【📊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︰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︰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︰factchecklab.org/20210923

關注

【📊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︰factchecklab.org/20210923

登入以加入討論
Mastodon.hk

Mastodon(萬象)是屬於未來的社交網絡︰無廣告煩擾、無企業監控、設計講道義、分散無大台!立即重奪個人資料的控制權,使用 Mastodon 吧!