좋아, 회귀분석은 하겠지만 당신이 만족할 결과는 아닐 것

 (natesilver.net)
1P by GN⁺ | ★ favorite | 댓글 1개
  • 미국 주별 COVID 사망률 논쟁에서 정당 성향과 백신 접종률은 65세 이상 인구 비중을 통제해도 2021년 2월 1일 이후 사망률을 강하게 예측함
  • 통제 변수를 계속 추가하면 연구자 자유도와 과적합 위험이 커지므로, 공개 논쟁에서는 단순하지만 검증에 견디는 양식화된 사실이 더 유용함
  • 2020년 Biden 득표 격차와 2021년 2월 1일 이후 주별 인구 100만 명당 COVID 사망자를 비교하면, Biden 우세 폭이 클수록 사망률이 낮았고 이 관계는 백신 도입 이후에만 나타남
  • 65세 이상 인구 비중을 넣어도 정당 성향의 계수와 통계적 유의성은 거의 변하지 않았으며, 백신 접종률은 정당 성향보다 훨씬 강한 설명 변수로 작동함
  • 사망 원인 집계 방식, 기저질환, 비약물 개입 효과 같은 반론은 남지만, 주별 사망률 차이는 연령보다 백신 접종률 차이와 더 크게 연결됨

왜 단순한 분석을 우선하는가

  • 공개 통계 논쟁에서는 분석이 단순할수록 낫다는 원칙을 둠
  • 통제 변수를 많이 넣을수록 분석자가 숫자를 다루는 방식에 대한 의사결정 지점, 즉 연구자 자유도가 늘어남
  • 교란 변수를 통제해야 할 때도 있음
    • 아이스크림 소비와 익사 사이의 관계에서는 여름 날씨가 명백한 교란 변수임
  • 하지만 복잡성을 추가하면 과적합 위험도 커짐
  • 단순한 집계 통계나 직관적인 방법으로 요점을 보일 수 있다면, 온라인 논쟁에서는 그 방식이 더 효과적임

COVID 정책 논쟁의 출발점

  • 이전 글의 출발점은 두 가지 양식화된 사실이었음
    • 백신 보급 전에는 blue states와 red states 사이의 COVID 사망률 차이가 크지 않았음
    • 백신 보급 뒤에는 red states의 사망률이 더 높았고, 이는 Republican의 낮은 백신 접종률 때문일 가능성이 큼
  • 이 주장은 외부에서 더 논쟁적이었고, Martin Kulldorff는 주별 평균 연령 차이를 조정하지 않은 비교가 오해를 낳는다고 비판함
  • Kulldorff는 Harvard 의대 교수이며, 2020년 10월의 반봉쇄 성명인 Great Barrington Declaration의 주요 작성자 중 한 명임
  • 백신 이전 시기의 비교는 비약물 개입이 잘 작동했는지 불분명했고 비용이 컸다는 쪽을 오히려 뒷받침함

연령만으로 설명하기 어려운 주별 차이

  • COVID는 고령자에게 훨씬 더 치명적이지만, 주별 정당 성향과 연령 구조는 거의 직교적이며 백신 접종률과는 더더욱 그렇다고 봄
  • 미국 주들의 연령 구조 차이는 크지 않음
    • 65세 이상 인구 비중 기준으로, 9개 주를 제외한 모든 주가 15% 초과 20% 미만의 좁은 구간에 있음
  • 고령 인구 비중이 비슷한 네 주에서도 2021년 2월 1일 이후 인구 100만 명당 COVID 사망률은 크게 갈림
    • West Virginia: 3,454
    • Florida: 2,992
    • Maine: 1,881
    • Vermont: 1,210
  • 이 네 주는 고령 인구 비중이 거의 같지만, 사망률 차이는 백신 접종률의 정당별 차이와 맞물림

회귀분석의 구성

  • 회귀분석은 여러 변수의 효과를 분해하는 방법으로 사용됨
  • 첫 번째 단일 변수 회귀의 종속 변수는 covid_deaths_late임
    • 2021년 2월 1일 이후 인구 100만 명당 COVID 사망자 수
    • 출처는 Worldometers의 미국 COVID 데이터
    • 2021년 2월 1일은 취약 집단에 백신이 널리 제공되기 시작한 시점을 근사함
  • 독립 변수 biden은 2020년 대선에서 Joe Biden이 Donald Trump에게 이기거나 진 격차임
  • 결과적으로 Biden 승리 폭이 클수록 2021년 2월 1일 이후 COVID 사망률은 낮았음
  • 이 관계는 COVID 초기에는 성립하지 않았고, 백신 제공 이후에만 나타남

연령 통제 후에도 남는 정당 성향 효과

  • 다음 회귀에는 주 인구 중 65세 이상 비중인 senior 변수를 추가함
  • 고령 인구 비중이 높은 주는 2021년 2월 1일 이후 COVID 사망자가 더 많았고, 이 차이는 통계적으로 유의함
  • 그러나 연령을 추가해도 biden 변수의 계수와 통계적 유의성은 본질적으로 바뀌지 않음
  • 주별 정당 성향은 연령을 통제한 뒤에도 COVID 사망률을 강하게 예측함

백신 접종률이 더 직접적인 설명 변수

  • COVID가 Republican을 본질적으로 더 많이 표적으로 삼는다는 뜻은 아님
  • 핵심 가정은 COVID가 미접종자에게 훨씬 더 치명적이고, Republican이 Democrat보다 백신을 맞을 가능성이 낮다는 것임
  • 다음 모델에서는 주별 “fully vaccinated” 비중인 vax_rate를 추가함
    • “fully vaccinated”는 Pfizer 또는 Moderna 초기 2회 접종, Johnson & Johnson 초기 1회 접종을 의미함
    • 부스터 접종은 요구하지 않음
  • vax_rate를 포함하면 이 변수가 biden보다 COVID 사망률을 훨씬 더 강하게 예측함
  • 최종적으로 biden을 제거하고 연령과 백신 접종률만 남겨도, 두 변수는 2021년 2월 이후 주별 COVID 사망률 변동의 절반 이상을 설명함

남는 반론과 견고한 범위

  • COVID 확산에는 특정 변이가 지역별로 예측하기 어렵게 자리 잡는 등 상당한 확률성이 있음
  • 추가로 따져볼 질문도 남아 있음
    • 기저질환은 주별로 다름
    • COVID 사망 집계 방식은 주마다 같지 않을 가능성이 있음
    • 백신 이전 시기에 비약물 개입이 정말 효과가 없었는지는 덜 견고한 주장임
  • 하지만 견고한 주장은 작은 반론, 중간 규모 반론, 때로는 꽤 큰 반론에도 범주가 바뀌지 않음
  • 사망 집계 방식이 더 표준화되면 백신 접종률의 예측력이 더 강해질 수도 있고 아닐 수도 있지만, 핵심 주장이 “명백히 참”에서 “의심스럽다”거나 “아마 거짓”으로 바뀔 것으로 보지는 않음

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • 미국 시민으로서 주변 사람들에게 COVID 방역 조치를 따르라고 권했고, Nate Silver도 좋아하지만, 이 글에서는 2020년 10월의 반봉쇄 성명에 대체로 동의한다는 대목만 눈에 들어왔음
    당시 확인된 정보에 근거한 입장이었으니 내 판단을 후회하지는 않지만, 사회가 봉쇄 조치를 오래 끌었던 건 대체로 틀렸다는 사실을 받아들이면 좋겠음. 좌파에게도 겸손은 해가 되지 않음

    • 효과가 있었어야 할 것처럼 보이지만 실제로는 아니었다고들 하는 조치가 마스크와 학교 폐쇄임
      마스크는 1차 유행 때 환자를 보던 의료진에게는 분명 효과가 있었고, 직접 노출됐는데도 아프지 않았음. 그런데 왜 일반 대중에게는 효과가 없었을까? 제대로, 꾸준히 쓰지 않았던 걸까? 학교는 전파의 큰 매개가 될 수밖에 없어 보였고, 아이들은 대체로 무증상이면서 아파도 학교 안팎과 취약한 가족에게 퍼뜨릴 수 있었음. 학교 폐쇄는 실수였나, 아니면 다르게 했어야 했나?
    • COVID에 대해서는 거의 모두가 어느 시점에는 꽤 틀렸지만, 그걸 인정하는 경우는 드묾
      나도 손을 소독하던 것부터, 실제로는 공기 중 전파가 핵심이었는데, 백신이 사태를 끝낼 거라고 생각했던 것까지 많이 틀렸음
    • 지금도 새롭게 틀리는 사람들이 있음
      예를 들어 2020년 10월에 정부가 엄격한 봉쇄 조치를 강제하고 있었다고 주장하는 식임. 실제로는 사람들이 집에 머무르길 선호했다는 명백한 증거가 있었고, 사무실 근무 비율이 아직도 역사적으로 낮은 수준인 것도 그 예임. 2020년 1월 중국 영상이 나왔을 때부터 나는 한 번도 틀리지 않았고, 고등학생도 아는 단순한 사실 세 가지, 즉 “전염성 강한 호흡기 질환은 나쁨, 백신은 감염이나 전파를 막지 못함, 사람들은 재택근무를 좋아함”을 두고 사람들이 과잉 사고하고 도덕화하며 곁가지의 곁가지에 광적으로 매달리는 걸 보는 게 흥미로웠음

  • 당시에는 이런 이야기를 꺼내면 곧바로 내가 백신 반대론자인 것처럼 몰아붙이는 분위기라 말하기 어려웠음
    여러 조치의 비용-편익과 어느 정도까지 극단적으로 가야 하는지 계산하려는 시도가 있었는지 궁금했음. 우울, 고립, 아이들이 반년치 학교를 놓친 것 같은 피해는 죽음과 비교하기 어렵고, 표면적으로는 당연히 사람이 죽는 게 훨씬 나빠 보임. 하지만 우리가 한 모든 일이 한 명을 살리기 위한 것이었다면 대체로 그만한 가치가 없었다고 볼 것이고, 10명, 1천 명, 1만 명으로 늘어날수록 어느 주관적 지점에서 다수가 동의하기 시작할 것임. 지금 데이터로는 규칙이 다른 지역 표본을 충분히 모아 “마스크는 1천 명당 x명의 생명을 구함”, “학교 폐쇄는 1천 명당 y명을 구함”처럼 어느 정도 정량화할 수 있을 듯함. 그러면 x명의 생명이 질적 피해를 감수할 만큼 가치 있는지 판단할 수 있고, y에 대해서는 아닐 수도 있음

    • 초과 사망 기준의 비용-편익 계산은 핵심이 아님
      초기 유행 때도 정책 결정자들의 주된 제약은 바이러스에 대한 불확실성, 보호장비와 중환자실 병상 부족이라는 점이 분명했음. 보호장비가 없으면 격리 없이 전파를 줄일 방법이 없고, 중환자실이 포화되면 사망률이 두 배가 되며 거리에서 사람들이 죽고 의료체계가 붕괴함. 의료체계 붕괴는 기능하는 경제와 양립 가능한 정책 선택지가 아니고, 비COVID 사망도 늘어남. 심장마비, 교통사고, 출산까지 사망 요인이 됨. 정책 결정자가 “할아버지가 몇 년 일찍 죽는 것”과 “손주의 사회적 고립”을 저울질했다는 식의 생각은 사라져야 함
    • 그런 시도를 한 논문들이 있고, 최근에는 자택대피 정책이 전체 초과 사망을 줄였는지 본 논문도 있음: https://onlinelibrary.wiley.com/doi/full/10.1002/hec.4737
      “43개국과 미국 모든 주의 데이터를 사용한 사건 연구 접근법으로, COVID-19 자택대피(SIP) 정책 시행 이후 초과 사망 변화를 측정했다. SIP 정책을 더 일찍 시행한 국가나 주에서 초과 사망이 더 낮았다는 결과는 찾지 못했다. SIP 이전 COVID-19 사망률을 고려해도, SIP 시행 전후 초과 사망 차이는 관찰되지 않았다”
    • 캐나다에서는 병원 수용 능력과 연결된 제한 조치가 많았음
      사용 가능한 중환자실 병상이 줄어들면 더 많은 제한을 두고, 반대의 경우 완화했음. 특히 “살릴 수 있었지만 병상이 없어 돌려보내는” 예방 가능한 사망에 초점이 있었고, 직관적으로도 탄탄한 접근이라고 봤음. 예방 가능한 사망은 정말 안타까운 일임
    • 사람들은 이 문제를 어떻게 사고해야 하는지도 잘 모름
      중요한 건 생명 수가 아니라 잃어버린 생명연수임. 예컨대 인생이 거의 다 남은 아이의 죽음은 이미 임종에 가까운 노인의 죽음보다 더 나쁨. 현재 통계는 기대 생명연수 손실이 아니라 사망자 수에만 집중하므로, 서로 다른 정책의 상충관계를 공정하게 평가하기조차 어려움
    • COVID 때 나도 같은 생각을 했지만, 말한 것처럼 다른 사람들은 이런 주제를 이야기하고 싶어 하지 않았음
      COVID는 심각했지만 미국의 반응은 매우 이상했음. 식당에서 마스크를 쓰는 방식은 미국 역사에서 가장 기괴한 순간 중 하나로 남을 것 같음

  • 궁금해서 찾아보니 그가 쓰는 건 Stata처럼 보임: https://www.reed.edu/psychology/stata/analyses/parametric/Re...

    • https://en.m.wikipedia.org/wiki/Stata
      https://www.stata.com/
    • 다운로드를 찾고 있었는데 웹사이트에는 관련 내용이 거의 없고, 가장 가까운 설명은 이런 문구였음
      “모든 Reed 실습실 컴퓨터에서 Stata는 Applications 폴더에 있습니다.” “Stata는 학교 컴퓨터의 Applications 폴더에서 찾을 수 있습니다. PC에서는 Program Files에 있을 가능성이 큽니다.” 이게 오픈소스도 아니고 상용으로도 구할 수 없다는 뜻인가? 둘 중 하나는 당연히 가능해야 할 것 같은데 꽤 이상함
    • Python의 statsmodels를 쓰면 비슷한 일을 할 수 있고, 결과 터미널 UI도 비슷하게 만들 수 있음: https://www.statsmodels.org/stable/index.html

  • 이 글의 본문은 COVID 정책과 백신 사용을 다루고 있어서 그쪽 논의가 붙었지만, 핵심은 더 일반적인 이야기로 보였음
    “내 목표는 대체로 참이고 견고한 양식화된 사실에 집중하고, 그것을 반복하는 것이다. 단순하거나 단순해 보이는 주장, 그리고 아무리 강조해도 지나치지 않지만 검증을 견딜 것이라고 기대되는 주장을 좋아한다.” 분석과 모델 결과를 직업적으로 발표하는 입장에서 완전히 동의함. 요점을 전달하는 가장 단순한 결과를 제시하고 넘어가면 됨. “x, y, z를 고려해도 유지된다”고 언급하거나, 공격적인 청중이 있을 때를 대비해 그 분석은 백업 슬라이드에 넣어두면 됨. 아무도 모델이 얼마나 복잡한지는 신경 쓰지 않고, 작동하는지만 봄

    • 공정하게 말하면 COVID 사망률은 초고령과 매우 강하게 연결되어 있어서, 이를 고려하지 않는 건 꽤 의심스러움
      글에서 Nate 자신도 Utah의 Mormon 인구 비율이 100배 높고 그것이 유의미한 효과라고 했음. 85세 이상 COVID 사망률은 아주 젊은 층보다 100배 이상 높음. 결과 자체를 의심하는 건 아니지만, COVID를 분석할 때 나이를 보정하는 건 어떤 결론에 대해서도 당연히 물어볼 만한 질문임

  • 사망자에 초점을 맞추는 건 더 큰 사회적 문제를 놓치는 면이 있음
    COVID의 파괴는 롱 COVID와, 완전히 회복했거나 증상이 없었던 사람들에게도 관련되어 있음. 아직 끝난 게 아니고, 우리는 정말로 크게 망했음. 즉 Great Barrington Declaration은 방향 자체도 틀렸음. 정상으로 돌아갈 희망을 가지려면 COVID를 최대한 제거하는 쪽으로 최적화했어야 했음. 죽음만이 COVID의 문제가 아님. 이제는 너무 늦었지만, 그 선언을 지지한 사람은 돌팔이이고 면허를 박탈당했어야 함

    • SARS-CoV-2가 계속 남아 있을 것은 분명하니 그런 의미에서는 끝나지 않았음
      하지만 그 이상으로 “우리가 정말 망했다”는 말에는 동의하기 어려움. COVID가 기대수명을 조금 갉아먹고, 롱 COVID도 생산성과 삶의 만족을 조금 갉아먹는 건 맞지만 큰 그림에서 그렇게 큰 비중은 아님. 현재 미국에서 COVID 사망자는 폐암 사망자의 절반도 안 되고, 그 사망자는 압도적으로 고령층임. 냉정하게 들릴 수 있지만, 이미 은퇴한 지 오래인 사람들의 수명을 몇 년 줄이는 일이 나라를 무너뜨리지는 않음. 18세 미만에서는 사실상 COVID 사망이 없고, 노동연령층에서도 입원이나 장기적인 쇠약으로 이어지는 경우는 드묾. 고통받는 사람들은 당연히 고통받고, 그들을 외면해서는 안 되지만, 공중보건 위기로서의 COVID는 대체로 끝났음
    • 나는 평균보다 훨씬 더 종말론을 좋아하는 편이지만, “우리가 정말 망했다”는 식으로는 전혀 보이지 않음
      COVID에 적어도 두 번 걸렸고, 회복 한 달 뒤에는 롱 COVID라고 확신할 만큼 끔찍한 증상도 있었지만 몇 달 뒤, 이제는 몇 년이 지나고 보니 그렇지 않았음. COVID로 가족을 잃은 사람은 많이 알지만, 심각한 롱 COVID 증상을 겪는 사람이나 그런 사람을 아는 사람은 모름. 롱 COVID가 존재하지 않는다고 의심하는 건 아니지만, 내 관찰로는 “우리가 망했다”는 원인이 COVID라는 데 매우 회의적임. COVID 이후의 이상함은 빠르게 진행되는 기후변화를 포함한 여러 이유로 사람들이 엄청난 스트레스를 받고, 동시에 그 스트레스가 무엇인지 제대로 말하거나 해소하지 못하기 때문이라고 봄. 좋은 자료가 있다면 읽어보고 싶음
    • 어떤 의미에서 그렇게 말하는 건가? 나는 매우 보수적인 주에 살고 있는데, 내 지역사회에서 COVID 때문에 큰 파괴가 있었다고 느끼지 못했음
      무엇이든 충분히 몰입하면 자신을 겁먹게 만들 수 있음. 제2형 당뇨병 글을 충분히 doomscroll하면, 그 합병증에 비해 COVID는 미국 공중보건 문제 중 가장 사소한 것이라고 확신하게 될 수도 있음
    • Great Barrington Declaration의 세부 내용은 읽지 않았지만, “명백한 돌팔이였다”는 평가는 몇 가지 요인 때문에 혼동될 수 있음
      2020년에는 특히, 지금도 롱 COVID와 다른 부작용의 구체적 영향이 봉쇄로 인한 정신건강 악화나 치료 지연 같은 피해와 비교해 예측하기 어려웠음. 다년 봉쇄의 3년, 5년, 10년 영향을 보여주는 반사실 자료도 없음. 또 전 세계 정부가 존재하지 않아 전 지구적 봉쇄와 COVID 제거가 불가능한 상황에서는 방향성 자체가 달라짐. 충분히 큰 인구가 제거 전략에 동참하지 않으면, 나머지에게는 그 전략이 덜 실행 가능하고 더 비싸짐. 개인적으로는 남아공과 유럽에서 첫 변이가 나오기 시작했을 때 제거 가능성에 대한 기대를 어느 정도 접었음. 뉴질랜드나 일본처럼 비교적 성공적으로 봉쇄한 나라의 감염률과 롱 COVID 비율이 지금 어느 정도인지 궁금함
    • COVID 제거는 대략 2020년 1월 무렵부터 이미 선택지가 아니었음
      “가능한 한 많이”라는 표현으로 암시하는 부분적 제거도 선택지가 아니었고, 항상 전부 아니면 전무였음

  • 모두가 정치적 입장을 잊은 20년 뒤에 COVID가 실제로 무엇이었는지 알게 되는 게 기대됨

    • 행운을 빔. 1977년 “러시아” 독감에 대해서도 아직 학계에서 논쟁 중임 [1]
      [1] https://en.wikipedia.org/wiki/1977_Russian_flu
    • 개인 차원에서는 가능성 낮은 음모론 등을 걸러낼 줄 안다면 COVID에 대해 크게 불분명한 건 없어 보임
      대체로 확립된 정보가 어떤 방식으로 정치에 물들었다고 보는지 궁금함

  • Nate는 Twitter에서 가볍고 무례하게 굴 때가 있지만, 자신에 대한 비판에는 완전히 낚인 것 같음
    이 글은 본질적으로 “내가 한 주장에 대해 사람들이 근거 없이 추측했으니, 그들이 신경 쓰지 않을 무언가를 증명하는 데 많은 시간을 쓰겠다”에 가까움

    • “사람들”이라는 표현은 적절하지 않아 보임
      적어도 부분적으로는 Harvard 의대 교수이자 생물통계학자이며 GBD 공동 저자인 Martin Kulldorff에게 답하는 글이기 때문임
    • 구경꾼 입장에서는 그 평가가 맞아 보이지만, 글 끝에서 Nate 자신도 Twitter/X 사람들을 설득할 희망은 별로 없다고 말함
      아마 자기 독자층에 대한 신뢰도 확보가 더 큰 목적일 것임
    • Twitter는 광적인 오물통이고 인류 몰락의 큰 조각이 될 거라고 생각하지만, 이 평에는 별로 동의하지 않음
      어떤 이유로 이 블로그 글을 썼든, 글 자체는 정말 흥미롭고 통찰이 있었으며, 세부와 사고의 명료함이 좋았음. 예를 들어 글 하단 분석은 사망률 차이를 낳은 실제 요인이 백신 접종률이고, 당파성은 사실 그 대리변수였음을 보여줬음. Twitter 사람들이 이 글에서 보여준 것을 신경 쓰지 않을 수는 있지만, 나는 충분히 고마웠음
    • 전형적인 나르시시스트임
      Nate Silver를 생각하면 언제나 2016년 대선 밤에 중간 거리만 멍하니 바라보던 초췌한 남자가 떠오름. Silver의 효용은 주류 진영의 논점이 무엇인지 아는 데에만 제한됨

  • 다른 나라는 모르겠지만, Austria에서는 간호사들이 백신 접종 직후 사망이나 감염이 지나간 지 몇 주 뒤의 사망도 국가 통계상 COVID 사망으로 보고하도록 강한 유인을 받았음
    팬데믹 기간 동안 현장 보고에 이런 식의 “넛지”가 들어가면서 COVID 사망 데이터가 신뢰하기 어려워졌다고 해도 놀랍지 않음

    • 그 시기의 Canada 사망자 집계는 매우 의심스러움
      2020년 6월 초부터 Canada 최대 도시의 “공중보건” 당국은 꽤 의심스러운 방식으로 사망자를 세고 있다고 밝혔음. “COVID-19에 걸린 상태로 사망했지만 COVID-19의 결과로 사망하지 않은 개인도 Toronto의 COVID-19 사망자 집계에 포함됩니다.” https://twitter.com/TOPublicHealth/status/127588839006028596... 2021년 중반에는 장기요양시설 관련 보도도 있었음. “Ontario 장기요양시설의 환자들은 COVID-19가 아니라 방치로 사망했다고 군 보고서가 밝혔다: ‘필요했던 건 물과 몸을 닦아주는 것뿐이었다’” https://www.theglobeandmail.com/canada/article-canadian-mili... 이런 일들과 2020~2022년에 벌어진 모든 일을 겪고 나니, 이제 공중보건 당국자들을 전혀 신뢰할 수 없음
    • 미국에서는 COVID 양성 판정 후 28일 이내의 사망을 COVID 사망으로 집계했고, 백신 접종자는 아파야 했던 것으로 기억함
      그래서 백신이 얼마나 많은 생명을 구했는지에 대한 데이터는 정말 오염되어 있고, 미접종자 집계가 실제보다 높게 잡힘. 게다가 병원에는 사망 원인에 COVID를 추가할 금전적 유인도 있었음
    • 전체 사망률은 이런 집계 방식에 영향을 받지 않아야 함. 실제로 영향을 받았나?
    • 그러면 초과 사망을 보면 됨. 놀랍게도 달라지는 게 없음
      글을 읽었나? 확증편향으로 가는 길에서 사람들이 꺼내 드는 사소한 것들을 다루는 부분 말임

  • 몇 가지 관찰이 있음
    CDC [1] 기준 2020년 주별 COVID 총사망자는 West Virginia 1,318명, Florida 21,546명, Maine 344명, Vermont 134명임. 2020년 4월 인구조사 [2]의 해당 주 인구는 West Virginia 1,793,716명, Florida 21,538,187명, Maine 1,362,359명, Vermont 643,077명임. 따라서 백신이 나오기 전 인구 10만 명당 사망자는 West Virginia 73명, Florida 100명, Vermont 21명, Maine 25명임. 계산은 누가 확인해주면 좋겠지만, 백신 전에도 Trump에게 투표한 것이 사망을 3배 이상 늘린 것처럼 보임. 즉 원 글의 분석은 고려하지 않은 교란 요인의 영향을 받았을 수 있음. 예를 들어 COPD는 CDC 기준 심각한 COVID 합병증의 중요한 의학적 위험 요인이고, West Virginia 인구의 13.6% 이상에 영향을 주지만, Vermont는 5.9%에 그침 [3]. 나는 가능한 가장 이른 날짜에 백신과 부스터를 맞았고, 내 주에서 Omicron 초기 대유행 때 COVID에 걸렸음
    [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...

    • 백신 이전 차이는 사람들이 공중보건 권고와 예방조치를 대하는 방식에서 나왔을 가능성이 큼
      누군가 COVID가 독감보다 나쁘지 않거나 아예 존재하지 않는다고 믿었다면, 2020년 여름 내 일부 처가 식구들처럼, 감염되고 퍼뜨리고 부적절한 치료를 받을 가능성이 훨씬 컸을 것임. 그런 행동 차이는 백신 접종률로도 이어졌을 것임. COPD 같은 질환이 주요 차이라면 사망률 차이는 2.9배(10만 명당 73 대 25)보다 2.3배(13.6%/5.9%)에 더 가까워야 할 것으로 봄. 두 주 사이에서 2.3배보다 더 큰 상대적 비율을 가진 다른 합병 질환은 잘 모르겠고, 비만은 West Virginia가 1.3배 높을 뿐임. 결국 Silver의 요점으로 돌아가게 됨. 다른 기여 요인은 거의 언제나 찾을 수 있지만, 그것이 다른 요인이 기여하지 않았다는 증거는 아님. 함께 분석해야 함. 다만 회귀분석 전에도 건강 합병 요인만으로는 차이를 설명하기 어려워 보임

  • 이제 “백신이 나오기 전에는 파란 주와 빨간 주의 COVID 사망률 차이가 거의 없었다”는 첫 주장에 대한 세부 내용을 보고 싶음

    • 믿지 않아서가 아니라, 그냥 근거를 보고 싶음
답변달기