Ponieważ nie ma możliwości analizowania, kategoryzowania, analizowania lub analizowania danych dotyczących populacji innych niż „Udział głosów Trumpa”, nie może być każdy inne możliwe wytłumaczenie czegokolwiek innego niż czerwone hrabstwa = złe (wysokie zgony Covid!), niebieskie hrabstwa = dobre (nie tak wysokie zgony Covid!).
Oczywiście żartuję. Cała propozycja jest po prostu głupia. Pojęcie wrodzonych różnic w populacjach jest a dobrze ugruntowana uwaga dla tych, którzy studiują zdrowie populacji. Można by pomyśleć, że najbardziej prestiżowa gazeta w naszym kraju może wymagać od ich czołowego autora konsultacji z ekspertami ds. zdrowia populacji, a nawet naukowcem aktuarialnym w celu uzyskania bardziej świadomej perspektywy i bardziej rygorystycznej analizy danych.
Przyjrzyjmy się najważniejszym momentom serialu Davida Leonhardta „Red Covid”.
27 września 2021 r.
"Czerwony Covid: Wzorzec partyzancki Covida staje się coraz bardziej ekstremalny.
(Proszę zwrócić uwagę na oś Y na tym wykresie)
„To, co wyróżnia Stany Zjednoczone, to konserwatywna partia – Partia Republikańska – która stała się wrogo nastawiona do nauka i dowody empiryczne w ostatnich dekadach. Konserwatywny kompleks medialny, w tym Fox News, Sinclair Broadcast Group i różne serwisy internetowe, powtarza i wzmacnia tę wrogość. Trump przeniósł konspiracyjne myślenie na nowy poziom, ale go nie stworzył”.
„Demokratyczni politycy błagali wszystkich Amerykanów o zaszczepienie się, a wielu republikańskich polityków tego nie zrobiło”.
Listopad 8, 2021
„Wersja skrócona: Przepaść w śmiertelności Covida między czerwoną i niebieską Ameryką wzrosła w ciągu ostatniego miesiąca szybciej niż w jakimkolwiek wcześniejszym momencie.
W październiku z powodu Covidu zmarło 25 na 100,000 7.8 mieszkańców hrabstw Trumpa, ponad trzykrotnie więcej niż w hrabstwach Biden (100,000 na XNUMX XNUMX).”
18 lutego 2022 r.
"Czerwony Covid, aktualizacja: Przepaść partyzancka w śmierci Covida wciąż rośnie, ale wolniej”.
„Jak jasno wynika z wykresu, opłaty za przejazd były jeszcze gorsze w hrabstwach, w których Trump wygrał osuwiskiem, niż w hrabstwach, które wygrał wąsko.
„Zjawisko to jest przykładem tego, jak polaryzacja polityczna tego kraju wypaczyła sposób myślenia ludzi, nawet gdy stawką jest ich osobiste bezpieczeństwo. To tragedia, której można również zapobiec”.
Zanim przejdę do szczegółów dotyczących tych uproszczeń, chciałbym wyjaśnić, że wierzę, iż powyższe stwierdzenia Leonhardta odzwierciedlają autentyczne przekonanie. Naprawdę wierzy, że preferencje polityczne są przyczynowym wyjaśnieniem śmiertelności z powodu Covid. Nie stan zdrowia, wiek, waga, choroby współistniejące. Tylko jedno: osobiste preferencje polityczne.
Aby było jasne, uważa, że podstawowym wyjaśnieniem wyższej śmiertelności związanej z Covid-19 w czerwonych hrabstwach jest w rzeczywistości niższy wskaźnik szczepień w czerwonych hrabstwach. Tak więc, co za tym idzie, tłumaczy się to preferencjami politycznymi.
Mam nadzieję, że poniżej przedstawię pełniejszy obraz tego, co się dzieje, gdy podzielimy dane na poziomie hrabstwa na kategorie wybrane przez Leonhardta: „Udział głosów Trumpa w hrabstwie” (0-30%, 31-45%, 46-55%, 56-70% i 70%+). Korzystając z danych historycznych dotyczących śmiertelności na poziomie powiatu, postaram się odpowiedzieć na następujące pytania:
Jak trendy śmiertelności związanej z Covid porównują się z trendami historycznymi przy kategoryzowaniu według preferencji politycznych?
Czy śmiertelność Covid-19 koreluje ze śmiertelnością ze wszystkich przyczyn?
Czy w 2021 r. nastąpiła poważna, bezprecedensowa rozbieżność w ogólnej śmiertelności między okręgami „czerwonymi” i „niebieskimi”?
Można przeprowadzić dodatkową analizę, aby sprawdzić, czy wskaźniki szczepień są skorelowane z ogólną śmiertelnością (w przeciwieństwie do tylko Covid-19) w perspektywie długoterminowej, jednak definicja „w pełni zaszczepiona” lub „aktualna” jest poruszająca cel, zdecydowałem się na razie nie porównywać zgonów według wskaźnika szczepień według powiatu (wielu innych już podjęło się tego zadania!). Aby było jasne, uważam, że dla osób zagrożonych wykazano, że szczepionki: zmniejszyć ryzyko choroby na te osoby. Celem tej analizy jest głębsze przyjrzenie się tym podziałom politycznym, które według New York Times są niekwestionowanym wyjaśnieniem śmiertelności Covid-19, znanej również jako „Czerwony Covid”.
Na początek przyjrzyjmy się różnicy między powiatami, które tutaj porównujemy. Patrząc na grupę „70% + Trump Vote” – reprezentuje ona 25 mln Amerykanów, a średnia populacja powiatów w tej grupie to 23 tys. Są to przede wszystkim powiaty wiejskie. Porównaj z Hrabstwami Biden, gdzie Trump miał mniej niż 30% głosów, co reprezentuje 110 milionów Amerykanów (głównie w obszarach miejskich), a średnia populacja w tych hrabstwach wynosi 137 tys.
Aby uniknąć pozostałej analizy z tymi danymi populacyjnymi, porównujemy bardzo różne dane demograficzne i nie kontrolujemy tych podstawowych różnic. Właściwym sposobem dokonywania tych porównań byłoby kontrolowanie tych różnic – przede wszystkim poprzez dostosowanie wieku, aby wydobyć skutki, jakie mogą mieć różne wskaźniki szczepień lub różne polityki. Artykuły NYT tego nie robiły, aw jednym przypadku próbowano odrzucić znaczenie różnic wiekowych między tymi grupami. Po prostu użyję tych samych kategorii, co oni, ale przyjrzę się wyżej kategoryzacji, aby zobaczyć, czy pierwotna propozycja Leonhardta jest wiarygodna, czy nie.
Jak trendy śmiertelności związanej z Covid porównują się z trendami historycznymi przy kategoryzowaniu według preferencji politycznych?
Aby odpowiedzieć na to pytanie, powinniśmy sprawdzić, czy ten trend wyższej śmiertelności na bardziej konserwatywnych obszarach jest nowym lub wyjątkowym odkryciem. Czy jest to coś nowego lub wyjątkowego, co zostało spowodowane przez pandemię? Papier w Journal of Epidemiology i Community Health, napisany w 2015 roku (epoka Pre-Trump), odpowiada za nas na to pytanie.
„W tej analizie 32 830 uczestników i łącznym okresie obserwacji wynoszącym 498 845 osobolat stwierdzamy, że przynależność do partii politycznych i ideologia polityczna są powiązane ze śmiertelnością. Jednak z wyjątkiem niezależnych (skorygowany HR (AHR)=0.93, 95% CI 0.90 do 0.97) różnice między partiami politycznymi są wyjaśniane przez podstawowe cechy socjodemograficzne uczestników. Jeśli chodzi o ideologię, konserwatyści (AHR=1.06, 95% CI 1.01 do 1.12) i umiarkowani (AHR=1.06, 95% CI 1.01 do 1.11) są bardziej narażeni na śmiertelność podczas obserwacji niż liberałowie”.
Tak więc według tego artykułu zaobserwowano, że śmiertelność konserwatystów była nieco wyższa niż w innych grupach politycznych. Aby sprawdzić, czy pojawia się to w danych dotyczących śmiertelności z dowolnej przyczyny, wziąłem dane dotyczące śmiertelności na poziomie hrabstwa z lat przed Covid (2018 i 2019) z CDC Cudi pogrupowaliśmy je w te same grupy, których używa NYT – „% udziału w głosowaniu Trumpa”, aby sprawdzić, czy wyższa śmiertelność podczas pandemii jest bezprecedensowa.
Okazuje się, że hrabstwa Trump miały wyższą śmiertelność niż inne grupy przy ~1200 zgonach/100 tys. i wpisuje się w trendy historyczne. Co ciekawe, hrabstwa niebieskie miały tylko nieznacznie niższą śmiertelność niż hrabstwa „jasnoczerwone”, przy czym hrabstwa „fioletowe” i „jasnoniebieskie” miały najniższą. Istnieje wiele prawdopodobnych wyjaśnień, z których najprostszym jest to, że te hrabstwa są po prostu starszymi populacjami. Zobaczmy, jak zmienią się dane, gdy dostosujemy wskaźniki śmiertelności do wieku. (Uwaga na marginesie: szczegółowy post na temat znaczenia oraz tego, w jaki sposób i dlaczego stoi za dostosowaniem wieku, zobacz post Mary Pat Campbell tutaj🙂
Widać, że po dostosowaniu do wieku różnica w stawkach między grupami powiatów prawie znika.
Czy śmiertelność Covid-19 koreluje ze śmiertelnością ze wszystkich przyczyn?
Podstawowym założeniem w kawałkach NYT jest to, że te grupy są reprezentatywne dla jakiejś ogromnej różnicy w ogólnym obciążeniu zgonem i śmiertelnością. Utwory skupiają się wyłącznie na zgonach z lub z Covid-19 i tak naprawdę nie ma wzmianki o ogólnym wpływie śmiertelności. Bez wątpienia Covid-19 spowodował nadmierną śmierć i zwiększył ogólne obciążenie śmiertelnością w populacji.
Pozostaje jednak pytanie – w jakim stopniu obciążenie to było większe lub mniejsze na obszarach kraju „czerwonych” i „niebieskich”? Możemy odpowiedzieć na to pytanie, porównując zgony związane z Covid-19 w tych grupach z ogólną śmiertelnością w tych samych grupach. Zobaczmy, co się stanie, gdy to zrobimy. Ponieważ NYT skupił się na 2021, roku, w którym szczepionki stały się powszechnie dostępne, zaczniemy od tego.
Spójrz na śmiertelność Covid-19 po lewej stronie w porównaniu do śmiertelności z wszystkich przyczyn po prawej.
Jak widać, wykres po lewej jest tym, na czym skupia się seria artykułów NYT – ta spora luka między czerwonym a niebieskim. Patrząc na wykres po prawej (Śmiertelność ze wszystkich przyczyn), widać, że różnice znikają. Zastanawiam się, czy ktoś czytający te artykuły odszedłby, zdając sobie sprawę, że pomimo niższych wskaźników śmiertelności Covid-19 w niebieskich hrabstwach, te same ciemnoniebieskie hrabstwa faktycznie miały wyższą ogólną śmiertelność niż hrabstwa fioletowe lub jasnoniebieskie?
Czy w 2021 r. nastąpiła poważna, bezprecedensowa rozbieżność w ogólnej śmiertelności między okręgami „czerwonymi” i „niebieskimi”?
Porównując wskaźniki śmiertelności w 2021 r. przez te grupy z tym samym w 2019 r., można zauważyć, że są one ogólnie wyższe, ale porównawczo każda grupa zachowuje tę samą pozycję w rankingu, co rok niepandemiczny. Chociaż może być prawdą, że śmiertelność Covid-19 była niższa w ciemnoniebieskich hrabstwach, nie przełożyło się to na ogólną śmiertelność w tych hrabstwach. (Dostosowałbym te stawki do wieku, gdybym miał dostępne dane, ale obecnie CDC Wonder nie ma jeszcze danych z 2021 r. w chwili pisania tego tekstu).
Innym sposobem spojrzenia na to jest przyjrzenie się zmianom w skali roku w każdej grupie. Jak widać na poniższym wykresie, zmiana procentowa pozostaje dość spójna w każdej indywidualnej grupie, przy czym w 2020 r. odnotowano największy wskaźnik zmian, a 2021 r. – niewielki, ale znaczący wskaźnik zmian od 2020 r. (co oznacza, że ogólna śmiertelność była nadal dość podwyższona w porównaniu z 2019 r. ).
Podsumowując, gdy przyjmiemy pogląd historyczny i wyższy poziom, zachowując te same grupy, te wyraźne różnice we wskaźnikach śmiertelności Covid-19 nie wydają się przekładać na ogólne wskaźniki moralności. Czemu?
Ryzykując, że ta analiza przekształci się w kolejny stos wskazujący na New York Time's błędy, Chciałbym zaoferować bardziej łagodne wyjaśnienie. To taki, który nęka dziennikarzy i reportaży podczas pandemii. Dlaczego wszystko jest obramowane na czerwono i niebiesko? Jeden prosty powód: dostępność danych. Leonhardt używa danych, które są łatwo dostępne i są już sformatowane do łatwej analizy.
To się nazywa an stronniczość dostępności. Zasadniczo tworzy hipotezę lub kończy badanie na podstawie określonego zestawu danych, wyłącznie z tego powodu, że dane tam są. Tylko dlatego, że dane są dostępne, nie oznacza, że są to najlepsze dane, których można użyć do odpowiedzi na pytanie.
Republikanie też są ludźmi
Dlaczego to wszystko ma znaczenie? W końcu wydaje się, że pogodziliśmy się z tym, że reportaże głównego nurtu i wiadomości w telewizji kablowej mają lewicowe nastawienie. O co tyle szumu?
Jeśli chodzi o zdrowie populacji, celem jest promowanie zdrowia i dobrego samopoczucia wszystkich, a gdy komunikaty i raporty dotyczące zdrowia publicznego staną się bezwstydnie stronnicze, stosując taktykę oskarżania i wstydu, najprawdopodobniej będzie to miało odwrotny skutek niż zamierzony skutek promowanie lepszego zdrowia.
Konserwatyści i „czerwone hrabstwa” również potrzebują dobrych porad zdrowotnych. Muszą być w stanie zaufać źródłu. Nawet biorąc za dobrą monetę założenie NYT o „Red Covid”, komu pomaga ta wiadomość? Oczywiście nie ludzie, których opisują.
Źródła danych:
https://wonder.cdc.gov/wonder/help/ucd.html#2000%20Standard%20Population
https://data.cdc.gov/NCHS/AH-County-of-Occurrence-COVID-19-Deaths-Counts-202/6vqh-esgs/data
https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/VOQCHQ
Artykuły dziennikarskie:
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4033819
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5893220/
Opublikowane ponownie od autora Zastępki
Opublikowane pod a Creative Commons Uznanie autorstwa 4.0 Licencja międzynarodowa
W przypadku przedruków ustaw link kanoniczny z powrotem na oryginał Instytut Brownstone Artykuł i autor.
