Da es keine anderen Möglichkeiten gibt, Bevölkerungsdaten zu analysieren, zu kategorisieren, zu parsen oder zu zerlegen, als nach dem „Anteil der Trump-Stimmen“, darf es keine geben jedem andere mögliche Erklärung für etwas anderes als dass rote Grafschaften = schlecht (hohe Covid-Todesfälle!), blaue Grafschaften = gut (nicht so hohe Covid-Todesfälle!).
Natürlich bin ich scherzhaft. Das ganze Angebot ist einfach albern. Das Konzept der angeborenen Unterschiede in Populationen ist a gut etablierte Überlegung für diejenigen, die Bevölkerungsgesundheit studieren. Man könnte meinen, dass die renommierteste Zeitung unserer Nation von ihrem Top-Autor verlangen könnte, sich mit Bevölkerungsgesundheitsexperten oder sogar einem Versicherungsmathematiker zu beraten, um eine fundiertere Perspektive zu erhalten und die Daten strenger zu analysieren.
Werfen wir einen Blick auf die Highlights der „Red Covid“-Serie von David Leonhardt.
27. September 2021
"Roter Covid: Covids parteiisches Muster wird immer extremer.“
(Bitte beachten Sie die Y-Achse in diesem Diagramm)
„Was die USA auszeichnet, ist eine konservative Partei – die Republikanische Partei – die feindlich geworden ist Wissenschaft und empirische Evidenz in den letzten Jahrzehnten. Ein konservativer Medienkomplex, zu dem Fox News, die Sinclair Broadcast Group und verschiedene Online-Verkaufsstellen gehören, spiegelt diese Feindseligkeit wider und verstärkt sie. Trump hat das verschwörerische Denken auf eine neue Ebene gehoben, aber er hat es nicht geschaffen.“
„Demokratische Politiker haben alle Amerikaner angefleht, sich impfen zu lassen, und viele republikanische Politiker haben dies nicht getan.“
8. November 2021
US-Covid-Todesfälle werden noch röter: US-Covid-Todesfälle werden noch röter
„Die Kurzfassung: Die Kluft in der Zahl der Todesopfer von Covid zwischen dem roten und dem blauen Amerika ist im vergangenen Monat schneller gewachsen als zu jedem früheren Zeitpunkt.
Im Oktober starben 25 von 100,000 Einwohnern von stark von Trump geprägten Landkreisen an Covid, mehr als dreimal so hoch wie die Rate in stark von Biden geprägten Landkreisen (7.8 von 100,000).
18. Februar 2022
"Red Covid, ein Update: Die parteiische Kluft bei den Todesfällen durch Covid wächst immer noch, aber langsamer.“
„Wie die Grafik deutlich macht, war die Maut in den Bezirken, in denen Trump durch einen Erdrutschsieg gewann, noch schlimmer als in den Bezirken, in denen er knapp gewonnen hat.
„Dieses Phänomen ist ein Beispiel dafür, wie die politische Polarisierung des Landes das Denken der Menschen verzerrt hat, selbst wenn ihre persönliche Sicherheit auf dem Spiel steht. Es ist eine Tragödie – und eine vermeidbare noch dazu.“
Bevor ich auf die Einzelheiten dieser übermäßigen Vereinfachungen eingehe, möchte ich klarstellen, dass ich glaube, dass die obigen Aussagen von Leonhardt eine echte Überzeugung widerspiegeln. Er glaubt wirklich, dass die politische Präferenz die kausale Erklärung für die Sterblichkeit von Covid ist. Nicht Gesundheitszustand, Alter, Gewicht, Komorbiditäten. Nur eines: persönliche politische Präferenz.
Um es klar zu sagen, er glaubt, dass die zugrunde liegende Erklärung für die höhere Covid-19-Sterblichkeit in roten Grafschaften tatsächlich die niedrigeren Impfraten in roten Grafschaften sind. Im weiteren Sinne wird dies durch politische Präferenzen erklärt.
Ich hoffe, im Folgenden ein vollständigeres Bild dessen zu vermitteln, was vor sich geht, wenn wir die Daten auf Kreisebene in die von Leonhardt gewählten Kategorisierungen unterteilen: „Anteil der Trump-Abstimmung innerhalb des Kreises“ (0-30 %, 31-45 %, 46–55 %, 56–70 % und 70 %+). Anhand historischer Sterblichkeitsdaten auf Kreisebene werde ich versuchen, die folgenden Fragen zu beantworten:
Wie lassen sich Covid-Mortalitätstrends mit historischen Trends vergleichen, wenn sie nach politischer Präferenz kategorisiert werden?
Korreliert die Covid-19-Sterblichkeit mit der Gesamtmortalität?
Gab es 2021 eine große, beispiellose Divergenz der Gesamtmortalität zwischen „roten“ und „blauen“ Landkreisen?
Es könnten zusätzliche Analysen durchgeführt werden, um festzustellen, ob die Impfraten langfristig mit der Gesamtsterblichkeit (im Gegensatz zu nur Covid-19) korrelieren oder nicht, wobei die Definition von „vollständig geimpft“ oder „auf dem neuesten Stand“ jedoch eine Verschiebung darstellt Ziel habe ich mich entschieden, die Todesfälle nach Impfrate vorerst nicht nach Landkreisen zu vergleichen (viele andere haben diese Aufgabe bereits übernommen!). Um es klar zu sagen, ich glaube, dass die Impfstoffe für diejenigen, die gefährdet sind, gezeigt haben reduzieren Sie das Risiko der Krankheit für diese Personen. Das Ziel dieser Analyse ist es, diese politischen Unterteilungen genauer zu untersuchen, von denen die New York Times behauptet, dass sie eine unbestreitbare Erklärung für die Sterblichkeit von Covid-19 sind, die auch als „Red Covid“ bekannt ist.
Werfen wir zunächst einen Blick auf die Unterschiede zwischen den hier verglichenen Landkreisen. Wenn man sich die Gruppe „70% + Trump Vote“ ansieht, repräsentiert sie 25 Millionen Amerikaner, und die durchschnittliche Bevölkerung der Bezirke in dieser Gruppe beträgt 23. Dies sind in erster Linie ländliche Kreise. Vergleichen Sie mit den Biden Counties, wo Trump weniger als 30 % der Stimmen hatte, die 110 Millionen Amerikaner (hauptsächlich in städtischen Gebieten) repräsentieren, und die durchschnittliche Bevölkerung in diesen Counties 137 beträgt.
Um die verbleibende Analyse mit diesen Bevölkerungsdaten einzuschränken, vergleichen wir sehr, sehr unterschiedliche demografische Daten und kontrollieren diese zugrunde liegenden Unterschiede nicht. Der richtige Weg, diese Vergleiche anzustellen, wäre, diese Unterschiede zu kontrollieren – hauptsächlich durch Altersanpassung, um die Auswirkungen herauszuarbeiten, die unterschiedliche Impfquoten oder unterschiedliche Richtlinien haben könnten. Die NYT-Artikel taten dies nicht und versuchten in einem Fall, die Bedeutung von Altersunterschieden zwischen diesen Gruppen abzutun. Ich werde einfach die gleichen Kategorien verwenden wie sie, aber diese Kategorisierungen auf einer höheren Ebene betrachten, um zu sehen, ob die primäre Aussage von Leonhardt plausibel ist oder nicht.
Wie lassen sich Covid-Mortalitätstrends mit historischen Trends vergleichen, wenn sie nach politischer Präferenz kategorisiert werden?
Um diese Frage zu beantworten, sollten wir prüfen, ob dieser Trend einer höheren Sterblichkeit in konservativeren Gebieten ein neuer oder einzigartiger Befund ist oder nicht. Ist das etwas Neues oder Einzigartiges, das durch die Pandemie verursacht wurde? Ein Papier im Journal of Epidemiology and Community Health, geschrieben im Jahr 2015 (Pre-Trump-Ära), beantwortet uns diese Frage.
„In dieser Analyse von 32 Teilnehmern und einer Gesamtnachbeobachtungszeit von 830 Personenjahren stellen wir fest, dass die Zugehörigkeit zu einer politischen Partei und die politische Ideologie mit der Sterblichkeit assoziiert sind. Mit Ausnahme der Unabhängigen (angepasste HR (AHR) = 498, 845 %-KI 0.93 bis 95) erklären sich die politischen Parteiunterschiede jedoch durch die zugrunde liegenden soziodemografischen Merkmale der Teilnehmer. In Bezug auf die Ideologie haben Konservative (AHR=1.06, 95 %-KI 1.01 bis 1.12) und Gemäßigte (AHR=1.06, 95 %-KI 1.01 bis 1.11) ein größeres Sterblichkeitsrisiko während der Nachbeobachtung als Liberale.“
Laut diesem Papier wurde also beobachtet, dass die Sterblichkeitsrate der Konservativen etwas höher war als die anderer politischer Gruppen. Um zu sehen, ob dies in den Daten zur Gesamtmortalität auftaucht, habe ich Mortalitätsdaten auf Kreisebene aus den Jahren vor Covid (2018 und 2019) entnommen CDC-Wunder, und gruppierte sie mit denselben Gruppierungen, die NYT verwendet – „% Share of Trump Vote“, um zu sehen, ob die höhere Sterblichkeitsrate während der Pandemie beispiellos ist oder nicht.
Es stellt sich heraus, dass die Trump-Bezirke in den beiden vorangegangenen Jahren, 1200 und 100, mit ~2018 Todesfällen/2019 Einwohnern eine höhere Sterblichkeit aufwiesen als die anderen Gruppierungen. Die Daten zeigen also, dass rote Bezirke mit insgesamt höheren Sterblichkeitsraten überhaupt kein neues Phänomen sind , und passt zu historischen Trends. Interessanterweise hatten die blauen Bezirke nur eine geringfügig niedrigere Sterblichkeit als die „hellroten“ Bezirke, wobei die „lila“ und „hellblauen“ Bezirke die niedrigste Sterblichkeit aufwiesen. Dafür gibt es viele plausible Erklärungen, wobei die einfachste ist, dass diese Landkreise einfach nur ältere Bevölkerungsgruppen sind. Mal sehen, wie sich die Daten ändern, wenn wir die Sterblichkeitsraten altersbereinigt. (Nebenbemerkung: Für einen detaillierten Beitrag über die Bedeutung und das Wie/Warum hinter der Altersanpassung siehe den Beitrag von Mary Pat Campbell hier🙂
Sie können sehen, dass bei einer Anpassung an das Alter die Unterschiede in den Raten zwischen den Kreisgruppierungen fast verschwinden.
Korreliert die Covid-19-Sterblichkeit mit der Gesamtmortalität?
Eine zugrunde liegende Annahme in den NYT-Artikeln ist, dass diese Gruppierungen repräsentativ für eine Art massiven Unterschied in der Gesamttodes- und Sterblichkeitslast sind. Die Stücke konzentrieren sich ausschließlich auf Todesfälle durch oder mit Covid-19, und die Gesamtauswirkungen der Sterblichkeit werden wirklich nicht erwähnt. Ohne Frage verursachte Covid-19 übermäßig viele Todesfälle und erhöhte die Gesamtsterblichkeitslast in der Bevölkerung.
Aber die Frage bleibt – inwieweit war diese Belastung in den „roten“ gegenüber den „blauen“ Gebieten des Landes höher oder niedriger? Wir können diese Frage beantworten, indem wir die Covid-19-Todesfälle innerhalb dieser Gruppen mit der Gesamtmortalität für dieselben Gruppen vergleichen. Mal sehen, was passiert, wenn wir das tun. Da sich die NYT auf 2021 konzentrierte, das Jahr, in dem Impfstoffe allgemein verfügbar wurden, werden wir dort beginnen.
Sehen Sie sich links die Covid-19-Sterblichkeitsrate und rechts die Sterblichkeitsrate aller Ursachen an.
Wie Sie sehen können, ist das Diagramm auf der linken Seite das, worauf sich die NYT-Artikelserie konzentriert – diese beträchtliche Lücke zwischen Rot und Blau. Wenn Sie sich das Diagramm rechts ansehen (Sterblichkeit durch alle Ursachen), können Sie sehen, dass die Unterschiede verschwinden. Ich frage mich, ob irgendjemand, der diese Artikel liest, weggehen und erkennen würde, dass trotz niedrigerer Covid-19-Sterblichkeitsraten in blauen Bezirken dieselben tiefblauen Bezirke tatsächlich eine höhere Gesamtsterblichkeit hatten als lila oder hellblaue Bezirke?
Gab es 2021 eine große, beispiellose Divergenz der Gesamtmortalität zwischen „roten“ und „blauen“ Landkreisen?
Wenn Sie die Sterblichkeitsraten dieser Gruppierungen im Jahr 2021 mit denen im Jahr 2019 vergleichen, würden Sie feststellen, dass sie insgesamt höher sind, aber vergleichsweise behält jede Gruppierung denselben Rang wie ihr Jahr ohne Pandemie. Es mag also wahr sein, dass die Sterblichkeitsraten von Covid-19 in dunkelblauen Bezirken niedriger waren, aber dies hat sich nicht auf die Gesamtsterblichkeitsraten in diesen Bezirken übertragen. (Ich würde diese Raten altersmäßig anpassen, wenn ich die Daten verfügbar hätte, aber derzeit hat CDC Wonder zum jetzigen Zeitpunkt noch keine Daten für 2021).
Eine andere Möglichkeit, dies zu betrachten, besteht darin, die jährliche Veränderung der Raten innerhalb jeder Gruppe zu betrachten. Wie Sie der nachstehenden Grafik entnehmen können, bleibt die prozentuale Veränderung bei jeder einzelnen Gruppierung ziemlich konstant, wobei 2020 die größte Veränderungsrate und 2021 eine kleine, aber signifikante Veränderungsrate gegenüber 2020 zu verzeichnen ist (was bedeutet, dass die Gesamtsterblichkeit im Vergleich zu 2019 immer noch recht hoch war ).
Zusammenfassend lässt sich sagen, dass sich diese starken Unterschiede in den Sterblichkeitsraten von Covid-19 aus historischer Sicht und auf höherer Ebene unter Beibehaltung derselben Gruppierungen nicht in die Gesamtmoralrate übersetzen lassen. Wieso den?
Auf die Gefahr hin, dass diese Analyse zu einer weiteren Anhäufung wird, die auf die der New York Times hinweist Fehler, Ich möchte eine freundlichere Erklärung anbieten. Es ist eines, das Journalisten und Berichte während der gesamten Pandemie geplagt hat. Warum ist alles in Rot und Blau eingerahmt? Ein einfacher Grund: die Verfügbarkeit der Daten. Leonhardt verwendet leicht zugängliche Daten, die bereits für eine einfache Analyse formatiert sind.
Das nennt man ein Verfügbarkeitsverzerrung. Es geht im Wesentlichen darum, eine Hypothese zu erstellen oder eine Studie auf der Grundlage eines bestimmten Datensatzes abzuschließen, nur aus dem Grund, dass die Daten vorhanden sind. Nur weil die Daten verfügbar sind, bedeutet das nicht, dass es die besten Daten sind, um zu versuchen, eine Frage zu beantworten.
Republikaner sind auch Menschen
Warum ist das alles wichtig? Schließlich scheinen wir akzeptiert zu haben, dass Mainstream-Berichterstattung und Kabelnachrichten eine linke Tendenz haben. Was ist die große Sache?
Wenn es um die Gesundheit der Bevölkerung geht, besteht das Ziel darin, die Gesundheit und das Wohlbefinden aller zu fördern, und wenn die Botschaften und Berichte über die öffentliche Gesundheit unverfroren parteiisch werden und die Taktik der Anklage und Scham anwenden, wird dies sehr wahrscheinlich das Gegenteil der beabsichtigten Wirkung haben Förderung einer besseren Gesundheit.
Auch Konservative und „Rote Länder“ brauchen eine gute Gesundheitsberatung. Sie müssen der Quelle vertrauen können. Selbst wenn man die Prämisse der NYT von „Red Covid“ für bare Münze nimmt, wem hilft diese Botschaft? Offensichtlich nicht die Personen, die sie beschreiben.
Datenquellen:
https://wonder.cdc.gov/wonder/help/ucd.html#2000%20Standard%20Population
https://data.cdc.gov/NCHS/AH-County-of-Occurrence-COVID-19-Deaths-Counts-202/6vqh-esgs/data
https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/VOQCHQ
Zeitschriftenartikel:
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4033819
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5893220/
Wiederveröffentlicht von der Autorin Substack
Veröffentlicht unter a Creative Commons Namensnennung 4.0 Internationale Lizenz
Für Nachdrucke setzen Sie bitte den kanonischen Link wieder auf das Original zurück Brownstone-Institut Artikel und Autor.
