ได้ ฉันจะทำการวิเคราะห์ถดถอย แต่ผลลัพธ์คงไม่ใช่แบบที่คุณพอใจ

 (natesilver.net)
1 คะแนน โดย GN⁺ 2023-10-02 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • ในข้อถกเถียงเรื่องอัตราการเสียชีวิตจาก COVID ตามรัฐของสหรัฐฯ แนวโน้มทางการเมืองของพรรค และ อัตราการฉีดวัคซีน ยังคงทำนายอัตราการเสียชีวิตหลังวันที่ 1 กุมภาพันธ์ 2021 ได้อย่างชัดเจน แม้จะควบคุมสัดส่วนประชากรอายุ 65 ปีขึ้นไปแล้วก็ตาม
  • เมื่อเพิ่มตัวแปรควบคุมเข้าไปเรื่อย ๆ ความเสี่ยงจาก อิสระของผู้วิจัย และการ overfitting ก็จะสูงขึ้น ดังนั้นในการถกเถียงสาธารณะ ข้อเท็จจริงเชิงแบบแผนที่เรียบง่ายแต่ทนต่อการตรวจสอบมักมีประโยชน์มากกว่า
  • เมื่อนำส่วนต่างคะแนนที่ Biden ได้รับในปี 2020 มาเทียบกับจำนวนผู้เสียชีวิตจาก COVID ต่อประชากร 1 ล้านคนของแต่ละรัฐหลังวันที่ 1 กุมภาพันธ์ 2021 พบว่า ยิ่ง Biden นำมาก อัตราการเสียชีวิตยิ่งต่ำ และความสัมพันธ์นี้ปรากฏเฉพาะหลังเริ่มมีวัคซีนเท่านั้น
  • แม้จะใส่สัดส่วนประชากรอายุ 65 ปีขึ้นไปเข้าไปด้วย ค่าสัมประสิทธิ์และนัยสำคัญทางสถิติของ แนวโน้มทางการเมืองของพรรค ก็แทบไม่เปลี่ยน ขณะที่ อัตราการฉีดวัคซีน ทำหน้าที่เป็นตัวแปรอธิบายที่แรงกว่ามาก
  • แม้ยังมีข้อโต้แย้งเรื่องวิธีนับสาเหตุการเสียชีวิต โรคร่วม และผลของมาตรการไม่ใช้ยา แต่ความแตกต่างของอัตราการเสียชีวิตระหว่างรัฐเชื่อมโยงกับ ความแตกต่างของอัตราการฉีดวัคซีน มากกว่าเรื่องอายุ

ทำไมจึงให้ความสำคัญกับการวิเคราะห์แบบง่ายก่อน

  • ในการถกเถียงเรื่องสถิติสาธารณะ ผู้เขียนยึดหลักว่า ยิ่งการวิเคราะห์ เรียบง่าย ก็ยิ่งดี
  • ยิ่งใส่ตัวแปรควบคุมมากขึ้น ก็ยิ่งมีจุดตัดสินใจในการจัดการตัวเลขของผู้วิเคราะห์มากขึ้น หรือก็คือ อิสระของผู้วิจัย
  • แน่นอนว่าบางครั้งจำเป็นต้องควบคุมตัวแปรกวน
    • ในความสัมพันธ์ระหว่างการบริโภคไอศกรีมกับการจมน้ำ สภาพอากาศในฤดูร้อนเป็น ตัวแปรกวน ที่ชัดเจน
  • แต่เมื่อเพิ่มความซับซ้อน ความเสี่ยงของ overfitting ก็เพิ่มขึ้นด้วย
  • หากสามารถชี้ประเด็นสำคัญได้ด้วยสถิติแบบสรุปง่าย ๆ หรือวิธีที่เข้าใจได้ตรงไปตรงมา วิธีนั้นมักมีประสิทธิภาพกว่าในการถกเถียงออนไลน์

จุดตั้งต้นของข้อถกเถียงเรื่องนโยบาย COVID

  • จุดตั้งต้นของบทความก่อนหน้าคือข้อเท็จจริงเชิงแบบแผน 2 ข้อ
    • ก่อนวัคซีนแพร่หลาย อัตราการเสียชีวิตจาก COVID ระหว่าง blue states และ red states ไม่ได้ต่างกันมาก
    • หลังวัคซีนแพร่หลาย อัตราการเสียชีวิตของ red states สูงกว่า และมีแนวโน้มสูงว่าเป็นเพราะอัตราการฉีดวัคซีนของ Republican ต่ำกว่า
  • ข้ออ้างนี้เป็นประเด็นถกเถียงมากขึ้นจากภายนอก และ Martin Kulldorff วิจารณ์ว่า การเปรียบเทียบที่ไม่ปรับความแตกต่างด้านอายุเฉลี่ยของแต่ละรัฐอาจทำให้เข้าใจผิด
  • Kulldorff เป็นศาสตราจารย์แห่ง Harvard Medical School และเป็นหนึ่งในผู้เขียนหลักของ Great Barrington Declaration แถลงการณ์ต้านการล็อกดาวน์เมื่อเดือนตุลาคม 2020
  • การเปรียบเทียบในช่วงก่อนวัคซีนกลับยิ่งสนับสนุนมุมมองที่ว่า มาตรการไม่ใช้ยาอาจไม่ได้ผลชัดเจนและมีต้นทุนสูง

ความแตกต่างระหว่างรัฐที่อธิบายด้วยอายุอย่างเดียวได้ยาก

  • แม้ COVID จะอันตรายถึงชีวิตกับผู้สูงอายุมากกว่ามาก แต่ผู้เขียนมองว่า แนวโน้มทางการเมืองของพรรค กับโครงสร้างอายุของแต่ละรัฐแทบตั้งฉากกัน และยิ่งไม่สัมพันธ์กับอัตราการฉีดวัคซีนมากไปกว่านั้น
  • ความแตกต่างของโครงสร้างอายุระหว่างรัฐต่าง ๆ ในสหรัฐฯ ไม่ได้มากนัก
    • หากดูจากสัดส่วนประชากรอายุ 65 ปีขึ้นไป ทุกรัฐยกเว้น 9 รัฐอยู่ในช่วงแคบ ๆ ที่มากกว่า 15% แต่น้อยกว่า 20%
  • แม้ใน 4 รัฐที่มีสัดส่วนผู้สูงอายุใกล้เคียงกัน อัตราการเสียชีวิตจาก COVID ต่อประชากร 1 ล้านคนหลังวันที่ 1 กุมภาพันธ์ 2021 ก็ยังแตกต่างกันมาก
    • West Virginia: 3,454
    • Florida: 2,992
    • Maine: 1,881
    • Vermont: 1,210
  • ทั้ง 4 รัฐนี้มีสัดส่วนผู้สูงอายุแทบเท่ากัน แต่ความต่างของอัตราการเสียชีวิตสอดคล้องกับความต่างของอัตราการฉีดวัคซีนที่แยกตามพรรคการเมือง

โครงสร้างของการวิเคราะห์ถดถอย

  • การวิเคราะห์ถดถอยถูกใช้เป็นวิธีแยกผลของตัวแปรหลายตัว
  • ในการถดถอยตัวแปรเดียวครั้งแรก ตัวแปรตามคือ covid_deaths_late
    • จำนวนผู้เสียชีวิตจาก COVID ต่อประชากร 1 ล้านคนหลังวันที่ 1 กุมภาพันธ์ 2021
    • แหล่งข้อมูลคือข้อมูล COVID ของสหรัฐฯ จาก Worldometers
    • วันที่ 1 กุมภาพันธ์ 2021 เป็นการประมาณช่วงเวลาที่วัคซีนเริ่มถูกจัดให้กับกลุ่มเปราะบางอย่างกว้างขวาง
  • ตัวแปรอิสระ biden คือส่วนต่างที่ Joe Biden ชนะหรือแพ้ Donald Trump ในการเลือกตั้งประธานาธิบดีปี 2020
  • ผลคือ ยิ่ง Biden ชนะด้วยส่วนต่างมาก อัตราการเสียชีวิตจาก COVID หลังวันที่ 1 กุมภาพันธ์ 2021 ก็ยิ่งต่ำ
  • ความสัมพันธ์นี้ไม่พบในช่วงแรกของ COVID และปรากฏเฉพาะหลังเริ่มมีการให้วัคซีนเท่านั้น

ผลของแนวโน้มทางการเมืองยังคงอยู่แม้ควบคุมอายุแล้ว

  • ในการถดถอยถัดมา มีการเพิ่มตัวแปร senior ซึ่งเป็นสัดส่วนประชากรอายุ 65 ปีขึ้นไปของแต่ละรัฐ
  • รัฐที่มีสัดส่วนผู้สูงอายุมากกว่ามีผู้เสียชีวิตจาก COVID หลังวันที่ 1 กุมภาพันธ์ 2021 มากกว่า และความต่างนี้มีนัยสำคัญทางสถิติ
  • อย่างไรก็ตาม แม้เพิ่มอายุเข้าไปแล้ว ค่าสัมประสิทธิ์และนัยสำคัญทางสถิติของตัวแปร biden ก็แทบไม่เปลี่ยนในสาระสำคัญ
  • แนวโน้มทางการเมืองของแต่ละรัฐยังคงทำนายอัตราการเสียชีวิตจาก COVID ได้อย่างชัดเจน แม้จะควบคุมอายุแล้วก็ตาม

อัตราการฉีดวัคซีนเป็นตัวแปรอธิบายที่ตรงกว่า

  • นี่ไม่ได้หมายความว่า COVID มีผลเล่นงาน Republican มากกว่าโดยเนื้อแท้
  • สมมติฐานหลักคือ COVID อันตรายถึงชีวิตต่อผู้ไม่ได้ฉีดวัคซีนมากกว่ามาก และ Republican มีแนวโน้มฉีดวัคซีนน้อยกว่า Democrat
  • ในโมเดลถัดไป มีการเพิ่ม vax_rate ซึ่งเป็นสัดส่วนประชากรของแต่ละรัฐที่ “fully vaccinated”
    • “fully vaccinated” หมายถึงการฉีด Pfizer หรือ Moderna ครบ 2 เข็มตามชุดเริ่มต้น หรือ Johnson & Johnson 1 เข็มตามชุดเริ่มต้น
    • ไม่ได้กำหนดให้ต้องฉีด booster
  • เมื่อใส่ vax_rate เข้าไป ตัวแปรนี้ทำนายอัตราการเสียชีวิตจาก COVID ได้แรงกว่า biden มาก
  • สุดท้าย ต่อให้ตัด biden ออกและเหลือแค่อายุกับอัตราการฉีดวัคซีน ตัวแปรสองตัวนี้ก็ยังอธิบายความแปรปรวนของอัตราการเสียชีวิตจาก COVID รายรัฐหลังเดือนกุมภาพันธ์ 2021 ได้มากกว่าครึ่ง

ข้อโต้แย้งที่ยังเหลือและขอบเขตของความแข็งแรงของข้อสรุป

  • การระบาดของ COVID มี ความสุ่ม อยู่มาก เช่น การที่สายพันธุ์บางชนิดเข้าไปตั้งหลักในบางพื้นที่อย่างคาดเดาได้ยาก
  • ยังมีคำถามเพิ่มเติมที่ควรพิจารณา
    • โรคร่วมแตกต่างกันไปในแต่ละรัฐ
    • วิธีนับผู้เสียชีวิตจาก COVID อาจไม่เหมือนกันในแต่ละรัฐ
    • ข้ออ้างว่ามาตรการไม่ใช้ยาก่อนยุควัคซีนไม่ได้ผลจริง ๆ ยังเป็นข้อสรุปที่แข็งแรงน้อยกว่า
  • แต่ข้ออ้างที่แข็งแรงจะไม่เปลี่ยนหมวดง่าย ๆ เพียงเพราะมีข้อโต้แย้งเล็กน้อย ระดับกลาง หรือบางครั้งแม้แต่ค่อนข้างใหญ่
  • หากวิธีนับผู้เสียชีวิตมีมาตรฐานมากขึ้น พลังการทำนายของอัตราการฉีดวัคซีนอาจจะแข็งแรงขึ้นหรือไม่ก็ได้ แต่ผู้เขียนไม่เห็นว่าใจความสำคัญจะเปลี่ยนจาก “จริงอย่างชัดเจน” ไปเป็น “น่าสงสัย” หรือ “น่าจะไม่จริง”

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2023-10-02
ความคิดเห็นจาก Hacker News

  • ในฐานะพลเมืองสหรัฐฯ ผมเคยแนะนำให้คนรอบตัวทำตาม มาตรการควบคุม COVID และก็ชอบ Nate Silver ด้วย แต่ในบทความนี้ สิ่งที่สะดุดตาผมมีแค่ตอนที่เขาบอกว่าโดยรวมเห็นด้วยกับแถลงการณ์ต่อต้านการล็อกดาวน์เมื่อเดือนตุลาคม 2020
    ตอนนั้นเป็นจุดยืนที่อิงจากข้อมูลที่ยืนยันได้ในขณะนั้น ดังนั้นผมไม่เสียใจกับการตัดสินใจของตัวเอง แต่ก็อยากให้สังคมยอมรับว่าการลากมาตรการล็อกดาวน์ให้นานเกินไปนั้น โดยรวมแล้วเป็นเรื่องผิด ฝ่ายซ้ายเองก็ไม่ได้เสียหายอะไรจากความถ่อมตัว

    • มาตรการที่ดูเหมือนน่าจะได้ผล แต่คนบอกกันว่าจริง ๆ แล้วไม่ได้ผล คือ หน้ากาก และ การปิดโรงเรียน
      หน้ากากได้ผลอย่างชัดเจนกับบุคลากรทางการแพทย์ที่ดูแลผู้ป่วยในระลอกแรก และแม้จะสัมผัสโดยตรงก็ไม่ได้ป่วย แล้วทำไมกับประชาชนทั่วไปถึงไม่ได้ผล? เพราะไม่ได้ใส่อย่างถูกต้องและสม่ำเสมอหรือเปล่า? โรงเรียนก็ดูเหมือนจะต้องเป็นตัวกลางแพร่เชื้อรายใหญ่ และเด็ก ๆ โดยมากไม่มีอาการ แต่ถึงป่วยก็อาจแพร่ไปทั้งในและนอกโรงเรียน รวมถึงไปยังสมาชิกครอบครัวที่เปราะบางได้ การปิดโรงเรียนเป็นความผิดพลาดหรือควรทำให้ต่างออกไป?
    • เกี่ยวกับ COVID แทบทุกคนเคยผิดพลาดไม่น้อยในบางช่วงเวลา แต่มีไม่กี่คนที่ยอมรับ
      ผมเองก็ผิดหลายเรื่อง ตั้งแต่การล้างมือฆ่าเชื้อ ทั้งที่จริง ๆ แล้วการแพร่เชื้อทางอากาศเป็นประเด็นหลัก ไปจนถึงการคิดว่าวัคซีนจะยุติสถานการณ์นี้ได้
    • ตอนนี้ก็ยังมีคนที่กำลังผิดแบบใหม่อยู่
      เช่น การอ้างว่าในเดือนตุลาคม 2020 รัฐบาลกำลังบังคับใช้มาตรการล็อกดาวน์อย่างเข้มงวด ทั้งที่จริง ๆ แล้วมีหลักฐานชัดเจนว่าผู้คนเลือกจะอยู่บ้านมากกว่าเอง และตัวอย่างหนึ่งก็คือสัดส่วนการทำงานในออฟฟิศที่จนถึงตอนนี้ก็ยังอยู่ในระดับต่ำเป็นประวัติการณ์ ตั้งแต่วิดีโอจากจีนออกมาในเดือนมกราคม 2020 ผมไม่เคยผิดเลยสักครั้ง และเป็นเรื่องน่าสนใจที่ได้เห็นผู้คนคิดมากเกินไป ทำให้เป็นประเด็นศีลธรรม และหมกมุ่นอย่างคลั่งไคล้กับเรื่องปลีกย่อยซ้อนปลีกย่อย ทั้งที่มีข้อเท็จจริงง่าย ๆ สามข้อซึ่งแม้แต่นักเรียนมัธยมก็รู้ คือ “โรคทางเดินหายใจที่แพร่เชื้อได้สูงเป็นเรื่องแย่, วัคซีนไม่ได้ป้องกันการติดเชื้อหรือการแพร่เชื้อ, ผู้คนชอบทำงานจากบ้าน”

  • ตอนนั้นบรรยากาศเป็นแบบที่ถ้ายกเรื่องทำนองนี้ขึ้นมา ก็จะถูกเหมารวมทันทีว่าผมเป็น พวกต่อต้านวัคซีน เลยพูดได้ยาก
    ผมสงสัยว่ามีความพยายามคำนวณต้นทุน-ผลประโยชน์ของมาตรการต่าง ๆ และว่าควรสุดโต่งไปถึงระดับไหนบ้างหรือไม่ ความเสียหายอย่างภาวะซึมเศร้า ความโดดเดี่ยว หรือเด็ก ๆ ที่เสียเวลาเรียนไปครึ่งปีนั้นเทียบกับความตายได้ยาก และดูเผิน ๆ แน่นอนว่าการมีคนตายย่อมแย่กว่ามาก แต่ถ้าทุกสิ่งที่เราทำไปเป็นไปเพื่อช่วยชีวิตคนเพียงคนเดียว โดยทั่วไปก็คงถือว่าไม่คุ้มค่า และเมื่อเพิ่มเป็น 10 คน 1,000 คน 10,000 คน ก็จะมีจุดเชิงอัตวิสัยบางจุดที่คนจำนวนมากเริ่มเห็นด้วย ด้วยข้อมูลตอนนี้ ดูเหมือนน่าจะรวบรวมตัวอย่างพื้นที่ที่มีกฎต่างกันได้มากพอ เพื่อทำให้เป็นเชิงปริมาณได้ประมาณว่า “หน้ากากช่วยชีวิตได้ x คนต่อ 1,000 คน”, “การปิดโรงเรียนช่วยได้ y คนต่อ 1,000 คน” จากนั้นก็จะตัดสินได้ว่าชีวิต x คนมีค่าพอให้ยอมรับความเสียหายเชิงคุณภาพหรือไม่ และสำหรับ y อาจไม่ใช่ก็ได้

    • การคำนวณต้นทุน-ผลประโยชน์ โดยดูจากการตายส่วนเกินไม่ใช่ประเด็นหลัก
      แม้ในช่วงการระบาดแรก ๆ ก็เห็นชัดว่าข้อจำกัดหลักของผู้กำหนดนโยบายคือความไม่แน่นอนเกี่ยวกับไวรัส การขาดอุปกรณ์ป้องกัน และจำนวนเตียง ICU ไม่พอ ถ้าไม่มีอุปกรณ์ป้องกัน ก็ไม่มีทางลดการแพร่เชื้อได้โดยไม่แยกกัก และถ้า ICU เต็ม อัตราตายจะเพิ่มเป็นสองเท่า ผู้คนจะตายตามท้องถนน และระบบสาธารณสุขจะล่มสลาย การล่มสลายของระบบสาธารณสุขไม่ใช่ทางเลือกเชิงนโยบายที่อยู่ร่วมกับเศรษฐกิจที่ทำงานได้ และการตายที่ไม่ใช่ COVID ก็จะเพิ่มขึ้นด้วย หัวใจวาย อุบัติเหตุจราจร ไปจนถึงการคลอดบุตร ล้วนกลายเป็นปัจจัยการตายได้ ความคิดที่ว่าผู้กำหนดนโยบายกำลังชั่งน้ำหนักระหว่าง “ปู่ย่าตายายตายเร็วขึ้นไม่กี่ปี” กับ “ความโดดเดี่ยวทางสังคมของหลาน” ควรถูกเลิกไปได้แล้ว
    • มีบทความวิชาการที่พยายามทำเรื่องนี้ และเมื่อไม่นานมานี้ก็มีบทความที่ดูว่านโยบายให้อยู่บ้านลด การตายส่วนเกิน โดยรวมหรือไม่: https://onlinelibrary.wiley.com/doi/full/10.1002/hec.4737
      “ด้วยแนวทาง event study ที่ใช้ข้อมูลจาก 43 ประเทศและทุกรัฐของสหรัฐฯ เราวัดการเปลี่ยนแปลงของการตายส่วนเกินหลังการบังคับใช้นโยบายให้อยู่บ้าน (SIP) สำหรับ COVID-19 เราไม่พบผลลัพธ์ว่าประเทศหรือรัฐที่บังคับใช้นโยบาย SIP เร็วกว่าจะมีการตายส่วนเกินต่ำกว่า แม้จะคำนึงถึงอัตราการตายจาก COVID-19 ก่อน SIP แล้ว ก็ไม่พบความแตกต่างของการตายส่วนเกินก่อนและหลังการบังคับใช้ SIP”
    • ในแคนาดา มีมาตรการจำกัดจำนวนมากที่ผูกกับขีดความสามารถของโรงพยาบาล
      เมื่อเตียง ICU ที่ใช้งานได้ลดลง ก็เพิ่มข้อจำกัดมากขึ้น และหากเป็นตรงกันข้ามก็ผ่อนคลาย โดยเฉพาะอย่างยิ่งมีการโฟกัสที่ การตายที่ป้องกันได้ แบบ “ช่วยชีวิตได้ แต่ต้องส่งกลับเพราะไม่มีเตียง” และโดยสัญชาตญาณแล้วผมมองว่าเป็นแนวทางที่แข็งแรง การตายที่ป้องกันได้เป็นเรื่องน่าเศร้าจริง ๆ
    • ผู้คนยังไม่ค่อยรู้ด้วยซ้ำว่าควรคิดเรื่องนี้อย่างไร
      สิ่งสำคัญไม่ใช่จำนวนชีวิต แต่คือ จำนวนปีชีวิตที่สูญเสียไป เช่น การตายของเด็กที่ยังเหลือชีวิตอีกเกือบทั้งชีวิตนั้นแย่กว่าการตายของผู้สูงอายุที่ใกล้วาระสุดท้ายอยู่แล้ว สถิติปัจจุบันมุ่งแต่จำนวนผู้ตาย ไม่ใช่จำนวนปีอายุคาดเฉลี่ยที่สูญเสียไป จึงทำให้แม้แต่การประเมิน trade-off ระหว่างนโยบายต่าง ๆ อย่างเป็นธรรมก็ยังทำได้ยาก
    • ตอน COVID ผมก็คิดแบบเดียวกัน แต่ตามที่บอก คนอื่น ๆ ไม่อยากคุยเรื่องแบบนี้
      COVID เป็นเรื่องร้ายแรง แต่ปฏิกิริยาของสหรัฐฯ แปลกมาก วิธีใส่หน้ากากในร้านอาหารคงจะเป็นหนึ่งในช่วงเวลาที่พิลึกที่สุดในประวัติศาสตร์สหรัฐฯ

  • ผมสงสัยเลยลองค้นดู พบว่าสิ่งที่เขาใช้น่าจะเป็น Stata: https://www.reed.edu/psychology/stata/analyses/parametric/Re...

    • https://en.m.wikipedia.org/wiki/Stata
      https://www.stata.com/
    • ผมกำลังหาที่ดาวน์โหลด แต่ในเว็บไซต์แทบไม่มีข้อมูลที่เกี่ยวข้องเลย คำอธิบายที่ใกล้เคียงที่สุดคือข้อความแบบนี้
      “ในคอมพิวเตอร์ห้องแล็บของ Reed ทุกเครื่อง Stata อยู่ในโฟลเดอร์ Applications” “คุณหา Stata ได้ในโฟลเดอร์ Applications ของคอมพิวเตอร์โรงเรียน ส่วนบน PC น่าจะอยู่ใน Program Files” นี่หมายความว่ามันไม่ใช่โอเพนซอร์ส และก็หาซื้อเชิงพาณิชย์ไม่ได้ด้วยหรือเปล่า? อย่างใดอย่างหนึ่งก็น่าจะต้องเป็นไปได้สิ ค่อนข้างแปลก
    • ถ้าใช้ statsmodels ของ Python ก็ทำงานคล้าย ๆ กันได้ และทำ UI ผลลัพธ์ในเทอร์มินัลให้คล้ายกันได้ด้วย: https://www.statsmodels.org/stable/index.html

  • เนื้อหาหลักของบทความนี้พูดถึงนโยบาย COVID และการใช้วัคซีน จึงมีการถกเถียงในส่วนนั้นตามมา แต่แก่นของเรื่องดูเหมือนจะเป็นประเด็นที่ทั่วไปกว่านั้น
    “เป้าหมายของผมคือการมุ่งเน้นและย้ำข้อเท็จจริงเชิงสไตไลซ์ที่โดยรวมแล้วเป็นจริงและมั่นคง ผมชอบข้ออ้างที่เรียบง่ายหรือดูเรียบง่าย และข้ออ้างที่ต่อให้เน้นย้ำมากแค่ไหนก็ไม่เกินไป แต่คาดว่าจะทนต่อการตรวจสอบได้” ในฐานะคนที่นำเสนอผลการวิเคราะห์และผลจากโมเดลเป็นอาชีพ ผมเห็นด้วยอย่างยิ่ง แค่นำเสนอผลลัพธ์ที่เรียบง่ายที่สุดซึ่งสื่อประเด็นได้ แล้วก็ไปต่อก็พอ จะพูดเสริมว่า “ยังคงเป็นจริงแม้พิจารณา x, y, z แล้ว” หรือถ้ามีผู้ฟังที่พร้อมโจมตี ก็ใส่การวิเคราะห์นั้นไว้ในสไลด์สำรอง ไม่มีใครสนใจว่าโมเดลซับซ้อนแค่ไหน เขาดูแค่ว่ามันใช้ได้หรือไม่

    • ถ้าจะพูดอย่างเป็นธรรม อัตราการเสียชีวิตจาก COVID เชื่อมโยงกับผู้สูงอายุ มากเป็นพิเศษ อย่างแรงมาก ดังนั้นการไม่พิจารณาปัจจัยนี้ก็น่าสงสัยพอสมควร
      ในบทความ Nate เองก็พูดว่าสัดส่วนประชากร Mormon ใน Utah สูงกว่าถึง 100 เท่า และนั่นเป็นผลที่มีนัยสำคัญ อัตราการเสียชีวิตจาก COVID ในกลุ่มอายุ 85 ปีขึ้นไปสูงกว่ากลุ่มอายุน้อยมากเกิน 100 เท่า ผมไม่ได้สงสัยผลลัพธ์เอง แต่เมื่อวิเคราะห์ COVID การปรับตามอายุเป็นคำถามที่สมควรถามอย่างยิ่งไม่ว่าจะสรุปอะไร

  • การโฟกัสที่ผู้เสียชีวิตทำให้พลาดปัญหาสังคมที่ใหญ่กว่าไปบางส่วน
    ความเสียหายจาก COVID เกี่ยวข้องกับ Long COVID และยังเกี่ยวข้องกับคนที่ฟื้นตัวเต็มที่หรือไม่มีอาการด้วย มันยังไม่จบ และเราพังกันหนักจริง ๆ กล่าวคือ Great Barrington Declaration ผิดตั้งแต่ทิศทางแล้ว หากหวังจะกลับสู่ภาวะปกติ ควรปรับให้เหมาะที่สุดเพื่อกำจัด COVID ให้ได้มากที่สุด ความตายไม่ใช่ปัญหาเดียวของ COVID ตอนนี้สายเกินไปแล้ว แต่คนที่สนับสนุนแถลงการณ์นั้นเป็นหมอเถื่อน และควรถูกเพิกถอนใบอนุญาต

    • เห็นได้ชัดว่า SARS-CoV-2 จะยังคงอยู่ต่อไป ดังนั้นในความหมายนั้นมันยังไม่จบ
      แต่เกินกว่านั้น ผมเห็นด้วยได้ยากกับคำว่า “เราพังกันจริง ๆ” COVID กัดกร่อนอายุคาดเฉลี่ยไปเล็กน้อย และ Long COVID ก็กัดกร่อนผลิตภาพกับความพึงพอใจในชีวิตไปเล็กน้อยก็จริง แต่ในภาพใหญ่มันไม่ได้มีสัดส่วนใหญ่มากนัก ปัจจุบันในสหรัฐฯ ผู้เสียชีวิตจาก COVID ยังไม่ถึงครึ่งของผู้เสียชีวิตจากมะเร็งปอด และผู้เสียชีวิตเหล่านั้นส่วนใหญ่เป็นผู้สูงอายุอย่างท่วมท้น อาจฟังดูเย็นชา แต่การทำให้อายุขัยของคนที่เกษียณมานานแล้วสั้นลงไม่กี่ปีไม่ได้ทำให้ประเทศล่มสลาย ในกลุ่มอายุต่ำกว่า 18 ปี แทบไม่มีการเสียชีวิตจาก COVID และในกลุ่มวัยทำงาน กรณีที่นำไปสู่การเข้าโรงพยาบาลหรือความอ่อนแอระยะยาวก็พบได้น้อย แน่นอนว่าคนที่ทุกข์ทรมานย่อมทุกข์ทรมาน และเราไม่ควรเมินเฉยต่อพวกเขา แต่ในฐานะวิกฤตสาธารณสุข COVID โดยมากถือว่าจบแล้ว
    • ผมเป็นคนชอบแนววันสิ้นโลกมากกว่าค่าเฉลี่ยมาก แต่ก็ไม่ได้ดูเหมือนว่า “เราพังกันจริง ๆ” เลย
      ผมติด COVID อย่างน้อยสองครั้ง และหนึ่งเดือนหลังหายก็มีอาการเลวร้ายจนมั่นใจว่าเป็น Long COVID แต่ผ่านไปไม่กี่เดือน และตอนนี้ผ่านมาหลายปีแล้ว ปรากฏว่าไม่ใช่ ผมรู้จักคนจำนวนมากที่เสียครอบครัวจาก COVID แต่ไม่รู้จักคนที่มีอาการ Long COVID รุนแรง หรือคนที่รู้จักคนแบบนั้น ผมไม่ได้สงสัยว่า Long COVID ไม่มีอยู่จริง แต่จากการสังเกตของผม ผมสงสัยอย่างมากว่า COVID เป็นสาเหตุของ “เราพังกันแล้ว” ความแปลกประหลาดหลัง COVID ผมมองว่าเกิดจากหลายเหตุผล รวมถึงการเปลี่ยนแปลงสภาพภูมิอากาศที่ดำเนินอย่างรวดเร็ว ทำให้ผู้คนเครียดมหาศาล และในขณะเดียวกันก็ไม่สามารถพูดหรือคลายความเครียดนั้นได้อย่างเหมาะสม ถ้ามีข้อมูลดี ๆ ผมก็อยากอ่าน
    • หมายถึงในแง่ไหน? ผมอยู่ในรัฐที่อนุรักษนิยมมาก และในชุมชนของผม ผมไม่ได้รู้สึกว่ามี ความเสียหาย ครั้งใหญ่เพราะ COVID
      ไม่ว่าเรื่องอะไร ถ้าหมกมุ่นมากพอก็ทำให้ตัวเองหวาดกลัวได้ ถ้า doomscroll บทความเรื่องเบาหวานชนิดที่ 2 มากพอ คุณอาจลงเอยด้วยความเชื่อว่าเมื่อเทียบกับภาวะแทรกซ้อนของมันแล้ว COVID เป็นปัญหาสาธารณสุขของสหรัฐฯ ที่เล็กน้อยที่สุดก็ได้
    • ผมยังไม่ได้อ่านรายละเอียดของ Great Barrington Declaration แต่การประเมินว่า “เห็นชัดว่าเป็นหมอเถื่อน” อาจสับสนได้เพราะปัจจัยบางอย่าง
      โดยเฉพาะในปี 2020 และแม้กระทั่งตอนนี้ ผลกระทบเฉพาะของ Long COVID กับผลข้างเคียงอื่น ๆ ยังทำนายได้ยากเมื่อเทียบกับความเสียหายอย่างสุขภาพจิตที่แย่ลงจากการล็อกดาวน์หรือการรักษาที่ล่าช้า และก็ไม่มีข้อมูลเชิง counterfactual ที่แสดงผลกระทบ 3 ปี 5 ปี 10 ปีของการล็อกดาวน์หลายปี อีกทั้งในสถานการณ์ที่ไม่มีรัฐบาลโลก ทำให้การล็อกดาวน์ทั่วโลกและการกำจัด COVID เป็นไปไม่ได้ ทิศทางก็เปลี่ยนไปเอง หากประชากรจำนวนมากพอไม่เข้าร่วมยุทธศาสตร์กำจัดโรค ยุทธศาสตร์นั้นก็จะเป็นไปได้น้อยลงและแพงขึ้นสำหรับคนที่เหลือ โดยส่วนตัว ผมลดความคาดหวังต่อความเป็นไปได้ในการกำจัดโรคไปพอสมควรตั้งแต่ตอนที่สายพันธุ์แรก ๆ เริ่มปรากฏในแอฟริกาใต้และยุโรป ผมสงสัยว่าในประเทศที่ล็อกดาวน์ได้ค่อนข้างสำเร็จอย่างนิวซีแลนด์หรือญี่ปุ่น ตอนนี้อัตราการติดเชื้อและสัดส่วน Long COVID อยู่ที่ประมาณเท่าไร
    • การกำจัด COVID นั้นโดยคร่าว ๆ ไม่ใช่ทางเลือกมาตั้งแต่ราว มกราคม 2020 แล้ว
      การกำจัดบางส่วนที่นัยอยู่ในวลี “ให้มากที่สุดเท่าที่เป็นไปได้” ก็ไม่ใช่ทางเลือกเช่นกัน และมันเป็นแบบทั้งหมดหรือไม่ก็ไม่มีเลยเสมอมา

  • ตั้งตารอว่าอีก 20 ปีข้างหน้า เมื่อทุกคนลืมจุดยืนทางการเมืองไปแล้ว เราจะได้รู้ว่าแท้จริงแล้ว COVID คืออะไร

    • ขอให้โชคดี แม้แต่ไข้หวัดใหญ่ “รัสเซีย” ปี 1977 วงวิชาการก็ยังถกเถียงกันอยู่ [1]
      [1] https://en.wikipedia.org/wiki/1977_Russian_flu
    • ในระดับปัจเจก ถ้ารู้จักคัดกรองทฤษฎีสมคบคิดที่มีความเป็นไปได้น้อย อะไรทำนองนั้น ผมไม่เห็นว่ามีเรื่องไม่ชัดเจนมากนักเกี่ยวกับ COVID
      อยากรู้ว่าคุณมองว่าข้อมูลที่โดยทั่วไปเป็นที่ยอมรับแล้วถูกทำให้ปนเปื้อนด้วยการเมืองในลักษณะใด

  • บางครั้ง Nate ก็ทำตัวเบา ๆ และหยาบคายบน Twitter แต่ดูเหมือนเขาจะติดเบ็ดเต็ม ๆ กับคำวิจารณ์ที่มีต่อตัวเอง
    โดยแก่นแล้ว บทความนี้ใกล้เคียงกับ “เพราะผู้คนคาดเดาอย่างไม่มีหลักฐานเกี่ยวกับข้อกล่าวอ้างที่ผมเคยพูดไว้ ผมเลยจะใช้เวลามากมายพิสูจน์บางอย่างที่พวกเขาไม่สนใจ”

    • คำว่า “ผู้คน” ดูไม่ค่อยเหมาะ
      เพราะอย่างน้อยส่วนหนึ่งก็เป็นบทความที่ตอบกลับ Martin Kulldorff ศาสตราจารย์คณะแพทย์ Harvard นักชีวสถิติ และผู้ร่วมเขียน GBD
    • ในฐานะคนดูอยู่ข้าง ๆ การประเมินนั้นก็ดูถูกต้อง แต่ตอนท้ายบทความ Nate เองก็บอกว่าแทบไม่มีความหวังที่จะโน้มน้าวผู้คนบน Twitter/X
      บางทีเป้าหมายที่ใหญ่กว่าน่าจะเป็นการสร้างความน่าเชื่อถือกับฐานผู้อ่านของตัวเอง
    • ผมคิดว่า Twitter เป็นบ่อโคลนคลั่งไคล้และจะเป็นชิ้นส่วนใหญ่ชิ้นหนึ่งของการล่มสลายของมนุษยชาติ แต่ผมไม่ค่อยเห็นด้วยกับความเห็นนี้
      ไม่ว่าจะเขียนบล็อกโพสต์นี้ด้วยเหตุผลอะไร ตัวบทความเองน่าสนใจและมีข้อคิดจริง ๆ รายละเอียดและความชัดเจนของความคิดก็ดี ตัวอย่างเช่น การวิเคราะห์ช่วงท้ายบทความแสดงให้เห็นว่าปัจจัยจริงที่ทำให้เกิดความต่างของอัตราการตายคืออัตราการฉีดวัคซีน และความเป็นพรรคพวกจริง ๆ แล้วเป็นตัวแปรแทนเท่านั้น คนบน Twitter อาจไม่สนใจสิ่งที่บทความนี้แสดงให้เห็น แต่ผมรู้สึกขอบคุณมากพอ
    • เป็นพวกหลงตัวเองแบบฉบับ
      ทุกครั้งที่นึกถึง Nate Silver ผมจะนึกถึงชายหน้าซีดโทรมในคืนเลือกตั้งประธานาธิบดีปี 2016 ที่จ้องเหม่อไปยังระยะกลาง ๆ อย่างเดียว ประโยชน์ของ Silver จำกัดอยู่แค่การทำให้รู้ว่าฝ่ายกระแสหลักกำลังใช้ประเด็นอะไรเท่านั้น

  • ไม่รู้ว่าประเทศอื่นเป็นอย่างไร แต่ใน Austria พยาบาลมีแรงจูงใจอย่างแรงให้รายงานการเสียชีวิตทันทีหลังฉีดวัคซีน หรือการเสียชีวิตหลายสัปดาห์หลังการติดเชื้อผ่านไปแล้ว ว่าเป็น การเสียชีวิตจาก COVID ในสถิติของรัฐ
    ระหว่างช่วงโรคระบาด ถ้ามี “การสะกิด” แบบนี้แทรกอยู่ในการรายงานภาคสนาม ก็ไม่น่าแปลกใจที่ข้อมูลการเสียชีวิตจาก COVID จะไม่น่าเชื่อถือ

    • ยอดผู้เสียชีวิตของ Canada ในช่วงนั้นน่าสงสัยมาก
      ตั้งแต่ต้นเดือนมิถุนายน 2020 หน่วยงาน “สาธารณสุข” ของเมืองใหญ่ที่สุดใน Canada ระบุว่ากำลังนับผู้เสียชีวิตด้วยวิธีที่ค่อนข้างน่าสงสัย “บุคคลที่เสียชีวิตขณะติด COVID-19 แต่ไม่ได้เสียชีวิตอันเป็นผลจาก COVID-19 ก็ถูกรวมอยู่ในยอดผู้เสียชีวิตจาก COVID-19 ของ Toronto ด้วย” https://twitter.com/TOPublicHealth/status/127588839006028596... ช่วงกลางปี 2021 ก็มีรายงานเกี่ยวกับสถานดูแลระยะยาวด้วย “รายงานของกองทัพระบุว่าผู้ป่วยในสถานดูแลระยะยาวของ Ontario เสียชีวิตจากการถูกละเลย ไม่ใช่ COVID-19: ‘สิ่งที่ต้องการมีแค่น้ำกับการเช็ดตัวให้เท่านั้น’” https://www.theglobeandmail.com/canada/article-canadian-mili... หลังจากเรื่องพวกนี้และทุกอย่างที่เกิดขึ้นในปี 2020–2022 ตอนนี้ผมไม่สามารถเชื่อถือเจ้าหน้าที่สาธารณสุขได้เลย
    • ในสหรัฐฯ เท่าที่จำได้ การเสียชีวิตภายใน 28 วันหลังตรวจพบ COVID เป็นบวกถูกนับเป็นการเสียชีวิตจาก COVID และคนที่ฉีดวัคซีนแล้วต้องมีอาการป่วยก่อน
      ดังนั้นข้อมูลเรื่องวัคซีนช่วยชีวิตได้มากแค่ไหนจึงปนเปื้อนจริง ๆ และยอดผู้ไม่ฉีดวัคซีนถูกนับสูงกว่าความเป็นจริง นอกจากนี้ โรงพยาบาลยังมีแรงจูงใจทางการเงินให้เพิ่ม COVID เป็นสาเหตุการเสียชีวิตด้วย
    • อัตราการตายโดยรวมไม่ควรได้รับผลจากวิธีนับแบบนี้ จริง ๆ แล้วมันได้รับผลไหม?
    • ถ้าอย่างนั้นก็ดู การเสียชีวิตส่วนเกิน ได้เลย น่าแปลกที่ไม่มีอะไรเปลี่ยน
      ได้อ่านบทความหรือเปล่า? หมายถึงส่วนที่พูดถึงเรื่องเล็ก ๆ น้อย ๆ ที่ผู้คนหยิบขึ้นมาระหว่างทางไปสู่อคติยืนยันความเชื่อของตัวเองน่ะ

  • มีข้อสังเกตอยู่สองสามอย่าง
    ตาม CDC [1] จำนวนผู้เสียชีวิตจาก COVID รวมรายรัฐในปี 2020 คือ West Virginia 1,318 คน, Florida 21,546 คน, Maine 344 คน, Vermont 134 คน ประชากรของรัฐเหล่านี้ตามสำมะโนเดือนเมษายน 2020 [2] คือ West Virginia 1,793,716 คน, Florida 21,538,187 คน, Maine 1,362,359 คน, Vermont 643,077 คน ดังนั้นก่อนมีวัคซีน จำนวนผู้เสียชีวิตต่อประชากร 100,000 คนคือ West Virginia 73 คน, Florida 100 คน, Vermont 21 คน, Maine 25 คน ถ้ามีใครช่วยตรวจการคำนวณได้ก็ดี แต่ดูเหมือนว่าแม้ก่อนวัคซีน การโหวตให้ Trump ก็สัมพันธ์กับการเสียชีวิตที่เพิ่มขึ้นมากกว่า 3 เท่า กล่าวคือ การวิเคราะห์ในบทความต้นทางอาจได้รับผลจาก ปัจจัยกวน ที่ไม่ได้พิจารณา ตัวอย่างเช่น COPD เป็นปัจจัยเสี่ยงทางการแพทย์สำคัญของภาวะแทรกซ้อน COVID รุนแรงตาม CDC และส่งผลต่อประชากร West Virginia มากกว่า 13.6% แต่ใน Vermont มีเพียง 5.9% [3] ผมฉีดวัคซีนและบูสเตอร์ในวันที่เร็วที่สุดเท่าที่ทำได้ และติด COVID ตอนการระบาดระลอกแรกของ Omicron ในรัฐของผม
    [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...

    • ความต่างก่อนวัคซีนน่าจะมาจากวิธีที่ผู้คนปฏิบัติต่อคำแนะนำด้านสาธารณสุขและมาตรการป้องกัน
      หากใครเชื่อว่า COVID ไม่ได้แย่ไปกว่าไข้หวัดใหญ่ หรือเชื่อว่าไม่มีอยู่จริง เหมือนญาติฝ่ายคู่สมรสบางคนของผมในฤดูร้อนปี 2020 ก็มีโอกาสติดเชื้อ แพร่เชื้อ และได้รับการรักษาที่ไม่เหมาะสมสูงกว่ามาก ความต่างทางพฤติกรรมแบบนั้นก็น่าจะต่อเนื่องไปถึงอัตราการฉีดวัคซีนด้วย ถ้าโรคอย่าง COPD เป็นความต่างหลัก ผมคิดว่าความต่างของอัตราการตายน่าจะใกล้ 2.3 เท่า (13.6%/5.9%) มากกว่า 2.9 เท่า (73 ต่อ 25 ต่อ 100,000 คน) ผมไม่ค่อยรู้จักโรคร่วมอื่น ๆ ที่มีสัดส่วนเชิงสัมพัทธ์ระหว่างสองรัฐมากกว่า 2.3 เท่า และโรคอ้วนใน West Virginia ก็สูงกว่าเพียง 1.3 เท่า สุดท้ายก็วกกลับมาที่ประเด็นของ Silver อยู่ดี ปัจจัยอื่นที่มีส่วนร่วมมักหาได้แทบเสมอ แต่นั่นไม่ใช่หลักฐานว่าปัจจัยอื่นไม่ได้มีส่วนร่วม ต้องวิเคราะห์ร่วมกัน เพียงแต่แม้ก่อนทำ regression analysis ปัจจัยโรคร่วมด้านสุขภาพอย่างเดียวก็ดูยากที่จะอธิบายความต่างได้

  • ตอนนี้อยากดูรายละเอียดเกี่ยวกับข้ออ้างแรกที่ว่า “ก่อนวัคซีนออกมา ความแตกต่างของ อัตราการเสียชีวิตจาก COVID ระหว่างรัฐสีน้ำเงินกับรัฐสีแดงแทบไม่มีเลย”

    • ไม่ใช่เพราะไม่เชื่อ แค่อยากดูหลักฐาน