- En el debate sobre las tasas de mortalidad por COVID en los estados de EE. UU., la orientación partidista y la tasa de vacunación predicen con fuerza la mortalidad posterior al 1 de febrero de 2021 incluso controlando la proporción de población mayor de 65 años
- Si se siguen agregando variables de control, aumentan los grados de libertad del investigador y el riesgo de sobreajuste, por lo que en debates públicos son más útiles los hechos estilizados que sean simples pero resistan la verificación
- Al comparar el margen de voto de Biden en 2020 con las muertes por COVID por millón de habitantes en cada estado desde el 1 de febrero de 2021, cuanto mayor fue la ventaja de Biden, menor fue la mortalidad, y esta relación solo apareció después de la introducción de las vacunas
- Incluso al incluir la proporción de población mayor de 65 años, el coeficiente y la significancia estadística de la orientación partidista casi no cambiaron, mientras que la tasa de vacunación funcionó como una variable explicativa mucho más fuerte
- Siguen existiendo objeciones sobre la forma de contabilizar las causas de muerte, las comorbilidades y el efecto de las intervenciones no farmacológicas, pero las diferencias de mortalidad entre estados están más vinculadas a las diferencias en tasa de vacunación que a la edad
Por qué se prioriza el análisis simple
- En los debates públicos sobre estadísticas se parte del principio de que, cuanto más simple sea el análisis, mejor
- Cuantas más variables de control se agregan, más aumentan los puntos de decisión sobre cómo el analista manipula los números, es decir, los grados de libertad del investigador
- A veces sí es necesario controlar variables de confusión
- En la relación entre el consumo de helado y los ahogamientos, el clima veraniego es una variable de confusión evidente
- Pero añadir complejidad también eleva el riesgo de sobreajuste
- Si se puede mostrar el punto central con estadísticas agregadas simples o con un método intuitivo, en las discusiones en línea ese enfoque suele ser más efectivo
Punto de partida del debate sobre políticas de COVID
- El punto de partida del texto anterior eran dos hechos estilizados
- Antes de la distribución de las vacunas, no había una gran diferencia en la mortalidad por COVID entre los blue states y los red states
- Después de la distribución de las vacunas, la mortalidad fue más alta en los red states, probablemente debido a la menor tasa de vacunación de los republicanos
- Esta afirmación fue más controvertida fuera del texto, y Martin Kulldorff criticó que una comparación sin ajustar por diferencias en la edad promedio entre estados podía inducir a error
- Kulldorff es profesor de la Facultad de Medicina de Harvard y uno de los principales autores de la declaración anti-lockdown de octubre de 2020, la Great Barrington Declaration
- La comparación del periodo previo a las vacunas más bien apoyaba la idea de que no estaba claro que las intervenciones no farmacológicas hubieran funcionado bien y que sus costos fueron altos
Diferencias entre estados difíciles de explicar solo por la edad
- El COVID es mucho más letal para las personas mayores, pero se considera que la orientación partidista y la estructura por edad de los estados de EE. UU. son casi ortogonales, y más aún respecto de la tasa de vacunación
- Las diferencias en la estructura por edad entre los estados de EE. UU. no son grandes
- Medido por la proporción de población mayor de 65 años, todos los estados salvo 9 se ubican en un rango estrecho de más de 15% y menos de 20%
- Incluso en cuatro estados con proporciones muy parecidas de población mayor, la mortalidad por COVID por millón de habitantes desde el 1 de febrero de 2021 diverge mucho
- West Virginia: 3,454
- Florida: 2,992
- Maine: 1,881
- Vermont: 1,210
- Estos cuatro estados tienen casi la misma proporción de población mayor, pero la diferencia en mortalidad coincide con las diferencias partidistas en la tasa de vacunación
Cómo se arma el análisis de regresión
- El análisis de regresión se usa como método para descomponer el efecto de varias variables
- La variable dependiente de la primera regresión univariable es covid_deaths_late
- Número de muertes por COVID por millón de habitantes desde el 1 de febrero de 2021
- La fuente son los datos de COVID en EE. UU. de Worldometers
- El 1 de febrero de 2021 aproxima el momento en que las vacunas empezaron a estar ampliamente disponibles para los grupos vulnerables
- La variable independiente biden es el margen por el que Joe Biden ganó o perdió frente a Donald Trump en la elección presidencial de 2020
- El resultado fue que, cuanto mayor fue la victoria de Biden, menor fue la mortalidad por COVID desde el 1 de febrero de 2021
- Esta relación no se cumplía en la fase inicial del COVID y solo apareció después de la disponibilidad de las vacunas
El efecto de la orientación partidista persiste incluso controlando por edad
- En la siguiente regresión se añade la variable senior, que es la proporción de la población estatal de 65 años o más
- Los estados con mayor proporción de población mayor registraron más muertes por COVID desde el 1 de febrero de 2021, y esta diferencia es estadísticamente significativa
- Sin embargo, incluso al añadir la edad, el coeficiente y la significancia estadística de la variable biden no cambian en lo esencial
- La orientación partidista estatal sigue prediciendo con fuerza la mortalidad por COVID incluso después de controlar por la edad
La tasa de vacunación es una variable explicativa más directa
- Esto no significa que el COVID apunte intrínsecamente más a los republicanos
- La hipótesis central es que el COVID es mucho más letal para los no vacunados, y que los republicanos tienen menos probabilidad de vacunarse que los demócratas
- En el siguiente modelo se añade vax_rate, la proporción estatal de personas “fully vaccinated”
- “fully vaccinated” significa el esquema inicial de 2 dosis de Pfizer o Moderna, o 1 dosis inicial de Johnson & Johnson
- No exige refuerzo
- Al incluir vax_rate, esta variable predice la mortalidad por COVID mucho más fuertemente que biden
- Finalmente, incluso si se elimina biden y solo se dejan la edad y la tasa de vacunación, ambas variables explican más de la mitad de la variación de la mortalidad por COVID entre estados desde febrero de 2021
Objeciones pendientes y rango de solidez
- En la propagación del COVID existe una considerable aleatoriedad, como cuando ciertas variantes se afianzan en distintas regiones de forma difícil de predecir
- También quedan preguntas adicionales por examinar
- Las comorbilidades varían entre estados
- Es posible que la forma de contabilizar las muertes por COVID no sea la misma en todos los estados
- La afirmación de que las intervenciones no farmacológicas realmente no fueron efectivas en el periodo previo a las vacunas es menos sólida
- Pero una afirmación sólida no cambia de categoría por objeciones pequeñas, medianas o incluso a veces bastante grandes
- Si la forma de contabilizar las muertes se estandariza más, el poder predictivo de la tasa de vacunación podría volverse mayor o no, pero no parece que la afirmación central vaya a pasar de “claramente verdadera” a “dudosa” o “probablemente falsa”
1 comentarios
Opiniones en Hacker News
Como ciudadano estadounidense, recomendé a la gente a mi alrededor que siguiera las medidas de prevención contra el COVID, y también me gusta Nate Silver, pero en este texto lo único que me llamó la atención fue la parte en la que dice que está mayormente de acuerdo con la declaración antibloqueos de octubre de 2020.
No me arrepiento de mi juicio, porque era una postura basada en la información confirmada en ese momento, pero me gustaría que aceptáramos que, en general, la sociedad se equivocó al prolongar tanto las medidas de confinamiento. A la izquierda tampoco le haría daño un poco de humildad.
Las mascarillas claramente fueron efectivas para el personal médico que atendía pacientes durante la primera ola, y no se enfermaron pese a la exposición directa. Entonces, ¿por qué no funcionaron para el público general? ¿Será que no las usaban bien ni de manera constante? Las escuelas parecían inevitablemente un gran vector de transmisión, y los niños en general eran asintomáticos, pero aun cuando se enfermaban podían contagiar dentro y fuera de la escuela, así como a familiares vulnerables. ¿El cierre de escuelas fue un error, o debió hacerse de otra manera?
Yo también me equivoqué en muchas cosas: desde desinfectarme las manos, cuando en realidad la transmisión aérea era lo central, hasta pensar que las vacunas iban a poner fin a la situación.
Por ejemplo, afirmando que en octubre de 2020 el gobierno estaba imponiendo confinamientos estrictos. En realidad había evidencia clara de que la gente prefería quedarse en casa, y el hecho de que la proporción de trabajo en oficina siga estando en niveles históricamente bajos es otro ejemplo. Desde que salieron los videos de China en enero de 2020, nunca me equivoqué, y me pareció interesante ver cómo la gente sobrepensaba, moralizaba y se aferraba fanáticamente a ramificaciones de ramificaciones alrededor de tres hechos simples que cualquier estudiante de secundaria conoce: “una enfermedad respiratoria muy contagiosa es mala, las vacunas no impiden la infección ni la transmisión, a la gente le gusta trabajar desde casa”.
En ese momento era difícil sacar este tema porque el ambiente hacía que de inmediato te trataran como si fueras antivacunas.
Me preguntaba si había habido algún intento de calcular el costo-beneficio de las distintas medidas y hasta qué punto valía la pena llegar a extremos. Daños como la depresión, el aislamiento o que los niños perdieran medio año de escuela son difíciles de comparar con la muerte, y en la superficie, por supuesto, que muera una persona parece mucho peor. Pero si todo lo que hicimos fue para salvar a una sola persona, en general diríamos que no valió la pena; a medida que el número sube a 10, 1.000 o 10.000, en algún punto subjetivo mucha gente empezaría a estar de acuerdo. Con los datos actuales, parece posible reunir suficientes muestras de regiones con reglas distintas para cuantificar en cierta medida cosas como “las mascarillas salvan x vidas por cada 1.000 personas” o “el cierre de escuelas salva y vidas por cada 1.000 personas”. Entonces podríamos decidir si x vidas valen el daño cualitativo, y quizá para y no.
Incluso durante las primeras olas, estaba claro que las principales restricciones para quienes tomaban decisiones eran la incertidumbre sobre el virus, la falta de equipo de protección y la escasez de camas de UCI. Sin equipo de protección no hay forma de reducir la transmisión sin aislamiento, y si las UCI se saturan, la mortalidad se duplica, la gente muere en las calles y el sistema de salud colapsa. El colapso del sistema sanitario no es una opción de política compatible con una economía funcional, y también aumentan las muertes no COVID. Infartos, accidentes de tránsito e incluso partos se convierten en causas de muerte. Hay que abandonar la idea de que los responsables de políticas estaban sopesando “que el abuelo muera unos años antes” contra “el aislamiento social del nieto”.
“Con un enfoque de estudio de eventos que usa datos de 43 países y de todos los estados de EE. UU., se midieron los cambios en el exceso de mortalidad después de la implementación de políticas de quedarse en casa (SIP) por COVID-19. No se encontró evidencia de que los países o estados que implementaron antes las políticas SIP tuvieran menor exceso de mortalidad. Incluso considerando la mortalidad por COVID-19 previa a las SIP, no se observaron diferencias en el exceso de mortalidad antes y después de la implementación de las SIP”.
Si disminuía el número de camas de UCI disponibles, se imponían más restricciones; si ocurría lo contrario, se relajaban. El foco estaba especialmente en las muertes prevenibles, es decir, personas que podrían haberse salvado pero eran rechazadas por falta de camas, y me pareció un enfoque intuitivamente sólido. Las muertes prevenibles son realmente lamentables.
Lo importante no es la cantidad de vidas, sino los años de vida perdidos. Por ejemplo, la muerte de un niño que tiene casi toda la vida por delante es peor que la muerte de una persona mayor que ya está cerca del final. Como las estadísticas actuales se concentran solo en el número de fallecidos y no en la pérdida de esperanza de vida, ni siquiera es fácil evaluar de manera justa los trade-offs entre distintas políticas.
El COVID fue grave, pero la reacción en Estados Unidos fue muy extraña. Creo que la forma en que se usaban mascarillas en los restaurantes quedará como uno de los momentos más bizarros de la historia estadounidense.
Me dio curiosidad y busqué: parece que lo que usa es Stata: https://www.reed.edu/psychology/stata/analyses/parametric/Re...
https://www.stata.com/
“En todas las computadoras de laboratorio de Reed, Stata está en la carpeta Applications”. “Puedes encontrar Stata en la carpeta Applications de las computadoras de la escuela. En PC, probablemente esté en Program Files”. ¿Eso significa que no es open source ni está disponible comercialmente? Uno de los dos debería ser posible, pero resulta bastante raro.
El cuerpo de este texto trata sobre políticas de COVID y el uso de vacunas, así que se sumó esa discusión, pero el punto central me pareció más general.
“Mi objetivo es concentrarme en hechos estilizados que en general sean verdaderos y sólidos, y repetirlos. Me gustan las afirmaciones simples o que parecen simples, y las afirmaciones que, aunque nunca se enfatice demasiado, uno espera que resistan la verificación”. Como alguien que profesionalmente presenta análisis y resultados de modelos, estoy totalmente de acuerdo. Basta con presentar el resultado más simple que comunique el punto y seguir adelante. Se puede mencionar que “se mantiene aun considerando x, y, z”, o dejar ese análisis en slides de respaldo por si hay una audiencia agresiva. A nadie le importa qué tan complejo sea el modelo; solo miran si funciona.
En el texto, el propio Nate dijo que la proporción de población mormona en Utah era 100 veces mayor y que eso era un efecto significativo. La mortalidad por COVID entre mayores de 85 años es más de 100 veces mayor que entre los grupos muy jóvenes. No es que dude del resultado en sí, pero al analizar COVID, ajustar por edad es una pregunta obvia para cualquier conclusión.
Enfocarse en las muertes deja de lado un problema social más grande.
La devastación del COVID también está relacionada con el COVID prolongado y con personas que se recuperaron por completo o incluso no tuvieron síntomas. Esto todavía no terminó, y de verdad estamos muy mal. Es decir, la Great Barrington Declaration estaba equivocada incluso en su dirección general. Si queríamos tener esperanza de volver a la normalidad, deberíamos haber optimizado para eliminar el COVID tanto como fuera posible. La muerte no es el único problema del COVID. Ahora ya es demasiado tarde, pero quienes apoyaron esa declaración eran charlatanes y deberían haber perdido su licencia.
Pero más allá de eso, me cuesta estar de acuerdo con que “de verdad estamos muy mal”. Es cierto que el COVID reduce un poco la esperanza de vida, y que el COVID prolongado también afecta un poco la productividad y la satisfacción con la vida, pero en el panorama general no pesa tanto. Actualmente en Estados Unidos las muertes por COVID son menos de la mitad de las muertes por cáncer de pulmón, y esas muertes se concentran abrumadoramente en personas mayores. Puede sonar frío, pero recortar algunos años de vida a personas que llevan mucho tiempo jubiladas no derrumba un país. Entre menores de 18 años prácticamente no hay muertes por COVID, y también entre la población en edad laboral son raros los casos que terminan en hospitalización o debilitamiento prolongado. Las personas que sufren, por supuesto, sufren, y no hay que darles la espalda, pero como crisis de salud pública el COVID en gran medida terminó.
Tuve COVID al menos dos veces, y un mes después de recuperarme tuve síntomas tan horribles que estaba seguro de que era COVID prolongado, pero meses después, y ahora años después, resultó que no. Conozco a muchas personas que perdieron familiares por COVID, pero no conozco a nadie que tenga síntomas graves de COVID prolongado ni a alguien que conozca a una persona así. No sospecho que el COVID prolongado no exista, pero según mis observaciones soy muy escéptico de que el COVID sea la causa de que “estemos mal”. Creo que la rareza posterior al COVID se debe a que la gente está bajo un estrés enorme por muchas razones, incluido el cambio climático acelerado, y al mismo tiempo no puede expresar ni procesar bien qué es ese estrés. Si hay buenos materiales, me gustaría leerlos.
Si te sumerges lo suficiente en cualquier tema, puedes asustarte a ti mismo. Si haces suficiente doomscrolling sobre artículos de diabetes tipo 2, podrías terminar convencido de que, comparado con sus complicaciones, el COVID es uno de los problemas de salud pública más menores de Estados Unidos.
En 2020 en particular, e incluso ahora, era difícil predecir el impacto concreto del COVID prolongado y otros efectos secundarios en comparación con daños como el deterioro de la salud mental por los confinamientos o los retrasos en tratamientos. Tampoco tenemos datos contrafactuales que muestren los efectos a 3, 5 o 10 años de confinamientos de varios años. Además, dado que no existe un gobierno mundial y por lo tanto eran imposibles un confinamiento global y la eliminación del COVID, la orientación misma cambia. Si una población lo suficientemente grande no participa en una estrategia de eliminación, para el resto esa estrategia se vuelve menos viable y más cara. Personalmente, cuando empezaron a aparecer las primeras variantes en Sudáfrica y Europa, abandoné en cierta medida la expectativa de que la eliminación fuera posible. Me da curiosidad saber cuáles son hoy las tasas de infección y de COVID prolongado en países que aplicaron confinamientos relativamente exitosos, como Nueva Zelanda o Japón.
La eliminación parcial que insinúa la frase “tanto como sea posible” tampoco era una opción; siempre fue todo o nada.
Me entusiasma que dentro de 20 años, cuando todos hayan olvidado sus posturas políticas, sepamos qué fue realmente el COVID.
[1] https://en.wikipedia.org/wiki/1977_Russian_flu
Me da curiosidad en qué sentido crees que la información mayormente establecida quedó teñida por la política.
Nate puede ser ligero y grosero en Twitter, pero parece que mordió el anzuelo por completo ante las críticas contra él
Este texto, en esencia, se parece más a: “Como la gente especuló sin fundamentos sobre una afirmación que hice, voy a dedicar mucho tiempo a demostrar algo que no les va a importar”
Porque, al menos en parte, es una respuesta a Martin Kulldorff, profesor de la Facultad de Medicina de Harvard, bioestadístico y coautor de GBD
Probablemente su objetivo principal sea más bien reforzar la confianza de su propio público lector
Cualquiera que haya sido la razón por la que escribió esta entrada de blog, el texto en sí fue realmente interesante y perspicaz, con buen nivel de detalle y claridad de pensamiento. Por ejemplo, el análisis al final del texto mostró que el factor real detrás de la diferencia en mortalidad fue la tasa de vacunación, y que el partidismo en realidad era una variable proxy. Puede que a la gente de Twitter no le importe lo que mostró este texto, pero yo lo agradecí bastante
Cuando pienso en Nate Silver, siempre me viene a la mente aquel hombre demacrado mirando fijamente a media distancia la noche de las elecciones presidenciales de 2016. La utilidad de Silver se limita a saber cuáles son los argumentos del sector dominante
No sé en otros países, pero en Austria las enfermeras tenían fuertes incentivos para reportar como muertes por COVID en las estadísticas nacionales tanto muertes ocurridas poco después de la vacunación como muertes unas semanas después de haber pasado la infección
No me sorprendería que, durante la pandemia, este tipo de “empujoncitos” en los reportes de campo hayan vuelto poco confiables los datos de muertes por COVID
Desde principios de junio de 2020, las autoridades de “salud pública” de la ciudad más grande de Canadá dijeron que estaban contando las muertes de una manera bastante dudosa. “Las personas que mueren mientras tienen COVID-19, pero no como resultado de COVID-19, también se incluyen en el conteo de muertes por COVID-19 de Toronto.” https://twitter.com/TOPublicHealth/status/127588839006028596... A mediados de 2021 también hubo reportes relacionados con centros de cuidados de largo plazo. “Pacientes en centros de cuidados de largo plazo de Ontario murieron por negligencia, no por COVID-19, según un informe militar: ‘Todo lo que necesitaban era agua y que los limpiaran’” https://www.theglobeandmail.com/canada/article-canadian-mili... Después de estas cosas y de todo lo ocurrido entre 2020 y 2022, ya no puedo confiar en absoluto en los funcionarios de salud pública
Por eso los datos sobre cuántas vidas salvaron las vacunas están realmente contaminados, y el conteo de no vacunados queda inflado por encima de la realidad. Además, los hospitales también tenían un incentivo económico para agregar COVID como causa de muerte
¿Leíste el texto? Me refiero a la parte que trata todas esas minucias que la gente saca a relucir camino al sesgo de confirmación
Tengo algunas observaciones
Según los CDC [1], las muertes totales por COVID en 2020 por estado fueron: West Virginia 1,318, Florida 21,546, Maine 344 y Vermont 134. La población de esos estados en el censo de abril de 2020 [2] era: West Virginia 1,793,716; Florida 21,538,187; Maine 1,362,359; Vermont 643,077. Por lo tanto, antes de que existiera la vacuna, las muertes por cada 100,000 habitantes fueron 73 en West Virginia, 100 en Florida, 21 en Vermont y 25 en Maine. Me gustaría que alguien revise los cálculos, pero incluso antes de las vacunas, haber votado por Trump parece haber multiplicado las muertes por más de 3. Es decir, el análisis del texto original podría haber estado influido por factores de confusión no considerados. Por ejemplo, la EPOC es, según los CDC, un factor de riesgo médico importante para complicaciones graves por COVID, y afecta a más del 13.6% de la población de West Virginia, pero solo al 5.9% de Vermont [3]. Yo recibí la vacuna y el refuerzo en la fecha más temprana posible, y me contagié de COVID durante la primera gran ola de Omicron en mi estado
[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...
Si alguien creía que el COVID no era peor que la gripe, o que directamente no existía, como algunos de mis familiares políticos en el verano de 2020, era mucho más probable que se contagiara, lo propagara y recibiera un tratamiento inadecuado. Esas diferencias de conducta también se habrían reflejado en las tasas de vacunación. Si enfermedades como la EPOC fueran la principal diferencia, creo que la diferencia de mortalidad debería estar más cerca de 2.3 veces (13.6%/5.9%) que de 2.9 veces (73 frente a 25 por cada 100,000). No conozco otras comorbilidades con una proporción relativa mayor que 2.3 veces entre esos dos estados, y la obesidad es solo 1.3 veces más alta en West Virginia. Al final volvemos al punto de Silver. Casi siempre se pueden encontrar otros factores contribuyentes, pero eso no es prueba de que otro factor no haya contribuido. Hay que analizarlos en conjunto. Aun así, incluso antes de una regresión, parece difícil explicar la diferencia solo por factores de comorbilidad
Ahora quiero ver los detalles detrás de la primera afirmación: que “antes de que saliera la vacuna, casi no había diferencia en la tasa de mortalidad por COVID entre los estados azules y los estados rojos”.