- Dalam perdebatan angka kematian COVID per negara bagian di AS, kecenderungan partai dan tingkat vaksinasi secara kuat memprediksi angka kematian setelah 1 Februari 2021, bahkan setelah mengendalikan proporsi penduduk berusia 65 tahun ke atas
- Jika variabel kontrol terus ditambahkan, derajat kebebasan peneliti dan risiko overfitting meningkat, sehingga dalam debat publik, fakta bergaya yang sederhana tetapi tahan uji lebih berguna
- Jika membandingkan selisih suara Biden pada 2020 dengan jumlah kematian COVID per 1 juta penduduk per negara bagian setelah 1 Februari 2021, semakin besar keunggulan Biden, semakin rendah angka kematiannya; hubungan ini hanya muncul setelah vaksin diperkenalkan
- Bahkan setelah memasukkan proporsi penduduk berusia 65 tahun ke atas, koefisien dan signifikansi statistik kecenderungan partai hampir tidak berubah, sementara tingkat vaksinasi berfungsi sebagai variabel penjelas yang jauh lebih kuat daripada kecenderungan partai
- Sanggahan seperti cara penghitungan penyebab kematian, penyakit penyerta, dan efektivitas intervensi nonfarmasi masih ada, tetapi perbedaan angka kematian antarnegara bagian lebih terkait dengan perbedaan tingkat vaksinasi daripada usia
Mengapa Memprioritaskan Analisis Sederhana
- Dalam perdebatan statistik publik, prinsipnya adalah semakin sederhana analisisnya, semakin baik
- Semakin banyak variabel kontrol yang dimasukkan, semakin banyak titik keputusan tentang cara analis menangani angka, yaitu derajat kebebasan peneliti
- Ada kalanya variabel perancu harus dikendalikan
- Dalam hubungan antara konsumsi es krim dan tenggelam, cuaca musim panas jelas merupakan variabel perancu
- Namun menambahkan kompleksitas juga memperbesar risiko overfitting
- Jika poin utama bisa ditunjukkan dengan statistik agregat sederhana atau metode yang intuitif, dalam perdebatan online cara itu lebih efektif
Titik Awal Perdebatan Kebijakan COVID
- Titik awal tulisan sebelumnya adalah dua fakta bergaya
- Sebelum distribusi vaksin, tidak ada perbedaan besar dalam angka kematian COVID antara blue states dan red states
- Setelah distribusi vaksin, angka kematian di red states lebih tinggi, dan ini kemungkinan besar disebabkan oleh tingkat vaksinasi Republican yang rendah
- Klaim ini lebih diperdebatkan di luar, dan Martin Kulldorff mengkritik bahwa perbandingan yang tidak menyesuaikan perbedaan usia rata-rata antarnegara bagian dapat menyesatkan
- Kulldorff adalah profesor Harvard Medical School dan salah satu penulis utama Great Barrington Declaration, pernyataan anti-lockdown pada Oktober 2020
- Perbandingan periode sebelum vaksin justru mendukung pihak yang berpendapat bahwa belum jelas apakah intervensi nonfarmasi bekerja dengan baik dan biayanya besar
Perbedaan Antarnegara Bagian yang Sulit Dijelaskan Hanya dengan Usia
- COVID jauh lebih mematikan bagi lansia, tetapi kecenderungan partai dan struktur usia per negara bagian hampir ortogonal, dan terlebih lagi terhadap tingkat vaksinasi
- Perbedaan struktur usia antarnegara bagian di AS tidak besar
- Berdasarkan proporsi penduduk berusia 65 tahun ke atas, semua negara bagian kecuali 9 berada dalam rentang sempit di atas 15% dan di bawah 20%
- Bahkan di empat negara bagian dengan proporsi lansia yang serupa, angka kematian COVID per 1 juta penduduk setelah 1 Februari 2021 sangat berbeda
- West Virginia: 3.454
- Florida: 2.992
- Maine: 1.881
- Vermont: 1.210
- Keempat negara bagian ini memiliki proporsi lansia yang hampir sama, tetapi perbedaan angka kematiannya selaras dengan perbedaan tingkat vaksinasi berdasarkan partai
Susunan Analisis Regresi
- Analisis regresi digunakan sebagai metode untuk menguraikan efek dari beberapa variabel
- Variabel dependen dalam regresi satu variabel pertama adalah covid_deaths_late
- Jumlah kematian COVID per 1 juta penduduk setelah 1 Februari 2021
- Sumbernya adalah data COVID AS dari Worldometers
- 1 Februari 2021 mendekati waktu ketika vaksin mulai tersedia luas bagi kelompok rentan
- Variabel independen biden adalah selisih kemenangan atau kekalahan Joe Biden terhadap Donald Trump dalam pilpres 2020
- Hasilnya, semakin besar margin kemenangan Biden, semakin rendah angka kematian COVID setelah 1 Februari 2021
- Hubungan ini tidak berlaku pada awal COVID, dan hanya muncul setelah vaksin tersedia
Efek Kecenderungan Partai Tetap Ada Setelah Mengendalikan Usia
- Regresi berikutnya menambahkan variabel senior, yaitu proporsi penduduk negara bagian yang berusia 65 tahun ke atas
- Negara bagian dengan proporsi lansia yang lebih tinggi memiliki lebih banyak kematian COVID setelah 1 Februari 2021, dan perbedaan ini signifikan secara statistik
- Namun, meski usia ditambahkan, koefisien dan signifikansi statistik variabel biden pada dasarnya tidak berubah
- Kecenderungan partai per negara bagian tetap memprediksi angka kematian COVID secara kuat bahkan setelah mengendalikan usia
Tingkat Vaksinasi sebagai Variabel Penjelas yang Lebih Langsung
- Ini tidak berarti COVID secara inheren lebih banyak menargetkan Republican
- Asumsi intinya adalah COVID jauh lebih mematikan bagi orang yang belum divaksin, dan Republican lebih kecil kemungkinannya divaksin dibanding Democrat
- Pada model berikutnya, ditambahkan vax_rate, yaitu proporsi “fully vaccinated” per negara bagian
- “fully vaccinated” berarti dua dosis awal Pfizer atau Moderna, atau satu dosis awal Johnson & Johnson
- Dosis booster tidak disyaratkan
- Jika vax_rate dimasukkan, variabel ini memprediksi angka kematian COVID jauh lebih kuat daripada biden
- Pada akhirnya, meski biden dihapus dan hanya usia serta tingkat vaksinasi yang tersisa, kedua variabel tersebut menjelaskan lebih dari separuh variasi angka kematian COVID per negara bagian setelah Februari 2021
Sanggahan yang Tersisa dan Ruang Lingkup yang Kokoh
- Penyebaran COVID mengandung keacakan yang cukup besar, seperti varian tertentu yang menetap secara sulit diprediksi di suatu wilayah
- Masih ada pertanyaan tambahan yang perlu dipertimbangkan
- Penyakit penyerta berbeda menurut negara bagian
- Cara penghitungan kematian COVID mungkin tidak sama di tiap negara bagian
- Klaim bahwa intervensi nonfarmasi benar-benar tidak efektif pada periode sebelum vaksin kurang kokoh
- Namun klaim yang kokoh tidak berubah kategorinya hanya karena sanggahan kecil, sanggahan skala menengah, atau kadang bahkan sanggahan yang cukup besar
- Jika cara penghitungan kematian menjadi lebih terstandarisasi, daya prediksi tingkat vaksinasi mungkin menjadi lebih kuat atau mungkin tidak, tetapi klaim inti tampaknya tidak akan berubah dari “jelas benar” menjadi “meragukan” atau “mungkin salah”
1 komentar
Pendapat di Hacker News
Sebagai warga AS, saya menganjurkan orang-orang di sekitar saya untuk mengikuti langkah-langkah pengendalian COVID, dan saya juga menyukai Nate Silver, tetapi dalam tulisan ini yang paling menarik perhatian saya hanyalah bagian yang pada dasarnya menyetujui pernyataan anti-lockdown pada Oktober 2020
Itu adalah posisi berdasarkan informasi yang tersedia saat itu, jadi saya tidak menyesali penilaian saya, tetapi saya berharap kita bisa menerima fakta bahwa secara umum masyarakat keliru karena mempertahankan lockdown terlalu lama. Kerendahan hati juga tidak merugikan kaum kiri
Masker jelas efektif bagi tenaga medis yang merawat pasien pada gelombang pertama, dan mereka tidak jatuh sakit meski terpapar langsung. Lalu mengapa tidak efektif untuk masyarakat umum? Apakah karena tidak dipakai dengan benar dan konsisten? Sekolah tampak jelas bisa menjadi perantara besar penularan, dan anak-anak umumnya tanpa gejala, tetapi bahkan saat sakit pun mereka bisa menyebarkannya di dalam dan di luar sekolah serta kepada keluarga yang rentan. Apakah penutupan sekolah adalah kesalahan, atau seharusnya dilakukan dengan cara berbeda?
Saya juga banyak keliru, mulai dari menyanitasi tangan, padahal penularan lewat udara sebenarnya merupakan kunci, hingga berpikir bahwa vaksin akan mengakhiri situasi ini
Misalnya dengan mengklaim bahwa pada Oktober 2020 pemerintah sedang memaksakan lockdown ketat. Padahal ada bukti jelas bahwa orang-orang memang lebih suka tinggal di rumah, dan fakta bahwa proporsi kerja dari kantor hingga kini masih berada pada tingkat yang secara historis rendah juga merupakan contohnya. Sejak video dari Tiongkok muncul pada Januari 2020, saya tidak pernah sekali pun keliru, dan menarik melihat orang-orang terlalu banyak berpikir, memoralisasi, serta secara fanatik terpaku pada cabang dari cabang persoalan, terkait tiga fakta sederhana yang bahkan anak SMA pun tahu: “penyakit pernapasan yang sangat menular itu buruk, vaksin tidak mencegah infeksi atau penularan, orang-orang menyukai kerja dari rumah”
Saat itu sulit membicarakan hal seperti ini karena suasananya langsung menggiring seolah-olah saya adalah anti-vaksin
Saya penasaran apakah ada upaya untuk menghitung biaya-manfaat berbagai langkah dan sejauh mana kita harus bersikap ekstrem. Kerugian seperti depresi, isolasi, dan anak-anak kehilangan setengah tahun sekolah sulit dibandingkan dengan kematian, dan di permukaan tentu kematian seseorang tampak jauh lebih buruk. Namun jika semua yang kita lakukan hanya untuk menyelamatkan satu orang, umumnya kita akan menganggapnya tidak sepadan; ketika jumlahnya meningkat menjadi 10, 1.000, 10.000 orang, pada suatu titik subjektif banyak orang akan mulai setuju. Dengan data sekarang, tampaknya kita bisa mengumpulkan cukup banyak sampel wilayah dengan aturan berbeda dan menguantifikasi sampai batas tertentu, misalnya “masker menyelamatkan x nyawa per 1.000 orang”, “penutupan sekolah menyelamatkan y orang per 1.000 orang”. Dengan begitu kita bisa menilai apakah x nyawa layak untuk menanggung kerugian kualitas hidup, dan untuk y mungkin tidak
Bahkan pada gelombang awal, jelas bahwa kendala utama para pembuat kebijakan adalah ketidakpastian tentang virus, kurangnya alat pelindung, dan kurangnya tempat tidur ICU. Tanpa alat pelindung, tidak ada cara mengurangi penularan tanpa isolasi; jika ICU penuh, tingkat kematian berlipat dua, orang meninggal di jalan, dan sistem kesehatan runtuh. Runtuhnya sistem kesehatan bukanlah pilihan kebijakan yang kompatibel dengan ekonomi yang berfungsi, dan kematian non-COVID juga meningkat. Serangan jantung, kecelakaan lalu lintas, hingga persalinan menjadi faktor kematian. Gagasan bahwa pembuat kebijakan sedang menimbang “kakek meninggal beberapa tahun lebih awal” melawan “isolasi sosial cucunya” seharusnya disingkirkan
“Dengan pendekatan studi peristiwa menggunakan data dari 43 negara dan seluruh negara bagian AS, kami mengukur perubahan kematian berlebih setelah penerapan kebijakan tinggal di rumah (SIP) COVID-19. Kami tidak menemukan bahwa negara atau negara bagian yang menerapkan kebijakan SIP lebih awal memiliki kematian berlebih yang lebih rendah. Bahkan setelah memperhitungkan angka kematian COVID-19 sebelum SIP, tidak terlihat perbedaan kematian berlebih sebelum dan sesudah penerapan SIP”
Jika tempat tidur ICU yang tersedia berkurang, pembatasan diperbanyak; jika sebaliknya, dilonggarkan. Fokusnya terutama pada kematian yang dapat dicegah, yaitu orang yang sebenarnya bisa diselamatkan tetapi dipulangkan karena tidak ada tempat tidur, dan secara intuitif saya menganggap pendekatan itu solid. Kematian yang dapat dicegah benar-benar menyedihkan
Yang penting bukan jumlah nyawa, melainkan tahun kehidupan yang hilang. Misalnya, kematian seorang anak yang hampir seluruh hidupnya masih tersisa lebih buruk daripada kematian orang lanjut usia yang sudah mendekati akhir hayat. Statistik saat ini hanya berfokus pada jumlah kematian, bukan hilangnya harapan tahun hidup, sehingga bahkan sulit menilai secara adil trade-off antara berbagai kebijakan
COVID memang serius, tetapi respons Amerika sangat aneh. Cara memakai masker di restoran sepertinya akan tetap menjadi salah satu momen paling ganjil dalam sejarah AS
Karena penasaran saya mencari tahu, dan yang ia pakai tampaknya adalah Stata: https://www.reed.edu/psychology/stata/analyses/parametric/Re...
https://www.stata.com/
“Di semua komputer lab Reed, Stata ada di folder Applications.” “Stata dapat ditemukan di folder Applications pada komputer sekolah. Di PC, kemungkinan besar ada di Program Files.” Apakah ini berarti bukan open source dan juga tidak tersedia secara komersial? Rasanya salah satu dari keduanya tentu seharusnya mungkin, jadi ini cukup aneh
Isi artikel ini membahas kebijakan COVID dan penggunaan vaksin, jadi diskusi ke arah itu ikut muncul, tetapi inti utamanya tampak lebih umum
“Tujuan saya adalah berfokus pada fakta bergaya yang umumnya benar dan kokoh, lalu mengulanginya. Saya menyukai klaim yang sederhana atau tampak sederhana, dan klaim yang, meski tidak bisa dilebih-lebihkan pentingnya, diharapkan tahan terhadap verifikasi.” Sebagai orang yang secara profesional mempresentasikan hasil analisis dan model, saya sepenuhnya setuju. Cukup sajikan hasil paling sederhana yang menyampaikan poinnya, lalu lanjut. Sebutkan bahwa “ini tetap berlaku bahkan setelah mempertimbangkan x, y, z”, atau taruh analisis itu di slide cadangan untuk berjaga-jaga jika ada audiens yang agresif. Tidak ada yang peduli seberapa kompleks modelnya; mereka hanya melihat apakah model itu bekerja
Dalam tulisan itu, Nate sendiri juga mengatakan bahwa proporsi populasi Mormon di Utah 100 kali lebih tinggi dan itu merupakan efek yang signifikan. Tingkat kematian COVID pada usia 85 tahun ke atas lebih dari 100 kali lebih tinggi daripada pada kelompok yang sangat muda. Saya tidak meragukan hasilnya sendiri, tetapi ketika menganalisis COVID, menyesuaikan berdasarkan usia adalah pertanyaan yang wajar diajukan untuk kesimpulan apa pun
Berfokus pada kematian berarti ada aspek masalah sosial yang lebih besar yang terlewat
Kerusakan akibat COVID juga terkait dengan long COVID, serta dengan orang-orang yang sudah pulih sepenuhnya atau bahkan tidak bergejala. Ini belum berakhir, dan kita benar-benar kacau besar. Dengan kata lain, Great Barrington Declaration bahkan salah arah sejak awal. Jika ingin punya harapan kembali normal, seharusnya kita mengoptimalkan upaya untuk menghilangkan COVID semaksimal mungkin. Kematian bukan satu-satunya masalah COVID. Sekarang sudah terlalu terlambat, tetapi orang yang mendukung deklarasi itu adalah dukun palsu dan seharusnya dicabut izinnya
Namun lebih dari itu, saya sulit setuju dengan pernyataan “kita benar-benar kacau”. Memang COVID sedikit menggerus harapan hidup, dan long COVID juga sedikit menggerus produktivitas serta kepuasan hidup, tetapi dalam gambaran besar porsinya tidak sebesar itu. Saat ini di AS, kematian akibat COVID bahkan tidak sampai setengah dari kematian akibat kanker paru, dan kematian itu sangat didominasi kelompok usia lanjut. Ini mungkin terdengar dingin, tetapi mempersingkat hidup orang-orang yang sudah lama pensiun selama beberapa tahun tidak akan meruntuhkan sebuah negara. Di bawah usia 18 tahun, praktis tidak ada kematian COVID, dan pada kelompok usia kerja pun kasus yang berujung rawat inap atau kelemahan jangka panjang jarang terjadi. Orang-orang yang menderita tentu benar-benar menderita, dan kita tidak boleh mengabaikan mereka, tetapi COVID sebagai krisis kesehatan publik pada dasarnya sudah berakhir
Saya pernah terkena COVID setidaknya dua kali, dan sebulan setelah pulih saya juga mengalami gejala yang begitu buruk sampai yakin itu long COVID, tetapi beberapa bulan kemudian, dan kini setelah beberapa tahun berlalu, ternyata bukan. Saya mengenal banyak orang yang kehilangan keluarga karena COVID, tetapi tidak mengenal orang yang mengalami gejala long COVID parah, atau orang yang mengenal orang seperti itu. Saya tidak meragukan bahwa long COVID itu ada, tetapi dari pengamatan saya, saya sangat skeptis bahwa COVID adalah penyebab “kita kacau”. Menurut saya, keanehan pasca-COVID terjadi karena orang-orang mengalami stres luar biasa karena banyak alasan, termasuk perubahan iklim yang berlangsung cepat, sementara pada saat yang sama mereka tidak bisa benar-benar menyebutkan atau meredakan stres itu. Kalau ada materi yang bagus, saya ingin membacanya
Jika cukup tenggelam dalam apa pun, Anda bisa membuat diri sendiri ketakutan. Jika Anda cukup sering doomscroll tulisan tentang diabetes tipe 2, Anda mungkin akan yakin bahwa dibanding komplikasinya, COVID adalah masalah kesehatan publik Amerika yang paling sepele
Pada 2020 khususnya, dan bahkan sekarang, dampak spesifik long COVID serta efek samping lainnya sulit diprediksi jika dibandingkan dengan kerugian seperti memburuknya kesehatan mental akibat lockdown atau tertundanya perawatan. Kita juga tidak punya data kontrafaktual yang menunjukkan dampak lockdown bertahun-tahun setelah 3, 5, atau 10 tahun. Selain itu, dalam situasi ketika tidak ada pemerintahan dunia sehingga lockdown global dan eliminasi COVID tidak mungkin dilakukan, arah kebijakannya sendiri berubah. Jika populasi yang cukup besar tidak ikut dalam strategi eliminasi, strategi itu menjadi kurang layak dan lebih mahal bagi pihak lainnya. Secara pribadi, ketika varian pertama mulai muncul di Afrika Selatan dan Eropa, saya sedikit banyak berhenti berharap eliminasi masih mungkin. Saya penasaran seperti apa tingkat infeksi dan proporsi long COVID sekarang di negara-negara yang relatif berhasil melakukan lockdown seperti Selandia Baru atau Jepang
Eliminasi parsial yang tersirat dari frasa “sebanyak mungkin” juga bukan pilihan; sejak awal selalu semuanya atau tidak sama sekali
Saya menantikan saat, 20 tahun lagi setelah semua orang melupakan posisi politiknya, kita mengetahui apa sebenarnya COVID itu
[1] https://en.wikipedia.org/wiki/1977_Russian_flu
Saya penasaran dalam hal apa Anda melihat informasi yang sebagian besar sudah mapan itu menjadi tercemar oleh politik
Nate kadang bersikap ringan dan kurang sopan di Twitter, tetapi tampaknya ia benar-benar terpancing oleh kritik terhadap dirinya
Tulisan ini pada dasarnya lebih mirip “karena orang-orang berspekulasi tanpa dasar tentang klaim yang saya buat, saya akan menghabiskan banyak waktu untuk membuktikan sesuatu yang tidak akan mereka pedulikan”
Sebab setidaknya sebagian tulisan ini adalah tanggapan kepada Martin Kulldorff, profesor Harvard Medical School, biostatistikawan, dan salah satu penulis GBD
Mungkin tujuan yang lebih besar adalah memperoleh kepercayaan dari para pembacanya sendiri
Apa pun alasan ia menulis posting blog ini, tulisannya sendiri benar-benar menarik dan berwawasan, dengan detail dan kejernihan berpikir yang baik. Misalnya, analisis di bagian bawah tulisan menunjukkan bahwa faktor nyata yang menyebabkan perbedaan mortalitas adalah tingkat vaksinasi, sementara keberpihakan politik sebenarnya adalah variabel proksi. Orang-orang Twitter mungkin tidak peduli dengan apa yang ditunjukkan tulisan ini, tetapi saya cukup berterima kasih atasnya
Setiap kali memikirkan Nate Silver, saya selalu teringat pria lusuh yang menatap kosong ke kejauhan pada malam pemilu presiden 2016. Kegunaan Silver hanya terbatas untuk mengetahui apa argumen kubu arus utama
Entah bagaimana di negara lain, tetapi di Austria perawat mendapat insentif kuat untuk melaporkan kematian tepat setelah vaksinasi, atau kematian beberapa minggu setelah infeksi berlalu, sebagai kematian COVID dalam statistik nasional
Tidak mengherankan jika “nudge” semacam ini dalam pelaporan lapangan selama pandemi membuat data kematian COVID sulit dipercaya
Sejak awal Juni 2020, otoritas “kesehatan masyarakat” di kota terbesar Canada menyatakan bahwa mereka menghitung kematian dengan cara yang cukup mencurigakan. “Individu yang meninggal saat mengidap COVID-19 tetapi tidak meninggal sebagai akibat COVID-19 juga dimasukkan dalam hitungan kematian COVID-19 Toronto.” https://twitter.com/TOPublicHealth/status/127588839006028596... Pada pertengahan 2021 juga ada laporan terkait fasilitas perawatan jangka panjang. “Pasien di fasilitas perawatan jangka panjang Ontario meninggal karena pengabaian, bukan COVID-19, menurut laporan militer: ‘Yang dibutuhkan hanyalah air dan tubuh mereka dibersihkan’” https://www.theglobeandmail.com/canada/article-canadian-mili... Setelah hal-hal seperti ini dan semua yang terjadi pada 2020–2022, kini saya sama sekali tidak bisa mempercayai pejabat kesehatan masyarakat
Jadi data tentang berapa banyak nyawa yang diselamatkan vaksin benar-benar terkontaminasi, dan jumlah yang tidak divaksinasi tercatat lebih tinggi daripada kenyataannya. Selain itu, rumah sakit juga punya insentif finansial untuk menambahkan COVID sebagai penyebab kematian
Apakah Anda membaca tulisannya? Maksud saya bagian yang membahas hal-hal kecil yang orang-orang keluarkan dalam perjalanan menuju bias konfirmasi
Ada beberapa pengamatan
Berdasarkan CDC [1], total kematian COVID per negara bagian pada 2020 adalah West Virginia 1.318 orang, Florida 21.546 orang, Maine 344 orang, dan Vermont 134 orang. Populasi negara bagian terkait menurut sensus April 2020 [2] adalah West Virginia 1.793.716 orang, Florida 21.538.187 orang, Maine 1.362.359 orang, dan Vermont 643.077 orang. Jadi, sebelum vaksin tersedia, kematian per 100.000 penduduk adalah West Virginia 73, Florida 100, Vermont 21, dan Maine 25. Saya berharap ada yang memeriksa perhitungannya, tetapi bahkan sebelum vaksin, memilih Trump tampaknya meningkatkan kematian lebih dari 3 kali lipat. Dengan kata lain, analisis tulisan asli mungkin dipengaruhi oleh faktor perancu yang tidak diperhitungkan. Misalnya, COPD menurut CDC adalah faktor risiko medis penting untuk komplikasi COVID yang parah, dan memengaruhi lebih dari 13,6% populasi West Virginia, tetapi hanya 5,9% di Vermont [3]. Saya mendapat vaksin dan booster pada tanggal paling awal yang memungkinkan, dan terkena COVID saat gelombang awal Omicron di negara bagian saya
[1] https://stacks.cdc.gov/view/cdc/99750
[2] https://en.wikipedia.org/wiki/List_of_U.S._states_and_territ...
[3] https://www.lung.org/research/trends-in-lung-disease/copd-tr...
Jika seseorang percaya bahwa COVID tidak lebih buruk daripada flu atau bahkan tidak ada sama sekali, seperti sebagian keluarga ipar saya pada musim panas 2020, kemungkinan mereka tertular, menyebarkannya, dan menerima perawatan yang tidak tepat akan jauh lebih besar. Perbedaan perilaku seperti itu juga kemungkinan berlanjut ke tingkat vaksinasi. Jika penyakit seperti COPD adalah perbedaan utama, saya kira perbedaan angka kematian seharusnya lebih dekat ke 2,3 kali (13,6%/5,9%) daripada 2,9 kali (73 banding 25 per 100.000 orang). Saya tidak terlalu tahu komorbiditas lain di antara kedua negara bagian itu yang memiliki rasio relatif lebih besar dari 2,3 kali, dan obesitas di West Virginia hanya 1,3 kali lebih tinggi. Pada akhirnya, ini kembali ke poin Silver. Hampir selalu mungkin menemukan faktor lain yang ikut berkontribusi, tetapi itu bukan bukti bahwa faktor lain tidak berkontribusi. Semuanya harus dianalisis bersama. Namun bahkan sebelum regresi, faktor komorbiditas kesehatan saja tampaknya sulit menjelaskan perbedaan tersebut
Sekarang saya ingin melihat detail tentang klaim pertama bahwa “sebelum vaksin tersedia, hampir tidak ada perbedaan tingkat kematian COVID antara negara bagian biru dan negara bagian merah”