Gut, ich mache eine Regressionsanalyse — aber das Ergebnis wird Ihnen nicht gefallen
(natesilver.net)- In der Debatte über COVID-Sterberaten nach US-Bundesstaaten sagen Parteineigung und Impfquote die Sterberate nach dem 1. Februar 2021 stark voraus, selbst wenn der Anteil der Bevölkerung ab 65 Jahren kontrolliert wird
- Je mehr Kontrollvariablen man hinzufügt, desto größer werden die Freiheitsgrade der Forschenden und das Risiko von Overfitting; in öffentlichen Debatten sind daher einfache, aber robust überprüfbare stilisierte Fakten nützlicher
- Vergleicht man den Biden-Stimmenvorsprung 2020 mit den COVID-Todesfällen pro 1 Million Einwohner nach Bundesstaat seit dem 1. Februar 2021, zeigt sich: Je größer der Biden-Vorsprung, desto niedriger war die Sterberate; dieser Zusammenhang tritt erst nach Einführung der Impfstoffe auf
- Auch nach Einbeziehung des Anteils der Bevölkerung ab 65 Jahren änderten sich Koeffizient und statistische Signifikanz der Parteineigung kaum; die Impfquote wirkt als deutlich stärkere erklärende Variable als die Parteineigung
- Einwände wie unterschiedliche Erfassung von Todesursachen, Vorerkrankungen oder die Wirkung nichtpharmazeutischer Interventionen bleiben bestehen, doch die Unterschiede der Sterberaten zwischen Bundesstaaten hängen stärker mit Unterschieden bei der Impfquote zusammen als mit dem Alter
Warum einfache Analysen Vorrang haben
- In öffentlichen Statistikdebatten gilt das Prinzip: Je einfacher die Analyse, desto besser
- Je mehr Kontrollvariablen man aufnimmt, desto mehr Entscheidungspunkte entstehen dafür, wie die analysierende Person mit den Zahlen umgeht — also Freiheitsgrade der Forschenden
- Manchmal müssen Störvariablen kontrolliert werden
- Beim Zusammenhang zwischen Eiskonsum und Ertrinken ist Sommerwetter eindeutig eine Störvariable
- Fügt man jedoch Komplexität hinzu, steigt auch das Risiko von Overfitting
- Wenn sich der Kernpunkt mit einfachen aggregierten Statistiken oder intuitiven Methoden zeigen lässt, ist dieser Ansatz in Online-Debatten wirksamer
Ausgangspunkt der COVID-Politikdebatte
- Ausgangspunkt des früheren Beitrags waren zwei stilisierte Fakten
- Vor der Impfstoffverteilung gab es keinen großen Unterschied bei den COVID-Sterberaten zwischen blue states und red states
- Nach der Impfstoffverteilung waren die Sterberaten in red states höher; wahrscheinlich lag das an der niedrigeren Impfquote unter Republicans
- Diese These war außerhalb stärker umstritten, und Martin Kulldorff kritisierte, dass ein Vergleich ohne Anpassung an unterschiedliche Durchschnittsalter der Bundesstaaten irreführend sei
- Kulldorff ist Professor an der Harvard Medical School und einer der Hauptautoren der Great Barrington Declaration, einer Anti-Lockdown-Erklärung vom Oktober 2020
- Der Vergleich der Zeit vor den Impfstoffen stützt eher die Sichtweise, dass unklar war, ob nichtpharmazeutische Interventionen gut funktionierten, und dass ihre Kosten hoch waren
Unterschiede zwischen Bundesstaaten lassen sich schwer allein durch Alter erklären
- COVID ist für ältere Menschen deutlich tödlicher, doch Parteineigung und Altersstruktur der Bundesstaaten gelten als nahezu orthogonal — und im Verhältnis zur Impfquote erst recht
- Die Unterschiede in der Altersstruktur der US-Bundesstaaten sind nicht groß
- Gemessen am Anteil der Bevölkerung ab 65 Jahren liegen alle Bundesstaaten bis auf 9 in einem engen Bereich von über 15 % und unter 20 %
- Selbst in vier Bundesstaaten mit ähnlichem Anteil älterer Menschen klaffen die COVID-Sterberaten pro 1 Million Einwohner seit dem 1. Februar 2021 stark auseinander
- West Virginia: 3.454
- Florida: 2.992
- Maine: 1.881
- Vermont: 1.210
- Diese vier Bundesstaaten haben nahezu denselben Anteil älterer Menschen, doch die Unterschiede bei den Sterberaten passen zu den parteipolitischen Unterschieden bei der Impfquote
Aufbau der Regressionsanalyse
- Die Regressionsanalyse wird als Methode genutzt, um die Effekte mehrerer Variablen aufzuschlüsseln
- Die abhängige Variable der ersten Regression mit nur einer Variable ist covid_deaths_late
- Zahl der COVID-Todesfälle pro 1 Million Einwohner seit dem 1. Februar 2021
- Quelle sind die US-COVID-Daten von Worldometers
- Der 1. Februar 2021 nähert den Zeitpunkt an, ab dem Impfstoffe für gefährdete Gruppen breit verfügbar wurden
- Die unabhängige Variable biden ist der Abstand, mit dem Joe Biden bei der Präsidentschaftswahl 2020 gegen Donald Trump gewann oder verlor
- Im Ergebnis galt: Je größer Bidens Siegvorsprung, desto niedriger war die COVID-Sterberate nach dem 1. Februar 2021
- Dieser Zusammenhang bestand in der frühen COVID-Phase nicht und trat erst nach Verfügbarkeit der Impfstoffe auf
Der Effekt der Parteineigung bleibt auch nach Kontrolle des Alters bestehen
- In der nächsten Regression wird die Variable senior hinzugefügt, der Anteil der Bevölkerung eines Bundesstaats ab 65 Jahren
- Bundesstaaten mit einem höheren Anteil älterer Menschen hatten nach dem 1. Februar 2021 mehr COVID-Todesfälle, und dieser Unterschied ist statistisch signifikant
- Doch auch nach Hinzufügen des Alters verändern sich Koeffizient und statistische Signifikanz der Variable biden im Wesentlichen nicht
- Die Parteineigung eines Bundesstaats sagt die COVID-Sterberate auch nach Kontrolle des Alters stark voraus
Die Impfquote ist die direktere erklärende Variable
- Das bedeutet nicht, dass COVID Republicans ihrem Wesen nach stärker ins Visier nimmt
- Die zentrale Annahme ist, dass COVID für Ungeimpfte deutlich tödlicher ist und Republicans sich mit geringerer Wahrscheinlichkeit impfen lassen als Democrats
- Im nächsten Modell wird die bundesstaatliche Quote der „fully vaccinated“ als vax_rate hinzugefügt
- „fully vaccinated“ bedeutet die ursprünglichen 2 Dosen Pfizer oder Moderna oder die ursprüngliche 1 Dosis Johnson & Johnson
- Booster-Impfungen sind nicht erforderlich
- Wird vax_rate einbezogen, sagt diese Variable die COVID-Sterberate deutlich stärker voraus als biden
- Entfernt man am Ende biden und behält nur Alter und Impfquote, erklären die beiden Variablen immer noch mehr als die Hälfte der Variation der COVID-Sterberaten nach Bundesstaat seit Februar 2021
Verbleibende Einwände und robuster Geltungsbereich
- Bei der Ausbreitung von COVID gibt es erhebliche Zufälligkeit, etwa wenn sich bestimmte Varianten regional auf schwer vorhersehbare Weise etablieren
- Weitere Fragen bleiben zu prüfen
- Vorerkrankungen unterscheiden sich je nach Bundesstaat
- Die Art, wie COVID-Todesfälle erfasst werden, ist möglicherweise nicht in jedem Bundesstaat gleich
- Ob nichtpharmazeutische Interventionen in der Zeit vor den Impfstoffen wirklich wirkungslos waren, ist eine weniger robuste Behauptung
- Eine robuste These ändert ihre Kategorie jedoch nicht wegen kleiner, mittlerer oder manchmal sogar recht großer Einwände
- Eine stärker standardisierte Erfassung von Todesfällen könnte die Vorhersagekraft der Impfquote erhöhen oder auch nicht; aber ich erwarte nicht, dass die zentrale These von „offensichtlich wahr“ zu „zweifelhaft“ oder „wahrscheinlich falsch“ kippt
1 Kommentare
Kommentare auf Hacker News
Als US-Bürger habe ich den Menschen in meinem Umfeld geraten, die COVID-Schutzmaßnahmen einzuhalten, und ich mag auch Nate Silver. In diesem Text ist mir aber vor allem die Stelle aufgefallen, in der er der Anti-Lockdown-Erklärung vom Oktober 2020 im Großen und Ganzen zustimmt.
Da diese Haltung auf den damals verfügbaren Informationen beruhte, bereue ich meine Einschätzung nicht. Aber ich fände es gut, wenn man akzeptieren würde, dass es im Großen und Ganzen falsch war, dass die Gesellschaft die Lockdown-Maßnahmen so lange aufrechterhalten hat. Auch der Linken schadet etwas Demut nicht.
Bei medizinischem Personal, das während der ersten Welle Patienten behandelte, haben Masken eindeutig gewirkt; sie waren direkt exponiert und wurden trotzdem nicht krank. Warum hatten sie dann in der allgemeinen Bevölkerung keine Wirkung? Wurden sie nicht richtig und konsequent getragen? Schulen schienen zwangsläufig ein großer Übertragungsweg zu sein, und Kinder waren meist asymptomatisch, konnten aber, selbst wenn sie krank wurden, das Virus innerhalb und außerhalb der Schule sowie an gefährdete Familienmitglieder weitergeben. Waren Schulschließungen ein Fehler, oder hätte man sie anders umsetzen müssen?
Auch ich lag in vielem falsch: vom Desinfizieren der Hände, obwohl tatsächlich die Übertragung über die Luft der entscheidende Faktor war, bis zu der Annahme, dass Impfstoffe die Sache beenden würden.
Zum Beispiel, indem sie behaupten, die Regierung habe im Oktober 2020 strenge Lockdown-Maßnahmen erzwungen. Tatsächlich gab es klare Belege dafür, dass Menschen es vorzogen, zu Hause zu bleiben; ein Beispiel dafür ist auch, dass der Anteil der Büroarbeit bis heute historisch niedrig ist. Seit im Januar 2020 die Videos aus China auftauchten, lag ich kein einziges Mal falsch. Es war interessant zu beobachten, wie Menschen über drei einfache Tatsachen, die jeder Oberschüler kennt – „hochansteckende Atemwegserkrankungen sind schlecht, Impfstoffe verhindern weder Infektion noch Übertragung, Menschen mögen Homeoffice“ – übermäßig nachdachten, sie moralisch aufluden und sich fanatisch an Nebenaspekten von Nebenaspekten festklammerten.
Damals war es schwierig, so etwas anzusprechen, weil sofort die Stimmung entstand, als würde man mich als Impfgegner abstempeln.
Ich fragte mich, ob es Versuche gab, Kosten und Nutzen der verschiedenen Maßnahmen zu berechnen und zu bestimmen, wie weit man ins Extreme gehen sollte. Schäden wie Depression, Isolation oder dass Kinder ein halbes Schuljahr verpasst haben, lassen sich schwer mit Todesfällen vergleichen; oberflächlich betrachtet wirkt es natürlich deutlich schlimmer, wenn Menschen sterben. Aber wenn alles, was wir getan haben, dazu gedient hätte, eine einzige Person zu retten, würden wir wohl sagen, dass es das im Großen und Ganzen nicht wert war. Wenn die Zahl auf 10, 1.000 oder 10.000 steigt, beginnt an irgendeinem subjektiven Punkt eine Mehrheit zuzustimmen. Mit den heutigen Daten scheint es möglich, genügend regionale Stichproben mit unterschiedlichen Regeln zusammenzutragen und zumindest grob zu quantifizieren: „Masken retten x Leben pro 1.000 Menschen“, „Schulschließungen retten y Leben pro 1.000 Menschen“. Dann könnte man beurteilen, ob x gerettete Leben die qualitativen Schäden wert sind, und bei y könnte die Antwort anders ausfallen.
Schon zu Beginn der Welle war klar, dass die wichtigsten Einschränkungen für politische Entscheidungsträger die Unsicherheit über das Virus sowie der Mangel an Schutzausrüstung und Intensivbetten waren. Ohne Schutzausrüstung gibt es keine Möglichkeit, die Übertragung ohne Isolation zu verringern; wenn die Intensivstationen überlastet sind, verdoppelt sich die Sterblichkeit, Menschen sterben auf der Straße und das Gesundheitssystem bricht zusammen. Ein Zusammenbruch des Gesundheitssystems ist keine politische Option, die mit einer funktionierenden Wirtschaft vereinbar wäre, und auch Nicht-COVID-Todesfälle nehmen zu. Herzinfarkte, Verkehrsunfälle und sogar Geburten werden zu Todesursachen. Die Vorstellung, politische Entscheidungsträger hätten „dass der Großvater ein paar Jahre früher stirbt“ gegen „die soziale Isolation des Enkels“ abgewogen, sollte verschwinden.
„Mit einem Ereignisstudien-Ansatz auf Basis von Daten aus 43 Ländern und allen US-Bundesstaaten wurden Veränderungen der Übersterblichkeit nach der Einführung von COVID-19-Stay-at-Home(SIP)-Maßnahmen gemessen. Es fanden sich keine Hinweise darauf, dass Länder oder Bundesstaaten, die SIP-Maßnahmen früher einführten, eine niedrigere Übersterblichkeit hatten. Auch unter Berücksichtigung der COVID-19-Sterblichkeit vor SIP ließ sich kein Unterschied in der Übersterblichkeit vor und nach Einführung von SIP beobachten.“
Wenn die verfügbaren Intensivbetten knapper wurden, gab es mehr Einschränkungen; im umgekehrten Fall wurden sie gelockert. Der Fokus lag besonders auf vermeidbaren Todesfällen, also darauf, dass Menschen hätten gerettet werden können, aber mangels Betten abgewiesen wurden. Das hielt ich auch intuitiv für einen soliden Ansatz. Vermeidbare Todesfälle sind wirklich tragisch.
Entscheidend ist nicht die Zahl der Leben, sondern die verlorenen Lebensjahre. Der Tod eines Kindes, dem fast das ganze Leben noch bevorsteht, ist zum Beispiel schlimmer als der Tod eines alten Menschen, der bereits kurz vor dem Lebensende steht. Die aktuelle Statistik konzentriert sich nur auf die Zahl der Todesfälle, nicht auf den Verlust erwarteter Lebensjahre, was es schon schwer macht, die Zielkonflikte verschiedener Maßnahmen fair zu bewerten.
COVID war ernst, aber die Reaktion in den USA war sehr merkwürdig. Die Art, wie man in Restaurants Masken trug, dürfte als einer der bizarrsten Momente der US-Geschichte in Erinnerung bleiben.
Aus Neugier habe ich nachgesehen: Was er verwendet, sieht nach Stata aus: https://www.reed.edu/psychology/stata/analyses/parametric/Re...
https://www.stata.com/
„Auf allen Reed-Laborcomputern befindet sich Stata im Applications-Ordner.“ „Stata finden Sie im Applications-Ordner der Schulcomputer. Auf PCs liegt es wahrscheinlich unter Program Files.“ Bedeutet das, dass es weder Open Source noch kommerziell erhältlich ist? Eines von beidem sollte doch selbstverständlich möglich sein, das wirkt ziemlich seltsam.
Der Haupttext dieses Beitrags behandelt COVID-Politik und den Einsatz von Impfstoffen, weshalb sich die Diskussion daran entzündet hat; der Kern schien mir aber allgemeiner zu sein.
„Mein Ziel ist es, mich auf stilisierte Fakten zu konzentrieren, die im Großen und Ganzen wahr und robust sind, und sie zu wiederholen. Ich mag einfache oder einfach wirkende Behauptungen sowie Behauptungen, die man gar nicht genug betonen kann, von denen aber zu erwarten ist, dass sie einer Überprüfung standhalten.“ Als jemand, der beruflich Analysen und Modellergebnisse präsentiert, stimme ich dem voll zu. Man zeigt das einfachste Ergebnis, das den Punkt vermittelt, und geht weiter. Man kann erwähnen, dass es „auch dann hält, wenn man x, y, z berücksichtigt“, oder diese Analyse für den Fall eines aggressiven Publikums in die Backup-Folien packen. Niemanden interessiert, wie komplex das Modell ist; es zählt nur, ob es funktioniert.
Nate selbst sagte im Text, dass der Anteil der Mormon-Bevölkerung in Utah um den Faktor 100 höher sei und dass dies einen signifikanten Effekt habe. Die COVID-Sterblichkeit bei über 85-Jährigen ist mehr als 100-mal höher als bei sehr jungen Menschen. Ich bezweifle das Ergebnis an sich nicht, aber bei einer Analyse von COVID ist die Altersbereinigung für jede Schlussfolgerung eine völlig naheliegende Frage.
Sich auf Todesfälle zu konzentrieren, übersieht einen größeren gesellschaftlichen Aspekt des Problems.
Die Zerstörungskraft von COVID hängt mit Long COVID zusammen und betrifft auch Menschen, die sich vollständig erholt hatten oder asymptomatisch waren. Es ist noch nicht vorbei, und wir haben es wirklich massiv vermasselt. Das heißt, die Great Barrington Declaration lag schon in ihrer grundsätzlichen Richtung falsch. Wenn wir Hoffnung auf eine Rückkehr zur Normalität haben wollten, hätten wir darauf optimieren müssen, COVID so weit wie möglich zu eliminieren. Der Tod ist nicht das einzige Problem von COVID. Inzwischen ist es zu spät, aber wer diese Erklärung unterstützt hat, war ein Quacksalber und hätte seine Zulassung verlieren müssen.
Darüber hinaus fällt es mir aber schwer, der Aussage „wir haben es wirklich vermasselt“ zuzustimmen. Es stimmt, dass COVID die Lebenserwartung etwas anknabbert und Long COVID auch Produktivität und Lebenszufriedenheit etwas mindert, aber im großen Bild ist das kein so großer Anteil. Derzeit liegen die COVID-Todesfälle in den USA bei weniger als der Hälfte der Todesfälle durch Lungenkrebs, und diese Todesfälle betreffen überwiegend ältere Menschen. Das mag kalt klingen, aber wenn Menschen, die schon lange im Ruhestand sind, ein paar Lebensjahre verlieren, bringt das ein Land nicht zum Einsturz. Bei unter 18-Jährigen gibt es praktisch keine COVID-Todesfälle, und auch in der Erwerbsbevölkerung führt es selten zu Krankenhausaufenthalten oder langfristiger Schwächung. Die Leidenden leiden selbstverständlich, und man sollte sie nicht ignorieren, aber als Public-Health-Krise ist COVID weitgehend vorbei.
Ich hatte mindestens zweimal COVID, und einen Monat nach der Genesung hatte ich auch schreckliche Symptome, bei denen ich sicher war, dass es Long COVID sei, aber einige Monate später – und inzwischen Jahre später – war es das nicht. Ich kenne viele Menschen, die Familienmitglieder durch COVID verloren haben, aber niemanden, der schwere Long-COVID-Symptome hat oder jemanden mit solchen Symptomen kennt. Ich bezweifle nicht, dass Long COVID existiert, aber nach meiner Beobachtung bin ich sehr skeptisch, dass COVID die Ursache dafür ist, dass „wir vermasselt sind“. Die Seltsamkeit nach COVID liegt meiner Ansicht nach daran, dass Menschen aus vielen Gründen, einschließlich des sich schnell beschleunigenden Klimawandels, enorm gestresst sind und zugleich nicht richtig benennen oder abbauen können, was dieser Stress ist. Wenn es gute Quellen dazu gibt, würde ich sie gern lesen.
Wenn man sich nur tief genug in irgendetwas hineinsteigert, kann man sich selbst Angst machen. Wenn man genug Doomscrolling über Typ-2-Diabetes betreibt, könnte man am Ende überzeugt sein, dass COVID im Vergleich zu dessen Komplikationen eines der geringfügigsten Public-Health-Probleme der USA ist.
Besonders 2020, und auch heute noch, waren die konkreten Auswirkungen von Long COVID und anderen Nebenwirkungen schwer vorherzusagen, verglichen mit Schäden wie verschlechterter psychischer Gesundheit oder verzögerter Behandlung durch Lockdowns. Es gibt auch keine kontrafaktischen Daten, die die Auswirkungen von drei, fünf oder zehn Jahren mehrjähriger Lockdowns zeigen. Außerdem ändert sich die Ausrichtung selbst, wenn es keine Weltregierung gibt und globale Lockdowns sowie die Eliminierung von COVID unmöglich sind. Wenn eine ausreichend große Bevölkerung nicht an einer Eliminierungsstrategie teilnimmt, wird diese Strategie für alle anderen weniger praktikabel und teurer. Persönlich habe ich die Hoffnung auf Eliminierbarkeit ein Stück weit aufgegeben, als in Südafrika und Europa die ersten Varianten aufzutauchen begannen. Mich würde interessieren, wie hoch die Infektionsraten und Long-COVID-Quoten heute in Ländern wie Neuseeland oder Japan sind, die vergleichsweise erfolgreich Lockdowns umgesetzt haben.
Auch die durch „so weit wie möglich“ angedeutete teilweise Eliminierung war keine Option; es war immer alles oder nichts.
Ich freue mich darauf, in 20 Jahren, wenn alle ihre politischen Positionen vergessen haben, zu erfahren, was COVID tatsächlich war.
[1] https://en.wikipedia.org/wiki/1977_Russian_flu
Mich würde interessieren, in welcher Weise du meinst, dass weitgehend gesicherte Informationen politisch eingefärbt wurden.
Nate kann auf Twitter manchmal leichtfertig und unhöflich auftreten, aber auf Kritik an seiner Person scheint er komplett hereingefallen zu sein.
Dieser Beitrag läuft im Kern auf Folgendes hinaus: „Weil Leute unbegründet über eine von mir aufgestellte Behauptung spekuliert haben, werde ich viel Zeit darauf verwenden, etwas zu beweisen, das ihnen ohnehin egal sein wird.“
Denn zumindest teilweise ist der Beitrag eine Antwort an Martin Kulldorff, Professor an der Harvard Medical School, Biostatistiker und Mitautor der GBD.
Vermutlich geht es eher darum, bei seiner eigenen Leserschaft Vertrauen zu sichern.
Aus welchem Grund auch immer er diesen Blogbeitrag geschrieben hat: Der Beitrag selbst war wirklich interessant und aufschlussreich, mit guten Details und klarer Gedankenführung. Die Analyse weiter unten zeigte zum Beispiel, dass der tatsächliche Faktor hinter dem Unterschied bei der Sterblichkeit die Impfquote war und Parteilichkeit in Wirklichkeit nur deren Proxy-Variable. Die Leute auf Twitter mögen sich nicht für das interessieren, was dieser Beitrag gezeigt hat, aber ich fand ihn durchaus dankenswert.
Wenn ich an Nate Silver denke, fällt mir immer dieser erschöpfte Mann ein, der in der Nacht der Präsidentschaftswahl 2016 nur leer in die mittlere Distanz starrte. Silvers Nutzen beschränkt sich darauf, zu wissen, welche Argumentationslinie das Mainstream-Lager gerade verfolgt.
Ich weiß nicht, wie es in anderen Ländern war, aber in Austria hatten Pflegekräfte starke Anreize, Todesfälle unmittelbar nach einer Impfung oder Todesfälle einige Wochen nach überstandener Infektion in der nationalen Statistik als COVID-Todesfälle zu melden.
Es wäre nicht überraschend, wenn solche „Nudges“ bei der Berichterstattung vor Ort während der Pandemie die COVID-Todesdaten schwer vertrauenswürdig gemacht hätten.
Ab Anfang Juni 2020 erklärten die „Public Health“-Behörden der größten Stadt Canadas, dass sie Todesfälle auf ziemlich zweifelhafte Weise zählen. „Personen, die mit COVID-19 starben, aber nicht infolge von COVID-19, werden ebenfalls in Torontos COVID-19-Todesfallzählung aufgenommen.“ https://twitter.com/TOPublicHealth/status/127588839006028596... Mitte 2021 gab es zudem Berichte über Pflegeeinrichtungen. „Patienten in Ontarios Langzeitpflegeeinrichtungen starben nicht an COVID-19, sondern an Vernachlässigung, heißt es in einem Militärbericht: ‚Alles, was nötig gewesen wäre, waren Wasser und das Waschen des Körpers.‘“ https://www.theglobeandmail.com/canada/article-canadian-mili... Nach solchen Dingen und allem, was 2020 bis 2022 passiert ist, kann ich Public-Health-Behörden überhaupt nicht mehr vertrauen.
Deshalb sind die Daten dazu, wie viele Leben die Impfung gerettet hat, wirklich verunreinigt, und die Zahl der Ungeimpften wird zu hoch angesetzt. Außerdem hatten Krankenhäuser einen finanziellen Anreiz, COVID als Todesursache hinzuzufügen.
Hast du den Beitrag gelesen? Ich meine den Teil, der die Kleinigkeiten behandelt, die Leute auf dem Weg zum Confirmation Bias hervorholen.
Ein paar Beobachtungen.
Nach CDC [1] betrug die Gesamtzahl der COVID-Todesfälle 2020 nach Bundesstaat: West Virginia 1.318, Florida 21.546, Maine 344, Vermont 134. Die Einwohnerzahlen dieser Bundesstaaten laut Census vom April 2020 [2] waren: West Virginia 1.793.716, Florida 21.538.187, Maine 1.362.359, Vermont 643.077. Damit lagen die Todesfälle pro 100.000 Einwohner vor Einführung der Impfstoffe bei 73 in West Virginia, 100 in Florida, 21 in Vermont und 25 in Maine. Es wäre gut, wenn jemand die Rechnung prüft, aber schon vor den Impfstoffen sieht es so aus, als habe eine Stimme für Trump die Sterblichkeit um mehr als das Dreifache erhöht. Das heißt, die Analyse im ursprünglichen Beitrag könnte durch nicht berücksichtigte Störfaktoren beeinflusst worden sein. COPD ist zum Beispiel laut CDC ein wichtiger medizinischer Risikofaktor für schwere COVID-Komplikationen und betrifft mehr als 13,6 % der Bevölkerung von West Virginia, aber nur 5,9 % in Vermont [3]. Ich habe mich und meinen Booster jeweils zum frühestmöglichen Zeitpunkt impfen lassen und habe mich während der frühen Omicron-Welle in meinem Bundesstaat mit COVID infiziert.
[1] https://stacks.cdc.gov/view/cdc/99750
[2] https://en.wikipedia.org/wiki/List_of_U.S._states_and_territ...
[3] https://www.lung.org/research/trends-in-lung-disease/copd-tr...
Wenn jemand glaubte, COVID sei nicht schlimmer als die Grippe oder existiere gar nicht, so wie einige meiner angeheirateten Verwandten im Sommer 2020, war die Wahrscheinlichkeit viel höher, dass diese Person sich infizierte, es weiterverbreitete und unangemessene Behandlung erhielt. Solche Verhaltensunterschiede dürften sich auch in den Impfquoten niedergeschlagen haben. Wenn Erkrankungen wie COPD der Hauptunterschied wären, würde ich erwarten, dass der Unterschied bei der Sterblichkeit eher bei einem Faktor von 2,3 (13,6 %/5,9 %) liegt als bei 2,9 (73 gegenüber 25 pro 100.000). Mir fällt keine andere Begleiterkrankung ein, deren relatives Verhältnis zwischen diesen beiden Bundesstaaten größer als 2,3 wäre, und bei Adipositas liegt West Virginia nur um den Faktor 1,3 höher. Am Ende landet man wieder bei Silvers Punkt. Andere beitragende Faktoren lassen sich fast immer finden, aber das ist kein Beweis dafür, dass ein anderer Faktor nicht beigetragen hat. Man muss sie gemeinsam analysieren. Allerdings scheint es schon vor einer Regressionsanalyse schwierig, den Unterschied allein durch gesundheitliche Begleitfaktoren zu erklären.
Jetzt würde ich gern die Details zur ersten Behauptung sehen, dass es „vor der Einführung der Impfstoffe kaum Unterschiede bei der COVID-Sterblichkeit zwischen blauen und roten Bundesstaaten gab“