Az országok közötti koronavírus-összehasonlítás értelmetlen, hacsak nem vesszük figyelembe a
Frissítenünk kell a halálozási arány modelljeit, vagy valóban véletlenszerű teszteket kell bevezetnünk, hogy megértsük a koronavírus valódi hatását.
Tegyük fel, hogy meg akarjuk becsülni, hogy hány autótulajdonos van az Egyesült Királyságban, és közülük hányan rendelkeznek Ford Fiestával, de csak arra van adatunk, hogy hányan látogattak meg a Ford újdonságait az elmúlt évben. Figyelembe véve a minta elfogultságát, ha a kiállítás látogatóinak 10% -a rendelkezne Fiestával, az országos szinten túlbecsülné a Ford Fiesta tulajdonosainak arányát.
Ugyanez a vonal követi a COVID-19-ben szenvedők halálozási arányának becslését. Az Egyesült Királyságban, anélkül, hogy tovább mennénk, szinte az összes vizsgálatot már kórházi személyekkel végzik, akiknél a betegség tünetei vannak. Az írás idején az Egyesült Királyságban 29 474 megerősített COVID-19-es eset fordult elő (hasonlóan egy kiállítást felkereső autótulajdonosokhoz), ebből 2352 (egy kiállítást meglátogató Ford Fiesta-tulajdonosok). Ez a becslés azonban nem veszi figyelembe mindazokat az embereket, akik enyhe tüneteket mutatnak, vagy közvetlenül nem mutatják be azokat.
Arra a következtetésre jutva, hogy a COVID-19 halálozási aránya 8% (29 474-ből 2 352), sok embert figyelmen kívül hagynak, akik a betegségben szenvedés ellenére sem kerülnek kórházba vagy meghaltak (hasonlóan azokhoz a járműtulajdonosokhoz, akik kiállítást nem látogatott meg, vagy nem volt Ford Fiesta tulajdonosa). Ezért hibának felel meg annak megállapításának, hogy az Egyesült Királyságban az összes autótulajdonos 10% -a rendelkezik Fiestával.
Feltűnő példákat találhatunk az ilyen típusú következtetésekre. Az Oxfordi Egyetem COVID-19 tesztelő szolgálata átfogó statisztikai elemzésen dolgozik, amely felismeri a lehetséges szelekciós torzításokat, és olyan konfidencia intervallumokat ad hozzá, amelyek megmutatják, hogy mekkora hiba lehet a halálozások (potenciálisan félrevezető) arányában.
A munkacsoport számos olyan tényezőt emel ki, amelyek nagy különbségekhez vezethetnek az egyes országok között. Például az átlagos 8% -os "halálozási arány" az Egyesült Királyságban megdöbbentően magas, szemben a németországi 0,74% -kal. Ezek a tényezők különböző demográfiai változókat tartalmaznak, mint például az idős emberek százalékos aránya a lakosságban, valamint a halálokok jelentésének módja. Például egyes országokban minden olyan embert, aki a COVID-19 diagnosztizálása után hal meg, e betegség haláleseteként regisztrálják, még akkor is, ha nem ez volt a fő ok, míg más emberek anélkül is meghalhatnak, hogy vírust kaptak volna. diagnózis.kapcsolódó.
A statisztikai modellek azonban nem tartalmaznak kifejezett oksági magyarázatokat, amelyek lehetővé tennék az elérhető következtetések kidolgozását a rendelkezésre álló adatokból, beleértve a vírustesztekből kinyert információkat is.
Kidolgoztuk az oksági modell kezdeti prototípusát, amelynek felépítése a fenti képen látható. A különböző változókhoz csatlakozó nyilak kölcsönös függőségüket mutatják egy ilyen modellben.
Ezeket a kapcsolatokat, más ismeretlen változókkal együtt, valószínűségnek tekintjük. Az információk ismert és specifikus változók formájában történő megadásával az ismeretlen változó valószínűségei a Bayes-i következtetés nevű módszerrel frissülnek. A modell feltárja a COVID-19 halálozási arányt a mintavételi, elemzési és jelentési módszerek függvényében, mivel azt a legkiszolgáltatottabb népességcsoport fertőzési aránya határozza meg.