 14% del número más alto registrado de casos nuevos diarios, 13% de las muertes y 7% de los ingresos hospitalarios). Como se describe en la sección Materiales y métodos, nuestro análisis cubre los 50 estados (incluido el Distrito de Columbia) y los 857 condados (que representan el 77 % de la población de los EE. UU.) desde el 2 de febrero de 2020 hasta el 27 de septiembre de 2020, e incluimos una gran número de pruebas de robustez.En apoyo de nuestro resultado principal, también observamos que los mandatos de mascarillas están asociados con un aumento de 23,4 puntos porcentuales en la adherencia a las mascarillas en cuatro estados con diversidad geográfica, cultural y política: Hawái, Iowa, Dakota del Norte y New Hampshire, y que la adherencia a las mascarillas es en sí misma asociado con una disminución significativa en los casos y muertes de COVID-19 en los 50 estados y DC. También observamos que el reciente levantamiento de los mandatos estatales de máscara está asociado con disminuciones en la adherencia y aumentos en los casos. Finalmente, utilizando un gran conjunto de datos novedosos [ 39 ], observamos que la adherencia a las máscaras comunitarias y las actitudes hacia las máscaras están asociadas con menos casos y muertes en 69 países, controlando la densidad de población, el desarrollo humano y la movilidad. Terminamos discutiendo las limitaciones e implicaciones de este trabajo.En conjunto, estos resultados sugieren fuertemente el efecto positivo de los mandatos de uso de mascarillas, la adherencia a las mascarillas y las actitudes sobre las mascarillas en los casos, las hospitalizaciones y las muertes por COVID-19.

Resultados

Mandatos de mascarillas y resultados de COVID-19

Como se muestra en la Fig. 1 , los mandatos de máscara se introdujeron en el día cero, que se muestra con la línea vertical roja. Debido a que estamos utilizando un modelo de estudio de eventos, el eje Y representa el efecto del tratamiento asociado con los mandatos de uso de mascarillas en el resultado de COVID-19 para cada día antes o después de la introducción de un mandato de uso de mascarillas en relación con el día anterior a la introducción de un mandato de uso de mascarillas. .ExpandirFig. 1. Efecto de los mandatos de máscaras a nivel estatal en los resultados de COVID-19.

El área sombreada representa un intervalo de confianza del 95 %, con errores estándar agrupados a nivel estatal. La línea vertical roja representa el inicio del mandato de máscara y la línea horizontal roja representa la línea de efecto de tratamiento cero. Observamos que el efecto del tratamiento comienza cerca de cero cuando se introducen las máscaras obligatorias (línea vertical roja) y aumenta gradualmente (es decir, el efecto del tratamiento se vuelve más negativo) alcanzando, 40 días después de la introducción de las máscaras obligatorias, -0,49 desviaciones estándar (95 % intervalo de confianza es [-0.61,-0.37], R 2 ajustado es ^0.632y p < 0.001) para casos nuevos (a) , -2.38 puntos porcentuales ([-2.99,-1.78], R ² ajustado es 0.698 y p< 0,001) para la proporción de ingresos hospitalarios diarios (b) por COVID-19, y 0,52 desviaciones estándar (el intervalo de confianza del 95% es [-0,69, -0,35], el R ²ajustado es 0,537 y p < 0,001) para las muertes ( c) . Estos efectos son grandes y corresponden al 14% del mayor número registrado de casos, el 13% de las muertes y el 7% de la proporción de ingresos.

doi:10.1371/journal.pone.0252315.g001Más «

Para los tres resultados, observamos que el efecto del tratamiento (eje y) es negativo, lo que significa que los mandatos de mascarilla están asociados con una disminución de casos, hospitalizaciones y muertes. Específicamente, observamos que este efecto del tratamiento comienza cerca de cero cuando se introducen las máscaras obligatorias y aumenta gradualmente (es decir, el efecto del tratamiento se vuelve más negativo) alcanzando, 40 días después de la introducción de las máscaras obligatorias, -0,49 desviaciones estándar (el intervalo de confianza del 95% es [-0.61,-0.37], R ² ajustado es 0.632 y p< 0.001) para casos nuevos, -2.38 puntos porcentuales ([-2.99,-1.78], R ² ajustado es 0.698 y p< 0,001) para la proporción de ingresos hospitalarios diarios por COVID-19, y 0,52 desviaciones estándar (el intervalo de confianza del 95 % es [-0,69, -0,35], R ² ajustado es 0,537 y p < 0,001) para las muertes.

En términos reales, estos efectos del tratamiento son grandes y corresponden a una disminución asociada de 3,55 casos por 100 000 personas (o 14 % del número más alto registrado de casos nuevos por 100 000 personas durante nuestro período de observación), 0,13 muertes por 100 000 personas (o 13 % del número más alto registrado de nuevas muertes), y una disminución del 7% en comparación con la proporción más alta registrada (34%) de admisiones hospitalarias relacionadas con COVID-19 durante nuestro período de observación. Como se detalla en la especificación ( Eq 1 ) del modelo en la sección Métodos, controlamos muchos factores de confusión, como otras NPI (permanencia en el hogar y cierre de negocios no esenciales), movilidad, clima, nuevas tasas de prueba y varios aspectos. de cambio de conducta.

Alcance del mandato de máscara: empleados de negocios frente al público.

Realizamos una serie de comprobaciones para comprobar la solidez de nuestros resultados. Primero, investigamos cómo se definen los mandatos de máscara. Como se señaló anteriormente, hasta ahora, hemos definido el inicio de un mandato de máscara como la fecha más temprana entre mandatos para todos los empleados o mandatos para todos los miembros del público.

Aquí, consideramos dos especificaciones alternativas en las que solo consideramos los mandatos de máscaras que requieren que todos usen una máscara afuera, y otra especificación en la que solo consideramos los mandatos que requieren que solo los empleados comerciales usen máscaras. La especificación anterior es más estricta que nuestra especificación original (que usaba el primero de los dos tipos de mandatos), ya que estos mandatos públicos generalmente llegaron más tarde en el año que los que se enfocan solo en los empleados comerciales, y más estados aún no tienen los mandatos públicos. .

Como se muestra en la Fig. 2 , la trayectoria y la magnitud del efecto del tratamiento asociado con los mandatos de mascarilla bajo cualquiera de los tipos de mandatos es consistente con nuestras estimaciones anteriores (que se muestran en la Fig. 1 ), lo que sugiere que nuestros efectos de tratamiento no son sensibles a nuestra definición de mandatos de mascarilla. .

Estados de ola temprana frente a estados de ola tardía.

Hasta ahora, siempre hemos analizado los 50 estados y el Distrito de Columbia en conjunto. Aquí investigamos la heterogeneidad del efecto del tratamiento entre los estados de la ola anterior y posterior, ya que es posible que el efecto de los mandatos de máscara en los estados que formaron parte de la ola temprana de la pandemia de COVID-19 podría ser diferente de los estados que se vieron afectados más tarde. Por ejemplo, la escasez de mascarillas estuvo presente durante las primeras etapas de la pandemia [ 27 , 40 , 41 ] lo que podría afectar la proporción de personas que usan mascarillas (adherencia a las mascarillas) siguiendo un mandato de mascarillas para los primeros estados en comparación con los estados posteriores.

Por lo tanto, observamos por separado los primeros 15 estados que tienen la mayor cantidad de casos por 100K durante el mes de abril (a saber, NY, NJ, MA, CT, MI, DC, RI, IL, WA, PA, GA, VT , MD, FL, LA) en comparación con el resto de los estados (es decir, estados de onda posteriores). Como se muestra en la figura 3 , el efecto de los mandatos de máscaras fue más gradual y ruidoso en los estados anteriores, mientras que tuvo un efecto más rápido en los estados posteriores. Esto es coherente con la bibliografía sobre el cambio de comportamiento, según la cual pedir a las personas que cambien sus hábitos (en este caso, el uso de mascarillas) es mucho más difícil cuando el comportamiento sigue siendo muy novedoso [ 29 , 31 ].]. Debido a que la trayectoria y la magnitud del efecto del tratamiento en general son consistentes con nuestro resultado principal anterior, esto sugiere que nuestra especificación no es sensible a los subconjuntos de la onda anterior, la onda posterior o todos los estados.

Tasa de prueba de exogeneidad.

También investigamos si las disminuciones en los resultados de COVID-19 que observamos pueden deberse a que la cantidad de pruebas de COVID-19 que se realizan cada día podría estar disminuyendo luego de la introducción de los mandatos de máscara, lo que nos lleva a observar, erróneamente, una tasa más baja de resultados de COVID-19. . Aunque ya controlamos la tasa de prueba en nuestra especificación de estudio de eventos, aquí también investigamos si las tasas de prueba estaban disminuyendo exógenamente durante el período de observación. Lo hacemos de dos maneras: en primer lugar, analizamos la tasa de pruebas por estado y la media (sobre todos los estados) (pruebas nuevas diarias por cada 100 000) todos los días. Como se muestra en la figura S2 en el archivo S1 (izquierda), no disminuye sino que aumenta durante nuestro período de investigación. Como prueba adicional, llevamos a cabo una estimación de estudio de eventos ( Eq 2) para investigar un efecto de tratamiento de confusión asociado con los mandatos de máscara en la tasa de prueba. Como se muestra en la figura S2 en el archivo S1(derecha), no hay un efecto de tratamiento asociado de los mandatos de máscara en la tasa de prueba. Por lo tanto, es poco probable que nuestras estimaciones de disminución de los resultados de COVID-19 después de la introducción del uso obligatorio de mascarillas se deban a una disminución en la detección de los resultados de COVID-19.

Control de casos confirmados.

Podemos estimar nuestro efecto de tratamiento de los mandatos sobre el número de muertes y la proporción de hospitalizaciones al controlar el número de casos. Esta especificación nos permite investigar si cuando mantenemos constante el número de casos (controlando por casos), observamos que las hospitalizaciones y las muertes siguen disminuyendo tras la introducción de los mandatos. Como se muestra en S6 Fig in S1 File , el control por el número de casos tiene poco efecto en la trayectoria del efecto de los mandatos de uso de mascarillas en las muertes y hospitalizaciones, lo que sugiere que el efecto del tratamiento de los mandatos de uso de mascarillas es fuerte incluso cuando se controla por casos.

Afiliación política, demografía y tendencias a través del tiempo y efectos fijos unitarios.

Debido a que controlamos por efectos fijos de tiempo y unidad (estado o condado), implícitamente estamos controlando por un rango de factores que no cambiaron geográfica y temporalmente. Por ejemplo, incluir efectos fijos unitarios nos permite controlar la afiliación política e incluir correctamente la proporción de votos en las elecciones de 2018 por partido político para cada estado (o condado) no alteró nuestra estimación. Lo mismo ocurre con los factores demográficos, como la distribución de edades y la desigualdad económica. De manera similar, la inclusión de efectos fijos en el tiempo permite que el modelo desentrañe la trayectoria particular en los números de resultados que cada estado (o condado) tuvo a lo largo del tiempo.

Endogeneidad del cambio de comportamiento y pre-tendencias.

Un problema potencial con el marco de estudio de eventos es que la adopción de políticas podría ser endógena, lo que aquí podría significar que las personas podrían estar cambiando su comportamiento antes de que se introdujera la política, o que cambiaron su exposición al virus por otras razones endógenas no relacionadas pero que coinciden con el momento de la introducción de los mandatos de máscara. Por ejemplo, es posible que las personas salieran menos en el momento en que se introdujo el mandato debido al temor a la infección, que habían comenzado a usar máscaras antes de que se introdujera el mandato o que el mandato no aumentó la adherencia a las máscaras (cuánto las personas usan máscaras).

Primero nos enfocamos en el tema de las tendencias previas, que es el hecho de que las personas podrían haber comenzado a usar máscaras anticipadamente incluso antes de la introducción de los mandatos de máscaras. Para los tres resultados, el efecto previo al tratamiento es estadísticamente indistinguible de cero (porque el intervalo de confianza del 95 % todavía contiene la línea zerp horizontal de efecto cero). Observamos una ligera tendencia alcista, pero una investigación más profunda que utiliza los métodos estándar para las comprobaciones de solidez previas a la tendencia [ 42 ] muestra que esta tendencia previa sigue siendo mínima: como se muestra en la figura S5 en el archivo S1, omitiendo los efectos fijos de tiempo y unidad y usando una ventana de pretratamiento más larga de 20 días (no podemos usar valores anteriores a -20 ya que lleva a que algunos estados ya no tengan suficientes datos ya que muchos estados implementaron mandatos muy poco después del resultado de COVID-19 datos disponibles) muestra que el comportamiento anticipatorio es indistinguible de cero para casos y hospitalización, y pequeño para muertes.

En segundo lugar, porque controlamos seis tipos de movilidad (es decir, movilidad en el ámbito residencial, laboral, de tránsito, parques, supermercados y farmacias, y minoristas y recreativos) e incluimos los valores cuadrados de cada indicador de movilidad como proxy de los contactos sociales [ 43 , 44], nuestra estimación del efecto de los mandatos de máscara ha descartado (teóricamente, se esperaba que no) el efecto de la movilidad endógena de las personas y el comportamiento de contacto. De manera similar, incluimos controles para las dos NPI más amplias y de mayor alcance, cierres de negocios no esenciales y para quedarse en casa, lo que nuevamente excluye el posible efecto de confusión de otras NPI. Otra fuente potencial de endogeneidad es el hecho de que las personas pueden usar máscaras (o no usarlas) independientemente de los mandatos de máscaras, es decir, los mandatos de máscaras en sí mismos no causaron cambios de comportamiento. Investigamos esto en la siguiente sección, donde mostramos que los usos obligatorios de mascarillas conducen a un aumento de 23,4 puntos porcentuales en la adherencia a las mascarillas (cuántas personas usan mascarillas) después de un mandato de uso de mascarillas,

Como otro control de los cambios de comportamiento, aprovechamos el modelo gráfico causal de [ 35 ] que muestra que la disminución de los resultados de COVID-19 no solo se debe a la introducción de políticas, sino que también es el resultado de respuestas conductuales privadas a las observaciones de un mayor número de resultados. Una consecuencia de su modelo causal muy general es que condicionar el resultado tardío y la tasa de crecimiento del resultado con un retraso de aproximadamente 2 semanas permite que se bloquee el camino de confusión debido al cambio de comportamiento en el resultado (ver [ 45 ] para una revisión de separación D causal). Como se ve en S1 Fig en S1 File, no controlar el resultado tardío y la tasa de crecimiento tiene poco efecto en la trayectoria general y la magnitud del efecto del tratamiento, lo que sugiere que la estimación de nuestro modelo principal es sólida para la endogeneidad del comportamiento.

Heterogeneidad a nivel de condado.

Hasta ahora, nuestro análisis ha sido a nivel estatal. Existe una heterogeneidad significativa a nivel de condado y ciudad en cuanto a cuándo estas unidades más pequeñas introdujeron mandatos de uso de máscaras [ 9 ]. Por lo tanto, utilizamos un conjunto de datos de mandatos de máscara a nivel de condado [ 46 ] sobre resultados y controles a nivel de condado para investigar el efecto de los mandatos de máscara a nivel de condado. Nos aseguramos de usar solo los mandatos de máscara a nivel de condado (a diferencia de los mandatos a nivel de condado y estado) para la ubicación que tenía ambos, y no incluimos datos que ocurrieron después de que también se introdujo un mandato estatal. Como se muestra en la figura S4 en el archivo S1, nuevamente observamos que los mandatos de máscara están asociados con un efecto útil en los casos, las hospitalizaciones y las muertes. Sin embargo, el efecto del tratamiento es más ruidoso como se esperaba debido a una serie de señales de ruido cuando se usan datos a nivel de condado, como los efectos de pares de los mandatos de los condados vecinos debido a la interdependencia subyacente entre los patrones de movilidad del condado [ 47 ], así como el hecho de que las personas que viven en un condado a menudo tienen que viajar a un condado diferente para recibir atención médica, lo que da como resultado una contabilidad inconsistente de los resultados de salud de COVID-19 a nivel de condado [ 48 ].

En general, nuestro análisis muestra que la introducción de los mandatos de uso de mascarillas a nivel estatal y de condado está asociada con una gran disminución estadísticamente significativa de casos, hospitalizaciones y muertes.

Mandato de mascarilla y adherencia a la mascarilla

Aquí, como resultado de apoyo, investigamos si la introducción de mascarillas obligatorias está asociada con un aumento significativo en la adherencia a las mascarillas, es decir, ¿las mascarillas obligatorias hacen que más personas usen mascarillas? Si bien se están realizando importantes esfuerzos para estimar el cumplimiento de las mascarillas a nivel de la población, por ejemplo, aprovechando la visión por computadora en las redes sociales [ 49 – 52 ], los datos que rastrean el uso de mascarillas en el terreno no están disponibles actualmente. Por otro lado, hay una gran cantidad de estudios que han creado instrumentos para medir la adherencia a las mascarillas basados ​​en encuestas en línea [ 53 , 54 ] y telefónicas [ 2 ], y numerosos estudios han demostrado que los atributos autoinformados de COVID-19 (p. sintomas [ 55 ,56 ], distanciamiento social [ 57 ]) se correlacionan fuertemente con la verdad básica. Por lo tanto, utilizamos la adherencia a la máscara autoinformada basada en encuestas como indicador del uso de máscaras en el terreno en este trabajo.

Aquí, usamos la encuesta del proyecto CMU Delphi [ 58 ] que, a partir del 8 de septiembre de 2020, estima el porcentaje de personas que usaron una máscara la mayor parte o todo el tiempo mientras estaban en público en los últimos 5 días al hacer la pregunta «En los últimos 5 días, ¿con qué frecuencia usó una máscara cuando estaba en público? en una encuesta en línea de Facebook en curso realizada a millones de personas en los EE. UU. Por lo tanto, usamos sus estimaciones ponderadas a nivel estatal de adherencia a la máscara como nuestra variable dependiente. Su estrategia de ponderación para obtener muestras representativas se describe brevemente en la sección de Datos, y se describe detalladamente en su informe técnico [ 59 ].

Durante el período que comenzó el 8 de septiembre de 2020 (cuando los datos de adherencia comenzaron a estar disponibles), solo 4 estados han promulgado nuevos requisitos a nivel estatal: Hawái e Iowa el 16 de noviembre de 2020, Dakota del Norte el 14 de noviembre de 2020 y New Hampshire el 20 de noviembre de 2020. Aunque algunos de estos estados tenían mandatos de mascarillas a nivel de condado, tenían memorandos alentando mandatos a nivel de condado o estatal, o tenían requisitos de mascarillas en ciertos negocios, no tenían un requisito estatal con implementación hasta las fechas anteriores. Realizamos una estimación de estudio de eventos similar a la anterior, pero esta vez usando el cumplimiento de la mascarilla como variable de resultado y durante 13 días después de la introducción del mandato (porque este es el horizonte de tiempo más largo que tenemos simultáneamente para los cuatro estados).

Como se muestra en la Fig. 4 , hay una tendencia plana de pretratamiento hasta 8 días antes de la introducción del uso obligatorio de mascarillas, seguida de un aumento en el cumplimiento de las mascarillas después de la introducción de los mandatos sobre uso de mascarillas, con un aumento máximo en el cumplimiento de 23,4 [12,0,34,8 ] puntos porcentuales ( R ² ajustado es 0,925 y p < 0,001) 13 días después de la introducción del uso obligatorio de mascarillas. Observamos un retraso de aproximadamente 4 días antes de que observemos una tendencia al alza en la adherencia a la máscara, lo cual es consistente con la literatura sobre cambios de comportamiento [ 29 , 31 ].

Como prueba de solidez, investigamos si nuestra estimación cambia significativamente si eliminamos la tasa de prueba y los casos y muertes como controles que incluimos como factores de confusión porque, tal vez, cuantos más casos y muertes vean las personas, es más probable que usen máscaras Como se ve en S7 Fig in S1 File , nuestra estimación es robusta para estos controles. Desafortunadamente, no podemos replicar este resultado a nivel de condado porque actualmente no existen conjuntos de datos de mandatos de uso de mascarillas a nivel de condado con mandatos de uso de mascarillas a nivel de condado que comiencen durante el período en que los datos de cumplimiento de uso de mascarillas estén disponibles. Nuestros resultados son consistentes con trabajos previos [ 53 ] aunque no controlan los efectos fijos de tiempo y unidad que evitan el desenredo de las personas que ya están aumentando su uso de máscaras independientemente del mandato de máscara.

Aunque solo estimamos el efecto de los mandatos sobre el cumplimiento en estos 4 estados debido al hecho de que son los únicos que implementaron los mandatos de enmascaramiento lo suficientemente tarde como para que tengamos datos de cumplimiento para ellos, esperamos que este resultado respalde nuestro resultado principal de los mandatos de enmascaramiento. están asociados con una disminución significativa en los resultados de COVID-19, especialmente debido al hecho de que estos cuatro estados (Hawái, Iowa, Dakota del Norte y Nuevo Hampshire) son muy diversos desde el punto de vista geográfico, cultural y político.

Como resultado adicional, debido a que tenemos un período de tiempo limitado en el que tenemos resultados de COVID-19 (solo casos y muertes, sin datos de hospitalización ya que el acceso finalizó en septiembre de 2020) y datos de adherencia a la mascarilla, podemos usarlos para investigar si la mascarilla la adherencia se asocia más directamente con un efecto positivo en los resultados de COVID-19. Para hacerlo, implementamos una regresión multilineal de los resultados de COVID-19 en el cumplimiento, controlada, como antes, por una serie de factores como se especifica en la ecuación 3 . Tenga en cuenta que aquí usamos todos los estados (incluido DC), no solo los cuatro estados que tenían mandatos después del 8 de septiembre. Como se muestra en la tabla S16 en el archivo S1, un aumento del 1 % en el cumplimiento de la mascarilla conduce a una disminución de -1,63 [-1,76, -1,50] nuevos casos confirmados por cada 100 000 ( R ajustado² es 0,502 y p < 0,001), y -0,016 [-0,015, -0,018] nuevas muertes por 100K ( R ² ajustado es 0,343 y p < 0,001), controlando las tasas de prueba, el clima y la movilidad. Como referencia, la tasa de resultados de COVID-19 fue de 25,4 nuevos casos diarios por cada 100 000 y 0,95 nuevas muertes diarias por cada 100 000, lo que sugiere que incluso un aumento del 1 % en la adherencia al uso de mascarillas puede tener un efecto positivo significativo.

Mandatos de máscara de levantamiento

Previamente, estimamos el efecto positivo de la introducción de mandatos de máscara en los resultados de COVID-19. En los últimos 3 meses, 6 estados han levantado sus mandatos de máscara a nivel estatal: Dakota del Norte el 18 de enero de 2021, Iowa el 7 de febrero de 2021, Montana el 12 de febrero de 2021, Texas el 10 de marzo de 2021 y Wyoming el 16 de marzo de 2021, Arkansas el 30 de marzo de 2021. En esta sección, estimamos el efecto asociado del levantamiento de los mandatos de uso de mascarillas en, primero, el cumplimiento de las mascarillas y, en segundo lugar, en los resultados de COVID-19.

Un control adicional de este estudio serán las tasas diarias de vacunación para cada estado normalizadas por población. Este control se incluye tanto para controlar su efecto en los resultados de COVID-19, ya que queremos estimar el efecto marginal de las máscaras en los resultados controlando el beneficio debido a las vacunas, como para tener en cuenta los cambios de comportamiento: quizás las personas usan menos máscaras después de recibir vacunado Dado que los datos de vacunación solo están disponibles desde hace relativamente poco tiempo, consideramos el período entre el 1 de enero de 2021 y el 30 de marzo de 2021 para esta sección. Los datos de vacunas se obtuvieron de la iniciativa Our World in Data [ 60 ].

Levantamiento de mandato sobre adherencia a mascarilla.

Usando la misma fuente de datos públicos (proyecto CMU Delphi [ 58 ]) que en la sección anterior para los valores diarios de cumplimiento de mascarillas a nivel estatal, aquí estimamos el efecto asociado del levantamiento de los mandatos de uso de mascarillas en el cumplimiento de mascarillas.

Como se muestra en la figura 5 a continuación, observamos un período de pretratamiento generalmente plano durante los 25 días anteriores al levantamiento del uso obligatorio de la mascarilla, lo que indica que la adherencia a la mascarilla no disminuyó significativamente antes del levantamiento del uso obligatorio de la mascarilla. Después del levantamiento, observamos que la adherencia de la máscara es estable hasta casi 30 días, pero luego una disminución estadísticamente significativa de hasta -3,19 [-5,85, -0,53] puntos porcentuales 40 días después del levantamiento.

Aunque ruidoso debido a los datos limitados del levantamiento obligatorio de los estados muy reciente, este resultado sugiere que el levantamiento de los mandatos de uso de mascarillas resultó en una disminución en la adherencia a las mascarillas en estos 6 estados. Tenga en cuenta que este resultado incluye el control de los controles anteriores (por ejemplo, casos y muertes, tasa de prueba, movilidad, clima) y un nuevo control para la vacunación. En S8 Fig in S1 File se incluye una prueba de robustez sin estos controles .

Levantamiento del mandato sobre los resultados de COVID-19.

Aquí, reproducimos el análisis de la primera sección, pero esta vez examinamos el efecto de levantar los mandatos de máscara en los resultados de COVID-19 (por ejemplo, otras NPI, movilidad, tasa de prueba, movilidad y resultados retrasados ​​y crecimiento), e introducir vacunas como control. .

Como se puede ver en la Fig. 6 , el levantamiento de los mandatos de máscara tiene un efecto estadísticamente significativo en los casos nuevos diarios: observamos un pretratamiento plano hasta 45 días antes del levantamiento, seguido de un aumento de casos después de un retraso de aproximadamente 9 –15 días, lo que es consistente con la literatura de cambio de comportamiento [ 29 , 31]. Observamos un aumento máximo en los casos de 0,55 [0,41,0,71] desviaciones estándar a los 45 días del levantamiento. En términos reales, esto corresponde a un aumento de 12 casos por 100K, lo que equivale al 13 % del mayor número registrado de casos nuevos diarios (91 por 100K) en nuestro período de observación. Aunque ruidoso debido a los datos limitados del muy reciente levantamiento de mandatos de los estados, este resultado sugiere que el levantamiento de mandatos está asociado con un aumento en los casos.

Por otro lado, no observamos un efecto estadísticamente significativo asociado con el levantamiento del mandato de máscara en las proporciones de hospitalización y muertes. Esto podría deberse a una serie de factores: ruido debido a datos limitados de los estados muy recientes que ordenaron el levantamiento, efecto positivo de las vacunas en los efectos más graves, posteriores a la hospitalización y la muerte del virus [ 61 , 62 ], o el control de los síntomas y prácticas de socorro [ 63 – 65 ].

Actitudes y adherencia internacional al uso de mascarillas en 69 países

Ampliamos el alcance de nuestro análisis y observamos el efecto de la adherencia a las mascarillas y las actitudes hacia el uso de mascarillas a nivel internacional. Lo hacemos utilizando el nuevo conjunto de datos basado en encuestas ‘COVID-19 Beliefs, Behaviors & Norms Survey’, que hace más de 150 preguntas (ver [ 39] para el instrumento de encuesta completo) sobre COVID-19 a 847 mil encuestados en línea de Facebook. en 51 idiomas de 69 países. Debido a que los 69 países que incluimos en nuestro análisis son de diferentes partes del mundo y estuvieron en varias etapas de la pandemia (primera ola, segunda ola, antes de los mandatos, después de los mandatos, etc.) durante las 18 oleadas durante 9 meses de observación, esperamos que nuestras estimaciones no estén sesgadas por tales factores de confusión.

Nos enfocamos en las dos preguntas más relevantes sobre el efecto de las máscaras en los resultados de COVID-19: una pregunta sobre el cumplimiento de las máscaras: “De 100 personas en su comunidad, ¿cuántas cree que usan una máscara facial o una cubierta cuando salen? ¿público?»; y una pregunta sobre las normas de uso de mascarillas: “De 100 personas en su comunidad, ¿cuántas cree que creen lo siguiente debido a la COVID-19: las personas deben usar una mascarilla o cubrirse la cara cuando están en público?”. La primera pregunta es una estimación de muestra autoinformada del porcentaje de la comunidad de un encuestado que usa máscaras en público, y la segunda pregunta proporciona una estimación de muestra del porcentaje de la comunidad que cree que es importante usar máscaras en público.

Utilizamos un enfoque de regresión de encuesta ponderada para realizar una regresión de las nuevas muertes diarias por 100 000 y casos por 100 000 de cada país (ambos suavizados) contra la adherencia y la actitud de uso de mascarillas autoinformadas con países como estratos de encuestas y respuestas de encuestas anónimas individuales como grupos de encuestas. Se espera que las muestras sean representativas porque usamos una ponderación única para cada muestra que corrige una variedad de sesgos que incluyen datos demográficos (grupo de edad y sexo) de los encuestados en comparación con los datos del censo en cada país y en comparación con la población en línea de Facebook (a través de publicaciones). -estratificación), y para los impulsores de respuesta y falta de respuesta (los efectos de diseño estimados fueron inferiores a cuatro, como se detalla en [ 39]). La estrategia de ponderación del conjunto de datos para obtener muestras representativas se describe con más detalle en la sección Datos y se describe de manera integral en su informe técnico [ 39 ]. También controlamos por movilidad, tasa de nuevos exámenes, densidad de población e índice de desarrollo humano del país. La especificación de regresión se describe en la ecuación 4 .

Como se muestra en la Fig. 7 , los coeficientes de efecto asociados sugieren que un aumento del 1 % en el cumplimiento de la máscara está asociado con una disminución de -0,45 [-0,70,-0,29] casos por 100K y una disminución de -0,042 [-0,046,-0,037] muertes por 100K. De manera similar, encontramos que un aumento del 1% en la actitud sobre la importancia de usar máscaras conduce a una disminución de -0.53 [-0.64,-0.42] casos por 100K y una disminución de -0.035 [-0.038,-0.032] muertes por 100K . Como referencia, las estadísticas actuales en el mundo a partir del 14 de diciembre de 2020 son 10 casos nuevos diarios por 100K y 0,17 muertes diarias por 100K, lo que sugiere que incluso un aumento del 1 % en la adherencia a las mascarillas y las actitudes se asocia con un fuerte impacto positivo en Resultados de COVID-19 en todo el mundo.

• Como verificación de robustez, realizamos la misma regresión de encuesta ponderada pero esta vez desagregando por olas de encuesta. Como se muestra en la figura S12 en el archivo S1 , los coeficientes de regresión del cumplimiento de las mascarillas y las actitudes sobre las muertes y los casos son negativos o indistinguibles de cero, lo que respalda nuestros resultados de que el cumplimiento de las mascarillas y las actitudes tienen un impacto positivo en los casos y muertes de COVID-19 en todas las oleadas. .
• DiscusiónAmpliamos estudios previos al investigar una amplitud y profundidad sin precedentes de resultados, resoluciones geográficas, tipos de mandatos de máscara, olas tempranas versus posteriores y variables de control como movilidad, clima, tasa de prueba y otras intervenciones gubernamentales (como permanecer en- pedidos a domicilio). Encontramos que, de manera abrumadora, los mandatos de máscara están asociados con una disminución de casos, hospitalizaciones y muertes. Además, observamos que los mandatos de mascarilla están asociados con un aumento en la adherencia a la mascarilla en los 4 estados donde los datos de adherencia están presentes antes y después de la introducción de un mandato de mascarilla. Utilizando un nuevo conjunto de datos de encuestas de 69 países en una variedad de fases pandémicas y etapas previas y posteriores al mandato de máscara,Aunque diferentes estudios informan diferentes métricas y usan diferentes metodologías en diferentes escalas de tiempo, nuestros resultados son comparables con trabajos anteriores sobre el efecto de las máscaras. Un estudio influyente que también utiliza un diseño de estudio de eventos observa una disminución de 2,0 puntos porcentuales [ 8] en los casos posteriores a la introducción del mandato estatal de mascarillas. Su metodología es diferente en el sentido de que calculan los cambios en los casos en relación con un período de referencia, mientras que primero normalizamos en Z y escalamos la población de nuestros resultados y luego los comparamos en relación con un período de referencia para evitar que algunos estados, como Nueva York, tuvieron un resultado mucho más alto. Incidencia de COVID-19 que otros estados para dominar las estimaciones. En el mismo período de tiempo que ellos, observamos una disminución de -0.31 desviaciones estándar [-.54,-0.07] equivalente al 8% [2,15%] de los números más altos registrados. El rango de nuestra estimación es más alto quizás debido al hecho de que analizamos un período de tiempo más largo que tuvo muchos más casos: examinan casos entre marzo y mayo de 2020 mientras que examinamos casos entre febrero y finales de septiembre de 2020.9 ] y 1,65 % antes y después de la implementación del enmascaramiento universal [ 7 ]. En comparación, observamos una disminución correspondiente de 0.09% [0.07,0.11%] casos por día. Nuestras estimaciones pueden ser más bajas debido al hecho de que no controlan una variedad de variables que casi seguramente afectaron las disminuciones observadas (y tal vez llevaron a sobreestimaciones), como las disminuciones en la movilidad y la implementación de otras NPI. Finalmente, un estudio observa que los mandatos de mascarillas han llevado a una disminución de los casos entre el 15 % y el 75 % en Alemania [ 10 ]. Observamos que los mandatos de máscara en los EE. UU. dan lugar a una disminución del 14% del número más alto registrado. Sus estimaciones más altas podrían explicarse por la adherencia mucho mayor y más rápida de máscaras en Alemania que observaron los autores.Aunque nuestros resultados, tomados en conjunto, sugieren fuertemente el efecto positivo de los mandatos de uso de mascarillas, la adherencia a las mascarillas y las actitudes hacia las mascarillas en los casos, las hospitalizaciones y las muertes por COVID-19, una pregunta abierta importante es la investigación de los incentivos óptimos y los mecanismos regulatorios para aumentar la utilización de mascarillas. adherencia [ 22 , 66 – 70 ] especialmente en un clima en el que están surgiendo teorías de conspiración para desalentar la adherencia a las máscaras [ 71 ]. También se necesita más investigación para investigar las mejoras en las estrategias de comunicación de salud pública para fomentar el cumplimiento de las máscaras, incluidos los marcos de reducción de daños [ 72 ] y las políticas diseñadas para ayudar a las experiencias vividas de las comunidades desfavorecidas [ 73]. Se pueden extraer lecciones de enfoques exitosos en otras crisis de salud pública como el VIH [ 74 – 77 ].Tal investigación sobre incentivos, regulación y mensajes es especialmente importante a la luz de nuestra observación de que el levantamiento de los mandatos está asociado con una disminución en la adherencia a las mascarillas y un aumento de los casos. Un debate en curso es si las personas habrían comenzado voluntariamente a usar máscaras sin requerir máscaras [ 78 ] y si el uso de máscaras continuaría voluntariamente incluso en ausencia de mandatos de máscaras. Nuestros resultados sugieren que los mandatos de máscara fueron efectivos y deben mantenerse.Nuestros resultados adolecen de las limitaciones habituales de los estudios basados en la econometría: aunque controlamos muchos factores de confusión, como otras NPI (quedarse en casa y cierres de negocios no esenciales), movilidad, clima y tasa de prueba, es posible que la exogeneidad inexplicable y la endogeneidad persiste. Por ejemplo, es posible que nuestros efectos de tratamiento estén subestimados debido a los efectos de pares causados por los mandatos de máscara de los estados vecinos que afectan a otros estados [ 47]. Una vez que los datos de resultados desglosados por datos demográficos (p. ej., edad, raza, género) estén disponibles a nivel estatal o de condado, una pregunta interesante para el trabajo futuro es investigar el impacto diferencial de los mandatos de mascarillas sobre estos grupos demográficos. En nuestro estudio de los mandatos de mascarillas sobre la adherencia a las mascarillas, los esfuerzos en curso que utilizan la visión por computadora para estimar la adherencia a las mascarillas a partir de imágenes y videos de las redes sociales [ 49 – 52] pronto debería proporcionar datos más detallados sobre el cumplimiento de las mascarillas, con suerte a partir del comienzo de la pandemia. Otra limitación es que, aunque nuestras estimaciones de muestra basadas en encuestas sobre el cumplimiento de las mascarillas y las actitudes hacia las mascarillas en el conjunto de datos de 69 países incluyen ponderaciones para corregir una serie de sesgos, es posible que aún quede algo de sesgo, aunque esto es poco probable debido a su pequeño tamaño. efecto estimado del diseño del instrumento [ 39 ].Dejamos para el trabajo futuro el diseño y la estimación importantes en torno a estas limitaciones, pero esperamos que nuestros hallazgos aún brinden nuevos conocimientos sobre el efecto a largo plazo de los mandatos de uso de mascarillas en la adherencia a las mascarillas, los casos de COVID-19, las hospitalizaciones y las muertes, y presenta la importancia de Adherencia a las mascarillas comunitarias y actitudes de las mascarillas comunitarias.Nuestros hallazgos tienen implicaciones políticas para reforzar la necesidad de mantener y alentar el uso de máscaras por parte del público. Estos resultados son especialmente significativos a la luz de que algunos estados comienzan a eliminar sus mandatos de máscara y los intentos de los gobiernos estatales de evitar que los gobiernos locales implementen órdenes de máscara, a pesar de que están asociadas con un impacto económico mínimo [ 26 ]. En general, nuestros resultados son relevantes para el esfuerzo en curso para determinar cómo diseñar, implementar y sostener mejor la adopción de intervenciones no farmacéuticas (NPI) para frenar la propagación de la pandemia de COVID-19 [ 79 – 84 ].
• materiales y métodosObtenemos datos de una gran variedad de fuentes disponibles públicamente que detallamos en la sección Datos a continuación. No recopilamos datos para este estudio. El estudio fue aprobado bajo los protocolos E-2578 y E-2859 del Comité sobre el uso de seres humanos como sujetos experimentales (IRB) del MIT .La sección Análisis describe a continuación cómo producimos nuestros tres resultados principales. Para garantizar la reproducibilidad de nuestros resultados, hemos compartido el código y los datos utilizados para realizar el procesamiento, el análisis y el trazado de datos en https://github.com/d-val/Mask_Mandates_Adherence_Attitudes .DatosOcultar las fechas y tipos de inicio y finalización del mandato.Para identificar el inicio y, en su caso, el final de los mandatos de mascarillas a nivel estatal, utilizamos dos conjuntos de datos de mandatos de mascarillas a nivel estatal disponibles públicamente [ 85 , 86] y siguió sus referencias a memorandos oficiales del gobierno estatal para realizar verificaciones de precisión. Encontramos que los conjuntos de datos son muy precisos a pesar de que los detalles de cómo y cuándo se instituyeron los mandatos varían mucho entre los estados. Investigamos tres especificaciones de mandatos para usar como nuestro tratamiento: mandatos que requieren que solo los empleados comerciales usen máscaras, mandatos para el público en general o lo que ocurra primero entre los mandatos para empleados comerciales y el público. Para el análisis a nivel estatal, seleccionamos solo los mandatos que están a nivel estatal que requieren el uso de máscaras en lugar de los mandatos de máscaras a nivel de condado o que utilizan mandatos que simplemente alientan a las personas a usar máscaras. La tabla de fechas de inicio y finalización del mandato de máscara se muestra en la tabla S3 en el archivo S1 .Para investigar la heterogeneidad del efecto del mandato a nivel de condado dentro de un estado, investigamos el efecto de los mandatos de máscara a nivel de condado. Utilizamos un conjunto de datos disponible públicamente [ 46 ] cuya precisión verificamos de manera similar.Control de NPI: Intervención de cierre de negocios no esenciales y para quedarse en casa.Los mandatos de máscara a menudo se introdujeron casi al mismo tiempo que se implementaron otras intervenciones no farmacéuticas (NPI), como órdenes de quedarse en casa y cierres de negocios no esenciales. Para estimar el efecto de los mandatos de máscara sin el sesgo de otras NPI, usamos los mismos conjuntos de datos públicos [ 85 , 86 ] para obtener las fechas de inicio y finalización de los cierres de negocios no esenciales y de quedarse en casa (los dos más amplios). y NPI de largo alcance), cuya precisión también verificamos.Datos de casos, hospitalizaciones y muertes por COVID-19.Los datos de resultados de COVID-19 a nivel estatal y de condado se obtuvieron del proyecto CMU Delphi [ 58 ]. Específicamente, usamos como resultados los nuevos casos diarios confirmados por cada 100 000 habitantes, las nuevas muertes confirmadas por cada 100 000 habitantes, el porcentaje de nuevos ingresos hospitalarios con diagnósticos asociados con la COVID y el porcentaje de consultas médicas ambulatorias principalmente por síntomas relacionados con la COVID.Es importante señalar que solo observamos la proporción de hospitalizaciones, que es la cantidad de nuevas hospitalizaciones por COVID-19 en relación con la cantidad de hospitalizaciones totales. Desafortunadamente, esta proporción es un indicador posiblemente ruidoso de la cantidad de hospitalizaciones por cada 100 000 debido a la COVID-19 (que nos gustaría observar), ya que está bien documentado que la capacidad hospitalaria se incrementó deliberadamente para adaptarse a los aumentos repentinos en la cantidad de hospitalizaciones y que Menos personas fueron al hospital debido a que se desaconsejaron los ingresos regulares y se pospusieron los tratamientos electivos durante la pandemia [ 87 – 90] lo que afecta el denominador de la proporción de hospitalización. Sin embargo, aunque posiblemente sea ruidoso, investigamos el efecto de los mandatos en la proporción de hospitalización, ya que aún proporciona una perspectiva útil del efecto de los mandatos de máscara en los resultados de COVID-19.Usamos las medidas de resultados suavizadas usando promedios de 7 días y eliminando los efectos sistemáticos del día de la semana. Nuestros datos de resultados cubren los 50 estados además del Distrito de Columbia y van desde el 2 de febrero de 2020 hasta el 27 de septiembre de 2020 (no podemos obtener datos después de septiembre para algunos resultados, como la hospitalización). 43 estados y el Distrito de Columbia tenían mandatos obligatorios de máscaras a nivel estatal durante este período de datos. Para el conjunto de datos a nivel de condado, tenemos 857 condados para los que tenemos datos de variables de control y resultados. Esto se debe a que los conjuntos de datos a nivel de condado no están disponibles actualmente debido a su mayor resolución. Sin embargo, nuestros 857 condados cubren una gran parte del país (el 77 % de la población de EE. UU., como se muestra en la figura S3 en el archivo S1) y, por lo tanto, son representativos.Nos aseguramos de no usar ningún dato de resultado que haya sido posterior a que se levante el mandato de uso de mascarilla de un estado o condado para evitar que los efectos del final del tratamiento sesguen nuestras estimaciones de tratamiento, y solo usamos las fechas de inicio y finalización del primer mandato de uso de mascarilla en los casos en que haya hubo múltiples oleadas de mandatos a lo largo del año. En general, este conjunto de datos contiene 10 078 puntos de datos utilizados para el estudio de eventos a nivel estatal (descritos en la siguiente sección) y 77 930 puntos de datos para el estudio de eventos a nivel de condado.Datos de adherencia a la mascarilla.Los datos de cumplimiento de mascarillas a nivel estatal (cuántas personas usan mascarillas) estuvieron disponibles el 8 de septiembre de 2020 del proyecto Delphi [ 58 ]. Estos datos fueron recopilados por ellos a través de encuestas en línea de más de 1 millón de residentes de EE. UU. y usamos sus estimaciones ponderadas a nivel estatal como nuestro indicador de adherencia a la máscara a nivel estatal. Su encuesta pesa [ 59] tiene en cuenta varios factores, incluido el ajuste de las estimaciones para que sean representativas de la población de EE. UU. de acuerdo con una estratificación de estado por edad y género, el ajuste para la población de usuarios de Facebook de EE. UU. y el ajuste para la propensión de un usuario de Facebook a realizar la encuesta . Para la regresión del efecto de los mandatos de uso de mascarillas en el cumplimiento, tenemos 323 puntos de datos para los cuatro estados, y para la regresión del cumplimiento en los casos y muertes por COVID-19, tenemos 3841 puntos de datos para todos los estados (incluido DC). Los datos obligatorios de mascarillas a nivel de condado solo están disponibles hasta el 4 de agosto de 2020, que es antes de que comiencen los datos de cumplimiento de mascarillas (8 de septiembre de 2020), lo que hace que el uso y la investigación de los datos de cumplimiento a nivel de condado no sean posibles.Norma internacional de mascarillas y datos de adherencia.Los datos sobre la norma internacional y el cumplimiento de las mascarillas se obtuvieron de la Encuesta de creencias, comportamientos y normas de COVID-19 [ 39] que recolectó 847 mil respuestas de encuestas en línea de Facebook en 51 idiomas, de 69 países. La encuesta se implementó en 18 oleadas a partir del 7 de julio de 2020 y finalizó en marzo de 2021. Cada respuesta de la encuesta viene con un peso que permite la representatividad de las estimaciones a nivel de país y oleada. Las ponderaciones se calculan para tener en cuenta una variedad de sesgos, incluida la demografía (grupo de edad y género) de los encuestados en comparación con los datos del censo en cada país (a través de la estratificación posterior) y los comportamientos de respuesta o falta de respuesta. Los efectos de diseño informados debido tanto a la falta de respuesta como a la ponderación posterior a la estratificación fueron inferiores a cuatro. En nuestro análisis, solo usamos las respuestas de la encuesta donde se completó la encuesta completa (incluida la parte demográfica) y donde se completaron las preguntas relacionadas con la máscara que usamos en nuestro análisis. General, tenemos 847,398 puntos de datos que cubren 18 oleadas de implementación de encuestas. El conjunto de datos de la encuesta (no identificado) está disponible para investigadores académicos y sin fines de lucro al completar el Acuerdo de uso de datos de Facebook enhttps://dataforgood.fb.com/docs/preventive-health-survey-request-for-data-access/ .

• Variables de control.Controlamos una gran cantidad de variables en nuestros análisis: usamos restaurante y recreación, abarrotes y farmacia, parques, estaciones de tránsito, lugar de trabajo y cambio porcentual residencial desde la línea de base (usando el valor de la mediana de los días de la semana de los primeros 5 semanas de enero y febrero) datos de movilidad de los informes de movilidad comunitaria COVID-19 de Google [ 91 ]; nuevas pruebas por cada 100 000 habitantes del Proyecto de seguimiento de COVID [ 92 ], y datos de temperatura y precipitación del kit de herramientas meteorológicas y climáticas de la NOAA [ 93 ]. Para la norma internacional de mascarillas y el cumplimiento, obtenemos casos confirmados de COVID-19 a nivel de país y muertes confirmadas de la iniciativa Our World in Data [ 60 ].Debido a que también incluimos los valores cuadrados de cada indicador de movilidad como un proxy para los contactos sociales [ 43 , 44 ], primero cambiamos la escala del índice de movilidad de Google [ 91 ] como tal: movilidad reescalada = (movilidad + 100)/100 . Esto se hace para evitar que el cuadrado de los valores negativos del indicador de movilidad de Google sea el mismo que los valores positivos.AnálisisMarco de estudio de eventos.Nos basamos en trabajos recientes que utilizan diseños de estudios de eventos para estimar los efectos del tratamiento en el contexto de la pandemia de COVID-19: el efecto de las NPI (por ejemplo, cierres de negocios y órdenes de quedarse en casa) en el volumen de búsquedas en línea relacionadas con el desempleo [ 94 ], sobre el distanciamiento social en los EE. UU. [ 95], sobre la industria de las aerolíneas [ 96 ], sobre los mercados bursátiles de todo el mundo [ 97 – 100 ] y sobre los casos de COVID-19 a nivel de condado [ 101 ].Un diseño de estudio de eventos nos permite estimar el efecto del tratamiento asociado con los mandatos de máscara en los resultados de COVID-19 en cada día posterior a la introducción del mandato en relación con el día anterior a su introducción. Nuestra unidad geográfica de análisis son los estados para minimizar los efectos de pares de los mandatos de los condados vecinos debido a la interdependencia subyacente entre los patrones de movilidad de los condados [ 47 ], así como al hecho de que las personas que viven en un condado a menudo tienen que viajar a un condado diferente para obtener atención médica, lo que resulta en una contabilidad inconsistente de los resultados de salud de COVID-19 a nivel del condado [ 48]. Por el contrario, los pacientes rara vez cruzan las fronteras estatales para obtener ayuda médica, ya que el seguro de salud en los EE. UU. se basa predominantemente en el estado. Incluimos una verificación de solidez ejecutando nuestro análisis a nivel de condado utilizando un conjunto de datos de mandatos de máscara solo a nivel de condado [ 46 ] para investigar la heterogeneidad a nivel de condado.El marco de estudio de eventos es adecuado para nuestros propósitos, ya que permite que el mismo estado se use como tratamiento y control en función del momento de un mandato, lo cual es fundamental porque los estados introdujeron mandatos de máscara en diferentes fechas a lo largo del curso. pandemia [ 94 ]. Si bien los primeros mandatos se implementaron en abril, los últimos ocurrieron en noviembre, y algunos estados aún no tenían ningún mandato al momento de escribir este artículo (consulte la tabla S3 en el archivo S1 ).Especificación del estudio de eventos.Nuestra especificación es:
  (1)
  El resultado es C _{o , t , s} ( o ∈ {nuevas muertes por COVID-19, nuevos casos confirmados de COVID-19, proporción de hospitalizaciones por COVID-19}) por cada día t en el estado (o condado cuando se investiga el condado ). mandatos de nivel superior) s. Nos aseguramos de usar solo casos nuevos, ingresos hospitalarios y muertes cada día, en lugar de números acumulados. Debido a que algunos estados, como Nueva York, tuvieron una incidencia de COVID-19 mucho más alta que otros estados, usamos resultados a escala de población (por cien mil personas) y normalizamos aún más el valor diario de cada caso y muerte usando datos específicos del estado. medias y desviaciones estándar (la hospitalización ya es un porcentaje y por lo tanto no requiere normalización). Debido a estas transformaciones, nuestras estimaciones del efecto del tratamiento se expresan en unidades de desviaciones estándar. También nos aseguramos de que todas nuestras variables se hayan suavizado y eliminado la tendencia (para las variaciones del día de la semana). ϵ _{t , s}representan los residuos del modelo.El objetivo es estimar los efectos del tratamiento γ _τ , donde τ es el número de días antes o después del inicio de la obligación de usar mascarilla. es la función delta tal que γ _τ es distinto de cero solo cuando el número de días r _{s , t} relativo al inicio de la implementación de la máscara es τ . Como es estándar en un marco de estudio de eventos [ 94], normalizamos γ _{τ = −1} = 0, lo que significa que nuestros efectos de tratamiento estimados deben interpretarse en relación con el día anterior a la introducción de un mandato de máscara. Establecemos el rango de días r _{s , t}antes o después de la introducción de los mandatos de máscara para ser de -10 a 40 porque elegir valores anteriores a -10 conduce a que algunos estados ya no tengan suficientes datos (ya que implementaron los mandatos muy poco después de que los datos de resultados de COVID-19 estuvieran disponibles) y 40 a en cuenta los retrasos en la notificación y las características de la patogenia del virus, ya que el rango intercuartílico del tiempo entre el inicio de los síntomas y la muerte es de 8 a 26 días [ 102 – 109]. El intervalo de tiempo del reloj para nuestros datos es del 1 de febrero al 27 de septiembre de 2020, el tiempo durante el cual estuvieron disponibles los datos de todos los resultados y controles.α _s y α _t son efectos fijos de estado y tiempo, β _s tes un coeficiente de tendencia específico del estado que multiplica la variable de tendencia temporal para tener en cuenta el hecho de que diferentes estados tuvieron diferentes trayectorias de resultados (ver [ 110 ] para más detalles). Informamos errores estándar agrupados a nivel estatal.X _{t , s} son nuestros controles para una serie de factores de confusión: (a) indicadores de movilidad humana [ 91 ] (cantidad de visitas a áreas recreativas, supermercados, farmacias, parques, estaciones de tránsito, lugares de trabajo y áreas residenciales) para controlar por variaciones en la propagación del virus debido a variaciones en la movilidad y como indicador de otras NPI, como quedarse en casa (ya que afectan la movilidad); (b) tasa diaria de nuevas pruebas [ 92 ] para controlar las variaciones en el número de pruebas que se administran; (c) las fechas de inicio y finalización de los cierres de negocios no esenciales y para quedarse en casa (las dos NPI más amplias y de mayor alcance) para estimar el efecto de los mandatos de máscara sin el sesgo de otras NPI; y (d) temperatura y precipitación [ 93] para controlar los comportamientos inducidos por el clima.También incluimos un resultado retrasado en el tiempo ( δ = dos semanas) C _{o , t − δ , s} y una tasa de crecimiento (en las últimas dos semanas) porque condicionar el resultado retrasado y la tasa de crecimiento da como resultado la ruta de confusión debido al comportamiento cambio a bloquear basado en el modelo gráfico causal general de [ 35 ]. Se eligió un retraso de dos semanas en base tanto a nuestro análisis de sensibilidad como al retraso de comportamiento estimado en la estimación del modelo gráfico causal de [ 35 ]. Además, como se mostrará en la sección de resultados, los retrasos más cortos o más largos estarían en desacuerdo con las características de la patogénesis del virus [ 102–109 ]. Como verificación de robustez, exploramos el efecto de incluir o no demoras en la estimación del estudio de eventos en S1 Fig in S1 File .Si bien se ha demostrado que la afiliación política se correlaciona con la propensión a usar una máscara [ 111 ], este efecto debe capturarse en el efecto fijo del estado ya que no esperamos que la afiliación política cambie significativamente durante nuestro período de observación.Utilizamos la función de regresión felm de lfedel paquete R para ejecutar esta especificación, ya que utiliza el método de proyecciones alternas para acelerar la regresión en nuestros grandes conjuntos de datos [ 112 ].Como verificación de robustez, empleamos una especificación de estudio de eventos similar para verificar que la disminución en los resultados de COVID-19 que observamos no se deba a una disminución en la tasa de prueba (por 100K de población). Usamos la siguiente especificación:
  (2)
  donde TR _{t , s} es la nueva tasa de prueba diaria, y todas las demás variables son similares a las anteriores,siendo nuestros controles sin tasa de prueba (ya que ahora es la variable dependiente).Mandato de mascarilla y adherencia a la mascarilla.Utilizando los datos diarios de adherencia a la mascarilla del 8 de septiembre al 30 de noviembre de 2020, estimamos una especificación de estudio de eventos similar a la anterior utilizando la adherencia a la mascarilla A _{s , t} como variable dependiente. Además, controlamos las muertes y los casos confirmados porque queremos controlar el hecho de que cuantos más casos y muertes vean las personas, es más probable que usen máscaras (aunque no observamos mucha diferencia al omitirlas). Una vez más, controlamos una serie de factores: la tasa de prueba debido a su efecto potencial en el uso de máscaras, ya que más personas podrían usar máscaras si se someten a pruebas con más frecuencia, y la movilidad, ya que queremos controlar el hecho de que tal vez más personas dejen sus casa, más podrían usar máscaras.Implementamos una regresión multilineal de los resultados de COVID-19 en el cumplimiento, controlada por una serie de factores, como se especifica a continuación:
  (3)
  donde C _{o , t , s} son los resultados diarios de tCOVID-19 o ∈ {muertes, casos} yson la movilidad, la tasa de nuevas pruebas y los controles climáticos.Cumplimiento y normas internacionales de mascarillas.Aquí, usamos una regresión multilineal para estimar el efecto de las normas de uso de mascarillas o la adherencia a las mascarillas en los casos de COVID-19 y los resultados de muerte para cada ola w :
  (4)
  donde C _{o , t , k} son los t resultados diarios de COVID-19 o ∈ {muertes, casos} para cada país k , para la pregunta q , controlando por movilidad y tasa de nuevas pruebas. Se ejecuta una estimación de modelo separada para cada ola w , cada resultado o y cada pregunta q ∈ {normas de máscara, cumplimiento de máscara}.Se pueden encontrar más detalles sobre los pesos de la encuesta y el conjunto de datos en la sección. También verificamos que el cumplimiento promedio ponderado de la máscara, la actitud de la máscara promedio ponderada y el número total de respuestas no cambiaron significativamente con el tiempo durante la encuesta, como se muestra en las figuras S9-S11 en el archivo S1 .Usamos una regresión de encuesta compleja (utilizando el paquete de encuestas de R ) con países como estratos de encuesta y respuestas de encuestas anónimas individuales como grupos. Solo seleccionamos las respuestas que completaron la encuesta completa (incluidas varias preguntas de verificación de atención) y eliminamos las respuestas con valores faltantes para las preguntas en consideración, y también aquellas con pesos faltantes (<1% de las respuestas).Los 69 países de nuestro conjunto de datos son: Reino Unido, Polonia, Italia, Alemania, Japón, Argentina, Francia, Turquía, México, Colombia, Estados Unidos, Pakistán, Rumania, Indonesia, Filipinas, Egipto, Malasia, Bangladesh, Nigeria, Brasil, Tailandia, Vietnam, India, Países Bajos, Azerbaiyán, Australia, Sudáfrica, Canadá, Estonia, Senegal, Afganistán, Tanzania, Angola, Ecuador, Georgia, Mongolia, Perú, Argelia, Mozambique, Bolivia, Portugal, Irak, Camerún, Marruecos, Sur Corea, Uruguay, Honduras, Nepal, Sri Lanka, Emiratos Árabes Unidos, España, Costa de Marfil, Myanmar, Chile, Venezuela, Guatemala, Trinidad y Tobago, Sudán, Kenia, Jamaica, Ghana, Uganda, Ucrania, Taiwán, Singapur, Camboya y Kazajstán.
• Información de soporteArchivo S1.doi:10.1371/journal.pone.0252315.s001(PDF)

Fuente