Ten artykuł jest częścią serii, prezentowanej przez naszego partnera SAS, która bada rolę danych w zrozumieniu pandemii COVID-19. SAS jest pionierem w dziedzinie zarządzania danymi i analityki. (Sprawdź inne posty z tej serii na naszej stronie Get Smart About COVID-19 Misinformation.)
Współczynnik śmiertelności przypadków vs. współczynnik śmiertelności
Dane i informacje związane z COVID-19 mogą być trudne do zinterpretowania, jeśli nie jesteś ekspertem. W ciągu ostatnich kilku tygodni nauczyliśmy się wielu nowych terminów. Jednym z terminów, z którym spotykamy się najczęściej, jest współczynnik śmiertelności przypadków, czyli CFR. Jest to ważna metryka, ponieważ pomaga nam zrozumieć jak wiele osób z potwierdzoną diagnozą COVID-19 umiera w wyniku choroby. Jednakże, podobnie jak porównania wspomniane wcześniej w tej serii, liczba ta musi być rozpatrywana w kontekście.
Po pierwsze, ważne jest, aby odróżnić współczynnik śmiertelności od innych wskaźników, takich jak współczynnik umieralności, a nawet ryzyko śmierci danej osoby w przypadku zakażenia. Współczynnik śmiertelności jest przedstawiany jako stosunek.
Grafika dzięki uprzejmości SAS.
Niestety, trudno jest zmierzyć obie te liczby z całkowitą dokładnością. Liczba osób obecnie zdiagnozowanych z COVID-19 nie jest równa liczbie osób, które rzeczywiście ją mają. I jest możliwe, że nigdy nie otrzymamy dokładnej oceny tej liczby. Obecny wskaźnik śmiertelności przypadków jest prawdopodobnie podwyższony w porównaniu z rzeczywistym ryzykiem śmierci w przypadku zachorowania na tę chorobę. Dzieje się tak dlatego, że ludzie, którzy najczęściej poddają się badaniom, to ci z najcięższymi objawami, co zwiększa prawdopodobieństwo wystąpienia zagrażających życiu powikłań.
Rozważ inne czynniki
Podstawowe czynniki, takie jak wiek i istniejące wcześniej warunki zdrowotne, sprawiają, że indywidualne ryzyko różni się od ogólnego ryzyka. I chociaż niektóre raporty dotyczące śmiertelności przypadków obejmują również niektóre z tych danych demograficznych, należy pamiętać, że liczby te mają takie same kontekstowe odchylenia jak ogólne wskaźniki śmiertelności przypadków.
Wreszcie, metryką, którą widzimy rzadziej, ale która nadal zasługuje na uwagę, jest ogólny wskaźnik śmiertelności. Odnosi się on do części populacji, która umiera w wyniku pandemii. Liczba ta jest zazwyczaj bardzo różna od wskaźnika śmiertelności, ponieważ nie wszyscy są narażeni na chorobę. Wyobraźmy sobie kraj, w którym mieszka tylko 100 osób. Jeśli 20 z tych osób zaraziło się, a 1 z nich zmarła, współczynnik śmiertelności – odsetek osób zarażonych, które zmarły – wynosiłby 5%. Jednak współczynnik śmiertelności wynosi tylko 1%. Oznacza to, że zmarł 1% całej populacji.*
W tym miejscu należy uważnie przyjrzeć się danym procentowym, które są podawane i upewnić się, do jakiej populacji się odnoszą. Czy jest to cała populacja? Czy tylko tych zarażonych? Czy tylko tych z ciężkimi objawami? Są to ważne pytania, które należy zadać sobie podczas interpretacji informacji.
Wnioski
Powszechne jest przekonanie, że liczby i dane są faktami, ale błędem jest zakładanie, że są one całkowicie dokładnym obrazem świata. Dane, które posiadamy są najlepszymi pomiarami dostępnymi w tej chwili. Jedynym sposobem, w jaki moglibyśmy wiedzieć na pewno, jak zmienia się liczba przypadków dziennie, byłoby przebadanie każdej osoby każdego dnia. To po prostu nie jest wykonalne, więc zamiast tego musimy polegać na naszych niedoskonałych pomiarach. 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.