Brownstone » Brownstone Institute-artikler » Myten om de sygdomsramte røde stater

Myten om de sygdomsramte røde stater

DEL | UDSKRIV | EMAIL

Fordi der ikke er nogen mulige måder at analysere, kategorisere, parse eller dissekere befolkningsdata på andet end ved "andel af Trump-stemmer", må der ikke være enhver anden mulig forklaring på alt andet end at røde amter = dårlige (høje Covid-dødsfald!), blå amter = gode (ikke så høje Covid-dødsfald!).

Andel af stemme

Selvfølgelig er jeg facetfuld. Hele forslaget er bare fjollet. Begrebet medfødte forskelle i populationer er en veletablerede hensyn for dem, der studerer befolkningens sundhed. Man kunne tro, at vores nationers mest prestigefyldte avis kunne kræve, at deres topskribent rådfører sig med befolkningssundhedseksperter eller endda en aktuarforsker for at få et mere informeret perspektiv og give dataene en mere stringent analyse.

Lad os tage et kig på højdepunkterne i David Leonhardts "Red Covid"-serie.

September 27, 2021 

"Rød Covid: Covids partisanmønster bliver mere ekstremt."

gennemsnitlig-daglig-død

(Bemærk venligst Y-aksen på dette skema)

"Det, der kendetegner USA, er et konservativt parti - det republikanske parti - der er blevet fjendtligt videnskab og empirisk bevis i de seneste årtier. Et konservativt mediekompleks, inklusive Fox News, Sinclair Broadcast Group og forskellige online-forretninger, gentager og forstærker denne fjendtlighed. Trump tog den konspiratoriske tænkning til et nyt niveau, men han skabte den ikke."

"Demokratiske politikere har bedt alle amerikanere om at blive vaccineret, og mange republikanske politikere har ikke."

November 8, 2021

US Covid-dødsfald bliver endnu rødere: US Covid-dødsfald bliver endnu rødere

"Den korte version: Gabet i Covids dødstal mellem rødt og blåt Amerika er vokset hurtigere i løbet af den seneste måned end på noget tidligere tidspunkt.

I oktober døde 25 ud af hver 100,000 indbyggere i stærkt Trump-amter af Covid, mere end tre gange højere end raten i stærkt Biden-amter (7.8 pr. 100,000).

Februar 18, 2022 

"Red Covid, en opdatering: Partisanskløften i Covid-dødsfald vokser stadig, men langsommere."

"Som diagrammet tydeliggør, har vejafgiften været endnu værre i amter, hvor Trump vandt med et jordskredsløb, end i amter, som han vandt knebent.
“Dette fænomen er et eksempel på, hvordan landets politiske polarisering har fordrejet folks tankegang, selv når deres personlige sikkerhed er på spil. Det er en tragedie - og også en, der kan forebygges."

Inden jeg går ind i detaljerne omkring disse oversimplifikationer, vil jeg gerne gøre det klart, at jeg mener, at Leonhardts udtalelser ovenfor afspejler en ægte overbevisning. Han mener virkelig, at politisk præference er årsagsforklaringen på Covid-dødeligheden. Ikke helbredstilstand, alder, vægt, følgesygdomme. Bare én ting: personlig politisk præference. 

For at være klar mener han, at den bagvedliggende forklaring på højere Covid-19-dødelighed i røde amter faktisk er de lavere vaccinationsrater i røde amter. Så i forlængelse heraf forklares dette med politisk præference. 

Det, jeg håber at lægge ud nedenfor, er et mere fuldstændigt billede af, hvad der foregår, når vi underinddeler data på amtsniveau i de kategoriseringer, som Leonhardt valgte: 'Andel af Trump-stemmer inden for amt' (0-30%, 31-45%, 46-55 %, 56-70 % og 70 %+). Ved at bruge historiske dødelighedsdata på amtsniveau vil jeg forsøge at besvare følgende spørgsmål:

Hvordan sammenligner Covid-dødelighedstendenser med historiske tendenser, når man kategoriserer efter politisk præference? 

Er Covid-19 dødelighed korreleret med alle årsager dødelighed?

Var der i 2021 en stor, hidtil uset divergens i den samlede dødelighed mellem 'røde' og 'blå' amter?

Der kunne foretages yderligere analyser for at se, om vaccinationsraterne er korreleret med den samlede dødelighed (i modsætning til kun Covid-19) på lang sigt, men med definitionen af ​​"fuldt vaccineret" eller "opdateret" er en flytning mål, har jeg valgt ikke at sammenligne dødsfald efter vaccinationsrate efter amt indtil videre (mange andre har allerede påtaget sig den opgave!). For at være klar, tror jeg, at for dem, der er i fare, har vaccinerne vist sig at gøre det reducere risikoen af sygdommen til disse personer. Målet med denne analyse er at se dybere ind i disse politiske underafdelinger, som New York Times insisterer på er en utvivlsom forklaring på Covid-19-dødelighed, ellers kendt som "Red Covid."

Lad os starte med at se på forskellen i de amter, som vi sammenligner her. Ser man på "70% + Trump Vote"-gruppen - repræsenterer den 25 millioner amerikanere, og den gennemsnitlige befolkning i amterne i denne gruppe er 23 tusinde. Det er primært landdistrikter. Sammenlign med Biden Counties, hvor Trump havde mindre end 30% af stemmerne, der repræsenterer 110 millioner amerikanere (primært i byområder), og den gennemsnitlige befolkning i disse amter er 137 tusind.

pop-by-share-trumf-stemme

For at tage forbehold for den resterende analyse med disse befolkningsdata, sammenligner vi meget meget forskellige demografier og kontrollerer ikke for de underliggende forskelle. Den korrekte måde at foretage disse sammenligninger på ville være at kontrollere for disse forskelle - primært ved aldersjustering, for at afværge den effekt, som forskellige vaccinationsrater eller forskellige politikker kan have. NYT-artiklerne gjorde ikke dette, og i et tilfælde forsøgte de at afvise vigtigheden af ​​aldersforskelle mellem disse grupper. Jeg vil simpelthen bruge de samme kategorier, som de gjorde, men tage et højere niveau af disse kategoriseringer for at se, om Leonhardts primære forslag er plausibelt eller ej.


Hvordan sammenligner Covid-dødelighedstendenser med historiske tendenser, når man kategoriserer efter politisk præference? 

For at besvare dette spørgsmål bør vi se på, om denne tendens med højere dødelighed i mere konservative områder er et nyt eller unikt fund. Er dette noget nyt eller unikt, der blev forårsaget af pandemien? Et papir i Journal of Epidemiology and Community Health, skrevet i 2015 (Pre-Trump-æra), besvarer dette spørgsmål for os. 

”I denne analyse af 32 deltagere og en samlet opfølgningstid på 830 personår finder vi, at politisk partitilhørsforhold og politisk ideologi er forbundet med dødelighed. Men med undtagelse af uafhængige (justeret HR (AHR)=498, 845 % CI 0.93 til 95) forklares forskelle mellem politiske partier af deltagernes underliggende sociodemografiske karakteristika. Med hensyn til ideologi har konservative (AHR=1.06, 95 % CI 1.01 til 1.12) og moderate (AHR=1.06, 95 % CI 1.01 til 1.11) større risiko for dødelighed under opfølgning end liberale.”

Så ifølge dette papir blev konservatives dødelighed observeret at være lidt højere end andre politiske grupper. For at se, om dette dukker op i data om dødelighed af alle årsager, tog jeg dødelighedsdata på amtsniveau fra årene før Covid (2018 og 2019) fra CDC Wonder, og grupperede dem med de samme grupperinger, som NYT bruger - '% Andel af Trumps stemme' for at se, om den højere dødelighed under pandemien er uden fortilfælde. 

rå dødelighed

Det viser sig, at Trump-amter havde højere dødelighed end de andre grupperinger ved ~1200 dødsfald/100 indbyggere i begge de foregående år, 2018 og 2019. Så dataene viser, at røde amter med højere dødelighed generelt ikke er et nyt fænomen overhovedet , og passer med historiske tendenser. Interessant nok havde blå amter kun lidt lavere dødelighed end 'lyserøde' amter, hvor 'lilla' og 'lyseblå' amter havde den laveste. Der er mange plausible forklaringer på dette, hvor den enkleste er, at disse amter blot er ældre befolkninger. Lad os se, hvordan dataene ændrer sig, når vi alderstilpasser dødeligheden. (Sidebemærkning: for et detaljeret indlæg om vigtigheden og hvordan/hvorfor bag aldersjustering se Mary Pat Campbells indlæg link.🙂

alder-adj-dødelighed

Man kan se, at når man justerer for alder, forsvinder forskellen i satser mellem amtsgrupperinger næsten. 

Er Covid-19 dødelighed korreleret med alle årsager dødelighed?

En underliggende antagelse i NYT-stykkerne er, at disse grupperinger er repræsentative for en slags massiv forskel i den samlede døds- og dødelighedsbyrde. Stykkerne fokuserer udelukkende på dødsfald fra eller med Covid-19, og der er virkelig ingen omtale af den samlede effekt af dødelighed. Uden tvivl forårsagede Covid-19 overdreven død og øgede den samlede dødelighedsbyrde i befolkningen.

Men spørgsmålet er stadig - i hvilket omfang var denne byrde højere eller lavere i 'røde' vs. 'blå' områder af landet? Vi kan besvare dette spørgsmål ved at sammenligne Covid-19 dødsfald inden for disse grupper med den samlede dødelighed for de samme grupper. Lad os se, hvad der sker, når vi gør det. Da NYT fokuserede på 2021, året hvor vacciner blev bredt tilgængelige, starter vi der.

Tag et kig på Covid-19 dødelighed til venstre, vs All Cause dødelighed til højre.

dødelighed versus alle årsager

Som du kan se, er diagrammet til venstre, hvad NYT-serien af ​​artikler fokuserer på - dette betydelige hul mellem rød og blå. Ser man på skemaet til højre (Dødelighed af alle årsager), kan man se, at forskellene forsvinder. Jeg spekulerer på, om nogen, der læser disse artikler, ville gå væk og indse, at trods lavere Covid-19-dødelighedsrater i blå amter, havde de samme dybblå amter faktisk højere samlet dødelighed end lilla eller lyseblå amter?

Var der i 2021 en stor, hidtil uset divergens i den samlede dødelighed mellem 'røde' og 'blå' amter?

Når du sammenligner dødelighedsraterne i 2021 af disse grupperinger med de samme i 2019, vil du se, at de generelt er højere, men til sammenligning bevarer hver gruppe deres samme rangering som deres ikke-pandemiår. Så selvom det kan være rigtigt, at Covid-19-dødsraterne var lavere i mørkeblå amter, blev dette ikke oversat til de samlede dødsrater i disse amter. (Jeg ville alderstilpasse disse satser, hvis jeg havde dataene tilgængelige, men i øjeblikket har CDC Wonder ikke 2021-data endnu, da dette skrives). 

rå-dødelighed-2020-2021

En anden måde at se på dette er at se på år over år ændring af satser inden for hver gruppe. Som du kan se fra nedenstående diagram, forbliver den procentvise ændring ret konsistent blandt hver enkelt gruppe, hvor 2020 ser den største ændringsrate, og 2021 ser en lille, men betydelig ændringsrate fra 2020 (hvilket betyder, at den samlede dødelighed stadig var ret forhøjet i forhold til 2019 ).

rå-dødelighed-for-år

Sammenfattende, når vi anlægger et historisk synspunkt og et højere niveau, mens vi opretholder de samme grupperinger, ser disse markante forskelle i Covid-19-dødelighedsrater ikke ud til at oversætte til overordnede moralske rater. Hvorfor?


Med fare for, at denne analyse bliver til endnu en pile-on, der peger på New York Times fejl, Jeg vil gerne give en mere godartet forklaring. Det er en, der har plaget journalister og rapporter under hele pandemien. Hvorfor er det, at alt er indrammet i rødt og blåt? En simpel grund: tilgængeligheden af ​​data. Leonhardt bruger data, der er let tilgængelige og allerede er formateret til nem analyse.

Det er det, man kalder en tilgængelighed bias. Det er i bund og grund at skabe en hypotese eller fuldføre en undersøgelse baseret på et specifikt sæt af data, rent af ingen anden grund end at dataene er der. Bare fordi dataene er tilgængelige, betyder det ikke, at det er de bedste data at bruge til at forsøge at besvare et spørgsmål.

Republikanere er også mennesker

Hvorfor betyder alt dette noget? Vi er trods alt kommet til at acceptere, at mainstream-rapportering og kabelnyheder har en venstreorienteret skævhed. Hvad er den store sag? 

Når det kommer til befolkningens sundhed, er målet at fremme sundhed og velvære for alle, og når folkesundhedsmeddelelser og -rapportering bliver uforskammet partipolitiske og anvender taktikken med anklage og skam, vil det højst sandsynligt have den modsatte effekt af fremme bedre sundhed.

Konservative og "Røde Amter" har også brug for gode sundhedsråd. De skal kunne stole på kilden. Selv tager NYT's præmis om "Red Covid" for pålydende, hvem hjælper denne besked? Det er klart ikke de mennesker, de beskriver. 


Data Sources:

https://wonder.cdc.gov/wonder/help/ucd.html#2000%20Standard%20Population

https://data.cdc.gov/NCHS/AH-County-of-Occurrence-COVID-19-Deaths-Counts-202/6vqh-esgs/data

https://wonder.cdc.gov/

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

Journal Papers:

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

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

Genudgivet fra forfatterens understak



Udgivet under a Creative Commons Attribution 4.0 International licens
For genoptryk, sæt venligst det kanoniske link tilbage til originalen Brownstone Institute Artikel og forfatter.

Forfatter

  • Josh Stevenson

    Josh bor i Nashville Tennessee og er en datavisualiseringsekspert, der fokuserer på at skabe letforståelige diagrammer og dashboards med data. Under hele pandemien har han leveret analyser for at støtte lokale fortalergrupper for personlig læring og andre rationelle, datadrevne covid-politikker. Hans baggrund er i computersystemteknik & rådgivning, og hans bachelorgrad er i Audio Engineering. Hans arbejde kan findes på hans understak "Relevante data."

    Vis alle indlæg

Doner i dag

Din økonomiske støtte fra Brownstone Institute går til at støtte forfattere, advokater, videnskabsmænd, økonomer og andre modige mennesker, som er blevet professionelt renset og fordrevet under vores tids omvæltning. Du kan hjælpe med at få sandheden frem gennem deres igangværende arbejde.

Abonner på Brownstone for flere nyheder

Hold dig informeret med Brownstone Institute