roodbruine zandsteen » Brownstone Institute-tijdschrift » De mythe van de door ziekte geteisterde rode staten

De mythe van de door ziekte geteisterde rode staten

DELEN | AFDRUKKEN | E-MAIL

Omdat er geen andere manieren zijn om bevolkingsgegevens te analyseren, categoriseren, ontleden of ontleden dan door "Aandeel van Trump-stemmen", mag er geen elke andere mogelijke verklaring voor iets anders dan dat rode provincies = slecht (hoge Covid-sterfgevallen!), blauwe provincies = goed (niet zo hoge Covid-sterfgevallen!).

Aandeel van stemmen

Natuurlijk ben ik grappig. Het hele voorstel is gewoon dom. Het concept van aangeboren verschillen in populaties is a goed gevestigde overweging voor degenen die de gezondheid van de bevolking bestuderen. Je zou kunnen denken dat de meest prestigieuze krant van onze naties van hun topschrijver zou kunnen eisen dat hij overleg pleegt met deskundigen op het gebied van volksgezondheid of zelfs een actuariële wetenschapper om een ​​beter geïnformeerd perspectief te krijgen en de gegevens grondiger te analyseren.

Laten we eens kijken naar de hoogtepunten van de serie "Red Covid" van David Leonhardt.

27 september 2021 

"Rode Covid: Het partijdige patroon van Covid wordt extremer.”

gemiddelde-dagelijkse-sterfte

(Let op de Y-as op deze grafiek)

"Wat de VS onderscheidt, is een conservatieve partij - de Republikeinse partij - die vijandig is geworden tegenover" wetenschap en empirisch bewijs in de afgelopen decennia. Een conservatief mediacomplex, waaronder Fox News, Sinclair Broadcast Group en verschillende online verkooppunten, echoot en versterkt deze vijandigheid. Trump heeft het samenzweerderige denken naar een nieuw niveau getild, maar hij heeft het niet gecreëerd.”

“Democratische politici hebben alle Amerikanen gesmeekt om zich te laten vaccineren en veel Republikeinse politici hebben dat niet gedaan.”

8 november 2021

Amerikaanse Covid-sterfgevallen worden nog roder: Amerikaanse Covid-sterfgevallen worden nog roder

“De korte versie: de kloof in het dodental van Covid tussen rood en blauw Amerika is de afgelopen maand sneller gegroeid dan ooit tevoren.

In oktober stierven 25 van de 100,000 inwoners van zwaar getroffen Trump-provincies aan Covid, meer dan drie keer hoger dan het aantal in zwaar getroffen Biden-provincies (7.8 per 100,000).

18 februari 2022 

"Rode Covid, een update: De partijdige kloof in Covid-sterfgevallen groeit nog steeds, maar langzamer.”

“Zoals de grafiek duidelijk maakt, is de tol nog erger geweest in provincies waar Trump met een aardverschuiving won dan in provincies die hij nipt won.
“Dit fenomeen is een voorbeeld van hoe de politieke polarisatie van het land het denken van mensen heeft vervormd, zelfs als hun persoonlijke veiligheid op het spel staat. Het is een tragedie - en ook te voorkomen."

Alvorens in te gaan op de bijzonderheden over deze overdreven simplificaties, wil ik duidelijk maken dat ik geloof dat de bovenstaande uitspraken van Leonhardt een oprecht geloof weerspiegelen. Hij gelooft echt dat politieke voorkeur de oorzakelijke verklaring is voor Covid-sterfte. Niet gezondheidstoestand, leeftijd, gewicht, comorbiditeiten. Slechts één ding: persoonlijke politieke voorkeur. 

Voor alle duidelijkheid, hij is van mening dat de onderliggende verklaring voor de hogere Covid-19-sterfte in rode provincies eigenlijk de lagere vaccinatiegraad in rode provincies is. Dus bij uitbreiding wordt dit verklaard door politieke voorkeur. 

Wat ik hieronder hoop te schetsen, is een completer beeld van wat er aan de hand is als we de gegevens op provincieniveau onderverdelen in de categorieën die Leonhardt heeft gekozen: 'Aandeel van de Trump-stem binnen de provincie' (0-30%, 31-45%, 46-55%, 56-70% en 70%+). Met behulp van historische sterftegegevens op provinciaal niveau zal ik proberen de volgende vragen te beantwoorden:

Hoe verhouden Covid-sterftetrends zich tot historische trends bij het categoriseren op politieke voorkeur? 

Correleert Covid-19-sterfte met sterfte door alle oorzaken?

Zag er in 2021 een grote, ongekende divergentie in de totale sterfte tussen 'rode' en 'blauwe' provincies?

Er zou een aanvullende analyse kunnen worden uitgevoerd om te zien of de vaccinatiegraad al dan niet gecorreleerd is met de algehele mortaliteit (in tegenstelling tot alleen Covid-19) op de lange termijn, maar aangezien de definitie van "volledig gevaccineerd" of "up-to-date" een ontroerend doel, heb ik ervoor gekozen om de sterfgevallen voorlopig niet te vergelijken op basis van vaccinatiegraad per provincie (vele anderen hebben die taak al op zich genomen!). Voor alle duidelijkheid, ik geloof dat voor degenen die risico lopen, is aangetoond dat de vaccins: vermindering van het risico van de ziekte aan die personen. Het doel van deze analyse is om dieper in te gaan op deze politieke onderverdelingen die volgens de New York Times een onbetwistbare verklaring zijn voor Covid-19-sterfte, ook wel bekend als "Red Covid".

Laten we om te beginnen eens kijken naar het verschil in de provincies die we hier vergelijken. Kijkend naar de groep "70% + Trump Vote" vertegenwoordigt deze 25 miljoen Amerikanen, en de gemiddelde bevolking van de provincies in die groep is 23 duizend. Dit zijn voornamelijk landelijke gemeenten. Vergelijk met de Biden County's waar Trump minder dan 30% van de stemmen had, wat neerkomt op 110 miljoen Amerikanen (voornamelijk in stedelijke gebieden), en de gemiddelde bevolking in die provincies is 137 duizend.

pop-by-share-troef-stem

Om de resterende analyse met die populatiegegevens te vermijden, vergelijken we heel erg verschillende demografische gegevens en controleren we niet voor die onderliggende verschillen. De juiste manier om deze vergelijkingen te maken zou zijn om voor die verschillen te controleren, voornamelijk door leeftijdsaanpassing, om het effect te ontmaskeren dat verschillende vaccinatiepercentages of verschillend beleid kunnen hebben. De NYT-artikelen deden dit niet en probeerden in één geval het belang van leeftijdsverschillen tussen deze groepen te negeren. Ik zal gewoon dezelfde categorieën gebruiken als zij, maar deze categorisaties op een hoger niveau bekijken om te zien of de primaire stelling van Leonhardt plausibel is of niet.


Hoe verhouden Covid-sterftetrends zich tot historische trends bij het categoriseren op politieke voorkeur? 

Om deze vraag te beantwoorden, moeten we kijken of deze trend van hogere sterfte in meer conservatieve gebieden een nieuwe of unieke bevinding is. Is dit iets nieuws of unieks dat is veroorzaakt door de pandemie? Een papier in de Dagboek van Epidemiologie en Communautaire Gezondheid, geschreven in 2015 (Pre-Trump-tijdperk), beantwoordt deze vraag voor ons. 

“In deze analyse van 32 830 deelnemers en een totale follow-uptijd van 498 845 persoonsjaren, vinden we dat politieke partijaffiliatie en politieke ideologie geassocieerd zijn met sterfte. Met uitzondering van onafhankelijken (gecorrigeerde HR (AHR) = 0.93, 95% BI 0.90 tot 0.97), worden verschillen tussen politieke partijen echter verklaard door de onderliggende sociodemografische kenmerken van de deelnemers. Met betrekking tot ideologie lopen conservatieven (AHR=1.06, 95% BI 1.01 tot 1.12) en gematigden (AHR=1.06, 95% BI 1.01 tot 1.11) een groter risico op sterfte tijdens de follow-up dan liberalen.”

Dus volgens dit artikel was het sterftecijfer van conservatieven iets hoger dan bij andere politieke groeperingen. Om te zien of dit wordt weergegeven in gegevens over sterfte door alle oorzaken, heb ik sterftegegevens op provinciaal niveau van pre-Covid-jaren (2018 en 2019) genomen van CDC-wonder, en ze gegroepeerd met dezelfde groeperingen die NYT gebruikt - '% Share of Trump Vote' om te zien of het hogere sterftecijfer tijdens de pandemie al dan niet ongekend is. 

ruwe sterfelijkheid

Het blijkt dat de provincies van Trump een hogere mortaliteit hadden dan de andere groeperingen bij ~ 1200 doden / 100k bevolking in beide voorgaande jaren, 2018 en 2019. Dus de gegevens laten zien dat rode provincies met over het algemeen hogere sterftecijfers helemaal geen nieuw fenomeen zijn , en past bij historische trends. Interessant is echter dat blauwe provincies slechts een iets lagere mortaliteit hadden dan 'lichtrode' provincies, waarbij 'paarse' en 'lichtblauwe' provincies het laagste sterftecijfer hadden. Hier zijn veel plausibele verklaringen voor, waarvan de eenvoudigste is dat deze provincies gewoonweg oudere populaties zijn. Laten we eens kijken hoe de gegevens veranderen wanneer we de sterftecijfers aanpassen aan de leeftijd. (Kanttekening: voor een gedetailleerd bericht over het belang en het hoe / waarom achter leeftijdsaanpassing, zie het bericht van Mary Pat Campbell hier🙂

leeftijd-adj-mortaliteit

Je kunt zien dat bij correctie voor leeftijd het verschil in percentages tussen provinciegroeperingen bijna verdwijnt. 

Correleert Covid-19-sterfte met sterfte door alle oorzaken?

Een onderliggende aanname in de NYT-stukken is dat deze groeperingen representatief zijn voor een soort enorm verschil in de totale sterfte- en sterftelast. De stukken richten zich uitsluitend op sterfgevallen door of met Covid-19, en er is echt geen sprake van de algehele impact van sterfte. Het lijdt geen twijfel dat Covid-19 een overdaad aan sterfte heeft veroorzaakt en de totale sterfte onder de bevolking heeft doen toenemen.

Maar de vraag blijft: in hoeverre was die last hoger of lager in 'rode' versus 'blauwe' gebieden van het land? We kunnen deze vraag beantwoorden door Covid-19-sterfgevallen binnen deze groepen te vergelijken met de totale sterfte voor dezelfde groepen. Laten we eens kijken wat er gebeurt als we dat doen. Aangezien de NYT zich concentreerde op 2021, het jaar waarin vaccins algemeen beschikbaar kwamen, beginnen we daar.

Kijk eens naar het Covid-19-sterftecijfer aan de linkerkant, versus het sterftecijfer door alle oorzaken aan de rechterkant.

mortaliteit-vs-alle oorzaken

Zoals je kunt zien, is de grafiek aan de linkerkant waar de NYT-serie artikelen zich op richt - deze aanzienlijke kloof tussen rood en blauw. Als je naar de grafiek hiernaast kijkt (sterfte door alle oorzaken), zie je dat de verschillen verdwijnen. Ik vraag me af of iemand die deze artikelen leest, zou weglopen in het besef dat ondanks lagere Covid-19-sterftecijfers in blauwe provincies, diezelfde diepblauwe provincies eigenlijk een hogere algehele mortaliteit hadden dan paarse of lichtblauwe provincies?

Zag er in 2021 een grote, ongekende divergentie in de totale sterfte tussen 'rode' en 'blauwe' provincies?

Als je de sterftecijfers in 2021 door deze groeperingen vergelijkt met dezelfde in 2019, zou je zien dat ze over het algemeen hoger zijn, maar in vergelijking behoudt elke groep dezelfde rangorde als hun niet-pandemische jaar. Dus hoewel het waar kan zijn dat de sterftecijfers door Covid-19 lager waren in donkerblauwe provincies, vertaalde dit zich niet in de totale sterftecijfers in die provincies. (Ik zou deze tarieven aanpassen aan de leeftijd als ik de gegevens beschikbaar had, maar momenteel heeft CDC Wonder op het moment van schrijven nog geen gegevens voor 2021). 

ruwe-mortaliteit-2020-2021

Een andere manier om hiernaar te kijken is door te kijken naar de jaar-op-jaar verandering van tarieven binnen elke groep. Zoals je kunt zien in de onderstaande grafiek, blijft de procentuele verandering redelijk consistent tussen elke individuele groepering, waarbij 2020 het grootste veranderingspercentage laat zien en 2021 een klein maar significant veranderingspercentage vanaf 2020 (wat betekent dat de totale sterfte nog steeds vrij hoog was ten opzichte van 2019 ).

ruwe-mortaliteit-per-jaar

Samenvattend, wanneer we een historisch perspectief en een hoger niveau bekijken terwijl we dezelfde groeperingen behouden, lijken deze grote verschillen in Covid-19-sterftecijfers zich niet te vertalen in algemene moraliteitscijfers. Waarom?


Met het risico dat deze analyse verandert in een nieuwe stapel, wijzend op de New York Time's fouten, Ik zou graag een meer goedaardige verklaring willen geven. Het is er een die journalisten en rapporten tijdens de pandemie heeft geteisterd. Hoe komt het dat alles is ingelijst in rood en blauw? Een simpele reden: de beschikbaarheid van de data. Leonhardt gebruikt gegevens die gemakkelijk toegankelijk zijn en al zijn opgemaakt voor eenvoudige analyse.

Dit is wat heet an beschikbaarheid bias. Het is in wezen het creëren van een hypothese of het voltooien van een onderzoek op basis van een specifieke set gegevens, puur om geen andere reden dan dat de gegevens er zijn. Alleen omdat de gegevens beschikbaar zijn, wil nog niet zeggen dat dit de beste gegevens zijn om te proberen een vraag te beantwoorden.

Republikeinen zijn ook mensen

Waarom doet dit er allemaal toe? We lijken tenslotte te accepteren dat reguliere berichtgeving en kabelnieuws een linkse vooringenomenheid hebben. Wat is het probleem? 

Als het gaat om de volksgezondheid, is het doel om de gezondheid en het welzijn van iedereen te bevorderen, en wanneer berichten en rapportage over de volksgezondheid ongegeneerd partijdig worden, waarbij de tactiek van beschuldiging en schaamte wordt gebruikt, zal dit zeer waarschijnlijk het tegenovergestelde effect hebben van het beoogde effect van bevordering van een betere gezondheid.

Conservatieven en "Red Counties" hebben ook goed gezondheidsadvies nodig. Ze moeten de bron kunnen vertrouwen. Zelfs als we het uitgangspunt van de NYT van "Red Covid" op het eerste gezicht nemen, wie helpt deze boodschap? Het is duidelijk niet de mensen die ze beschrijven. 


Data bronnen:

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://wonder.cdc.gov/

https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/VOQCHQ

Journaalpapieren:

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4033819

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5893220/

Heruitgegeven van de auteur subgroep



Uitgegeven onder a Creative Commons Naamsvermelding 4.0 Internationale licentie
Stel voor herdrukken de canonieke link terug naar het origineel Brownstone Instituut Artikel en auteur.

Auteur

  • Jos Stevenson

    Josh woont in Nashville, Tennessee en is een datavisualisatie-expert die zich richt op het maken van gemakkelijk te begrijpen grafieken en dashboards met gegevens. Tijdens de pandemie heeft hij analyses geleverd om lokale belangengroepen te ondersteunen voor persoonlijk leren en ander rationeel, datagestuurd covid-beleid. Zijn achtergrond is in computersysteemtechniek en -consulting, en zijn bachelordiploma is in Audio Engineering. Zijn werk is te vinden op zijn deelstapel “Relevant Data.”

    Bekijk alle berichten

Doneer vandaag nog

Uw financiële steun aan het Brownstone Institute gaat naar de ondersteuning van schrijvers, advocaten, wetenschappers, economen en andere moedige mensen die professioneel zijn gezuiverd en ontheemd tijdens de onrust van onze tijd. U kunt helpen de waarheid naar buiten te brengen door hun voortdurende werk.

Abonneer u op Brownstone voor meer nieuws

Blijf op de hoogte met Brownstone Institute