Ez a cikk a partnerünk, a SAS által bemutatott sorozat része, amely az adatok szerepét vizsgálja a COVID-19 világjárvány megértésében. A SAS úttörő szerepet tölt be az adatkezelés és az analitika területén. (Tekintse meg a sorozat többi bejegyzését a Get Smart About COVID-19 Misinformation oldalon.)
Case fatality rate vs. mortality rate
A COVID-19-cel kapcsolatos adatokat és információkat nehéz lehet értelmezni, ha nem vagyunk szakértők. Az elmúlt hetekben rengeteg új kifejezést tanultunk. Az egyik leggyakrabban látott kifejezés az esetek halálozási aránya vagy CFR. Ez egy fontos mérőszám, mert segít megérteni, hogy a COVID-19 megerősített diagnózisával rendelkezők közül hányan halnak meg a betegség következtében. A sorozatban korábban említett összehasonlításokhoz hasonlóan azonban ezt a számot is összefüggéseiben kell vizsgálni.
Először is fontos megkülönböztetni az esetek halálozási arányát más mérőszámoktól, például a halálozási aránytól, vagy akár egy személy halálozási kockázatától, ha megfertőződik. Az esetek halálozási aránya arányszámként jelenik meg.
A grafikon a SAS jóvoltából készült.
Sajnos mindkét számot nehéz teljes pontossággal mérni. A jelenleg COVID-19-vel diagnosztizált emberek száma nem egyenlő a ténylegesen érintettek számával. És lehetséges, hogy soha nem kapunk pontos értékelést erről a számról. A jelenlegi halálozási arány valószínűleg túl magas a tényleges halálozási kockázathoz képest, ha valaki elkapja a betegséget. Ez azért van így, mert azok az emberek, akiket a legnagyobb valószínűséggel tesztelnek, a legsúlyosabb tünetekkel rendelkeznek, így nagyobb valószínűséggel alakulnak ki náluk életveszélyes szövődmények.
Más tényezők figyelembevétele
Az olyan mögöttes tényezők, mint az életkor és a már meglévő egészségi állapot, az egyéni kockázatot eltérővé teszik az általános kockázattól. És bár az esetek halálozási arányáról szóló egyes jelentések tartalmaznak néhány ilyen demográfiai adatot is, ne feledje, hogy ezek a számok ugyanolyan kontextusfüggő torzításokkal rendelkeznek, mint az általános halálozási arányok.
Végezetül, egy olyan mérőszám, amellyel ritkábban találkozunk, de még mindig figyelmet érdemel, az általános halálozási arány. Ez a népesség azon részére vonatkozik, amely a világjárvány következtében hal meg. Ez a szám jellemzően nagyon különbözik a halálozási aránytól, mivel nem mindenki van kitéve a betegségnek. Képzeljünk el egy országot, amelyben mindössze 100 ember él. Ha ezek közül 20 ember fertőződött meg, és közülük 1 meghalt, akkor a halálozási arány – a fertőzöttek közül a meghaltak aránya – 5% lenne. A halálozási arány azonban csak 1%. Vagyis a teljes népesség 1%-a hunyt el.*
A tanulság az, hogy alaposan nézze meg a közölt százalékos arányokat, és győződjön meg róla, hogy érti, milyen népességre vonatkozik. A teljes népességre vonatkozik? Csak a fertőzöttekre? Csak a súlyos tünetekkel rendelkezőkre? Ezek mind fontos kérdések, amelyeket fel kell tennie magának az információk értelmezésekor.
Következtetés
Az a közfelfogás, hogy a számok és az adatok tények, de tévedés azt feltételezni, hogy ezek teljesen pontos képet adnak a világról. A rendelkezésünkre álló adatok a jelenleg rendelkezésre álló legjobb mérések. Csak akkor tudhatnánk biztosan, hogyan változik naponta az esetek száma, ha minden egyes embert minden nap megvizsgálhatnánk. Ez egyszerűen nem megvalósítható, ezért ehelyett a tökéletlen méréseinkre kell hagyatkoznunk. This makes understanding the pandemic and its progression more challenging; but data analysis is still a powerful tool to give us insight and help us make decisions.
*The original version of this blog post included incorrect figures in the section discussing mortality rate vs. case fatality rate. They were corrected on April 14, 2020, the date of publication. We apologize for the error.
Other articles in this series:
-
- Examining data behind racial disparities.
- Comparing data across countries.
- Comparing data across time.
- Age isn’t everything.
About SAS: Through innovative analytics software and services, SAS helps customers around the world transform data into intelligence.