"트럼프 투표 점유율" 외에는 인구 데이터를 분석, 분류, 구문 분석 또는 분석할 수 있는 방법이 없기 때문에 어떤 그 외에도 다른 가능한 설명이 있습니다. 붉은색 카운티 = 나쁨(코로나 사망자 수 높음!), 파란색 카운티 = 좋음(코로나 사망자 수 낮음!)입니다.
물론 저는 농담을 하고 있습니다. 전체 제안은 그저 어리석을 뿐입니다. 인구의 선천적 차이에 대한 개념은 잘 확립된 고려 사항 인구 건강을 연구하는 사람들을 위해. 우리나라에서 가장 권위 있는 신문사는 최고 작가가 인구 건강 전문가나 심지어 보험 수학자로부터 자문을 받아 더 정보에 입각한 관점을 얻고 데이터에 더 엄격한 분석을 제공하도록 요구할 수도 있다고 생각할 수 있습니다.
데이비드 레온하르트의 "레드 코비드" 시리즈의 하이라이트를 살펴보겠습니다.
2021 년 9 월 27 일
"레드 코로나: 코로나의 당파적 패턴이 더욱 극단적으로 변하고 있습니다."
(이 차트의 Y축을 참고하세요)
“미국을 특징짓는 것은 보수당인 공화당이 적대감을 갖게 된 것입니다. 과학 and 경험적 증거 최근 수십 년 동안. Fox News, Sinclair Broadcast Group 및 다양한 온라인 매체를 포함한 보수적 미디어 복합체는 이러한 적대감을 반영하고 증폭합니다. 트럼프는 음모적 사고를 새로운 수준으로 끌어올렸지만, 그가 만든 것은 아닙니다."
"민주당 정치인들은 모든 미국인에게 백신을 맞으라고 간청해 왔지만 많은 공화당 정치인들은 그렇지 않았습니다."
2021 년 11 월 8 일
미국 코로나 사망자가 더욱 늘어났습니다: 미국 코로나 사망자가 더욱 늘어났습니다
"간단히 말하면, 빨간색 미국과 파란색 미국 사이의 코로나 사망자 수 격차는 지난 한 달 동안 그 어느 때보다 더 빨리 벌어졌습니다.
25월에는 트럼프 지지율이 높은 카운티의 100,000만 명 중 7.8명이 코로나로 사망했는데, 이는 바이든 지지율이 높은 카운티의 비율(100,000만 명당 XNUMX명)보다 XNUMX배 이상 높습니다.”
2022년 ２월 18일
"레드 코로나, 업데이트: 코로나 사망자 수에서 당파 간 격차는 여전히 커지고 있지만 더 느리게 커지고 있습니다."
"차트에서 명확히 알 수 있듯이, 트럼프가 압도적으로 승리한 카운티에서는 그가 근소한 차이로 승리한 카운티보다 피해가 더 컸습니다.
"이 현상은 국가의 정치적 양극화가 사람들의 사고방식을 왜곡한 사례입니다. 심지어 개인의 안전이 위태로운 상황에서도 말입니다. 이는 비극이며 예방 가능한 비극이기도 합니다."
이러한 과도한 단순화에 대한 구체적인 내용을 다루기 전에, 저는 레온하르트의 위의 진술이 진정한 믿음을 반영한다고 믿는다는 점을 분명히 하고 싶습니다. 그는 정치적 선호가 코로나 사망률의 원인이라고 진심으로 믿고 있습니다. 건강 상태, 나이, 체중, 합병증이 아닙니다. 단 한 가지, 개인적 정치적 선호입니다.
분명히 말해서, 그는 레드 카운티에서 코로나19 사망률이 높은 근본적인 설명은 실제로 레드 카운티의 백신 접종률이 낮기 때문이라고 믿습니다. 따라서 확장해서 말하면, 이는 정치적 선호도에 의해 설명됩니다.
제가 아래에 제시하고자 하는 것은 레온하르트가 선택한 분류인 '카운티 내 트럼프 투표 점유율'(0-30%, 31-45%, 46-55%, 56-70%, 70%+)로 카운티 수준 데이터를 세분화했을 때 무슨 일이 일어나고 있는지에 대한 보다 완전한 그림입니다. 과거 카운티 수준 사망률 데이터를 사용하여 다음 질문에 답하려고 합니다.
정치적 선호도에 따라 분류할 때, 코로나 사망률 추세는 과거 추세와 어떻게 비교됩니까?
코로나19 사망률은 전체 사망률과 상관관계가 있습니까?
2021년에는 '레드' 카운티와 '블루' 카운티 간 전체 사망률에 있어서 전례 없는 큰 차이가 나타났습니까?
장기적으로 백신 접종률이 전체 사망률(단지 코로나19가 아닌)과 상관관계가 있는지 여부를 확인하기 위해 추가 분석을 수행할 수 있습니다. 그러나 "완전히 백신 접종" 또는 "최신"의 정의가 움직이는 목표이기 때문에 지금은 카운티별 백신 접종률별 사망률을 비교하지 않기로 했습니다(다른 많은 사람들이 이미 그 작업을 수행했습니다!). 명확히 하자면, 위험에 처한 사람들에게 백신은 다음과 같은 효과가 있는 것으로 나타났습니다. 위험을 줄이자. 질병의 개인에 대한 것입니다. 이 분석의 목적은 뉴욕 타임스가 Covid-19 사망률에 대한 의심할 여지 없는 설명이라고 주장하는 이러한 정치적 하위 구분을 더 깊이 살펴보는 것입니다. 즉, "Red Covid"로 알려져 있습니다.
시작하기 위해 여기서 비교하는 카운티의 차이점을 살펴보겠습니다. "70% + 트럼프 투표" 그룹을 살펴보면 25만 명의 미국인을 대표하며, 해당 그룹의 카운티 평균 인구는 23명입니다. 이들은 주로 농촌 카운티입니다. 트럼프가 30% 미만의 투표를 한 바이든 카운티와 비교해보세요. 이는 110억 137만 명의 미국인(주로 도시 지역)을 대표하며, 해당 카운티의 평균 인구는 XNUMX명입니다.
나머지 분석에서 해당 인구 데이터를 사용하여 경고하기 위해, 우리는 매우 매우 다른 인구 통계를 비교하고 있으며, 이러한 근본적인 차이점을 통제하지 않습니다. 이러한 비교를 하는 올바른 방법은 이러한 차이점을 통제하는 것입니다. 주로 연령을 조정하여 다른 백신 접종률이나 다른 정책이 미칠 수 있는 효과를 알아내는 것입니다. NYT 기사는 이를 수행하지 않았고, 어떤 경우에는 이러한 그룹 간의 연령 차이의 중요성을 무시하려고 시도했습니다. 저는 그들이 사용한 것과 동일한 범주를 사용하지만, 이러한 분류에 대한 더 높은 수준의 관점을 취하여 Leonhardt의 주요 제안이 타당한지 여부를 확인하겠습니다.
정치적 선호도에 따라 분류할 때, 코로나 사망률 추세는 과거 추세와 어떻게 비교됩니까?
이 질문에 답하기 위해, 우리는 보다 보수적인 지역에서 사망률이 더 높다는 이러한 추세가 새로운 발견인지 아니면 독특한 발견인지 살펴봐야 합니다. 이것은 팬데믹으로 인해 발생한 새로운 발견인지 아니면 독특한 발견인지? 전염병 학회지 및 지역 사회 건강2015년(트럼프 이전 시대)에 쓰여진 이 책이 우리에게 이 질문에 대한 답을 알려줍니다.
“32명의 참여자와 830인-년의 총 추적 조사 기간을 대상으로 한 이 분석에서 우리는 정당 소속과 정치적 이념이 사망률과 관련이 있음을 발견했습니다. 그러나 무소속(조정된 HR(AHR)=498, 845% CI 0.93~95)을 제외하고 정당 간 차이는 참여자의 기본적인 사회 인구학적 특성에 의해 설명됩니다. 이념과 관련하여 보수파(AHR=1.06, 95% CI 1.01~1.12)와 온건파(AHR=1.06, 95% CI 1.01~1.11)는 진보파보다 추적 조사 중 사망 위험이 더 높습니다."
따라서 이 논문에 따르면 보수층의 사망률은 다른 정치 집단보다 약간 높은 것으로 관찰되었습니다. 이것이 모든 원인 사망률 데이터에서 나타나는지 확인하기 위해 저는 Covid 이전 연도(2018년 및 2019년)의 카운티 수준 사망률 데이터를 가져왔습니다. CDC 원더그리고 NYT에서 사용하는 것과 동일한 그룹화 방식인 '트럼프 득표율'로 그룹화하여 팬데믹 기간 중 사망률이 전례가 없는 수준인지 아닌지 확인했습니다.
트럼프 카운티는 1200년과 100년의 이전 두 해에 2018만 명당 약 2019명의 사망자를 기록하며 다른 그룹보다 사망률이 높았습니다. 따라서 데이터에 따르면 레드 카운티의 전반적인 사망률이 더 높은 것은 전혀 새로운 현상이 아니며 역사적 추세와 일치합니다. 하지만 흥미로운 점은 블루 카운티의 사망률이 '라이트 레드' 카운티보다 약간 낮았고 '퍼플'과 '라이트 블루' 카운티의 사망률이 가장 낮았다는 것입니다. 이에 대한 그럴듯한 설명이 많이 있는데, 가장 간단한 것은 이러한 카운티가 단순히 노령 인구라는 것입니다. 사망률을 연령에 따라 조정하면 데이터가 어떻게 바뀌는지 살펴보겠습니다. (참고: 연령 조정의 중요성과 방법/이유에 대한 자세한 게시물은 Mary Pat Campbell의 게시물을 참조하세요. LINK????
연령을 고려하면 카운티 간 비율 차이가 거의 사라지는 것을 볼 수 있습니다.
코로나19 사망률은 전체 사망률과 상관관계가 있습니까?
NYT 기사의 기본 가정은 이러한 그룹화가 전반적인 사망 및 사망률 부담에서 일종의 엄청난 차이를 나타낸다는 것입니다. 기사는 전적으로 Covid-19로 인한 또는 Covid-19와 관련된 사망에만 초점을 맞추고 있으며, 사망률의 전반적인 영향에 대한 언급은 전혀 없습니다. 의심할 여지 없이 Covid-XNUMX는 과도한 사망을 초래하고 인구의 전반적인 사망률 부담을 증가시켰습니다.
하지만 여전히 의문은 남습니다. 그 부담이 미국의 '레드' 대 '블루' 지역에서 어느 정도 더 높았거나 낮았을까요? 이 질문에 대한 답은 이 그룹 내의 코로나19 사망자 수를 이 그룹의 전체 사망률과 비교하는 것입니다. 그러면 무슨 일이 일어나는지 살펴보겠습니다. NYT가 백신이 널리 보급된 2021년에 초점을 맞추었으므로, 거기부터 시작하겠습니다.
왼쪽은 코로나19 사망률을, 오른쪽은 전체 사망률을 살펴보세요.
보시다시피, 왼쪽 차트는 NYT 기사 시리즈가 초점을 맞춘 것입니다. 빨간색과 파란색 사이의 상당한 차이입니다. 오른쪽 차트(모든 원인으로 인한 사망률)를 보면 차이가 사라진 것을 알 수 있습니다. 이 기사를 읽는 사람이라면 파란색 카운티의 코로나19 사망률이 낮음에도 불구하고, 같은 짙은 파란색 카운티가 실제로 보라색이나 연한 파란색 카운티보다 전체 사망률이 더 높았다는 것을 깨닫고 떠날지 궁금합니다.
2021년에는 '레드' 카운티와 '블루' 카운티 간 전체 사망률에 있어서 전례 없는 큰 차이가 나타났습니까?
2021년 이러한 그룹별 사망률을 2019년과 비교하면 전반적으로 더 높지만, 비교적 각 그룹은 팬데믹이 발생하지 않은 해와 동일한 순위를 유지합니다. 따라서 진한 파란색 카운티에서 코로나19 사망률이 낮았을 수 있지만, 이는 해당 카운티의 전체 사망률로 이어지지 않았습니다. (데이터가 있다면 이러한 비율을 연령에 맞게 조정했을 것이지만, 현재 CDC Wonder에는 이 글을 쓰는 시점까지 2021년 데이터가 없습니다.)
이를 보는 또 다른 방법은 각 그룹 내에서 연간 비율 변화를 보는 것입니다. 아래 차트에서 볼 수 있듯이, 각 개별 그룹 간에 백분율 변화는 꽤 일관되게 유지되고 있으며, 2020년은 가장 큰 변화율을 보였고, 2021년은 2020년 대비 작지만 상당한 변화율을 보였습니다(즉, 전체 사망률은 2019년에 비해 여전히 상당히 높았습니다).
요약하자면, 우리가 이러한 동일한 그룹을 유지하면서 역사적 관점과 더 높은 수준의 관점을 취할 때, 코로나19 사망률의 이러한 뚜렷한 차이는 전반적인 도덕률로 이어지지 않는 듯합니다. 왜 그럴까요?
이 분석이 New York Time의 지적에 대한 또 다른 쌓임으로 변할 위험을 무릅쓰고 오류, 저는 더 온건한 설명을 하고 싶습니다. 이는 팬데믹 내내 기자와 기자들을 괴롭혀 온 것입니다. 왜 모든 것이 빨간색과 파란색으로 프레임화되어 있을까요? 간단한 이유 중 하나는 데이터의 가용성입니다. 레온하르트는 쉽게 접근할 수 있고 이미 쉽게 분석할 수 있도록 포맷된 데이터를 사용하고 있습니다.
이것이 바로 ~라고 불리는 것입니다. 가용성 편향. 본질적으로 특정 데이터 집합을 기반으로 가설을 만들거나 연구를 완료하는 것이며, 데이터가 거기에 있다는 이유 외에는 다른 이유가 없습니다. 데이터가 사용 가능하다고 해서 질문에 답하는 데 사용할 수 있는 최상의 데이터라는 의미는 아닙니다.
공화당원들도 사람이다
이 모든 것이 왜 중요할까요? 결국, 우리는 주류 보도와 케이블 뉴스가 좌익적 편향을 가지고 있다는 것을 받아들이게 된 것 같습니다. 무슨 대단한 일인가요?
인구 건강에 관한 한 그 목표는 모든 사람의 건강과 웰빙을 증진하는 것입니다. 그리고 공중 보건 메시지와 보고가 뻔뻔스럽게 편파적이 되어 비난과 수치심을 주는 전략을 사용하게 되면 더 나은 건강을 증진한다는 의도와는 반대의 효과가 나타날 가능성이 매우 높습니다.
보수파와 "레드 카운티"도 좋은 건강 조언이 필요합니다. 그들은 출처를 신뢰할 수 있어야 합니다. NYT의 "레드 코로나" 전제를 그대로 받아들인다고 해도, 이 메시지는 누구에게 도움이 될까요? 분명히, 그들이 묘사하는 사람들은 아닙니다.
데이터 소스:
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://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/VOQCHQ
저널 논문:
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4033819
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5893220/
저자의 재출판 서브 스택
에 의해 게시됨 Creative Commons Attribution 4.0 국제 라이센스
재인쇄의 경우 정식 링크를 원본으로 다시 설정하십시오. 브라운스톤 연구소 기사와 저자.
