【📊小心疫情數據被誤用・1】
早前Facebook專頁「作者」引用英格蘭公共衛生署（PHE）技術簡報，宣稱數據會「令專家不開心」，又指「初步結論是，Covid-19疫苗充分地增加了Delta感染者的住院死亡風險」。
經查證，該訊息處理數據的方法出現多個問題，屬錯誤訊息❌
🔎 COVID-19疫苗仍有效降低住院風險
早於今年6月14日，醫學期刊《刺針》（The Lancet）已刊登一項分析蘇格蘭數據的研究，結果顯示英國使用的兩款疫苗有助降低因感染Delta病毒住院的風險。
同日PHE公佈了一項關於Delta變種病毒的分析結果，其數據顯示疫苗有效降低因感染Delta變種病毒而住院的風險。美國疾病控制與預防中心（CDC）於9月10日發表的數據分析同樣顯示疫苗有助降低感染Delta病毒、住院及死亡風險。
「作者」單憑其有問題的計算方法而得出的「初步結論」，並未考慮以上結果。
🔗 完整查核報告及資料來源︰https://factchecklab.org/20210923
【📊小心疫情數據被誤用・2】
🔎 基本比率謬誤
「作者」的帖文首先提到「65%的Covid-19死亡個案都已接種相關疫苗」，然而該份PHE技術簡報並無按接種狀況分組的死亡數字，估計他以感染Delta變種病毒死亡個案數字推算得出。
此說法有兩個問題。一，這並非所有COVID-19死亡個案數字，有欠準確；二，單看接種疫苗者佔整體死亡個案的比例，無法得出任何有意義的結論，因為仍須比較接種疫苗的比率才可得悉接疫苗有否增加死亡風險，否則就犯下「基本比率謬誤」（base rate fallacy）。
由於有關數據由今年2月累積至8月2日，，在這段期間，英格蘭疫苗接種率變化極大，要較準確審視疫苗的預防能力，須按時段作對比，不能以特定時刻的接種數據推算疫苗有效率。
🔗 完整查核報告及資料來源︰https://factchecklab.org/20210923
【📊小心疫情數據被誤用・3】
🔎 分母問題
「作者」利用PHE的Delta變種病毒感染數據，分別計算出不同接種狀況（接種一劑、兩劑及未接種疫苗等）的各個比率，包括︰
- 住院人數佔Delta個案比率
- 死亡人數佔Delta個案比率
- 死亡人數佔住院人數比率
以上計算方法有幾個問題。一，我們未能確定所有死者均曾經住院，而且他使用的住院數字可能包括因其他症狀入院而確診的病人，因此簡單把兩個數字相除並無法得出有意義的「住院死亡率」。
二，「作者」以他計算的數字質疑其他研究推算疫苗降低住院風險的比率，然而兩者使用不同分母——一般研究會以有關組別（接種或未接種疫苗）的整體人口作為分母——無法直接比較。
三，以感染人數作為分母去計算風險亦有其局限，因為接種後確診者可能抵抗力較弱或暴露於高風險的環境，而上述數據無法反映這些有機會影響結果的因素，也無法反映接種疫苗者與未接種疫苗者的感染風險有別。
🔗 完整查核報告及資料來源︰https://factchecklab.org/20210923
【📊小心疫情數據被誤用・4】
🔎 辛普森悖論（Simpson’s paradox）
即使以Delta變種病毒感染人數作分母計算，「作者」的計算方式仍然忽略了年齡分組。
雖然不分年齡去計算住院人數佔感染者比率時，已打兩劑疫苗者高於未接種疫苗者的組別，但如果按PHE數據分為「50歲以下」及「50歲或以上」兩組，可發現結果完全相反。這種看似違反直覺的統計現象稱為「辛普森悖論」（Simpson’s paradox）。
以PHE數據為例，我們可以注意到︰
- 接種兩劑疫苗的感染者中，50歲或以上人士佔比明顯較高；
- 50歲或以上的感染者住院比率遠高於50歲以下組別。
結合這兩項因素，在計算已接經兩劑疫苗的感染者整體住院比率時，50歲或以上的組別就會有明顯影響，以致數字高於未接種疫苗者。不分年齡的計算方法忽略了年齡對住院及死亡風險的影響，因而得出不準確的結論。
🔗 完整查核報告及資料來源︰https://factchecklab.org/20210923
