Comments 221
Простите, а на каком графике можно посмотреть смертность среди только привитых?
И где Вы брали данные по смертности среди привитых, по Вашим ссылкам сходу не получилось найти?
такую статистику мы точно никогда не увидим
Такая статистика, конечно же, есть и её завались (школар в помощь: ["sputnik-v effectiveness" : 2,890 results]):
https://www.nejm.org/doi/full/10.1056/NEJMoa2117128
https://www.nejm.org/doi/full/10.1056/NEJMoa2115481
а то, что в этой статье сравнивается общая смертность с неизвестным количеством в ней вакцинированных против общей допандемийной смертности вообще никак не может быть основанием для такого заявления, какой вынесен в заголовок: возможно вакцинированные люди(например) вообще не умирают, а данные свидетельствуют только о том, что вакцинация идёт медленнее, чем распространяется вирус, из представленных данных этого НЕ ВИДНО.
Поэтому мы нанесем каждый регион на график отдельной точкой и несмотря на то, что на регионы действует большое количество факторов, мы в силу их рассогласованности при усреднении получим сильно ослабленное шумовое воздействие. Поэтому точки, представляющие отдельные регионы, не имеют самостоятельного смысла, а результатом анализа можно считать только наклон асимптотической прямой (отражающей усредненное значение)
Не забывайте Парадокс Симпсона: нельзя усреднять регионы, сильно отличающиеся по составу/плотности населения.
Кроме того, есть причинно-следственная связь между наличием людей в группе риска и их желанием вакцинироваться - если в регионе одна здоровая молодёжь, то в нём может быть низкая доля вакцинированных (при околонулевой избыточной смертности), в то время как в регионе с одними стариками доля вакцинированных будет гораздо выше - но и избыточная смертность будет гораздо больше, так как не у всех появляется устойчивый иммунитет.
Я не анализировал отдельные регионы. Вывод делался на основании средней линии, которая учитывает все регионы страны.
Сами же написали что не всё регионы брали в расчёт
Вот в этом и ошибка. Если у вас есть любое усреднение (в данном случае - средняя линия), то его надо проверять на однородность/однотипность усредняемых данных.
Без этого вы и получаете свой вывод "люди, принимающие лекарства от сердцечных болезней, гораздо чаще умирают от них, чем люди, не принимающие такие лекарства, т.е. эти лекарства неэффективны".
Т.е. вы считаете, что люди привитые от коронавируса за 10 дней до начала месяца каким- то магическим образом притягивает к себе болезнь в последующем месяце? Вы путаете причину и следствие, которые очень легко определяются по последовательности действий во времени.
Есть корреляция между готовностью людей привится и их страхом умереть от того, что они в группе риска.
Приведу пример (все цифры выдуманы):
Пусть есть два региона с равным размером населения,в первом 90% молодёжи, 10% стариков, во втором- наоборот.
Пусть смертность стариков при заражении 5%, смертность молодёжи 0.1%, поэтому старики боятся коронавируса и 90% их прививаются, а молодёжь не боится и поэтому только 10% из них прививаются.
Пусть эффективность вакцины 80%.
Пришёл новый подтип вируса, так что достаточную дозу для заражения получили 90% населения в обоих регионах.
В преимущественно молодом регионе получается добавочная смертность чуть больше 0.2%, при этом вакцинированных в этом регионе будет 18%
В преимущественно старом регионе получается добавочная смертность больше 1.1% (в 5.69 раз выше, чем в первом!) при этом доля вакцинированных в нём 82%
Это очевидно! Посмотрите на графиках доли непривитого населения 65+ и 65-. Другой вопрос, что мы почему- то видим ОБРАТНУЮ зависимость: чем больше доля непривитых, тем ниже избыточная смертность. Вы лучше это объясните, остальное и так очевидно.
Другой вопрос, что мы почему- то видим ОБРАТНУЮ зависимость: чем больше доля непривитых, тем ниже избыточная смертность
В примере выше именно это и показано - чем больше доля непривитых, тем ниже избыточная смертность. Что объясняется упомянутой корреляцией между числом людей в группе риска и их желанием вакцинироваться.
Вы считаете, что разные регионы имеют разный уровень иммунизации, потому что в них живут разные по уровню здоровья люди? Т.е. в США (да и в России) ездят по стране какие- то солдаты, проводят анализ здоровья населения и в зависимости от полученных результатов развозят людей по разным регионам? Так?
Регионы, естественно, различаются по уровню здорвья.
Но точно также будет влиять и фактор плотности населения и числа заражённых - если вашу деревню посещают только два человека в месяц, то важно вакцинировать эту парочку, соответственно у вас будет низкая вакцинация и нулевая избыточная смертность даже если в этой деревне одни старики.
Парадокс Симпсона проявляется только если используются два последовательных усреднения (сначала находятся среднии значения для групп, а потом усредняются групповые значения). Никаких многократных последовательных усреднений у меня нет. Данные по регионам наносятся на график и строится единственная общая линия регрессии.
Вот если бы я использовал факторный анализ, как мне тут советовали и анализировал искомые характеристики для отдельных групп, а потом усреднил эти характеристики, вот тогда бы я нарвался на парадокс Симпсона.
И, к сожалению, наша статистика дискредитирована людьми, которые вместо прививки купили себе QR код.
Обратите, пожалуйста, внимание, что в статье сделан анализ для двух стран: России и США. Причем в обеих странах получены одинаковые результаты.
Ну если бы существовали инопланетяне, то пользуясь вашим методом можно было бы получить такие же данные и для них
Как будто в США не покупали сертификаты
Я беседовал с одной американкой русского происхождения, которая даже хотела временно вернуться в Россию, потому что тут значительно легче купить сертификат вакцинации. Конечно, один человек не может характеризовать всю популяцию.
А вы беседовали с реальными американцами на эту тему? Было бы интересно узнать насколько сложно у них решается этот вопрос.
Не общался лично. По некоторым новостям выглядит так, что можно получить фейковый сертификат и в случае, когда этого не хотел:
According to court documents, in April 2021, an individual submitted a complaint to the Department of Health and Human Services Office of Inspector General (HHS-OIG) hotline stating that family members purchased from Mazi COVID-19 homeoprophylaxis immunization pellets. The complainant stated that the family members had told her/him that Mazi stated that the pellets contained the COVID-19 virus and would create an antibody response in the immune system. The complainant reported that her/his family did not receive injections of any of the three FDA-authorized COVID-19 vaccines. However, in connection with the delivery of the homeoprophylaxis immunization pellets, Mazi sent COVID-19 Vaccination Record cards, with Moderna listed, to the complainant family. Mazi allegedly instructed the complainant family to mark the cards to falsely state that they received the Moderna vaccine on the date that they ingested the COVID-19 homeoprophylaxis immunization pellets.
https://www.justice.gov/opa/pr/woman-arrested-fake-covid-19-immunization-and-vaccination-card-scheme
И, к сожалению, наша статистика дискредитирована людьми, которые вместо прививки купили себе QR код.
а есть какая-то статистика по "покупкам"? А то может этот слух про покупки запустили сами, чтобы можно было всегда отмазаться про неэффективность вакцины, как это заявлялось в одной новостной передаче "если кто-то заболел после прививки - значит он купил QR код". Пикантность ситуации в том, что вроде бы, спустя какое-то время, сам ведуший, это утверждающий, заехал в больничку, хотя был привит.
Я тоже не верю, что врачи, которые САМИ вносят вакцинированных в базу данных, будут массово ставить липовые уколы: ведь их со временем по статистике заболевших вычислят. Причем врачи отлично знают, что 100% собирают подобную статистику, потому что с помощью нее анализируют качество производства и доставки вакцины (первое время для нее требовались сложные холодовые условия).
Если у врача каждый первый уколотый впоследствии заболевает, то тут ведь все предельно очевидно.
Сертификат можно было и не покупать, доходило до того, что в некоторых местностях, особенно на селе, по умолчанию делали фиктивную прививку, настоящую только по просьбе. Доля фиктивных прививок местами оценивалась до четверти всех вакцинаций.
Насчёт заболеет/не заболеет, ни одна вакцина не гарантирует, что не заболеешь, а вот спасти жизнь или хотя бы позволить перенести инфекцию легче, вполне может и это и есть её задача.
Оценка эффективности вакцинации таким образом невозможна (не даст корректных результатов).
В первую очередь, из-за разных штаммов (с разной заразностью/летальностью) в разные годы.
Эффективность вакцинации хорошо определяется по долям вакцинированных среди умерших от вируса (с вирусом). Когда последний раз смотрел, в Германии по этому показателю эффективность вакцинации для возрастной группы 60+ была больше 80%.
Не только из-за вариантов вируса. Очень сильно влияют такие факторы как:
социальный статус людей
их статус здоровья и возраста (ясно же, что сначала вакцинировали людей из группы риска, а детей, которые наименее подвержены смерти от коронавируса, вообще не вакцинировали)
да даже банальная доступность мед обеспечения влияет - больше заболевших, меньше из них может получить квалифицированную мед. помощь и больше умирает
болел ли человек до этого коронавирусом
чем он вакцинировался тоже влияет - есть ряд вакцин, эффективность которых не доказана
В общем автор взял и сравнил несравнимое. Бездумная обезьянья работа.
Вы считаете, что эти факторы сильно изменились в течении года? Я анализирую отношение смертностей за два последовательных года, поэтому если считать, что эти факторы практически сохраняют свое значение, то при делении они дадут 1.
К тому же я применил усреднение по различным регионам, которое дополнительно подавляет влияние приведенных вами факторов.
Вы анализируете две разные когорты населения, которые между собой очень сильно отличаются. Да, за год эти когорты могли достаточно сильно поменяться - больше людей из группы риска провакцинировалось, больше людей переболело коронавирусом, в итоге меньше людей осталось и невакцинированных и не переболевших. К тому же само влияние вируса изменилось на людей - другой вариант.
Все ваши усреднения и "отношение смертностей за два последних года, которые сохраняют свои значения" - это лютый треш и содомия.
Еще раз повторю: то, что вы научились тыкать в кнопочки и использовать бьютифул суп, не делает вас датасайентистом.
Посмотрите на разные наклоны прямой для разных месяцев (я не привел в публикации график для сентября, у которого как и в декабре положительный коэффициент наклона): ваше отнесение регионов к когортам успевает поменяться за 1 месяц.
Про какие кстати когорты вы говорите, а то получается какое- то абстрактное возражение?
Идея о том, что Дельта штамм более "сильный" была вброшена чтобы оправдать повышенную смертность среди частично привитого населения: дескать, смотрите даже половина непривитого народа умирает на 30% больше, чем в прошлом году вся популяция. В публикации я показал, что утверждение о смертности только среди непривитого население является ложным, а значит ложным является и тезис о более "сильном" Дельта- штамме.
В статье вы показали, что совсем не умеете в дата сайенс, обработку данных и статистику.
Идея о том, что Дельта штамм более "сильный" была вброшена чтобы оправдать повышенную смертность среди частично привитого населения
Во время пика заболеваемости и смертности от Дельты, который был год назад, уровень вакцинации был несравнимо ниже, чем сейчас.
Точно! Именно поэтому отношение смертностей двух годов может характерировать эффективность вакцинации (если подавить шумы или анализировать две группы людей находящихся в одинаковых условиях).
Такое сравнение имеет смысл только для тех сообществ (стран), где достигнут уровень полной вакцинации 90+ %. В противном случае доли непривитого населения более чем достаточно для распространения инфекции и создания достаточно высокой смертности.
Опровержению этого утверждения (что именно непривитое население количественно определяет избыточную смертность) посвящена первая часть моей публикации. Пожалуйста, прочитайте ее, и возможно вы больше не будете распространять не соответсвующую действительности информацию.
Пожалуйста, почитайте хотя бы википедию, и, возможно, "вы больше не будете распространять не соответсвующую действительности информацию" (с)
Вы строите каккие-то корреляции в диапазоне до доли вакцинированных 0.8, тогда как для эффективного торможения распространения необходимо больше 0.8 (см. рисунок ниже). До 0.8 инфекция будет беспрепятственно распространяться, а смертность будет по ряду причин рандомно гулять туда-сюда, а вакцинация не будет её особо тормозить. Собственно, у вас и получились случайные зависимости, не имеющие смысла. Про связь между вероятностью помереть от ковида и вакцинацией ссылок более чем достаточно (выше тоже приводили). По текущим представлениям, для Дельты вакцинация снижает вероятность склеить ласты примерно на три порядка. Однако сейчас Дельта вытесняется Омикроном, который значительно заразнее и значительно "слабее", и который теперь будет гулять среди нас постоянно. Насколько имеет смысл вакцинироваться от Омикрона это уже другой вопрос.
Столкновение практика и теоретика. У одного данные по реальной смертности и вакцинации из двух крупных стран с пониманием неполноты своих знаний и желанием разобраться, у другого откуда- то взятая теоретическая картинка и твердая уверенность в своих словах.
Рассмотрите 1- ого заболевшего, который заражет вокруг себя R0 человек. Эпидемия самостоятельно гаснет, когда заболевший заражает менее 1 человека, а значит вакцинированно должна быть (R0-1)/R0 = 1 - 1/R0 часть насления. Узнали своей график (из единицы вычтена отрицателная гипербола)?
смертность будет по ряду причин рандомно гулять туда-сюда, а вакцинация не будет её особо тормозить
Из ваших слов следует, что если популяция не преодолела определенный барьер вакцинации, то толку от нее нет. Но если понимать выше приведенный процесс распространения заболевания от 1 человека, то становится очевидно, что это не так: при более низком (чем необходимо для гашения эпидемии) уровне вакцинации распространение заболевания снизится (поскольку теперь человек заражает всего R0 * K человек, где К- доля невакцинированного населения).
Поэтому вакцинация на любом уровне должна снижать избыточную смертность, а на приведенных в публикации графиках (построенных по данным из официальных источников) этого не наблюдается. Как вы можете это объяснить?
Из ваших слов следует, что если популяция не преодолела определенный барьер вакцинации, то толку от нее нет.
Так и есть. Толк будет лишь для тех индивидуумов, которые вакцинировались.
при более низком (чем необходимо для гашения эпидемии) уровне вакцинации распространение заболевания снизится (поскольку теперь человек заражает всего R0 * K человек, где К- доля невакцинированного населения).
Это некорректное упрощение. Вакцинированные также способны передавать инфекцию (равно как и болеть), хотя период из заразности короче, чем для невакцинированных. Таким образом, вакцинация затрудняет распространение, а не исключает его полностью. Вероятность успешной передачи инфекции для пар будет расти в по порядку "вакцинированный-вакцинированный" < "вакцинированный-не вакцинированный" < "не вакцинированный-не вакцинированный". Можно записать скорость передачи инфекции между парой людей как W = k*[person1 * K]*[person2 * K], где person2 и person2 это способность распространять инфекцию у первого человека и восприимчивость к ней у второго, соответственно, а K это уровень вакцинации. Вакцинация повлияет на оба эти фактора и, вынеся её в коэффициент k, зависимость скорости от уровня вакцинации итоге получается квадратичной W = K^2. Там и других факторов много (как уже упомянутый возраст), что делает зависимость ещё хитрее.
Так и есть. Толк будет лишь для тех индивидуумов, которые вакцинировались.
И тут же ниже пишите:
Таким образом, вакцинация затрудняет распространение
Вы определитесь, пожалуйста, вакцинация затрудняет распространение или нет.
Заметный эффект (торможение) от массовой вакцинации будет наблюдаться при достижении определённого уровня, условно 0,8. Ниже этого уровня замедление распространения и уменьшение смертности будет незначительным; это именно тот диапазон, который вы использовали в своей статье.
Вакцинация даже на низких уровнях дает свой эффект. Представьте, что R0=4, тогда 1 заболевший заразит 4 человек. Но если популяция вакцинированна на 25%, то он заразит уже 3-ех, а при 50% вакцинированных- всего 2-ух человек (а смертность будет пропорциональна количеству переболевших). Поэтому можно говорить об эффективности вакцинации на любом ее уровне.
С помощью этой логики я выше вывел вашу же картинку. Так что эта логика верна, или вы не верите в свою картинку?
Пожалуйста, перестаньте многократно повторять одну и туже глупость.
смертность будет пропорциональна количеству переболевших
Прямые пропорции не работают в данном случае вообще, от слова совсем. Этот ваш базовый постулат вкорне неверен. Нет никакого "если популяция вакцинированна на 25%, то он заразит уже 3-ех", потому что вакцинированные тоже могут передавать инфекцию, пусть и менее эффективно. Передача идёт между двумя людьми, поэтому для обоих применяются поправки на вакцинацию, что даёт квадратичную зависимость (мы это обсудили выше).
Хорошая аналогия это цепная реакция (ядерная или химическая): достаточно небольшого превышения порогового значения массы/инициатора/концентрации и тд, чтобы реакция пошла со взрывным развитием. Или наоборот, моментально затормозилась при достижении пороговой концентрации ингибитора. Химическую кинетику или ядерные цепные реакции вы тоже будете опровергать, дескать там всё должно быть линейно-пропорционально?....
Прямые пропорции не работают в данном случае вообще, от слова совсем.
Работают, потому что это СТАТИСТИКА. У вас 100500 заболевших, которые заражают разное количество случайно- выбранных человек. Исходя из определения R0 в среднем человек имеет потенциал заразить R0 человек, в свою очередь вокруг этого заболевшего доля вакцинированных статистически ровно такая, как вакцинированно в целом по популяции. Это подтверждается вашей же картинкой.
Если вы хотите добавить в рассмотрение передачу инфекции между вакцинированными (усложнив задачу, хотя не разобрались в более простом варианте), то введите коэффициент эффективности вакцинации против заболеваемости (предположим он равен 0.2) и домножайте вакцинированных, попавших в окружение заболевшего, на этот коэффициент при расчете общего числа зараженных. Получите небольшую поправку.
Скажем при R0=4 и 25% уровне вакцинации вы получите 3 + 1*0.2 = 3.2 зараженных. Если же не было вакцинированно 25% населения, то зарозилось бы 4 человека. Видите как низкий уровень вакцинации работает (3.2 < 4), даже с поправками на передачу заболеваемости между вакцинированными?
И как эта поправка оправдывает выдуманную вами идею про наличие "барьера вакцинации"? Никак. Ваша задача добавить в рассмотриваемый вопрос сложности, чтобы запутать более глупых людей и протолкнуть свою идею барьера.
p.s. И не надо аппелировать к физике. У нас популяция, а не ядреный реактор. Это РАЗНЫЕ объекты.
p.s.s. Более не буду отвечать на ваши возражения, поскольку я максимально детально разжевал этот вопрос. Дальше можете писать любую околесицу, я ее проигнорирую.
Работают, потому что это СТАТИСТИКА
Статистика имеет смысл только при корректно выбранных условиях. Ииначе можно строить зависимости зарплат разработчиков в Чите от силы океанических приливов на острове Пасхи, собрать случайные данные и обсуждать их. Это именно то, что вы сделали - в диапазоне до 0,8 влияние абсолютного уровня вакцинации невелико и сильно зависит от ряда других условий (страна, возраст населения, возраст вакцинированных и тд). Поэтому у вас и получилось отсутствие зависимости. Вам уже несколько раз об этом сказали.
Скажем при R0=4 и 25% уровне вакцинации вы получите 3 + 1*0.2 = 3.2 зараженных.
Мы это уже обсудили выше, это так не работает. Этот R0 является следствием, результатом функции со многими параметрами,а не исходным условием, которое можно менять как хочешь. Т.е. R0 = 4 означает, что в выбранных условиях один человек заражает четверых. Изменение условий (вакцинация) приведёт к совсем другому R0 или не изменит его вообще.
И не надо аппелировать к физике. У нас популяция, а не ядреный реактор.
Распространение инфекции имеет характер цепной реакции, поэтому аналогии с соответствующими явлениями в физике и химии самые прямые. В таких реакциях зависимости скорости реакции (распространения инфекции) от исходных условий как правило не имеют линейного характера.
Скажем при R0=4 и 25% уровне вакцинации вы получите 3 + 1*0.2 = 3.2 зараженных. Если же не было вакцинированно 25% населения, то зарозилось бы 4 человека.
К слову, R0 = 4 не означает, что в период своей болезни человек контактировал исключительно с четырьмя людьми, которым он с вероятностью 100% передал инфекцию. Он мог контактировать хоть с сотней людей, но лишь в четырёх контактах передача была успешной. Поэтому если вакцинировано 25%, то среди этой сотни контактировавших людей инфекция без проблем "подберёт" себе четырёх наиболее восприимчивых из оставшихся 75%.
Не понятно на основаниие чего вы утверждатете Идея о том, что Дельта штамм более "сильный" была вброшена . Это не "идея", а факт подтвержденный и медицинскими и статистическими исследованиями (в тех странах где они проводятся и публикуются).
А то что утверждение о смертности только среди непривитого население является ложным и так очевидно. Тем более что никто и не утверждал что только только среди непривитого , утверждается (и подтверждается статистикой по заболеваемости/летальности) только то что смертность среди непривитого населения выше, особенно в группах риска.
В публикации я показал, что избыточная смертность практически не зависит от доли непривитого населения. Т.е. для Дельта- штамма популяция практически не изменилась. Если бы Дельта- штамм был более "сильным", то в 2021 году мы видели бы кратно более высокую смертность, чего не наблюдается.
Пожалуйста, корректно ведите беседу. В публикации написано: "Во времена Дельта- штамма основной причиной избыточной смертности называли непривитое население". Я нигде не писал, о смертности только среди непривитого населения.
"Эффективность вакцинации хорошо определяется по долям вакцинированных среди умерших от вируса" - эта метрика не может быть искажена и дать некорректные результаты?
Когда я читаю такие статьи, то у меня в голове прокручивается только один мем:
Автор, а может вы сначала попробовали бы изучить мат статистику и немного эпидемиологию/вирусологию? На данном этапе не понимая ничего вы взяли непонятно что и прогнали через мясорубку питона. Поздравляю, вы получили замиксованное нечто - абсолютно бессмысленные данные. Вы хоть проанализировали исходные данные? А свои графики?
Пожалуйста, приведите законы эпидемиологии / вирусологии, которые я нарушил. Я откорректирую свою публикацию, чтобы она содержала корректную информацию.
Пожалуйста, для начала изучите хотя бы основы. Тогда будем с вами разговаривать.
Вот вам полезная ссылка: https://www.coursera.org/specializations/statistics-with-python
Все же я попрошу вас сообщить о нарушенных мной законах эпидемиологии / вирусологии. Я не умею искать черную кошку в черной комнате, когда ее там нет.
Вы написали о допущенных мной ошибках. Приведите их, пожалуйста.
Я уже много раз упоминал здесь, что у вас не так. В общем все сводится к тому, что вы сравниваете несравнимые вещи. Вы не учитываете ни наличие разных вариантов вируса, ни различия в вакцинации по возрастам, ни различия влияния вируса на разные возрастные категории, ни то, что люди уже могли переболеть коронавирусом. Это и есть несоблюдение объективных эпидемиологических и вирологических показателей для анализа данных. Про "нарушение законов" это вы откуда-то додумали
Я анализировал НАКЛОН асимптотической линии. Если в разные годы доминирует разный вирус, то все регионы одинаково это "почувствуют" и наклон прямой не изменится.
Различие влияния вируса на разные возрастные категории проводить не нужно, потому что возрастной состав за 1 год практически не изменился (особенно если учесть, что влияет не само изменение возрастного состава региона, а разница этих изменений для разных регионов, которые еще потом и усреднятся).
То что часть людей уже переболела коронавирусом у меня утчено. Пожалуйста, будьте внимательнее.
Надо сравнивать анализировать одинаковые категории. Иначе с чего вы взяли, что
т.е. чем больше в регионе непривитого населения, тем в нем ниже избыточная смертность
Вы сравниваете разные когорты.
Еще я немного в шоке, что же такое "эффективность вакцинации"? Что этот показатель показывает у вас?
В публикации я не привел графиков для сентября, поскольку этот месяц не является эпид. сезоном в России. Так вот, для сентября и декабря в России наклон средней прямой противоположен наклону прямой в октябре и ноябре.
Вы считаете, что отнесение региона к той или иной когорте меняется за 1 месяц?
Эффективность вакцинации в моем определении- способность вакцины при полностью вакцинированной популяции снижать смертность в регионе.
Вы считаете, что отнесение региона к той или иной когорте меняется за 1 месяц?
Я считаю, что делать такие выводы как вы сделали без анализа данных и влияющих факторов неверно.
Эффективность вакцинации в моем определении- способность вакцины при полностью вакцинированной популяции снижать смертность в регионе.
Интересный параметр. Если учесть, что смертность - это показатель отнесения умерших к общему числу населения (а не к количеству заболевших). То есть вы берете и вообще все смерти рассматриваете, а не только от коронавируса. Не беря в учёт, что был локдаун в стране (а это может влиять на количество смертей от аварий) и прочие конфаундеры.
Вы считаете, что отнесение региона к той или иной когорте меняется за 1 месяц?
Я считаю, что делать такие выводы как вы сделали без анализа данных и влияющих факторов неверно.
Вам в диалоге задали вопрос, почему бы как принято в культурном обществе не ответить на него?
Интересный параметр. Если учесть, что смертность - это показатель отнесения умерших к общему числу населения (а не к количеству заболевших)То есть вы берете и вообще все смерти рассматриваете, а не только от коронавируса.
Я анализировал отношение смертностей двух годов. Если вы проведете простенькие математические рассчеты (вычтите 1), то увидите, что этот показатель говорит о разнице смертностей в единицах самой смертности (на заболеваемость я нигде не опирался). Причем отличие двух годов было не в коронавирусе, а в наличии / отсутствии вакцинации.
Не беря в учёт, что был локдаун в стране (а это может влиять на количество смертей от аварий) и прочие конфаундеры.
Обратите внимание на раздел моей публикации, где я писал о большом количестве шумов, влияющих на результат и способе их обойти с помощью усреднения. Полагаю, что повышенная смертность в одном из регионов от аварий (аллигаторов? штормов? косточек вишни?...) не окажет влияния на результат за счет процедуры усреднения. Если у вас есть другие данные, то, пожалуйста, приведите их.
Тащемта классический garbage in - garbage out. Ключевой предсказатель смертности от ковида для человека - возраст. Без знания того, как по возрасту распределены вакцинированные и невакцинированные выхлоп анализа ограничивается нагревом процессора. Если в одном регионе вакцинировано 30 процентов, вакциной закрыты люди старше 50 лет и там в целом молодое население ( условно Дагестан) а в другом вакцинировано 70 процентов молодых чтобы ездить в отпуск и ходить в ресторан, а составляющие значительную долю старики заряжают воду у телевизора (пусть будет МО) - то можно получить какие угодно цифры в любую сторону.
Я анализировал избыточную смертность, которая определена как отношение смертностей для 2021 и 2020 года. Поэтому если какой- то регион имеет в одном году более молодое население, то в следующем он скорее всего сохранит это отличие. Для отношений смертностей выполнять подобный анализ вполне корректно.
Поэтому если какой- то регион имеет в одном году более молодое население, то в следующем он скорее всего сохранит это отличие.
Конечно сохранит - у вас ведь старики не умирают. Но только вот при чем тут соотношение молодого и старого населения, когда мы говорим про вакцинацию?
Вы пишите о garbage in, но как получалось, что две страны одинаково подменяли данные (спуская в свои регионы цифры, которые те должны нарисовать), чтобы для них получились одинаковые графики?
В США, начиная со второй половины декабря пошла волна новой версии Омикрона. Это хорошо видно по графикам количества заболевших (~120k (5 day avg)) в начале-середине декабря, рост с середины и ~350k на 31 декабря.
Про Россию неизвестно, но скорее всего ситуация аналогичная. Так что в этом исследовании еще и изначальная предпосылка не полностью верная.
Все- таки надо разделять понятия "появился" и "стал доминировать". Дополнительно надо учесть, что после заболевания необходимо примерно 10 дней до наступления смерти, т.е. заболевшие Омикроном в конце декабря 2021 года умерли в начале января 2022 года и не попали в мое исследование.
120k vs 350k - я бы сказал что на конец декабря уже доминирует омикрон, причем каков его вклад на начало декабря - нужно смотреть отдельные исследования. Пишут, что он вытесняет Дельту за счет сильно большей вирулентности
про 10 дней допустим согласен, но это неплохо было бы указать в статье
опять-же в статье говорится про общестатистические данные, никакой коррекции на время от начала заражения до теста, и от попадания в больницу до смерти не приводится.
а еще омикрон протекает легче и смертность ниже - тоже может вносить свой вклад в декабрьские данные
Хотя это конечно больше важно для статьи в научном журнале, а не на хабре
Почему статья не работает сказали. Но и в комментах и создатели вакцин говорят о том, что при вакцине не умрешь.
Т.е. вакцина -> не умрешь. Т.е. если взять две одинаковые страны (области), в одной вакцину поставить (30-60-90% населения), в другой не делать (0%), то какую смертность можно ожидать в обоих странах? Хотелось бы разную, причем в первой стране меньшую.
Или все настолько запутано (статистически и эпидемиологически), что при вакцинации как раз и наблюдаем, что делаем вакцины, а народ мрет пуще прежнего так же как и без вакцин?
Конечно, особенно поиграв в https://ncase.me/covid-19/, можно видеть, что заразность естественно всегда сильнее мер по вакцинации (да и вакцина начнет работать через 4 недели, кроме прочего). Так что видеть рост смертей среди непривитого и заболевшего населения на фоне роста вакцинации - понятный тренд. Это контр-аргумент автору.
Однако возникает вопрос, на который попытался найти ответ автор - а как можно увидеть в стране эффект от вакцинации? Отличное предложение - среди умерших смотреть % вакцинированных и смотреть на долю вакцинированного населения. Где-то есть такая статистика по Спутнику? По идее у государства есть (Госуслуги и Свидетельство о смерти).
Отличное предложение - среди умерших смотреть % вакцинированных и смотреть на долю вакцинированного населения.
Плохое предложение. Вы не учитываете, как и автор, возрастное ранжирование и ранжирование по сопутствующим заболеваниям при анализе данных. Определенно люди из группы риска будут активнее вакцинироваться, но так как они из группы риска, то и умирать они будут чаще, чем люди не из группы риска. Для примера: Мы имеем в группе невакцинированных преимущественно молодую когорту, для которой вероятность умереть 1%, а в группе вакцинированных смешанную когорту с вероятностью 5%. Допустим вакцинация предотвращает 50% смертей. Тогда получается, что вероятность умереть по такой статистике у вакцинированных будет выше, чем у невакцинированных (2,5% против 1%).
Однако возникает вопрос, на который попытался найти ответ автор - а как можно увидеть в стране эффект от вакцинации? Отличное предложение - среди умерших смотреть % вакцинированных и смотреть на долю вакцинированного населения. Где-то есть такая статистика по Спутнику?
Публиковалось аргентинское исследование по Спутнику, еще до "Дельты" (не следил было ли еще что-то поновее). Тогда Спутник показывал значительное снижение смертности в группах риска.
Недавно появился препринт российского исследования (уже про "Дельту"), где оценили защиту Спутника V от "симптоматической коронавирусной инфекции" в 58% (но в работе авторы указывают что оценка, вероятно, занижена из-за особенности/неполноты исходных данных).
Не уверен что эффект от вакцинации в целом по России вообще возможно как-то четко увидеть, слишком много постоянно меняющихся переменных влияющих на результат. И нет второй "России" где всё было бы также, но плацебо вместо вакцины.
Не уверен что эффект от вакцинации в целом по России вообще возможно как-то четко увидеть
Вот это и расстраивает. Т.к. 1) Антиваксеры на коне, 2) Собственно автор это и показал ).
Т.е. критики кроме критики ничего не могут на данных показать, только рассказать "как надо"?
Другими словами, если (не дай бог) вакцина не работает, по стране увидим то же самое?
Есть методичка ВОЗ, которая совпадает с классической методикой из древних учебников по иммунологии.
Автор в посте делал не по методичке, поэтому сделал ошибочные выводы. Только зря потратил время.
Ну технически можно делать и ретроспективное исследование. Но делать его надо не как автор.
Вы можете написать статью в соотвествии с рекомендациями ВОЗ. Я с благодарностью изучу ваш материал.
p.s. После того как я вам ответил надеюсь вы перестанете писать этот комментарий в других местах, мешая людям беседовать.
Уже написали, с нетерпенеим жду ваш комментарий.
P.S. Нет, не перестану, пока вы будете продолжать распространять ложную информацию.
@PythonAnalyst изучили наш материал?
а при полностью непривитом населении смертность должна повторить значение предыдущего года
Не уверен, что это было бы так.
Например, если у вас в первый год переболеет 100% населения и некий % самых слабых с точки зрения вируса умрет, то в следующем году умирать уже будет особо некому плюс минус погрешность.
Формально вы правы. В конце публикации я привел официальные данные о 10% переболевших за прошедший год. Т.е. наклон прямой должен быть равен не 1, а 0.9.
Но если посмотреть на наклоны прямых, то они настолько далеки как от 1, так и от 0.9, что упоминать об этом в публикации не имеет никакого смысла. Надо балансировать между сложностью и примитивизмом, не скатываясь ни в одну из крайностей.
Для меня очевидно, что автор не прочитал ни одной научной статьи по теме, которую о освещает.
Я бы порекомендовал ему проштудировать подборку -
https://www.ncbi.nlm.nih.gov/research/coronavirus/docsum?filters=topics.Epidemic Forecasting
Но, в целом, мое личное мнение, могу ошибаться, модели описания эпидемии ковида, пока не сущществует - слишком много входных, а также скрытых параметров, поэтому "любая" модель может дать "любой" результат. Тоже касается эффективности вакцин.
Если вы видите ошибку, то, пожалуйста, укажите ее, и я внесу в публикацию исправления. Давать подборку с фразой "сам найди у себя ошибку" не корректно.
В публикации я не строил модель эпид. процесса. Статистика тем и хороша, что позволяет делать оценки характеристик систем, не анилизируя их внутреннее устройство (например, сравните молекулярную физику и термодинамику).
Когда сравниваете разные года, не забывайте скоректировать на естественный прирост (или убыль) населения в каждой возрастной категории. Часто население "перезжает" из одной возрастной категории в другую между разными годами. Это тоже вносит неравномерности. Чем мельче разбивка по возрасту, тем точнее получится. Гистограмма по возрастам очень неравномерна, и она из года в год меняется очень сильно. И эти изменения выше порога того сигнала, который вы хотите найти.
Давайте постараемся ничего не напутать: т.е. автор коррелировал избыточную смертность - превышение текущей смертности над средней за аналогичный период за прошлые годы, не обязательно от коронавируса (!), с долей невакцинированного населения ... что же могло пойти не так? Ну кроме того, что коррелируются вообще непонятно как связанные категории.
Почему проводя линейную аппроксимацию, автор ни слова не говорит о коэффициенте корреляции? Да просто потому что он околонулевой, полученные тренды носят случайный характер!
Спасибо за комментарий по существу публикации.
Я анализировал превышение текущей смертности не над средним за предыдущие периоды, а над прошлогодним. Действительно в рассмотрение также попадают смерти не только от коронавируса, но нет причин ожидать изменения их значений (иначе бы весь страховой бизнес был бы не состоятелен).
Я писал, что данные сильно зашумлены, поскольку на каждую точку (представляющую отдельный регион) влияет очень большое количество факторов, которые меняют ее значение. В этом случае коэффициент корреляции действительно малоэффективен (поскольку корреляция с доминирующим шумом будут близка к 0).
В подобном случае более разумно применить усреднение, которое я подробно описал в публикации. Этот смелый шаг (до которого мало кто может додуматься)- основной драйвер моего исследования.
но нет причин ожидать изменения их значений
Это очень и очень опрометчивое допущение. Изменилось поведение людей, причём очень сильно изменилось. Люди стали бояться идти к врачу на обследование (а вдруг корону подхватят). Запустились хронические заболевания. Это скажется на смертности. При этом люди стали чаще работать из дому (кому профессия позволяет) - соответственно меньше проишествий вне дома, но больше внутри дома. Возможно влияние на домашнее насилие (люди слетевшие с катушек из-за ограничений и прочих безумств). Смерти от побочных реакций препарата тоже вносят далеко ненулевой вклад (см. базы VAERS, EudraVigilance), иначе как объяснить рост общей нековидной смертности среди молодого населения в 2021, которой не наблюдалось в 2020.
На самом деле факторов, влияющих намного больше, чем мы в сотоянии учесть, поэтому и можем доказать практически любую гипотезу, в зависимости от того, что мы ищем. А в общем случае имеем шум и ничего кроме шума.
Опять про косточки от вишни...
Господи, как вернуть в адекватное состояние подобных людей?
А по существу нечего ответить?
Как на иррациональное возражение можно ответить логически? Вот скажет какая- нибудь цыганка, что помахав руками залечила мне карму, и как я на это возражу? Буду пытаться доказывать, что карма до сих пор не залечена?
Другой вопрос, почему ваши возражения иррациональны? Потому что вас страшилками о Covid-19 ввели в стрессовое состояние, в котором засыпает разум и вслед за этим порождаются чудовища.
Ну скажем так, ничего иррационального я не привёл. Модель на самом деле действительно сложнее, чем может на первый взгляд показаться, и факторов действительно много. Нельзя всё упрощать донельзя (но у исложнять тоже). А констатируемые корреляции - часто обманчивы, так как не установлена причинно-следственная связь (и таких примеров много, как классический пример корреляции между потреблением сыра и количеством убийств).
А вот фактического списка факторов, который нужно учитывать, у меня действительно нет. Но если хорошо порыться в научной литературе, можно и найти. У меня пока больше вопросов, чем ответов.
А насчёт страшилок и стресса - вы правы. И это обуславливает иррациональное поведение человечества в целом.
Вот, кстати, ещё "пища" для анализа. Достаточно детализированная. Было бы интересно проанализировать: https://www.ons.gov.uk/peoplepopulationandcommunity/birthsdeathsandmarriages/deaths/datasets/deathsbyvaccinationstatusengland
А почему напрямую не коррелировать смерти по коронавирусной причине с долей невакцинированного населения?
Еще хотелось бы предостеречь от получения ложных корреляций, когда обе величины зависят (положительно скоррелированы с третьей), например даже если вакцина работает, на каком-то временном интервале будет расти и доля вакцинированных, и доля смертей, в результате можно сделать неверный вывод
Говорить об эффективности вакцины можно только после вакцинации достаточно большой доли населения, и соответственно только там проводить тренды
Просто напрямую скорее всего нельзя.
Предположим, у нас есть 2 группы населения, вакцинированная и невакцинированная. Что мы о них знаем? Являются ли группы идентичными по риск-факторам? А именно, распределение по возрасту, по наличию сопутсвующих факторов, по социальному положению, по этническому составу, по наличию уже перенесенного ковида - всё это будет влиять на смертность. Если группы идентичные - мы можем их сравнивать. В противном случае есть риск получить bias в какой-то из групп и принять наблюдаемое за причинно-следственную связь.
Вопрос не так прост, как кажется...
В публикации я написал, что не доверяю информации, которую распространяет сайт стопкоронавирус (в том числе официальным данным о смертности непосредственно от Covid- 19). Их смертность от коронавируса примерно в 5 раз ниже избыточной смертности, что очевидно является обманом.
Вакцинация даже на низких уровнях дает свой эффект. Представьте, что R0=4, тогда 1 заболевший заразит 4 человек. Но если популяция вакцинированна на 25%, то он заразит уже 3-ех, а при 50% вакцинированных- всего 2-ух человек. Поэтому можно говорить об эффективности вакцинации на любом ее уровне.
Число получивших иммунитет естественным путём (т.е. переболевших) не учитывается совершенно, хотя оно постоянно растёт. Этим можно объяснить уменьшение доли невакцинированных во времени.
В комментариях этот вопрос уже рассматривался: естественная иммунизация населения влияет только на изменение теоретического наклона прямой с 1 до 0.9. Оба эти значения далеки от полученных по реальным данным наклонам усредненной прямой. Т.е. с вашей поправкой усложнение есть, а результат получается точно такой же.
Спасибо за публикацию, Довольно любопытные данные. Оценить выводы проблематично.И виноват тут совсем не автор. Большую часть претензий следует адресовать гсоударственным органам, которые не публикуют достоверную статистику по смертности, количеству вывленных заражений (и, самое интресное, по количеству сделанных тестов!) так и по эфективности вакцин. Агрессивные комметарии совсем необоснованны.
Вы смелый человек, поскольку первый кто отважился написать положительный комментарий. Хотя если посмотреть на оценки статьи, то они поделились примерно пополам и поэтому в комментариях стоило ожидать примерно равного количества как отрицательных, так и положительных отзывов. Но меньшинство боится писать комментарии на "религиозные" темы (чтобы большинство не обнулило им карму) и вместо этого благодарности шлют в личку :)
Я видимо не совсем в теме. Можете прояснить для меня два момента?
Кто такие "неполностью вакцинированные"? Соответственно, вакцинированные и полностью вакцинированные?
В начале рассматривали теоретический график избыточной смертности от доли непривитых. Получилась прямая из (0;0) в (1;1). Значения равные нулю и единице для избыточной смертности - это сколько? Или относительно чего? И что означает единица для избыточной смертности на рассчитанных графиках? Такое ощущение, что теоретическая единица и единица на графиках - не одно и то же.
Вакцинированные получили 1 укол, полностью вакцинированные- 2 укола, невакцинированные - 0 уколов, неполностью вакцинированные-0 или 1 укол.
Если вопрос стоит о том, сколько в абсолютном значении умерло человек при той или иной избыточной смертности, то для 0 это очевидно 0 (исходя из определения избыточной смертности), а для 1- столько же сколько в прошлом году (исходя все из того же определения). 1 означает повторение в 2021 году смертности 2020 года. Если вы считаете, что рассчитывая избыточную смертность я в коде допустил ошибку, то, пожалуйста, укажите ее (проект представлен на Github-е).
Тут такая оказия, что программист я так себе, а из IT ушёл вообще 10 лет назад. К сожалению, на быструю руку я не смогу посмотреть проект на Github. Буду рад, если вы ответите обычным способом. Мне нравится ваша статья. В 2020г я надеялся, что ковид-шумиха утихнет к 2022, но видимо эти планы более долгосрочные.
1 означает повторение в 2021 году смертности 2020 года.
1 в графиках это повторение просто общей смертности, или повторение именно избыточной смертности? В теоретической части ордината, как я понимаю, ведь именно относительная избыточная смертность?
Ординатой на графиках является избыточная смертность, которая определена как отношение текущей смертности к прошлогодней. Таким образом, ордината 1 означает что в 2021 году умерло столько же человек, как и в 2020 году.
Вас не понимают, потому что вы говорите на другом языке. Я не специалист по эпидемиологии, но ваши термины и определения не совпадают с таковыми у ваших оппонентов.
Эффективность от вакцин разделяют как минимум на клиническую (иммунологическую) и полевую (эпидемиологическую). Хотя для второго мне больше нравится термин "эффективность иммунизации".
То, что заявляют производители вакцин - это клиническая эффективность. И это говорит не том, что сколько процентов из всего населения не заболеет после вакцинирования, а сколько процентов не заболеют из тех, кто заболел бы без вакцины.
Кстати, уже тут есть несколько подводных камней. Первый, под "не заболел" тут обычно понимают не только, что человек вообще во всех смыслах не был заражён и не никак не болел, но и бессимптомное протекание болезни, и даже очень лёгкое. Т.е. без лабораторных анализов антител в ретроспективе - невозможно заметить разницу заражён ли человек. Заражение тут вторично. Первично, тяжесть заболевания. Второй камень, вакцина вообще никак не гарантирует, что человек точно не будет заражён и не заболеет. Третий камень, клиническая эффективность ничего не говорит о летальности, прямо вот совсем.
Эффективность иммунизации, конечно, более интересна. Здесь нет какого-то одного стандарта. Есть разные методики. И например, вы придумали свою.
В целом, эффективности - все разные. И у каждой своё поле для применения.
Индекс репродукции R0 - я бы по-простому назвал "заразностью". Это искусственный термин, чтобы хоть как-то оцифровать степень заразности инфекции. И в плане статистики - на этом всё. Какие-либо расчёты - не более чем попытка смоделировать распространение инфекции. Расхождение с реальностью может быть колоссальной. Эта цифра позволяет только оценить две вещи:
экспоненциальный рост заражённых на начальном этапе.
минимальный порог вакцинации, чтобы заразность свести к линейной.
Но никак не скажет как распространяется болезнь с течением времени и частичной вакцинацией. Даже если нивелировать разные факторы вроде уровня медицины, возраста, социального положения, сезонности и т.д., это индивидуально для каждой инфекции. Одного R0 тут недостаточно.
Как уже сказал, я не спец, но пара моментов в этой эпидемиологии мне уже не нравится:
Вакцина должна быть эффективной. Надо обозначить миниальную необходимую клиническую эффективность (CE) в зависимости от заразности и летальности инфекции. Например, CE_min = 1 - (1 - lethality) / R0.
В формулу порога вакцинации надо добавить клиническую эффективность вакцины, например хотя бы: I = 1 - CE / R0.
Могу только добавить, что если расписать отношение смертностей двух годов (введенную у меня избыточную смертность), то мы получим:
Deaths_2021 / Deaths_2020 = 1 + (Deaths_2021 - Deaths_2020) / Deaths_2020
т.е. отклонение смертностей в единицах самой смертности (таким образом косвенно учитывается "крупность" региона).
R0 не совсем корректно использовать вместе с экспоненциальным законом, поскольку у нас есть дисперсия в количестве зараженных 1-им больным, которая "запрещает" использование формул сложного процента. Но в целом согласен, что для получения полной эпид.ситуации надо от количества зараженных 1- им больным переходить к формуле, описывающей динамику распространения в популяции. К счастью, в одном из своих UPDATE я этого избежал, поскольку формула распростарнения в популяции растущая (чем больше заражает 1 человек, тем быстрее болезнь распространяется в популяции) и мне достаточно было показать положительный эффект вакцинации на уровне распространения заболевания от 1- ого человека.
Избыточная смертность - это когда больше. Но вы назвали избыточной смертностью и когда меньше (меньше 1). Это уже, простите за циничную терминологию, недостаточная смертность. Лучше использовать стандартную терминологию. Это относительная смертность. Если больше 1, значит избыточная.
Теоретический график не совсем подходит для анализа расчётных графиков. В теории именно избыточная смертность от ковида, и именно от степени ковид-вакцинации. Надо привязать теорию к расчёту. Если 1-цу смертности ещё можно отождествить, то теоретический 0 сдвинется вверх на расчётной, потому что в расчётах смертность и по другим причинам. И сдвинется сильно, потому что избыточная смертность в 2020г, приписываемая ковиду, значительно меньше смертности 2019г. По РосСтату разница в смертности ~18%. Получается, теоретический 0 - это 0.8 расчётный. Соответственно, коэффициент прямой уже будет 0.2. Для США не знаю.
Теоретический график, скорее всего, будет другой. При полной вакцинации всё-равно будет смертность от инфекции. Не у всех образуется иммунитет (цифру не скажу), и вакцина не гарантирует полную устойчивость к болезни.Чисто теоретически, можно предположить начало от 0.00001 до 0.1 смертности в зависимости от инфекции. Возможно это несущественно с такими данными в расчётах. Но дальше хуже.
Навряд ли даже теоретически это будет прямая. Я бы поставил либо на логарифм, либо часть гиперболы (похожая на график порога вакцинации от R0).
Сами графики надо показывать в другом масштабе, чтобы видеть картину в целом. Во-первых, абсциса должна быть видна от 0 до 1, независимо от наличия данных, а интерполирующую линию рисовать также, в границах данных по вакцинированным. По ординате визуально масштаб должен быть одинаковый. Грубо говоря, 0.1 = 10 пикселям для всех графиков. Возможно даже лучше ещё добавить объединенные графики (три линии - три месяца).
PS: Кстати, смертность в первой половине 2000-х годов была выше чем в 2020г. Как абсолютно в цифрах, так и относительно всего населения. И ничего. Никто не паниковал. Ничего не ограничивали. А ведь какой повод был, никто бы не придрался объяви ты какую-нибудь страшную инфекцию... Потому что причина была экономическая и всем бывшим совкам это было ясно как божий день. Сейчас поколение сменилось, люди забыли что-к-чему, дистанцировались от реальности, увязли в соц.сетях. Прекрасное время для манипулирования. В мировом масштабе.
Если 1-цу смертности ещё можно отождествить, то теоретический 0
сдвинется вверх на расчётной, потому что в расчётах смертность и по
другим причинам. И сдвинется сильно, потому что избыточная смертность в 2020г, приписываемая ковиду, значительно меньше смертности 2019г. ПоРосСтату разница в смертности ~18%. Получается, теоретический 0 - это 0.8 расчётный. Соответственно, коэффициент прямой уже будет 0.2.
Я специально преобразовал формулу избыточной смертности к разнице между 1 и приведенной разнице смертностей двух годов. Эта формула более проста для понимания тем, что концентрирует внимание именно на разнице, которая могла возникнуть только из- за эффекта вакцинации (в оба года существовали как обычные причины смерти, так и Covid- 19).
Теоретический график, скорее всего, будет другой. При полной вакцинации всё-равно будет смертность от инфекции. Не у всех образуется иммунитет (цифру не скажу), и вакцина не гарантирует полную устойчивость к болезни.
Мы должны оценивать эффективность вакцинации не "в вакумме", а в реальной популяции, где в том числе присутствуют люди с проблемами со здоровьем. Это компексный показатель, и если он в целом не дает нужного эффекта, то тогда надо полагаться на другие методики снижения эпидемии.
Давайте говорить на одном языке. Как это принято. Иначе трудно понимать.
У вас относительная общая смертность между 2021 и 2020 годами. Избыточная смертность в 2021 относительно 2020 будет при отношении больше 1.
При отношении меньше 1 - это недостаточная смертность. Снижение общей смертности относительно 2020 по каким-то причинам. Например, можно попробовать найти корреляцию с вакцинацией от ковида. Но ведь в общей смертности не только умирали от ковида. Поэтому даже при 100% защищающей от смерти ковид-вакцины при 100% вакцинированном населении, ордината в ноль не упадёт, как это в идеализированном теоретическом графике. А насколько она вообще может упасть? Хотя бы приблизительно?
Если корреляции нет, значит либо вакцины мало эффективны, либо избыточная смертность на самом деле по другой причине.
Согласен с вами, при полностью привитом населении смертность должна повторить значения 2019 года (которые составляют примерно 0.8 от смертности 2020 года). Сейчас поправлю публикацию.
Спасибо за внимательность.
Всё-таки в статье терминология не совпадет с общепринятой. В результате, как минимум вас трудно понять. А возможно даже совершаете ошибки в выводах.
Определим избыточную смертность как отношение умерших за месяц 2021 года к одноименному месяцу 2020 года. В таком случае если построить график избыточной смертности от доли непривитого населения, то мы должны получить растущую прямую, выходящую примерно из точки (0, 0.8) и достигающую значения (1, 1).
И далее по тексту встречается не раз. Если это не превышение относительной смертности (>1), то это не избыточная смертность. Например, выражение "оценим изменение смертности" будет точнее.
Вы зря убрали теоретический график. Он очень важен для понимания что вы расчитываете. У вас, так сказать, новая методика. Поэтому абсолютно непонятная. Так объясните на пальцах, чтобы каждому было понятно. Даже хорошо бы его нарисовать для наглядности, и описать что означают точки (0;0) и (1;1) - и почему? Мы ведь считаем, что совсем невакцинированное население умирают также, а полностью вакцинированное не умирают совсем. Добавьте уточнение, что вообще-то это идеализация, ордина не из нуля по таким-то фактам, но т.к. она околонулевая и на оценку тендеций эффекта от степени вакцинирования не влияет, поэтому считаем за нуль. Также, что точная зависимость степени избыточной смертности от частичной вакцинации - неизвестна, но точно известно что это растущая кривая из (0;0) и (1;1), а нам точная зависимость не нужна, достаточно оценить тенденцию уменьшается ли смертность или нет, поэтому примем за прямую линию.
Потом добавьте теоретический график приближенный к реальности. В статистике общая смертность (хотя на самом деле в у РосСтата есть отдельная строка по ковиду!). Смертность за последние до ковидные годы почти одинковая (относительно ковид эпохи). За базу возьмём 2019, тогда в 2020 смертность увеличилась на ~18% (не точно, потому что 18% относительно 2019 года, а относительно 2020 будет немного другая цифра, поменьше, я не считал) - это принято считать избыточной смертностью от ковида. Соответственно, график зависимости избыточной смертности от степени невакцинированности с учётом смертности по другим причинам начинается от 0.8 (0.85?). Соответственно, ожидаемый линейный коэффициент роста смертности от доли невакцинированных = 0.2. Есть с чем сравнить. И это для России. Что там в США? Ну и для точности, т.к. считается каждый месяц отдельно, то и смертность надо смотреть помесячно, и вводить своё смещение. Может это и не критично, но пока не будет цифр, оценить важность невозможно.
Update II - некорректен. Зависимость смертности от степени вакцинирования - неизвестна. Вы можете только объяснить, что для оценки тенденции (есть ли польза и примерно насколько сильная) от степени вакцинации - такой линейной апроксимации достаточно. Только чуть по-подробнее.
Есть непонятное и по анализу этих графиков. Например, можно утверждать, что декабрь 2021 - переломный. Т.к. чётко видно что в октябре и ноябре есть избыточная смерть не только по отношению к 2019, но и к 2020, и апроксимирующие прямые отрицательные, с обратным наклоном от ожидаемого. А вот в декабре совсем другая ситуация: и смертность везде меньше 1, и наклон стал положительным. Если считать, что теоретическая кривая не прямая, а гипербола или логарифм, то вот наконец наступил момент, когда частичная вакцинация (а уровень вакцинации с каждым месяцем ведь растёт) становится видна и в статистике.
Поэтому для полноты анализа нужны укрупнённые данные. Т.е. во-первых, за полгода. Лучше по январь, чтобы убедится в наличии переломного момента в декабре (или опровергнуть). Во-вторых, отдельный график: помесячные точки в таких же координатах смертность/невакцинированные. В этом случае, ваши помесячные графики будут служить уточнением, показывать тенденцию влияния (или отсутствия влияния) уровня вакцинации в каждом месяце. Выводы из таких графиков могут оказаться ещё более интересными.
А так-то это уже тянет на новую статью.
Вы зря убрали теоретический график. Он очень важен для понимания что вы расчитываете.
У меня никогда не было приведено теоретического графика, поэтому я ничего не убирал. Вы не можете сами представить прямую, соединяющую две точки?
Update II - некорректен. Зависимость смертности от степени вакцинирования - неизвестна.
Задача Update II в том, чтобы показать, что даже на низких уровнях вакциниции происходит снижение смертности. Полную функцию смертности я нигде не брался рассчитывать.
Поэтому для полноты анализа нужны укрупнённые данные. Т.е. во-первых, за полгода. Лучше по январь, чтобы убедится в наличии переломного момента в декабре (или опровергнуть)
Укрупненные данные наоборот скроют в себе все детали, выдав общий результат за более крупный период. За январь пока нет данных, мне тоже интересно сохранится ли эта тенденция в следующем месяце.
Во-вторых, отдельный график: помесячные точки в таких же координатах смертность/невакцинированные. В этом случае, ваши помесячные графики будут служить уточнением, показывать тенденцию влияния (или отсутствия влияния) уровня вакцинации в каждом месяце.
Чем ваш второй отдельный график будет отличаться от моих помесячных графиков (если они строятся в тех же координатах и с той же месячной периодичностью)?
У меня никогда не было приведено теоретического графика, поэтому я ничего не убирал. Вы не можете сами представить прямую, соединяющую две точки?
У вас раньше было описание графика. Сейчас такого нет, его представление размазано по тексту. Не знаю в каком приложении можно быстро и просто накидать графики? Без формул, драг&дроп?
Задача Update II в том, чтобы показать, что даже на низких уровнях вакциниции происходит снижение смертности.
В идеальных условиях и в теории - да. На практике по собранной статистике не видно, маленькие значения, большие шумы, много других изменяющихся факторов.
Чем ваш второй отдельный график будет отличаться от моих помесячных графиков (если они строятся в тех же координатах и с той же месячной периодичностью)?
Я понял. Надо рисовать.
Во-первых, нужен не полугодовалый расчёт, а помесячный за последние полгода. У вас за последний квартал.
Во-вторых, второй вид графика, где одна точка с координатами (смертность; невакционированные) расчитывается по статистике за один определённый месяц в целом по всей стране. Одна точка - один месяц. Надо последние полгода, значит 6 точек. Апроксимировать не надо, тендецию и так будет видно.
Ваши рассчитанные графики раскрывают дальше, более детально что происходит внутри месяца.
Так получится более информативная картина. И кто знает к каким выводам она приведёт.
Кстати, по вашим графикам, можно интерполировать общий 6-ти точечный график. Известны 6-ть точек, и наклон кривой (производная) в каждой точке - это коэффициент прямой экстраполированной линии. Я только не в курсе - существуют ли такие интеполирующие методы?
Во-первых, нужен не полугодовалый расчёт, а помесячный за последние полгода. У вас за последний квартал.
Получить отчеты за последние полгода достаточно просто: я привел код на Github, и все что нужно сделать- расширить список месяцев переданных в анализатор (конечно, если вы скачаете файлы данных для нужной вам страны и укажите к ним ваши пути).
Одна точка - один месяц. Надо последние полгода, значит 6 точек. Апроксимировать не надо, тендецию и так будет видно.
Подобный отчет я также написал (и он также представлен на Github в файле ExcessMortality.py). Единственное отличие- он строит график отдельно для каждого региона из 10 самых крупных регионов России (т.е. рисует 10 отчетов). Я его не описывал в работе, поскольку она (как мне показалось) получилась и так достаточно сложной.
Для вас я его немного переделал, чтобы он давал информацию в целом по России и размещаю ниже (в данном отчете избыточная смертность для обоих годов расчитывается относительно средней смертности за 2017, 2018 и 2019 года соответствующего месяца):
Не хочу обратно в IT.
Вот собрал помесячные апроксимированные линии в один график. Уже говорил про него. Так как масштаб для осей 1:1, и показана вся ось абцисс невакционнированых от 0 до 1 - это очень наглядно. Апроксимированная прямая непрерывна в диапазоне апроксимируемых данных, вне это диапазона штриховая. Добавлены линии уровней смертности 1 и 0.8. Смотрите, как уже интереснее стало. Например, оказывается декабрьский очень близок к теоретической прямой. Как по наклону, так и расположению крайних точек. А октябрь с ноябрём какие-то сильно обратно зашкаливающие.
Надо добавить ещё три точки - общая смертности от доли невкационнированых - за октябрь, ноябрь и декабрь. Также как отношение 2021 к 2020. Только исключить регионы, которые не учитывались в апроксимации.
Надо добавить ещё три точки - общая смертности от доли невкационнированых - за октябрь, ноябрь и декабрь
Считать неприведенную общую смертность по отдельным месяцам не имеет смысла, потому что люди умирают не равномерно по месяцам: есть месяцы где год от года смертность выше, а есть где ниже.
Не понял про неприведенную.
Я подразумевал относительную смертность от доли невакционнированых по всей стране (но лучше исключить те регионы, которые не учитывались уже в расчётах из-за недостаточной смертности для статистики) за месяцы октябрь, ноябрь, декабрь. 2021 относительно 2020. Три точки. Т.к. на регионы не делим, получится одна точка за месяц. Эта точка должна что-то показать относительно апроксимированой прямой для этого же месяца.
...И не даёт мне покоя ещё апроксимация без учёта веса к каждой точке (региону). Чисто интуитивно кажется логично больше доверять тому региону, где больше населения.Ты ведь даже изначально просто убрал некоторые регионы из-за малочисленности. Но их можно учесть, если добавить при апроксимации вес (или степень доверия?) каждой точке. Не знаю, есть ли такой метод апроксимации. Но результат может сильно изменится. Например, в качестве веса - населенность региона относительно самого многочисленного.
Возможно даже лучше ещё в ценность точки (вес) заложить и плотность населения. Самый простой способ: это соотношение городского населения ко всему. Чем выше плотность, тем сильнее проявляются заражение и вакцинация, ну и мне кажется статистика там собирается более достоверно.
Затем оба веса суммировать с какими-то коэффициентами, в зависимости что влияет сильнее.
Построил график со средней смертность за последние 4 года (столько данных у Росстата в оперативных данных):
Тут выше Port5 поделилися ссылками на научные статьи. И там как раз нашлась подходящая картинка для демонстрация вида теоретического графика смертности от невакцинации.
Исходник https://pubmed.ncbi.nlm.nih.gov/21427399/. Это теоретический график заболеваемости от доли общей вакцинированности, для простой модели, в которой R0=3, а эффективность вакцины 100% (точнее даже не просто от болезни, а даже от передачи инфекции).
Как я и предполагал, график имеет вид гиперболы. Т.к. в реальности 100% вакцины не существует, всё-таки какая-то доля вакцинированных болеет, и даже умирает, то реальный график будет с другим коэффициентом и смещением. Но вид зависимости такой же. В том числе вид графика смертности от доли невакцинированных.
Кстати, обратите внимание. При нулевой вакцинации заболеваемость населения не 100%.
У нас сильно зашумленные данные, поэтому супер точные оценки в любом случае не получатся. Я в публикации писал, что единственное, что представляет интерес- наклон регрессионной прямой, а на графики надо смотреть всего лишь как на качественные оценки, и если хотя бы знак наклона прямой совпадает с теоретическим, то радоваться, а если нет- огорчаться.
Поэтому какой бы закон не был реальным, в нашем случае это совершенно не важно.
Вы придумали новый подход для оценки эффективности иммунизации. Оценка тренда (тенденции, производной) смертности от доли невакцинированных. Причём на основе очень ограниченных данных, но главное что общедоступных и частью даже официальных данных.
Чтобы понять каких результатов мы ждём, надо ориентироваться на теорию. Оси координат немного отличаются от принятых, но смысл остаётся тот же. Если перевести в ваши координаты "относительная избыточная смертность" х "доля невакцинированых", то как минимум очевидно, что: 1) кривая выходит из точки (0;~0) и идёт в (1;1); 2) это кривая с положительным трендом (производной) по всей длине. Если привлечь данные моделирования эпидемиологии, и судя по самой используемой формуле эпидемиологической эффективности - эта линия имеет форму гиперболы.
Данные смертности включают в себя все возможные причины смерти. Ваш метод фильтруют какую-то часть, в чём и прелесть метода. Надо просто дальше максимально выжать достоверности из этих данных. Применение веса для точек при апроксимации - хороший способ. Как минимум, вес зависит от количества населения региона (и тогда не надо даже отбрасывать с "низкой" смертностью). Вес можно рассчитать по эпидемологической классике согласно решению парадокса Юла—Симпсона, а потом нормировать к 1, ведь нам не нужно высчитывать среднюю эффективность по набору эффективностей. Либо сразу считать относительно самого многочисленного региона - результат будет тот же. Ещё точнее вес будет, если добавить плотность населения. Возможно что-то ещё, но это будет видно после первых проб. Апроксимация делается с помощью способов М-оценки, например нелинейный метод наименьших квадратов. На графике вес каждой точки отобржать её размером.
Вот это - уже новая статья. Обязательно нужна теоретическая часть, всем должно быть понятно что вы делаете и зачем. А графики оформить более наглядно, чтобы часть выводов напрашивалсь сама собой уже просто с первого взгляда.
кривая выходит из точки (0;~0) и идёт в (1;1)
Мы уже выяснили, что кривая выходит примерно из точки (0; 0.8) и что отличать эту кривую от прямой нет никакого смысла.
Применение веса для точек при апроксимации - хороший способ.
Я уже на практике показал, что веса не влияют на результат. Повторяю свое предыдущее сообщение:
Пожалуйста, посмотрите раздел "UPDATE III: Корректность усреднения по регионам". Я добавил логику сравнения с самыми крупными регионами страны, что должно снять ваш вопрос.
Я писал, что на графиках надо смотреть ТОЛЬКО на наклон прямой. Этот наклон везде отлично виден (также приведены формулы, которые задают его численное значение). Поэтому никаких дополнительных модификаций графиков не требуется.
Мы уже выяснили, что кривая выходит примерно из точки (0; 0.8) и что отличать эту кривую от прямой нет никакого смысла.
Запутались? Тогда не удивляйтесь, что другие вообще не понимают и не видят какого-то смысла в вашей публикации.
Я уже на практике показал, что веса не влияют на результат. Пожалуйста, посмотрите раздел "UPDATE III: Корректность усреднения по регионам"
К сожалению, там только описательные слова. Примеров нет. А интуитивно ощущение, что самая правдоподобная апроксимация будет при равных по численности регионах (в которых разная доля вакцинации), но в реальности регионы разные. И не только по численности.
Запутались?
Нет, не запутался.
К сожалению, там только описательные слова.
Там под спойлером находятся графики, построенные на половине самых крупных регионов. Это полностью доказывает, что никакие взвешивания не нужны.
Тут коллеги советуют добавить коэффициент корреляции между графиками.
Не опускайтесь до уровня ваших оппонентов. Держите планку.
Нет, не запутался.
Я говорил о теоретическом графике в координатах "относительная избыточная смертность" х "доля невакцинированых". Вы в осях "относительная общая смертность" х "доля невакцинированых". Конечно же линия будет начинаться в разных точках. А если говорить о расчётном графике, то и заканчиваться он может выше чем 1 по ординате. Но понимание начинается с простого случая: теоретическом ожидаемом в общем.
Это полностью доказывает, что никакие взвешивания не нужны.
Не вижу доказательства. Вы как-то пытались доказать и линейную зависимость графика. Были категорично уверены. Хотя даже интуитивно понятно, что это не так... В данном же случае, доказательством будут расчитанные графики с весами и без весов, и их анализ.
Апроксимация прямой - это тоже "усреднение". Только в более широком смысле. В одномерном пространстве нас учат усреднять самым простым и интуитивно понятным способом ещё в школе - линейно, и назвали его "среднеарифметическим". В вашем случае: это среднеквадратичное "усреднение" - прямой линией в двухмерном пространстве. А можем и сплайнами - получится кривая, это уже можно назвать локальным "усредненим" точек в каждой области на плоскости координат. Мы можем и посчитать одномерное усреднение, и получим одну точку в 2-м мерном пространстве.
Какие "усреднения" возможны в 3-х мерном пространстве? Это три "фигуры": точка, линия, и плоскость. По какому закону? Да по какому угодно, в зависимости что вы хотите получить. Самое главное понимать - что отражает ваш закон "усреднения"?
Не вижу доказательства.
Если вы хотите регионам приписать веса, то более населенным регионам достанутся большие веса, и наша прямая предположительно должна сдвинуться в их сторону.
Я показал, что если строить график ТОЛЬКО исходя из регионов с большой численностью населения, то мы получим тот же самый график. Т.е. никаких значимых сдвижет регрессионной прямой в сторону больших регионов не будет даже в самом предельном случае, когда крупные регионы получает вес 1, а малочисленные 0. Все остальные виды взвешения дадут регрессионую прямую лежащую между двумя этими вариантами. Т.е. результата от взвешивания нет никакого.
Доказательством линейной зависимости я совершенно не занимался. Повторюсь, что для подобных супер- точностей у нас нет реальных возможностей. Все что мы можем сказать: растет как по теории- хорошо, нет- значит теория не верна. Прямая в данном случае всего- лишь показывает наклон зависимости, на все остальное в этой прямой обращать внимание не стоит.
Это не доказательство. Половина больших регионов - тоже разные по размеру. Какая разница между самым большим и маленьким среди большой половины?
И мне непонятно почему бы не посчитать с весом ВСЕ регионы, тогда не надо выкидывать мелкие регионы и пытаться что-то доказывать. Вопросы и сомнения снимаются сами собой.
И мне непонятно почему бы не посчитать с весом ВСЕ регионы
Это описано в UPDATE III: среднее значение очень неробастная метрика (т.е. небольшие изменения в исходных данных приводят к большим отклонениям в среднем). В итоге легко могут получится несоотвествующие действительности цифры, и меня будут носом тыкать в эти странные цифры со словами: "вот как на самом деле правильно!". А это всего- навсего естественная ошибка, заложенная в механизм расчета среднего.
Это также неправильно, как эстраполировать прямую к значениям 0 и 1: алгоритм регрессии расчитал наклон линии с некоторой ошибкой, которая при подобной экстраполяции кратно увеличится в размерах (что видно по расширяющимся синим областям на краях графиках) и будет содержать непредсказуемые значения, которые ни о чем не говорят.
Надо опираться только на робастные оценки.
Это не доказательство. Половина больших регионов - тоже разные по размеру. Какая разница между самым большим и маленьким среди большой половины?
К сожалению, подобного анализа (только для крупных регионов) я выполнить уже не могу: точек осталось и так мало, поэтому ошибка расчета регрессионной прямой будет очень велика. В этом и заключается основная проблема исследователя: с помощью статистики он может доказать то или иное утверждение лишь до определенной точности, всегда ограничиваясь определенным уровнем статистической значимости.
Нет у вас никакого усреднения. Вы для данного значения доли складывате 1-5 точек, то есть точки аппроксимации сильно зависят от специфики нескольких регионов попавших в некоторую окрестность значения доли по невакцинированным.
Вот здесь, например, зависимость смертности от доли вакцинированных в Европе в ноябре. Слева - процент полностью вакцинированного ВЗРОСЛОГО НАСЕЛЕНИЯ (не всего!), справа - чисто летальных исходов на 1 млн населения (т.е. смертность) за последние 14 дней, когда наблюдается всплеск заболеваемости в ЕС. При доле меньше 70% смертность зависит исключительно от специфики страны (возьмите, например Латвию, Литву и Эстонию) и это те самые "усредненные данные по стране", видимость вы которых вы пытаетесь создать. Разброс значений может достигать 3-10 раз. А для отдельных областей внутри страны этот разброс еще больше, провести ваши прямые с учетом этого можно практически как угодно.
Нет у вас никакого усреднения. Вы для данного значения доли складывате
1-5 точек, то есть точки аппроксимации сильно зависят от специфики
нескольких регионов попавших в некоторую окрестность значения доли по
невакцинированным.
А почему вы считаете, что прямая в определенной окрестности проходит в том или ином месте, только исходя из среднего значения в этой окрестности? На то она прямая, а не ломанная, чтобы одновременно при построении учитывались все точки.
Вот здесь, например, зависимость смертности от доли вакцинированных в Европе в ноябре.
Я брал информацию только из официальных источников для двух крупных стран и привел код на Github. Вы можете проверить выполненные расчеты.
p.s. Я вас понимаю: вы стоите на пороге пугающего шага. Ведь если все проверив вы признаете корректность моей работы, то следом необходимо признать и лживость гигантского массива информации, распространяемой официальными СМИ (в том числе через прикормленных экспертов и "независимые" группы в соц.сетях). Выбор между неудобной правдой и удобной ложью в свое время делает каждый. Пришел и ваш черед.
Потому что это напрямую следует из заявленного вами алгоритма устранения якобы "белого шума". Сложение графиков же. Шумом является разброс значений у при данном значении х. Вот и получается, что при данном значении х, среднее значение у определяется лишь по нескольким точкам, а не по всей выборке. А это огромная погрешность. Но судя по вашему ответу, вы этот "белый шум" просто аппроксимировали, ничего не выделяя.
Вы стали жертвой Парадокса Сипсона
Вы взяли неполную информацию, и построили расчёт так, как будто она была полная.
Грубые ошибки привели к ложному выводу.
Пожалуйста, укажите где конкретно мною была допущена ошибка (данные и код приведены в публикации), и я попрвалю публикацию так, чтобы она содержала только корректные выводы.
Заранее благодарю за сотрудничество.
Я выше уже писал - приведите статью в соответствие с рекомендацией ВОЗ по оценке эффективности вакцин.
Она неправильная вся, ошибка в изначальном подходе.
Зачем вы в чужой беседе приводите комментарий, который раньше уже высказывали? Это чистый троллинг: пока мне не ответишь, не дам ни с кем другим общаться.
Мой комментарий никак вам не мешает в других местах писать тексты.
Я делаю акцент на вашей ошибке, так как в пандемию не стоит распространять фейки о вакцинации. Ваша статья содержит методические ошибки, из-за чего создаётся ложное впечатление о низкой эффективности вакцинации.
Прошу обратить внимание, что в России и других странах действует закон, по которому могут быть применены санкции за распространение такой информации.
Про ошибку вы, к сожалению, ничего не пишите (если бы хоть что- то было, то вы бы уже давно разнесли мою статью в пух и прах). Единственное чем вы недовольны- выводом, в котором я показал более скромный эффект от вакцинации, чем вам обещали по ТВ.
Автор зачем-то бегает теперь по фейсбуку и пристает к людям с просьбой опубликовать эту работу.
Аргументирует это тем, что она заплюсованная.
Мне запрещено распространять свою публикацию в социальных сетях?
По большому счёту да - антиваксерство уже наделало больших бед, поэтому его пропаганда порицается.
Пардон, а где в публикации вы видите "антиваксерство"? В статье я как дважды говорю о положительном влиянии бустерной дозы, так и оцениваю ненулевым значением эффективность вакцинации.
Вред приносит "шапкозакидательство": мы разработали вакцину с эффективностью выше 96% и теперь можно не боятся болезни (по гриппу почему- то за десятилетия эффективность выше 60% не смогли поднять). А люди продолжают умирать практически в том же количестве. Вы понимаете, что людей убивает ложь о супер- эффективности вакцины?
Пардон, а где в публикации вы видите "антиваксерство"?
А вот это кто написал: "Вывод: эффективность вакцинации от Дельта- штамма в России и США лежит в интервале от 15% до 30%."? Этот "вывод" основан на бредовых предпосылках, но звучит он как "вакцины фактически не работают".
А люди продолжают умирать практически в том же количестве.
И вы ещё спрашиваете, где я вижу "антиваксерство"?
Вред приносит "шапкозакидательство"
Вред приносит и шапкозакидательство, и антиваксерство.
А люди продолжают умирать практически в том же количестве.
И вы ещё спрашиваете, где я вижу "антиваксерство"?
А что не так в этом утверждении?
Люди не "продолжают умирать практически в том же количестве". Удосужтесь проверить страны, которые довели вакцинацию до уровня 80+% (напр. Португалия) и сравнить их со странами, где вакцинация меньше 50% (напр., Россия или Украина).
В публикации я большую часть посвятил тому, что нельзя сравнивать смертность по периодам с разной стадией эпид. процесса. Для Москвы удачно подобранные периоды сравнения дадут отличие до 9 раз. Вы из 150 стран нашли парочку карликовых государств (чтобы максимум эпид. процесса был более концентрирован), где отыгрался этот эффект. Но забыли про страны, где нет подобной картины.
Например, выше приведен график для США где в декабре в группе 65+ первый укол получило более 95% популяции, а второй порядка 90% (+бустер порядка 50%). И мы видим смертность на уровне 0.85 относительно предыдущего года.
Например, выше приведен график для США где в декабре в группе 65+ первый укол получило более 95% популяции, а второй порядка 90% (+бустер порядка 50%).
А группа 65+ не контактирует с более молодой группой? В группе 65- минус никто не умирает, все переносят с лёгким насморком? CDC указывает на общий уровень двумя дозами в 64%, что, в общем-то, не так уж много.
https://covid.cdc.gov/covid-data-tracker/#vaccinations_vacc-people-onedose-pop-5yr
Балин, так это тролль, которого я выше решил игнорировать. Жаль, что сразу не заметил.
Повторяю: можете сколько угодно писать теории, не имеющие ни одной ссылки на научную литературу или практические данные. Я уже потратил на вас очень много времени и в дальнейшем буду вас игнорировать.
Эпидемиологические данные анализируются и моделируются как минимум с семидесятых годов. Понятие порога вакцинации (вакцина должна тормозить распространение быстрее, чем появляются новые заражённые) идёт с тех же времён. Я вам ниже пару ссылок подкинул, там как раз рассказывают каким должен быть уровень вакцинации для эффективного торможения распространения болезни. По большом счёту, вы сам можете взять тот же google scholar и сами поискать что-нибудь по тегам "vaccination herd immunity" (доступ к закрытым статьям можно получить через sci-hub) - статей валом. Но вам, я так понимаю, это все не интересно.
ПС Агитация за антиваксерство, умышленная или нет, вполне может повлечь за собой наказание.
Вместо аргументированной дискуссии вы меня решили игнорировать, да ещё и в фейсбуке забанили.
Рекомендация ВОЗ совпадает с канонической формулой расчёта эпидем.эффективности вакцин, а не какая-то формальность.
Ссылку на нашу научную работу я вам давал. Вы посчитали то, что и так очевидно - вакцина не снижает смертность у непривитых. А у привитых - снижает. Какой смысл считать снижение смертности у всей популяции в целом при условии, что вся популяция в целом не привита, а привита лишь частично?
Посчитайте ещё среднюю температуру по больнице, это бесполезная характеристика. И вы обещали ищучить нашу работу.
У вас GIGO (мусок на входе - мусор на выходе), уже на этом этапе ошибка. В такой ситуации совершенно бесполезно оценивать корректность мат. модели. Сначала нужно корректно исходную задачу поставить.
https://epivakorona.com/article_efficacy_Matveeva.html
Ну вот, вы меня опредили, хотел написать, что автор никак не учитывает потенциальное снижение смертности за счёт привитых.
Я рад, что от закидывания меня надуманными стандартами, которые никто не соблюдает на Хабре (кстати, вы всем на Хабре шлете подобные замечания?) мы перешли к содержательной беседе.
Какой смысл считать снижение смертности у всей популяции в целом при условии, что вся популяция в целом не привита, а привита лишь частично?
В UPDATE II к настоящей публикации я подробно рассмотрел этот вопрос. Эффективность вакцинации должна проявляться на всех уровнях вакцинации. Это следствие примитивной теории вероятности, в которую я верю больше, чем во все вместе взятые чиновничьи стандарты.
У вас GIGO (мусок на входе - мусор на выходе), уже на этом этапе ошибка.
У меня нет мусора на входе, потому что в противном случае не совпали бы графики по двум РАЗНЫМ странам. Сайт gogov.ru собирает данные у региональных оперативных штабов, и за их работу я им очень благодарен.
У меня нет мусора на входе, потому что в противном случае не совпали бы графики по двум РАЗНЫМ странам.
Эммм, а вы не рассматривали вариант, что графики совпадают как раз потому что исходные условия одинаково неверны? Если возьмёте среднюю по больнице температуру, то она будет одинакова что в топ-клинике США, что в шалаше шамана в Габоне, но из этого никак не следует, что лечат в этих заведениях одинаково успешно.
Вам уже объясняли, что при уровне вакцинации менее 70% корона спокойно распространяется и жрет непривитых. А зависимость смертности от доли вакцинированных при этом является полной галиматьей, потому что влияет куча локальных факторов. Сами выдумали какие-то зависимости и определения, а теперь заявляете что весь мир "неправильный ".
А я в свою очередь осуществил вывод формулы распрострения заболевания в условиях вакцинации, которая СОВПАЛА с теоретическим графиком, приведенным моим оппонентом. Разжевал все до простеньких примеров, чтобы всем стала понятна несостоятельность идеи "барьера" вакцинации.
Вы можете дать хоть одну ссылку на научные публикации, где бы вводилось понятие "барьера" вакциации, до достижения которого вакцинация не действует?
Зачем вы отлично понимая о лживости тезиса его высказываете? Вы выбрали свою сторону, и я уже написал, что уважаю ваш выбор.
Разжевал все до простеньких примеров, чтобы всем стала понятна несостоятельность идеи "барьера" вакцинации.
Вы осознаёте, что "опровергаете" десятилетия исследований задолго до ковида?
Вы можете дать хоть одну ссылку на научные публикации, где бы вводилось понятие "барьера" вакциации, до достижения которого вакцинация не действует?
Пожалуйте хотя бы из ссылок из странички википедии, которую я вам приводил выше (а дальше, как говорится, ...and references therein):
https://pubmed.ncbi.nlm.nih.gov/21427399/
О каком барьере вакцинации я вам говорил, я вам привел данные по странам, где ниже 70% начинается полный разброд по смертности, который можно объяснить лишь сильным влиянием локальных факторов. Вы же предлагаете модель, которая никак не подтверждается практикой, и ещё заявляете что я лгу. Если в статистике по европейским странам никакого намека нет на заявленную вами прямую, то какого вы хотите найти в статистике по российским регионам. Там разброд значений на порядки будет от заявленной вами зависимости, и никакой равномерной зашумленности, но вы конечно это все "устранили" с помощью МНК.
Пардон, но вы абсолютно не знаете автора своей картинки и как он ее создавал. Приведу аналогию, из которой надеюсь вам все станет ясно.
Я покупал пуховое одеяло и выбрал то, на котором были нарисованы овечки, предполагая, что внутри будет натуральная шерсть. Мне продавщица объяснила, что внутри синтетический наполнитель, а приведенный рисунок помогает лучше продавать продукцию.
Вы можете проверить "наполнитель" своей картинки? В моей публикации приведены ссылки на официальные данные и код на Github, который думаю уже был проверен 100- ней программистов (поскольку очень прост и на это необходимо мало времени).
Там указан источник
Так на моем одеяле тоже были нарисованы овечки :)
Там в источнике прямые ссылки на книги и научные публикации. Несколько из них я вам привёл выше, но на самом деле их очень много. В них ровно те же картинки с теми же овечками, что и википедии.
По поводу вашего Апдейт 3 - все векторные вакцины расчитаны на s-белок шипа короны, в котором у омикрона произошло множество мутаций. Поэтому он и убегает от вакцин. Но ваша чепуха очень эпично написана.
Если бы у Дельта- штамма не было бы подобных мутаций (в шипе короны), то для него не снизилась бы эффективность вакцин. Но нам официальные представители властей / разработчики вакцин заявляли о снижении эффективности вакцина для Дельта- варианта.
но никакой связи с вашими рассуждениями в этом нет
Для тех кто не знаком с школьным курсом математики связи возможно действительно не будет видно.
ваш график должен выходить из области (0,1)
и идти вверх, если шанс вакцинированного заболеть и умереть меньше такого шанса для невакцинированного;
если эти шансы равны, то график выходит на констану.
а если шанс вакцинированного заболеть и умереть больше такого шанса для невакцинированного, то график идет вниз.
и эту зависимость на самом деле считать линейной можно только совсем все упрощая, потому что в нее входит вероятность заражения, которая дает нелинейность от тучи параметров, включая и долю вакцинированных.
Так как эффективность вакцин это доказанный факт, то вы получили что-то не то. Попробуйте все-таки в аналитику и найдите у себя ошибки.
и да, зависимость которую вы тут мучаете, аналитически выводится за минуты за три.
О, да это ж моё любимое! Вот буквально на днях хотелось головой об стенку биться: есть такой же аналитег на работе, который вызубрил матлаб, тупо фигачит туда данные (даже на секунду не пытаясь вникнуть, а что они вообще представляют из себя, откуда берутся, какая за ними стоит физика процессов и какие корреляции между ними есть, а каких ну никак быть не может), потом фигачит пятидесятистраничный паверпоинт с кучей бредовых графиков и искренне (!) уверен, что он гениально всё проанализировал, а потому возмущён, что мне его "результаты" не нравятся, и я его заставляю всё переделывать. Что радует, что и тут в комментариях, и на работе у меня, большинсву всё же становиться понятно, где подвох.
По сабжу добавить нечего, в комментариях уже всё на три раза разжевали. Но судя по ответу автора, он либо не хочет понять, что не так, либо не может (или всё сразу, что наиболее вероятно).
Если вы укажите мне на ошибку, то я поправлю публикацию.
Так это не работает в вашем случае. Вы хотите только удобные вам ошибки исправлять.
А ещё агрессивно реагируете на критику.
Сегодня я исправил одну ошибку которая по вашему мнению мне была неудобна (сильно снизился теоретический положительный угол наклона регрессионной прямой). Я благодарен Vivo22 за то что мы с помощью конструктивного диалога выявили ошибку и приблизись к истине.
Пожалуйста, привидите пример моей агрессивной реакции на критику.
Скажите, а почему вы не продолжаете начатую вами же беседу, а троллите в куче чужих веток?
Я вам дал ссылку на правильную методику рассчета эффективности вакцин, уже пару раз точно. Исходя из неё вам нужно переделать вашу мат. модель. До этого нет смысла обсуждать смену кроватей, так как девушки изначально в некондиции.
Приведите определение, что такое тролинг, мне не понятно, почему вы мою критику называете таким словом.
Один из примеров вашей агрессии - безаппеляционные обвинения независимых научных групп во лжи и ангажированности.
Я дал вам ранее ссылку на нашу работу с примером проведения правильных расчетов. Вы уже получили удовольствие от прочтения?
Да, вот кажется нашел ваш основной косяк - избыточная смертность по стране не является средним от избыточных смертностей по регионам. Ваши аппроксимации... печаль.
Да, вот кажется нашел ваш основной косяк - избыточная смертность по стране не является средним от избыточных смертностей по регионам. Ваши аппроксимации... печаль
это не то, признаю, поторопился.
а вот это то - точки, которые автор использует, не содержат информации о наклоне графика для данного региона (графики из одной точки). Потому и аппроксимация никакого правильного усредненного наклона дать не может.
В общем был аппроксимирован довольно большой разброс значений на достаточно узкой длине графика, получены по сути, одна-две точки от искомой зависимости. Конусообразное расширение доверительного диапазона к краям графика на это намекает. Также не были вычленены факторы, которые утягивают смертность в область меньше 1, в каких-то регионах, как очевидно по некоторым точкам, что-то значительно снижало смертность независимо от наличия эпидемии и количества вакцинированных. Выборка данных явно недостаточна и требует дополнительной обработки.
Пришлось сделать за автора аналитическую работу. Заблуждения, высказанные в статье, очевидны.
Картинка
В п.5 - правильно назвать "Эпидемиологическая эффективность" вакцинации. Эта формула нужна не просто чтобы увидеть какую-то цифру, а отслеживать во времени (месяцы, годы) как сказывается на смертности уровень вакцинации. На практике.
Также, можно придумать некоторую модель распространения инфекции, потом вставлять туда свои значения и смотреть что может получится по этой модели. Что вы и сделали. О реальной эффективности модель очень мало чего говорит, только в рамках исходных предположений модели. Реальные же цифры собираются в статистику, и оттуда уже судят о реальной эффективности, реальном индексе репродукции, вероятностей летальности и т.д.
Если хочется использовать модель, то фактический толк от неё есть тогда, когда она может прогнозировать неизвестное на основе простых и известных данных об инфекции и вакцине. Как, например, R0 или клиническая эффективность. Вы можете ввести свой новый параметр, но он должен быть вычислим до массовой вакцинации, и предсказывать тенденцию заболевамости хотя бы с точностью порядка значения и первого знака.
Например, R0 даёт представление о порядке зараженных, но не первого знака, и то только в начальный период распространения инфекции.
что вы называете реальной эффективностью
Да я вроде там же сразу по тексту и объяснил. Могу подробнее.Собирается статистика ежедневная в медицинских учреждения: сколько вакцинировали, сколько с положительным ПЦР, сколько умерло, не болел ли умерший ковидом. А потом используют какую-то распространённую формулу для расчёта эпидемиологичесой эффективности вакцинации от ковида. Например, как привели вы. Можно на каждый день расчитывать, или понедельно, помесячно, ежегодно. И таким образом видеть реальную эффективность вакцинации (не на бумаге и не по моделе): смертность от доли вакцинированных. В том числе летальность как привитых, так и непривитых.
Так ничего нельзя сделать с данными, если нет какого-то их аналитического описания. Нужно же знать, что там и как считать.
Я лишь подвел аналитику, которой автор не хочет или не может заниматься. Конкретно для оценки эффективности вакцины с помощью линейной аппроксимации смертности. Но ее же можно использовать для анализа данных за любой промежуток времени, с оговорками конечно, лишь бы их было достаточно для хорошей аппроксимации. Хоть из тех же источников, что и автор. Можно даже подсунуть туда конкретные выражения для вероятности заболеть и умереть и получить более сложные зависимости, хоть от времени. Как еще описать смертность, кроме как количеством народа на их шансы помереть, я не знаю)) А если можно точно предсказать зависимость доли вакцинированных от времени или она известна, то и для нее временную зависимость можно построить.
Понял кстати еще один немаловажный фактор - до некоторого порога, пока система здравоохранения может справляться с потоком заболевших, эффективность вакцин по смертности может быть вобще нулевой, потому что хорошие врачи снижают эффективность вакцин по смерти всех откачали).
Я уважительно отношусь в чужому труду, поэтому сделаю исключение и прокомментирую ваши теоретические изыскания.
Будет значительно проще понимать ваши формулы, если вы будете использовать классические обозначения: вероятность буквой P, а размер выборки N.
Процесс распространения заболевания- это динамический процесс (уровень распространения эпидемии растет и падает со временем), поэтому не описывается формулами комбинаторики вытаскивания шаров из корзины (где на время никто не обращает внимание). Поэтому подход с введением вероятностей заболеть для вакцинированных и невакцинированных некорректен, а вслед за этим весь дальнейший анализ также некорректен.
Для расчета эффективности вакцинации вы используете количество умерших в разрезе вакцинного статуса. Напишите, пожалуйста, источник, из которого вы намерены получить эти первичные данные? Мою работу критиковать легко, но когда попробуйте "пройтись в моих сапогах", тогда все сразу станет понятно.
во-первых мои обозначения вполне понятны.
во-вторых можете считать, что это вероятности заболеть и умереть в конкретном месте в конкретный временной период. Можно даже считать их некоторыми обобщенными функциями, но тогда все утверждения о линейности не имеют смысла. В вашем поиске чего-то где-то с утверждением, что там прямая и должно быть какое-то превышение над чем-то смысла точно никакого.
а вот третье совсем смешно. Мы эти данные берем из графика, который получаем примерно также как и вы.
можете считать, что это вероятности заболеть и умереть в конкретном месте в конкретный временной период
Как тогда ее расчитать, чтобы сравнивать с данными полученными на практике? Теоретически ввести можно все что угодно, вопрос насколько все эти введенные понятия достижимы.
Мы эти данные берем из графика, который получаем примерно также как и вы.
Я брал исходные данные из официальных источников. Если вы данные берете из ЧУЖОГО непроверенного графика, а не из официальных источников, то ваш результат будет зависеть от ЧУЖИХ непроверенных данных. Какой смысл делать компиляцию непроверенных данных? Вы так и не поняли мой пример про одеяло с нарисованными овечками, и готовы дальше разносить по инету непонятно кем сделанные вбросы.
p.s. Пожалуйста, продолжайте начатую дискуссию, не захламляйте обсуждение новыми темами.
я расписал как это все считается исключительно по практическим данным с графика. Посмотрите еще раз. А данные вы можете взять откуда сочтете нужным, главное чтобы усреднение было корректным и не по 10-15% от графика.
я расписал как это все считается исключительно по практическим данным с графика. Посмотрите еще раз. А данные вы можете взять откуда сочтете нужным
Где взять этот чудесный график? И зачем тогда нужен весь ваш расчет, если уже есть этот чудесный график? Надо сравнивать теорию с практикой, а не выводить теорию из на практике полученного графика.
p.s. Заканчиваю с вами беседу, поскольку вы опять троллите тем, что противоречит здравому смыслу.
Junior coder: код не работает. Где у меня ошибка, не могу найти?
Senior coder: в ДНК...
Написала тут пост для инстаграма под впечатлением от цифр. Почитайте, вот:
Недавно мне попался отчёт группы по борьбе с КОВИДом Imperial College (Лондон). Они оценили, что в течение двух лет от начала вакцинации из-за отказа от прививок от короны будет 236 дополнительных смертей на каждый миллион населения земли. И это при оптимистичном прогнозе, что отказ от вакцинации будет низким! Если мы возьмём теперь и умножим 236 на число людей на земле (7,9 млрд человек), то получим 1875728 смертей (количество, близкое к двум миллионам). Даже если они ошиблись на несколько порядков в бОльшую сторону, это просто чудовищное число. И к сожалению, весьма правдоподобное. Еще в доковидном 2019 году ВОЗ внесла в список главных угроз здоровью человека отказ от прививок. И по их оценкам в результате отказов умирают от 2 до 3 миллионов людей ежегодно. Когда я об этом думаю, то понимаю, что надо продолжать снимать видео о вакцинах. Если хоть кому-то это поможет принять правильное решение, то всё не зря.
https://www.imperial.ac.uk/media/imperial-college/medicine/mrc-gida/2021-03-24-COVID19-Report-43.pdf
Анализ эффективности вакцинации в России и США